主动买卖因子的正确用法

开源证券金融工程首席分析师 魏建榕 博士

微信号：brucewei_quant

执业证书编号：S0790519120001

开源证券金融工程研究员 傅开波 （本报告联系人）

微信号：18621542108

研究领域：资产配置、基金研究、因子模型

开源证券金融工程研究员 苏俊豪（本报告联系人）

微信号：18817871971

研究领域：衍生品研究、因子模型

摘 要 

主动买卖因子：基本不具备选股能力A股市场上的各类交易者，通常采用订单委托金额的大小将其分为：机构、大户、中户、散户。 对于每一类交易者而言，都有“主动成交”和“被动成交”两种交易行为。 其中，“主动成交” 相对“被动成交”， 包含了更多关于股价未来走势的观点。 目前市场上普遍使用主动买卖因子（即本文提到的原始ACT因子）进行主动性的刻画， 但原始ACT因子的IC绝对值并不高，选股能力明显不达预期，这是此类研究长期以来的痛点。

主动买卖因子精细结构：上涨看大中单，下跌看小单

我们独家提出的“因子切割论”认为，市场行为模式的晦暗不明，往往只是由于代理变量选得不好，“切割”是剖析精细结构、寻找更优变量的有效方法。在市场上涨和下跌的不同情境下，投资者的主动买卖特征也可能有所不同，因此，我们借助“切割”的方法论，对ACT因子按照收益率高低进行不同交易日的切分。通过切分后的ACT因子具有不同的因子结论：
超大单：超大单的ACT因子，不管是高收益端还是低收益端， 正向或者负向选股效应均表现微弱；
大单：大单的ACT因子，在高收益端呈现较强的正向选股效应，低收益端为微弱的负向选股效应；
中单：中单的ACT因子，在高收益端呈现较强的正向选股效应，在低收益端表现为微弱的负向选股效应， 但低收益端的负向选股效应没有小单的ACT因子强；
小单：小单的ACT因子，在低收益率呈现较强的负向选股效应，随着切割比例的增大，因子负向选股效应衰弱的速度较慢； ACT因子在较高收益率端呈现正向选股效应，随着切割比例的增大， 正向选股效应的衰减速度很快。主动买卖因子的合成

基于切割分析，我们分别构建基于大单和中单的正向主动买卖因子ACT正向，和基于小单的负向主动买卖因子ACT负向：ACT正向因子在不同切割比例𝜆下的选股能力均优异，且𝜆越小， 多空对冲的表现越佳。其中当𝜆=10%时，多空对冲的收益波动比达 3.06；ACT负向因子在不同切割比例𝜆下的收益波动比相对稳定，但近几年来收益逐渐变低（曲线收益变缓），这与我们的直觉也是一致的：近年来，大资金的主导性越来越强，因此代表大户和中户的主动买卖因子ACT正向相对于代表散户的ACT负向因子，在选股能力上表现更加优异。

风险提示

量化模型的收益测试基于历史数据，市场未来可能发生较大变化。

报告链接

https://pan.baidu.com/s/16Dp-NpgGfNJyFz2uQjA7gQ   

提取码: w7tf

报告发布时间：2020年9月5日

一、主动买卖因子：基本不具备选股能力

A股市场上的各类交易者，一般习惯性地被分为：机构、大户、中户、 散户。这四类交易者的定量划分标准，通常采用订单委托金额（即挂单金额） 的大小，其中：超大单（>100万元）对应机构， 大单（ 20-100万） 对应大户，中单（ 4-20万）对应中户，小单（<4万）对应散户。对于每一类交易者而言，都有“主动成交”和“被动成交”两种交易行为。其中，“主动成交” 相对“被动成交”，成交意愿更强， 包含了更多关于股价未来走势的观点。如何将主动成交的信息量，用于构建量化选股因子呢？以往研究的惯用做法是， 通过“主动买入金额” 与“主动卖出金额” 的定量比较， 构建一个度量“主动净买入强度” 的指标， 本文称之为主动买卖因子(ACT)：

为验证主动买卖因子的有效性， 我们分别考察了四类交易者和全体交易者（四类加总） 的ACT因子。具体来说，我们在每个月底对每只股票取过去20日的ACT指标的平均值， 作为该股票的ACT因子值；剔除了停牌、 ST、 涨跌停、 过去20日有效交易日小于10天的股票；分组组合按月调仓。实证结果显示：按照小单、中单、大单、超大单的顺序， ACT因子的IC水平逐渐上升（从负到正）。这意味着， 越是偏机构的交易者，其主动净买入的强度， 越可能对股价走势有正向的预测能力。这一点与直觉基本相符。然而，值得特别注意的是， ACT因子的IC绝对值并不高，图1所示的多空对冲净值曲线也不理想。主动买卖因子的选股能力不达预期，这也是近年来此类研究关注度不高的原因。

二、主动买卖因子的精细结构：上涨看大中单，下跌看小单

我们独家提出的“因子切割论”认为， 市场行为模式的晦暗不明，往往只是由于代理变量选得不好，“切割”是剖析精细结构、寻找更优变量的有效方法。在市场上涨和下跌的不同情境下，投资者的主动买卖性质也可能有所不同，因此， 我们借助“切割”的方法论，对ACT因子按照收益率高低进行不同交易日的切分。具体过程如下： 
(1)回溯过去20个交易日，计算逐日的ACT值。
(2)取收益率最高𝜆比例的交易日，称为高收益日；取收益率最低𝜆比例的交易日，称为低收益日。
(3)对高收益日的ACT值取平均，得到ACT_high因子；对低收益日的ACT值取平均，得到ACT_low因子。
图2-5分别展示了小单、中单、大单和超大单的ACT因子在不同切割比例𝜆下的IC均值。 

从图2-5中的曲线可以看出，不同挂单水平的ACT因子，其切割后的结果差别较大。总体来说，以大户和中户投资者为主的ACT因子，在高收益端呈现正向选股效应，而以小户为代表的ACT因子，在低收益端呈现负向选股效应。具体来看：

• 超大单：超大单的ACT因子，不管是高收益端还是低收益端，正向或负向选股能力均表现微弱；
• 大单：大单的ACT因子，在高收益端呈现较强的正向选股效应，低收益端为微弱的负向选股效应；
• 中单：中单的ACT因子，在高收益端呈现较强的正向选股效应，在低收益端表现为微弱的负向选股效应， 但低收益端的负向选股效应弱于小单的ACT因子；
• 小单：小单的ACT因子，在低收益率呈现较强的负向选股效应，随着切割比例的增大，因子负向选股效应衰弱的速度较慢；ACT因子在较高收益率端呈现正向选股效应，随着切割比例的增大，正向选股效应的衰减速度很快。

上述的这些现象跟我们的直觉是较相符：超大单由于因子覆盖率较低（见表1），而且存在“拆单”行为，故超大单的ACT因子在高收益端和低收益端均表现不佳。而大单和中单的主体是机构投资者，在上涨交易日， 该类投资者的主动购买， 通常代表他们对该股后市上涨的确定性较高，因此，大单和中单在高收益端呈现的是正向选股效应。小单的主体是散户投资者，散户在下跌的市场环境中通常会因为恐慌而着急主动卖出，但这种因为恐慌而造成的短期下跌通常会在后市中回涨，因此，小单的主动买卖ACT因子在低收益端呈现较强的负向选股效应。

三、主动买卖因子的合成

从上述的切割化分析，我们更精细化的发现四类挂单水平下的主动买卖对市场带来的影响。具体来说：小单ACT因子在低收益端呈现负向选股效应，大单和中单ACT因子在高收益率端呈现正向选股效应。基于此，我们分别构建基于大单和中单的正向主动买卖因子ACT正向，和基于小单的负向主动买卖因子ACT负向， 具体过程如下：

（1）逐日计算大单和中单总的主动买卖因子ACT正向,t，以及小单的主动买卖因子ACT负向,t：

（2）回溯过去20个交易日， 取收益率最高𝜆比例的交易日，称为高收益日；取收益率最低𝜆比例的交易日，称为低收益日；（3） 对高收益日的ACT正向,t因子取平均，记为ACT正向；对低收益日的ACT负向,t因子取平均， 记为ACT负向。
我们分别对ACT正向和ACT负向进行五分组回测。从图6的结果可以看到，ACT正向因子在不同𝜆的切割比例下选股能力均优异，且𝜆越小，多空对冲的表现越佳。其中当𝜆=10%时，多空对冲的收益波动比达3.06。另外，通过表2可以看出，该因子在多头端的选股能力优异，𝜆=10%下，多头的收益波动比达到0.87。 从图7和表3可以看到， ACT负向因子在不同切割比例𝜆下的收益波动比相对稳定，但近几年来收益逐渐变低（曲线收益变缓），这与我们的直觉也是一致的：近年来，大资金的主导性越来越强，因此代表大单和中单的主动买卖因子ACT正向相对于小单ACT负向因子，在选股能力上表现更加优异。
通过上述因子的分析，我们认为ACT正向因子更能代表股票的主动买卖性质。另外，我们对ACT正向和常见的Barra风险因子进行相关性分析（这里我们取𝜆 =10%）。从表4可以看出，该因子和流动性、波动性因子具有较强的负相关性。

为了剔除这些风格因子的干扰，我们对ACT正向进行行业和Barra风格因子的中性化处理， 提纯后的因子表现如表5所示。可以看到， 提纯后的因子表现依然优异，在λ=10%下，因子的多空收益波动比达到2.40。

四、若干重要的讨论

01  参数敏感性测试：不同回看天数下的参数稳定性较强

在前文的探讨中，我们使用了过去20天作为切分的时间长度，为了防止参数的过拟合， 我们对其进行不同回看天数下的绩效遍历。表6展现了在40天和60天下的ACT正向因子的表现：在λ=10%下，回看天数为40天的因子，多空和多头收益波动比为2.56和0.90；回看天数为60天下的因子，多空和多头收益波动比为2.37和0.93。因子的多空总体绩效较回看20天而言，表现稍弱，但多头依然稳健。 

02  其他样本空间测试：在沪深300和中证500内依旧具有优秀的选股能力

我们进一步探讨因子在其他样本空间中的表现。以回看过去20天为例，ACT正向因子在沪深300和中证500的样本空间内依然具有稳健的选股能力：以λ=20%为例，沪深300内因子的多空和多头的收益波动比分别为1.32和0.63，中证500内因子的多空和多头的收益波动比分别为1.78和0.80。

五、风险提示

量化模型的收益测试基于历史数据，市场未来可能发生较大变化。

注：感谢实习生盛少成同学（中国科学技术大学）为本报告做出的贡献。

《市场微观结构研究》系列（可点击链接）：

[1] 市场微观结构研究 | A股反转之力的微观来源[2] 市场微观结构研究 | 交易行为因子的2019年[3] 市场微观结构研究 | 聪明钱因子模型的2.0版本[4] 市场微观结构研究 | A股行业动量的精细结构[5] 市场微观结构研究 | APM因子模型的进阶版[6] 市场微观结构研究 | 交易者行为与市值风格

[9] 市场微观结构构研究 | 主动买卖因子的正确用法

团队介绍

开源证券研究所金融工程团队，是一支年轻而富有创造力的团队，致力于提供全面深入、独家创新的量化研究。团队首席魏建榕先生，复旦大学理论物理学博士，专注量化投资研究近10年，历任东方证券研究员、上投摩根基金研究员、方正证券高级分析师、东吴证券联席首席分析师。在实证行为金融学、市场微观结构研究等领域取得了多项独创性研究成果，在国际学术期刊发表论文7篇，代表研报：《蜘蛛网CTA策略》系列、《聆听高频世界的声音》系列、《行业轮动的黄金律》、《反转因子的精细结构(W式切割)》等，在量化圈内有较好反响。作为团队核心成员，2016年获新财富最佳分析师第6名、金牛分析师第5名、水晶球分析师第6名、第一财经最佳分析师第5名。目前，开源金工团队成员来自复旦大学、华东师范大学、南京大学、厦门大学等知名院校，更多优秀成员正在引进中。

团队愿景：开源金工团队，将恪守「原创、深度、讲逻辑、可验证」的量化研究准则，努力为量化投资研究做出属于我们的微小贡献，共同见证中国量化投资事业的持续进步！

 法 律 声 明 

开源证券股份有限公司是经中国证监会批准设立的证券经营机构，由陕西开源证券经纪有限责任公司变更延续的专业证券公司，已具备证券投资咨询业务资格。

本报告仅供开源证券股份有限公司（以下简称“本公司”）的机构或个人客户（以下简称“客户”）使用。本公司不会因接收人收到本报告而视其为客户。本报告是发送给开源证券客户的，属于机密材料，只有开源证券客户才能参考或使用，如接收人并非开源证券客户，请及时退回并删除。

本报告是基于本公司认为可靠的已公开信息，但本公司不保证该等信息的准确性或完整性。本报告所载的资料、工具、意见及推测只提供给客户作参考之用，并非作为或被视为出售或购买证券或其他金融工具的邀请或向人做出邀请。本报告所载的资料、意见及推测仅反映本公司于发布本报告当日的判断，本报告所指的证券或投资标的的价格、价值及投资收入可能会波动。在不同时期，本公司可发出与本报告所载资料、意见及推测不一致的报告。客户应当考虑到本公司可能存在可能影响本报告客观性的利益冲突，不应视本报告为做出投资决策的唯一因素。本报告中所指的投资及服务可能不适合个别客户，不构成客户私人咨询建议。本公司未确保本报告充分考虑到个别客户特殊的投资目标、财务状况或需要。本公司建议客户应考虑本报告的任何意见或建议是否符合其特定状况，以及（若有必要）咨询独立投资顾问。在任何情况下，本报告中的信息或所表述的意见并不构成对任何人的投资建议。在任何情况下，本公司不对任何人因使用本报告中的任何内容所引致的任何损失负任何责任。若本报告的接收人非本公司的客户，应在基于本报告做出任何投资决定或就本报告要求任何解释前咨询独立投资顾问。

本报告可能附带其它网站的地址或超级链接，对于可能涉及的开源证券网站以外的地址或超级链接，开源证券不对其内容负责。本报告提供这些地址或超级链接的目的纯粹是为了客户使用方便，链接网站的内容不构成本报告的任何部分，客户需自行承担浏览这些网站的费用或风险。

开源证券在法律允许的情况下可参与、投资或持有本报告涉及的证券或进行证券交易，或向本报告涉及的公司提供或争取提供包括投资银行业务在内的服务或业务支持。开源证券可能与本报告涉及的公司之间存在业务关系，并无需事先或在获得业务关系后通知客户。

本报告的版权归本公司所有。本公司对本报告保留一切权利。除非另有书面显示，否则本报告中的所有材料的版权均属本公司。未经本公司事先书面授权，本报告的任何部分均不得以任何方式制作任何形式的拷贝、复印件或复制品，或再次分发给任何其他人，或以任何侵犯本公司版权的其他方式使用。所有本报告中使用的商标、服务标记及标记均为本公司的商标、服务标记及标记。

开源证券股份有限公司

地址：西安市高新区锦业路1号都市之门B座5层

邮编：710065

电话：[phone]

传真：[phone]