量化专题报告：高频收益如何及何时可预测？（中）

核心观点

• 研究对象：选取上期所的燃料油LU及螺纹钢RB主力期货合约作为国内实证研究对象。
• 高频因子库：整理并开发了超过130个高频因子，用于后续模型输入。
• 模型选择：主要使用OLS、Ridge、Lasso三种线性回归模型，以及随机森林、XGBoost、LightGBM三种机器学习回归模型进行拟合。
• 特征预筛选：使用小样本数据进行特征预筛选，提高预测精度和效率。
• 模型训练：使用40个交易日的数据作为验证集，进行样本外验证。

数据集介绍

• 研究品种：燃料油LU、螺纹钢RB。
• 合约选取：仅考虑流动性最好的主力合约。
• 时间范围：2023/08/17-2023/11/16。
• 数据字段：日期、时间戳、合约代码、最新成交价、成交量、成交额，持仓量变动、持仓量、涨跌停板、交易方向、买卖报价及挂单量。

因子构造

• 由于国内期货市场数据限制，大部分文献因子无法复现，开发超过130个高频因子。
• 仅复现的6个因子：总成交量因子、报价不平衡因子、成交不平衡因子、历史收益因子、换手率因子、报价价差因子。
• 回溯区间：过去1tick，过去2tick，过去4tick……过去512tick共10个回溯区间。

预测目标

• 未来10个Tick（5秒）的收益率，计算方式为未来一段时间内的平均成交价格与当前中间价的比值减一。

模型介绍

• 线性回归模型：OLS、Ridge、Lasso。
• 机器学习回归模型：随机森林、XGBoost、LightGBM。

特征筛选

• 使用小样本数据进行特征预筛选，选择有效特征作为输入。

模型训练

• 使用40个交易日的数据作为验证集，进行样本外验证。
• 训练流程：学习阶段、调参阶段、预测阶段、滚动窗口。