量化专题报告：高频收益如何及何时可预测（下）

高频多因子模型国内期货市场实证结果总结

核心观点

• 预测表现：高频多因子模型在RB（螺纹钢）和FU（燃料油）上的预测效果优于文献中的样本外R方中位数10%，最佳模型样本外R方分别为20.74%和15.05%。
• 学习曲线：加大样本量对预测效果无明显帮助，FU比RB更过拟合，LGBM比LASSO更过拟合。
• 特征重要性：报价不平衡因子、成交收益因子、实际下行波动率因子具备较强有效性。
• 预测区间：高频收益率在较短区间内可预测性强，随区间延长逐渐减弱，10个Tick到120个Tick的预测区间内R方从20.74%递减至4.94%，方向准确性从64.86%递减至53.97%。
• 日内效应：模型在早晨和下午开盘时段预测表现较弱，午盘略优于早盘。
• 下单算法：基于高频因子的下单算法在交易成本上显著优于传统算法，约75%概率实现更低交易成本，平均滑点优化0.15跳。

关键数据和研究结论

• 预测表现：LASSO和Ridge模型以及LGBM模型表现较好，OLS因过拟合和多重共线性表现逊色，随机森林模型预测效果最差。
• 方向预测：LASSO模型在RB和FU上的方向准确性分别为64.86%和62.97%，略优于文献中的样本外方向准确性64%。
• 特征重要性：
  • 报价不平衡因子：短期回归系数小于0（卖方挂单量大时价格下跌），长期大于0（持续不平衡时买方主动成交推高价格），对近期数据敏感。
  • 成交收益因子：回归系数均小于0（近期成交均价低于当前中价时价格下跌），对近期数据敏感。
  • 实际下行波动率因子：回归系数普遍小于0（价格下行波动大时未来更倾向下跌），对较长时间跨度数据敏感。
• 模拟测试：
  • 最优概率：高频因子下单算法约75%概率优于TWAP和VWAP。
  • 平均滑点：高频因子下单算法平均滑点优化0.15跳。