高频因子跟踪：今年以来价量背离因子表现优异

ETF轮动因子跟踪 我们对前期使用GBDT+NN机器学习因子构建的ETF轮动策略进行跟踪测试，发现因子在样本外表现较好：上周IC值达60.72%，多头超额收益率为0.91%。策略的年化超额收益率为11.63%，信息比率为0.66，超额最大回撤为17.31%，上周超额收益率-0.18%，本月以来超额收益率-1.18%，今年以来超额收益率-3.58%，近期表现欠佳。 高频因子跟踪 我们对前期挖掘的高频选股因子进行跟踪测试，发现因子在样本外整体表现出色。就上周表现来看，价格区间因子多头超额收益率0.53%，价量背离因子0.44%，遗憾规避因子0.01%，斜率凸性因子-0.05%。本月以来，价格区间因子多头超额收益率为0.47%，价量背离因子2.26%，遗憾规避因子1.39%，斜率凸性因子-0.36%。今年以来高频因子表现整体都比较优秀，价格区间因子多头超额收益率2.24%，价量背离因子9.20%，遗憾规避因子率0.29%。斜率凸性因子表现欠佳，多头超额收益-4.72%。 其中价格区间因子衡量股票在日内不同价格区间成交的活跃程度，能体现出投资者对于股票未来走势的预期。该因子展现出了较强的预测效果，今年以来表现比较稳定。价量背离因子主要衡量股票价格与成交量的相关性，一般而言相关性越低，未来上涨的可能性越高。但该因子近几年表现一直不太稳定，多空净值曲线趋近走平，不过去年超额收益处于历史较高水平。遗憾规避因子通过考察股票当天被投资者卖出后反弹的比例和程度，展现了较好的预测效果。该因子样本外超额收益稳定，表明A股投资者的遗憾规避情绪依然会显著影响股价的预期收益。而斜率凸性因子则从投资者耐心与供求关系弹性的角度出发，刻画订单簿的斜率和凸性对预期收益的影响。 我们将三类高频因子首先等权合成后构建出了高频“金”组合中证1000指数增强策略，该策略年化超额收益率10.33%，超额最大回撤为6.04%。上周录得1.29%的超额收益，本月以来超额收益为1.01%，今年以来超额收益为1.70%。 为考虑进一步增强策略的业绩表现，我们将高频因子与三个比较有效的基本面因子进行等权合成构建出了高频&基本面共振组合中证1000指数增强策略，该策略在样本外超额收益稳定。上周录得0.33%的超额收益，本月以来超额收益为-0.12%，今年以来超额收益率为-0.64%。截止到上周，该策略的年化超额收益率为14.49%，超额最大回撤为4.52%。 风险提示 1.以上结果通过历史数据统计、建模和测算完成，在政策、市场环境发生变化时模型存在失效的风险。 2.策略依据一定的假设通过历史数据回测得到，当交易成本提高或其他条件改变时，可能导致策略收益下降甚至出现亏损。 一、ETF轮动策略跟踪 1. ETF轮动因子及策略近期表现 在前期报告《智能化选基系列之七：基于AI预测中的个股Beta信息构建ETF轮动策略》中，我们使用在选股方面效果较好的GBDT+NN机器学习因子，通过个股映射到指数，再根据一定的筛选条件选择对应ETF的方式构建了周度调仓的ETF轮动策略，策略在样本外表现整体表现良好。 图表1：自上而下的人工智能ETF轮动策略构建框架 上周，因子表现良好，IC值为60.72%，多头超额收益率为0.91%。 图表2：ETF轮动因子表现 若考虑双边千二的手续费，以沪深300指数作为比较基准，回测期为2015年2月至今，策略以每周第一个交易日的收盘价买入进行周频调仓，每期根据ETF轮动因子的十分组多头组作为拟持仓ETF，并叠加换手率缓冲的方式以降低高换手带来的策略影响。策略表现如下： 图表3：ETF轮动策略净值走势 策略年化超额收益率为11.63%，信息比率0.69，超额最大回撤为17.31%。 图表4：ETF轮动策略主要指标 策略上周超额收益率-0.18%，本月以来超额收益率-1.18%，今年以来超额收益率-3.58%，近期表现优异。 图表5：ETF轮动策略近期表现 2.本周建议关注ETF 根据最新的策略信号，本周ETF持仓列表如下： 图表6：ETF轮动策略最新持仓列表 二、高频因子超额收益概览 过去一周，各类高频因子多头组合在中证1000指数成分股中的表现稳定。其中，价格区间类因子多空收益率1.12%，多头超额收益率0.53%。量价背离因子多空收益率2.34%，多头超额收益率0.44%。遗憾规避因子多空收益率为1.67%，多头超额收益率0.01%。以下为各大类高频因子的周度表现： 图表7：各大类高频因子近期在中证1000指数成分股的选股表现 注：1.本报告中周频测试的调仓价均为每周最后一个交易日的收盘价，因此与前期深度报告中的测试结果可能会略有差异；2.本报告中所展示的大类合成因子均为做过行业市值中性化后的因子表现。3.本报告以所有成分股等权配置作为基准计算超额收益率。 三、各类高频因子近期表现跟踪 1.高频价格区间因子 在前期研究中，我们从高频数据的角度探究了市场的日内微观结构。利用三秒的快照数据，发现： 高价格区间成交笔数与成交量因子与股票未来收益呈现显著的负相关性，即股票在日内高价格区间投资行为聚集程度与成交活跃度越低，未来上涨可能性越大。低价格区间平均每笔成交量因子与股票未来收益呈现显著的正相关性，即低价格区间的平均每笔成交量越大，大资金活跃程度越高，股票未来上涨可能性越大。 我们发现高价格80%区间成交量因子（VH80TAW）、高价格80%区间成交笔数因子（MIH80TAW）和低价格10%区间每笔成交量因子（VPML10TAW）在周频的调仓频率上表现较好。三个细分因子的近期表现如下： 图表8：价格区间细分因子近期在中证1000指数成分股的收益表现 图表9：价格区间细分因子最近一周在中证1000指成分股的收益表现 我们以25%、25%和50%的权重对三个因子进行合成，对合成后因子进行行业市值中性化，得到的价格区间因子净值曲线如下： 图表10：价格区间因子净值曲线 可以看出，因子在样本外表现出色，超额净值曲线稳定向上，近期表现稳定。因子在上周、本月以来和今年以来的超额收益表现如下。 图表11：价格区间因子近期在中证1000指数成分股的收益表现 2.高频量价背离因子 在前期深度报告《Alpha掘金系列之二：基于高频快照数据的量价背离选股因子》中，我们发现，当量价出现背离时，无论当前股价处在上升还是下降通道，未来上涨的可能性均较高；同理，当量价趋同时，股价未来下跌的可能性较高。 我们利用高频快照数据对价格和成交量的相关关系进行衡量，分别用快照成交价和快照收益率与快照成交量、成交笔数和每笔成交量计算。发现在周频的调仓频率上，价格与成交笔数的相关性（CorrPM）和价格与成交量的相关性（CorrPV）表现较好，两个细分因子的近期表现如下： 图表12：量价背离细分因子近期在中证1000指数成分股的收益表现 图表13：量价背离细分因子最近一周在中证1000指成分股的收益表现 我们对上述两个因子进行等权合成，对合成后因子进行行业市值中性化，得到的量价背离因子净值曲线如下： 图表14：量价背离因子净值曲线 可以看出，因子自2020年以来，收益呈现出下降的趋势，也和众多机构开始越来越多使用高频因子有关。因子在样本外整体表现也比较平淡，但今年以来表现良好，能相对稳定获取正的超额收益。因子在上周、本月以来和今年以来的超额收益表现如下。 图表15：量价背离因子近期在中证1000指数成分股的收益表现 3.遗憾规避因子 在前期深度报告《Alpha掘金系列之四：基于逐笔成交数据的遗憾规避因子》中，我们利用行为金融学中的遗憾规避理论发现，利用投资者的遗憾规避情绪可以构造出有效的选股因子。如某只股票买入浮亏占比较高或买入浮亏程度较大时，股票的预期收益会更高；卖出后股价反弹的占比越高或反弹程度越大时，股票的预期收益会更低。 我们利用逐笔成交数据区分了每笔交易的主动买卖方向，发现在加入小单和尾盘的限制后，因子的表现有进一步的提升。在周频上，卖出反弹占比因子（LCVOLESW）和卖出反弹偏离因子（LCPESW）表现较好，两个细分因子的近期表现如下： 图表16：遗憾规避细分因子近期在中证1000指数成分股的收益表现 图表17：遗憾规避细分因子最近一周在中证1000指数成分股的收益表现 我们对上述两个因子进行等权合成，对合成后因子进行行业市值中性化，得到的遗憾规避因子净值曲线如下： 图表18：遗憾规避因子净值曲线 可以看出，因子收益表现整体平稳向上，在样本外也体现出较强的超额收益水平。因子在上周、本月以来和今年以来的超额收益表现如下，但今年以来表现一般，超额收益0.29%。 图表19：遗憾规避因子近期在中证1000指数成分股的收益表现 4.斜率凸性因子 股票作为二级市场上被广泛交易的标的，其价格与供需量的变化受到供需弹性的规律影响。 而高频快照数据中的限价订单簿所独有的委托量和委托价信息，为我们提供了绝佳的研究数据来源。我们首先将委托量数据按照其档位进行累加，用委托价和累计委托量计算出买卖双方的订单簿斜率。发现日频斜率因子基本符合我们的一般认知：即买方斜率越大，股票的需求弹性越小，买方投资者对于股票的价格敏感程度较低，则股票有更高的预期收益。 对于卖方而言，斜率越小则股票的供给弹性越大，即减少相同的价格会有较大程度的委托量降低，表明卖方不愿轻易降价卖出，同样对应到股票更高的预期收益。 我们将按照订单所在档位区分为高档位投资者斜率因子和低档位斜率因子，并根据两者的反向关系构建出斜率凸性因子。最后提取出低档斜率因子（Slope_abl）和高档位卖方凸性因子(Slope_alh)进行合成。发现在周频的调仓频率上，两个细分因子的近期表现出现波动，具体表现如下： 图表20：斜率凸性细分因子近期在中证800指数成分股的收益表现 图表21：斜率凸性细分因子近期在中证800指数成分股的收益表现 我们对上述两个因子进行等权合成，对合成后因子进行行业市值中性化，得到的斜率凸性因子净值曲线如下： 图表22：斜率凸性细分因子净值曲线 可以看出，因子自2016年以来，收益保持平稳的趋势，因子在样本外整体表现也比较平淡。因子在上周、本月以来和今年以来的超额收益表现如下。 图表23：斜率凸性细分因子近期在中证800指数成分股的收益表现 四、基于基本面因子与高频因子构建的中证1000指数增强策略表现 为考虑高频因子的实际选股表现，我们将上述三类高频因子等权合成构建了高频“金”组合中证1000指数增强策略。策略调仓频率为周度，手续费率为单边千分之二，基准为中证1000指数。为降低调仓手续费对策略的影响，我们加入换手率缓冲的机制降低调仓成本。策略的净值曲线及主要业绩指标如下： 图表24：高频“金”组合中证1000指数增强策略净值曲线 图表25：高频“金”组合中证1000指数增强策略指标 可以看出，指数增强策略在样本外同样表现出色，有着较强的超额收益水平。策略在上周、本月以来和今年以来的超额收益表现如下。近几月以来出现阶段性调整，上周录得1.29%的超额收益，本月以来超额收益为1.01%，今年以来超额收益为1.70%。 图表26：高频“金”组合中证1000指数增强策略近期表现 一般而言，高频因子与传统基本面因子的相关性较低，将表现较好的基本面因子和高频因子进行结合能够有效提升多因子投资组合的表现，为此我们构建了基于多因子的高频&基本面共振组合中证1000指数增强策略。其中基本面因子包括：一致预期、成长和技术因子，高频因子为本篇报告上述的三类因子。策略的净值曲线及主要业绩指标如下： 图表27：高频&基本面共振组合中证1000指数增强策略净值曲线 图表28：高频&基本面共振组合中证1000指数增强策略指标 可以看出，加入基本面因子后的指数增强策略的各项业绩指标均有一定程度提升。且在样本外表现稳定，有着较强的超额收益水平。策略在上周、本月以来和今年以来的超额收益表现如下。近期表现整体较好，上