大类资产与中观配置研究（六）：高频资金流如何辅助宽基择时决策

高频资金流如何辅助宽基择时决策 本报告导读： 高频资金流（逐笔）因子反映了市场中不同主体的交易行为和资金流向，对市场短期内的走势有一定的预测作用。这些因子共同刻画了市场的微观结构变化，为股指走势提供了重要的先行信号。 曹君豪(分析师)021-23185657caojunhao@gtht.com登记编号S0880525040094 投资要点： 中证港股通科技指数投资价值分析2025.10.24港股通量化选股策略初探2025.10.22红利风格的择时方案2025.10.16港股通量化选股策略初探2025.09.30波动率策略在A股市场的配置价值2025.09.12 资金流因子的处理和参数选择。资金流因子的最优参数集中在短线（如MA5、MA10）和中线（如MA20、MA40）的距离，我们认为，高频的资金流因子本质上反映的是市场的高频交易行为，这些行为通常具有短期效应，容易在较短时间内对市场产生直接影响。短线均值能够快速响应这些短期变化，而中线均值作为参考基准，两者的距离放大了高频因子短期变化对中期趋势的偏离程度，能够更有效地捕捉市场的短期超额信号。 中小买大卖开盘、中小买大卖剔除收盘以及大买大卖开盘三种高频因子择时效果较好。在沪深300、中证500和中证1000的回测中，我们可以看到，中小买大卖开盘、中小买大卖剔除收盘以及大买大卖开盘这三个因子的表现较为稳定，基本在每个宽基指数上的效果都较好，参数多选用（10天-40天以及10天-60天）。沪深300多头端，采用中小买大卖开盘、大买大卖开盘（10天-40天）和中小买大卖剔除收盘（10天-60天）构建的组合年化收益率均在12%以上（基准5%），夏普比超过0.8（基准0.23）；中证500多头端，采用大买大卖开盘（10天-60天）、中小买大卖剔除收盘（10天-60天）和中小买大卖开盘（5天-20天）年化收益率均在10%以上（基准6.8%），夏普比超过0.6（基准0.27）；中证1000多头端，采用中小买大卖开盘（10天-40天和5天-20天）、中小买大卖剔除收盘（5天-20天）和大买大卖开盘（10天-40天）构建的组合年化收益率均在11%以上（基准5.1%），夏普比超过0.6（基准0.22） 复合类策略的整体表现，尤其是收益稳定性上要优于单因子策略。此外，我们发现，在较为稳定的指数，如沪深300上，采用较为激进的复合策略可以获得更高的胜率（多头年化收益率11.3%），进而获取更优的风险收益表现；而在本身波动相对较高的指数，如中证500和中证1000上，可以考虑采取偏稳健的策略（多头年化收益率分别为16.1%、19.7%），谨慎发出做多信号，减少不确定性。 风险提示。市场系统性风险、资产流动性风险、政策变动风险、因子失效风险。 目录 1.高频资金流因子构建......................................................................................31.1.资金面因子的定义....................................................................................31.2.资金流因子与指数未来收益的相关性....................................................32.资金流因子参数的敏感性分析......................................................................42.1.资金流因子与指数相关性（全样本）....................................................42.2.资金流因子收益统计（滚动窗口）........................................................42.3.资金流因子在不同参数下的表现............................................................63.单因子及复合因子择时策略..........................................................................73.1.单因子策略................................................................................................73.2.复合策略..................................................................................................124.总结................................................................................................................175.风险提示........................................................................................................18 基本面、资金面、情绪面的变化，是市场趋势形成的重要因素，在之前的报告中，我们有过较多对于基本面和情绪面的探讨。本篇报告，我们将集中讨论资金流的变化，对于主流宽基指数的走势有何影响。近年来，数据颗粒度的不断细化，为我们分析资金面提供了更细致的角度，本篇报告集中探讨高频资金流（逐笔）对于指数走势的影响。 1.高频资金流因子构建 1.1.资金面因子的定义 本文基于沪深300、中证500、中证1000以及中证全指四只宽基指数，选用所有股票汇总得到的指数高频资金流数据进行分析。数据方面，我们集中探讨大额的成交单可能产生的市场影响。包含三大类因子：大单的净买入金额（大单买入-大单卖出），主要体现指数层面的大额净买入力量；在大额卖出因子方面，之前的报告《什么类型的交易更具市场影响？——大单因子的研究与改进》中，我们有过结论，大买大卖成交额，中小买大卖成交额相对而言都具有较好的短期价格走向解释力，故而这2个因子均在我们后续的考察范围。这些因子反映了市场中不同主体的交易行为和资金流向，对市场短期内的走势有一定的预测作用。这些因子共同刻画了市场的微观结构变化，为股指走势提供了重要的先行信号。 我们定义成交量超过滚动均值1倍标准差的订单定义为“大单”。针对每个高频因子，我们分别统计了其在一个交易日内三种不同情境下的数值表现：1.全交易时段；2.剔除收盘前30分钟的交易数据；3.仅统计开盘后30分钟的交易数据。 最后，我们计算了所有因子在不同时间窗口下的均线距离，生成参数化因子。均线参数合计5组，分别为：5天均值-10天均值、5天均值-20天均值、10天均值-20天均值、10天均值-40天均值、10天均值-60天均值。 1.2.资金流因子与指数未来收益的相关性 为了验证我们的猜想，我们将参数化后的因子与其对应指数未来5个、10个、20个以及60个交易日（考察区间为20130101-20250930，后文同）的累积收益进行pearson相关系数计算，下表展示了每个因子与其对应指数未来收益率的平均相关性系数： 虽然不同宽基指数之间，因子的相关性有一定差异，但从整体上来看，各类大买大卖和中小买大卖因子与宽基指数未来短期内（5-20天）的收益均呈正相关，且与未来10天累积收益的相关性最强，而从长期（60天）来看，上述关系出现反转。 大单净买入因子则在短期内与指数的收益呈负相关，但负相关性并不强；而从长期来看，因子与指数的收益出现正相关，而且相关性系数有所升高。 我们认为，这种现象反映了市场中主力资金与中小资金在不同时间周 期内的行为差异及其对市场的影响。短期内，大买大卖和中小买大卖因子表现出较强的正相关性，主要源于资金的短期推动效应：2个因子一方面体现了市场的活跃程度，另一方面可能代表着短期市场存在超卖现象，故而短期市场存在向上修复的概率。然而，随着时间周期拉长，这种动量效应逐渐减弱，由于市场具备一定的均值回归特性，相关性出现反转。 对于大单净买入因子，其短期负相关性可能是因为资金短期的超买现象较为突出，导致指数出现短期下跌的可能。但在长期来看，主力资金的流入往往对市场起到支撑作用，推动指数的长期上涨，从而表现出正相关的特征。 2.资金流因子参数的敏感性分析 上文中，我们提到，不同宽基指数间，因子的相关性系数具有一定的差异。为了在后续的择时模型构建中，选择更为合适的因子以及参数，我们从多个维度，对高频因子与指数的适配性进行检验。 2.1.资金流因子与指数相关性（全样本） 根据pearson相关系数计算结果，我们统计了各因子在不同参数设定下与指数未来收益率的相关系数均值： 如上两图所示，我们可以看到，沪深300指数与中证500指数和高频因子之间的相关性和上文结论基本一致，短期内，大买大卖类、中小买大卖类因子与未来收益正相关，而大单净买入类呈负相关，而长期来看，上述关系出现反转。值得注意的是，相较于沪深300，中证500与大买大卖类、中小买大卖类因子的中期（10-20天）相关性要低于短期（5天）。 同样的，中证1000指数和中证全指的相关性检验也呈同样的规律，而相较于沪深300和中证500，中证1000和中证全指与大买大卖类、中小买大卖类因子在短期（5天）的正相关性要明显更强。 2.2.资金流因子收益统计（滚动窗口） 从交易层面来看，由于不能使用未来数据，全样本的统计结果不能作为实际操作的参考。为了更好地检验各因子在真正交易过程中可能的收益表现，我们采用40天滚动窗口的z-score标准化处理参数化因子，并根据z- score分区间统计不同信号的未来收益情况（沪深300、中证500、中证1000以及中证全指四只宽基指数的平均收益）。 数据来源：Wind，国泰海通研究所 不考虑极值影响，大买大卖因子在不同窗口期，均与未来收益呈现正相关 大买大卖因子在各个时间长度下，中高信号区间（>0），平均收益均为正，尤其是在高信号区间（1~2和>2）表现突出，5天和10天窗口的平均收益分别达到0.4%、0.7%和0.7%、1.6%。值得注意的是，大买大卖因子在60天窗口期的平均收益呈现单调上升趋势，似乎与前文中负相关的结论不符。我们认为，这更多是由于滚动标准化因子后，因子信号的区间特征被放大；且由于因子信号>2的样本量较少（>2共有4730次；<-2共有2115次，其余情况有52235次），统计值也会受到极值的影响。从交易层面来看，这种特征更为有利。长短期收益特征的一致，对于交易时间窗口的要求有所降低。 数据来源：Wind，国泰海通研究所 不考虑极值影响，中小买大卖因子在绝大多数窗口期，均与未来收益呈现正相关 中小买大卖因子的收益特征基本与大买大卖因子相同，在各个时间长度下，中高信号区间（>0），平均收益均为正，在高信号区间（1~2和>2）同样表现突出，5天和10天窗口的平均收益分别达到0.4%、0.9%和0.9%、2.1%。中小买大卖因子在60天窗口期的平均收益并没有非常明显的趋势，与前文结论相符。 数据来源：Wind，国泰海通研究所 不考虑极值影响，大单净买入因子与指数未来收益呈现负相关 大单净买入因子的收益特征则与上述两个因子相反，在各个时间长度下，中低信号区间（<0），平均收益均为正。整体来看，除了在信号值>2的极端情况下，基本因子的信号值越高，未来平均收益越低，但因子在60天窗口期的平均收益并没有呈现非常明显的趋势。 2.3.资金流因子在不同参数下的表现 为了更好地确定每个因子的最优参数，我们将因子按