核心观点
- 传统的以订单金额区分机构与散户的方法在算法交易普及的背景下已不再可靠。
- 通过分析“下单-撤单时间差”,可以识别出算法交易驱动的撤单行为,并以此构建因子来识别机构行为。
- 构建的买单算法交易撤单占比因子(BABR)具有较好的选股能力,且能一定程度上捕捉公募机构的行为和持仓。
关键数据
- BABR因子的RankIC为0.058,ICIR接近0.55,双周度胜率超过70%,多空组合年化收益率为27.8%。
- BABR因子与万得偏股混合型基金指数(885001.WI)的相关性达到0.59。
- BABR因子在流动性较高的股票集合中,有更突出、更稳定的选股效果。
研究结论
- 相比下单行为,撤单行为更容易暴露算法交易的规则化特征,更适合用于识别机构行为。
- BABR因子能够提供相对独立的信息增益,可作为传统多因子模型的一个有益补充。
- 在实际应用中,建议对低流动性股票进行适当的剔除或约束,以提升BABR因子的选股表现。