开源证券-市场微观结构研究系列（16）：大小单重定标与资金流因子改进-220904

《开源证券-市场微观结构研究系列（16）：大小单重定标与资金流因子改进-220904（24页）.pdf》由会员分享，可在线阅读，更多相关《开源证券-市场微观结构研究系列（16）：大小单重定标与资金流因子改进-220904（24页）.pdf（24页精品完整版）》请在悟空智库报告文库上搜索。

　　资金流因子的两个关键点：识别与修正
　　大、小单重定标：逐笔数据包含每笔订单的挂单金额、挂单数量等信息，可用以还原成交订单的挂单信息。我们利用逐笔数据，通过设定44个金额阈值重新划定深市的大、小单来捕捉资金流中的主力行为信息。
　　MOD修正法：从资金流动力学的角度理解，大单资金流与涨跌幅呈正相关缘自主力资金买卖的不平衡，本文选取买入卖出金额比作为代理变量（IMB），通过截面回归的方法，剥离反转因素的影响以提纯资金流的Alpha信息。NIR_MOD因子相比NIR因子选股能力明显提升，IR由2.63提升至4.76。
　　资金流的微观结构分解：小单提供流动性支持
　　（1）我们测试不同金额阈值下NIR_MOD因子的选股表现，结果表明：随着划分大单的金额阈值降低，因子的有效性逐渐减弱，最优的划分阈值并非是20万元，而是更小，例如2万元。低阈值下，NIR_MOD因子在十分组下的多空对冲收益由26.13%提升至32.16%，而多空净值的回撤幅度进一步减小至6.02%。
　　（2）区分大单和小单的Alpha，本文分别测试大单NIR_MOD和小单NIR_MOD的表现，大单的多空收益可以达到年化25%以上，相比小单收益多出4%左右，资金流的Alpha更多来源自主力资金的信息优势而不是小单流动性映射。
　　（3）主动与非主动标签并未贡献明显的增量信息。依据逐笔数据的Type、Side等字段划定主动与非主动交易，我们测试后发现基于主动买卖数据构造的大单NIR_MOD因子选股效果并未获得改进。
　　分域测试：小票表现更好，大票主力划定阈值较高
　　在大票为主的沪深300和中证500指数成分股中，主力资金的最优划分阈值是不明确的，并且划分金额相对更高，而在中证1000以及全市场范围内因子的有效性曲线会更“光滑”。笔者认为这可能与机构拆单行为有关：
　　（1）机构在大票上交易更多。根据最新的公募持仓明细，截止20220630，公募在中证800上的持仓集中度达到了78.27%；
　　（2）小票上的委托单拆分金额更小。由于小票的流动性不足，主力资金通常会把大额的委托单拆得更细，而在大票上拆分的颗粒度则会更大一些。
　　基于大、小单重标结论的资金流因子改进
　　由参数敏感性测试得知，基于小金额标准（例如，2万元）识别的主力资金因子表现更好，仅在深市范围内测试，低阈值的NIR_MOD因子多头年化收益达到31.4%，多空IR为4.61，多空净值的整体回撤幅度较小，仅为3.28%。
　　为了更便捷地利用上述结论，我们将Wind的超大单、大单和中单合并，定义为有定价权的“广义主力资金”，进而在NIR_MOD的基础上构造CNIR因子。
　　在全市场上，CNIR因子的多头年化收益率达到27.86%，IR也提升至4.91；从分域测试效果来看，因子在中证1000上表现要优于沪深300和中证500。
　　风险提示：模型基于历史数据统计，未来市场可能发生变化。