海通证券-高频因子2022年度总结（上）：高频因子在量化选股策略中已不可或缺？以中证1000增强为例-230108

《海通证券-高频因子2022年度总结（上）：高频因子在量化选股策略中已不可或缺？以中证1000增强为例-230108（18页）.pdf》由会员分享，可在线阅读，更多相关《海通证券-高频因子2022年度总结（上）：高频因子在量化选股策略中已不可或缺？以中证1000增强为例-230108（18页）.pdf（18页精品完整版）》请在悟空智库报告文库上搜索。

　　投资要点：
　　寻找新的alpha源，是量化投资最基础的命题之一，而高频恰好是最近3-5年国内发展极为迅速的一个新兴领域。那么，对于交易和换手都有较为严格限制的公募量化而言，是否有必要研究乃至应用高频数据生成的相关信号？本文尝试给出我们的答案。
　　 2018年至今，海通量化团队已陆续开发了一系列高频因子。根据因子的特性，我们大致可将这些高频因子划分为反转型、动量型和深度学习类。反转型高频因子着重刻画投资者过度反应的行为特征，往往偏向于选择前期跌幅较大或换手率较低的股票；动量型高频因子更多刻画投资者的买入意愿、盘口的资金流向或具有信息优势投资者的交易行为；深度学习类高频因子以过去一段时间的高频特征作为输入，动态拟合近期有效的交易模式，通常适用于未来较短的时间窗口。
　　仅就过去9年的历史回测而言，高频因子的整体表现还是比较优异而稳定的，对传统的因子选股策略是一个十分有力的补充。周度调仓假设下，在中证800外及中证1000内这两个选股空间，反转型高频因子中的改进反转、尾盘成交占比、平均单笔流出金额占比和动量类高频因子的年化多头超额收益在15%-20%之间，而深度学习高频因子则可进一步达到25%以上。
　　高频因子已经成为量化选股策略中不可或缺的一种因子类型。以最传统的线性加权为基础的中证1000增强策略为例，2016年以来，引入精简后的人工逻辑高频因子和深度学习高频因子，各种约束条件下的年化超额收益都可稳定在24%以上。在较为宽松的约束下，甚至可以达到28%，和私募的平均水平接近。相对未引入任何高频因子的原始策略，年化超额收益的提升幅度在9.6%-16.2%之间。
　　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。