• 主动买卖因子（ACT）的基本构造与初步效果验证 [page::2]

- 通过订单委托金额区分为超大单、大单、中单、小单四类投资者对应机构、大户、中户和散户。
- ACT因子以主动买入减去主动卖出金额的净强度衡量，整体IC值较低，未展现出理想的选股能力。

• 因子切割论及不同挂单等级下ACT因子的精细结构分析 [page::3][page::4]

- 利用收益率切割（高收益端与低收益端），分析不同挂单级别ACT的IC表现差异。
- 大单和中单在高收益端显示明显正向选股能力，小单在低收益端呈现强负向选股效应。
- 超大单覆盖率较低且存在拆单影响，选股效应均较弱。

• 主动买卖因子合成与量化策略构建：区分正向和负向因子的组合应用 [page::5][page::6]

- 构建基于大单和中单的正向因子 $\mathbf{ACT}{\I E\mid\circ\jmath}$ 与基于小单的负向因子 $\mathbf{ACT}{\sharp\sharp\sharp}$。
- 正向因子在不同切割比例下均表现优异，特别是𝜆=10%时，多空对冲收益波动比达到3.06，验证选股能力显著提升。
- 负向因子收益稳定但近年表现有所下降，体现大资金主导市场影响日益加强。

• 因子相关性与中性化处理效果 [page::6][page::7]

- 正向ACT因子与流动性、波动因子呈显著负相关，反映其选股信号的独特性。
- 经行业风格和Barra风格因子中性化处理后，因子表现依然强劲，多空收益波动比仍达2.40。

• 参数敏感性及样本空间稳健性验证 [page::7][page::8][page::9]

- 不同回看天数（20天、40天、60天）下，ACT因子多空及多头绩效保持稳定，参数适应性好。
- 在沪深300和中证500样本中，ACT正向因子的选股能力依旧稳健，多空收益波动比分别达到1.32与1.78。

• 风险提示：本研究基于历史回测结果，市场环境变化可能影响因子未来表现，需谨慎应用 [page::0][page::9]

主动买卖因子的正确用法——报告详尽解读与分析

---

1. 元数据与概览

报告标题：《主动买卖因子的正确用法》
作者及团队：金融工程研究团队，首席分析师魏建榕及其团队成员
发布机构：开源证券研究所
发布日期：2020年9月5日
研究主题：量化投资中主动买卖因子的研究，聚焦A股市场不同交易者类型的主动买卖行为对股票选股能力的影响，以及主动买卖因子的构造与优化。

核心论点：传统的主动买卖因子（ACT）选股能力较弱，IC值绝对值较低，不足以作为独立的有效选股因子。通过对原始ACT因子在不同交易者（挂单金额规模）和不同市场环境（上涨或下跌日）的精细切割，发现大单和中单在上涨日展现正向选股能力，小单在下跌日展现负向选股能力。报告提出了对ACT因子进行切割后合成的改进因子，体现了显著更好的选股性能，其多空对冲和多头选股收益风险指标表现优异，并且完善了参数稳定性及样本空间的稳健性验证。

总体态度：报告较为批判及审慎，指出历史数据和市场结构变化带来的风险，强调量化模型的适用范围和潜在变动。

---

2. 逐章深度解读

2.1 主动买卖因子：基本不具备选股能力

章节总结：
这一章介绍了市场上悲观的传统观点，即常用的主动买卖因子（ACT）不具备较好的选股能力。通过对四类交易者（机构、大户、中户、散户）分别计算他们的主动买卖因子，发现IC指标整体不高，未能形成稳定有效的预测能力。主动买卖图1中展示了不同挂单量类别的因子多空对冲净值，结果表明整体不理想。

逻辑与证据：

• 交易者划分依据挂单金额大小：超大单（>100万元）、大单（20-100万元）、中单（4-20万元）、小单(<4万元)。

- ACT因子通过计算主动买入金额与主动卖出金额的查分衡量主动买卖强度。

• 对过去20日的ACT均值计算；剔除停牌、ST及限制交易等样本。

- IC值表明大户和机构的因子略优，IC值依然都在较低水平，难以单独形成有效预测。

关键数据与指标：

• 图1中的多空净值曲线和IC值均较低，除了大单和超大单因子略有正值，整体效果不佳。

- ACT因子IC值依挂单金额大小依次递增，但最大值仍较有限（如超大单IC=0.0168）[page::2,3]

2.2 主动买卖因子的精细结构：上涨看大中单，下跌看小单

章节总结：
提出“因子切割论”，即将因子分解为不同收益率区间（日收益高低不同的交易日）上的表现，从而揭示隐藏在原始因子中的不同交易者行为特点。并发现不同挂单规模的ACT因子在涨跌两种市场环境中展现出完全不同的选股效应。

逻辑及推理：

• 通过选定过去20日中的高收益交易日（收益率最高𝜆比例）和低收益交易日（最低𝜆比例），分别计算ACT因子均值，生成两个新的因子ACThigh和ACTlow，分别代表上涨期和下跌期投资者的主动买卖行为。

- 对四类单据大小的ACT因子做切割比较。

关键数据与图表解读：

• 图2（小单）：低收益端（跌市）ACT因子呈显著负向IC，说明散户在市况不好时主动卖出对选股有反向预测能力；高收益端正向预测逐渐衰减。

- 图3（中单）：高收益端有较强正向IC，低收益端负向但较弱。

• 图4（大单）：高收益端正向选股能力显著，低收益端微弱负向。

- 图5（超大单）：高低收益端IC均不明显，选股效应弱。

解释：大户和中户一般机构投资者，上涨时主动买入反映对未来上涨有较高信心；而散户在下跌时多因恐慌性卖出，这类卖出往往是短期行为，后续反弹概率较大，因此呈现负向选股效应；超大单因存在拆单和覆盖率不足（表1显示超大单覆盖率仅为75%），因而表现较弱。

表1显示大单、中单、小单买入卖出笔数覆盖率极高，说明数据较为完整，而超大单覆盖率低，权重较小[page::3,4]

2.3 主动买卖因子的合成：𝐀𝐂𝐓正向较负向有更强的选股能力

章节总结：
基于上一章精准切割得出观察，构建“两正一负”复合因子模型：以大单和中单的正向因子与小单的负向因子分别加权形成合成因子（用符号表示为$\mathrm{ACT}{+}$和$\mathrm{ACT}{-}$），并针对不同切割比例𝜆验证其选股能力。

逻辑与推断：

• 使用过去20个交易日内，以收益率的最高𝜆比例取大单和中单的主动买卖因子求平均为正向因子；以最低𝜆比例取小单的主动买卖因子求平均为负向因子。

- 期望形成组合因子更为精准地捕捉主动买卖信号。

关键数据与图表解读：

• 图6揭示各𝜆下正向因子的多空对冲净值曲线，表现出色，尤其在𝜆=10%时，收益波动比达到3.06，表明多空策略稳定且风险调整后回报高；

- 表2详细列示了不同𝜆对应的多空、多头表现指标，如年化换手率、年化收益率、年化波动率、收益波动比和月度胜率，其中𝜆=10%时多空策略年化收益16.62%、波动率5.43%、波动比3.06，且月度胜率近89%；多头策略同样表现优异。

• 相比之下，图7与表3显示代表散户的小单负向因子收益波动较稳定但整体选股表现低于正向大中单因子，且收益有下降趋势，反映近年来大资金主导市场演变趋势。
• 表4的相关性分析显示，构建的合成因子与流动性、波动性等Barra风格因子呈负相关，提示该因子捕捉了与常规流动性和波动风格相反的特征。
• 表5经过行业和风格中性化处理后，因子表现依然强劲，说明该因子收益来源不完全受行业或宏观风格因素驱动。

参数稳定性检验（章节4.1）中，表6显示不同回看天数（20天、40天、60天）下因子表现稳定，多空收益波动比维持较高水平，验证了因子的稳健性。

样本空间测试（章节4.2）中，表7展示该合成因子在沪深300和中证500样本子集里依旧表现稳健，进一步说明因子具有广泛适用性[page::5-9]

2.4 风险提示

报告明确指出模型基于历史数据，未来市场结构和行为模式可能发生较大变化，影响模型表现，提醒用户谨慎使用。

---

3. 图表深度解读

图1：ACT因子多空对冲净值曲线

• 描述：展示超大单、大单、中单、小单及全体（四档合计）ACT因子从2013年至2020年7月的多空对冲净值走势，以及对应的IC值。

- 解读：所有个体因子的IC均较低，且净值曲线无明显稳定的上升趋势，表明基础的ACT因子整体选股能力弱。

• 关联文本：支撑章节认为传统主动买卖因子缺乏足够选股能力的结论。

- 源于[page::2]

图2-5：不同挂单规模ACT因子的切割IC表现

• 描述：四幅图分别展示小单、中单、大单、超大单在不同收益率切割比例𝜆下，高收益端（High）和低收益端（Low）ACT因子的IC均值。

- 解析：
- 小单低收益端IC显示强负向选股效应，持续较显著。
- 中单和大单的高收益端均呈现强正向选股效应，低收益端弱负向。
- 超大单IC均不显著，且表现不稳定。

• 关联文本：验证了投资者行为在不同市场环境和挂单规模下的差异。

- 源于[page::3-4]

图6：合成正向ACT因子多空对冲净值

• 描述：展示不同𝜆切割比例下，合成正向主体ACT因子多空对冲净值增长曲线，期限跨度同样为2013至2020年。

- 解读：所有曲线均呈显著上升态势，且低𝜆（如10%）的曲线收益最高，表明以极端收益日为样本计算的因子具有最佳选股表现。

• 配合表2绩效指标，显示因子在收益率及风险调整后收益上均优异。

- 源于[page::5]

图7：合成负向ACT因子多空对冲净值

• 描述：呈现合成小单负向ACT因子收益变化趋势，显示逐年收益趋缓。

- 解读：说明代表散户行为的因子有效性减弱，符合市场大资金主导的直觉。

• 源于[page::6]

表1至表7

• 表1说明超大单覆盖率相对较低，影响该类因子稳定性。

- 表2与表3详细展示合成正向和负向因子的多空绩效指标，正向因子整体表现更好。

• 表4相关性分析强调因子非简单叠加的传统风格指标，具备独特信号。

- 表5中性化处理确保非行业或风格干扰的纯因子编码。

• 表6参数敏感性测试验证因子稳定性和参数泛化能力。

- 表7样本空间测试确保因子跨指数（沪深300、中证500）稳健。

---

4. 估值分析

本报告为因子研究，不涉及具体股票或行业估值，因此未包含DCF、P/E或EV/EBITDA等常规估值模型。它关注因子的统计特征和预测能力，通过IC值、收益波动比、回测绩效等量化指标评估因子有效性。

---

5. 风险因素评估

报告明确风险提示：

• 研究基于历史市场数据构建量化模型，未来市场环境可能出现结构性变动导致模型失效。

- 近几年市场结构中大资金主导性增强，导致散户行为（小单负向因子）效果减弱。

• 相关风格因子与ACT因子存在负相关性，存在潜在风格转换风险。

- 样本外验证虽执行，但任何量化模型仍需警惕过拟合和市场微观结构波动。

• 风险提示部分简洁，但涵盖必要的模型风险警示。

---

6. 批判性视角与细微差别

• 报告对传统ACT因子表现较为谨慎和批判，强调IC水平低，揭示主动买卖因子普遍面临的挑战。

- 通过“因子切割论”实现对因素结构的细化，体现了方法上的创新和细致的挖掘。

• 但部分数学公式表达混乱（如第2页ACT公式段落），可能是排版或数据读取错误，不影响整体理解但需注意。

- 合成因子策略依赖较窄的高低收益日来区分投资者行为，过度依赖𝜆参数选择，尽管做了参数稳定性测试，实际实施中仍需重点关注。

• 报告多次强调大资金效应和市场演变趋势，展示醒目风险导向态度，但对未来预测仍较模糊。

- 行业和风格中性化后的因子依然表现较强，增加了因子稳健性，但未详细展开，这可能是后续研究的方向。

• 研究主要聚焦A股市场，某些结论在其他市场可能不完全适用。

---

7. 结论性综合

本报告系统分析了中国A股市场中基于不同挂单金额划分的主动买卖因子（ACT）及其局限性和改进路径。初步发现传统ACT因子整体选股能力有限，IC值偏低，难以形成有效策略（图1）。通过创新提出“因子切割论”，以收益率的高低切分交易日，揭示出不同交易者类别（小单、中单、大单及超大单）在不同市场走势下表现出差异显著的选股效应：

• 大单和中单（代表机构投资者）在上涨交易日表现出正向选股能力（图3、图4），反映其主动买入对后续上涨的预判能力强。

- 小单（代表散户）在下跌交易日表现出负向选股效应（图2），说明散户在市场下跌时的恐慌性卖出行为往往伴随后续反弹。

• 超大单因市场拆单行为及覆盖率不足，其因子表现整体较弱（图5，表1）。

基于此，报告进一步构建了复合主动买卖因子模型，将大单和中单的正向因子与小单的负向因子分阶段抽取，再进行合成，显著提升了选股能力和收益风险特征（图6，表2）。此外，因子的稳健性通过参数敏感性测试（表6）和样本空间拓展验证（表7）得到支持，且与传统Barra风格因子呈负相关，经过风格和行业中性化处理后，仍保持优异表现（表4、表5）。

总体来看，报告不仅针对传统主动买卖因子“效果差”的问题给出了深层次的行为驱动解释和精细拆解，也有效地提出了基于市场行为异质性的因子改良方案，提升了量化因子的实用价值。不过，报告也谨慎提醒模型基于历史测算，面临市场结构变化的风险。

结合图表与数据，作者明确传达了一个重要视角：主动买卖行为的选股信息存在差异化表现，尤其在投资者类型和市场走势分层的语境下，传统单一整体因子难以充分捕捉。通过细分和合成，能够更准确反映不同资金力量在不同市场状态下的预判能力，为投资者和量化研究人员提供了务实的因子设计思路。

---

参考文献溯源

本文分析依托报告原文各章及图表内容，页码依次为[page::0-9]，相关图表图片引用见正文相应段落。

---

总结

本报告系统而深入地剖析了主动买卖因子的性质、构造和应用，指出传统ACT因子存在的不足，并通过“因子切割论”方法有效提炼改进因子，实现了主动买卖行为信息的增值和选股能力的提升。数据分析和实证表现充分支持了作者观点，是市场微观结构及量化因子研究领域的重要贡献。未来应关注模型在市场结构突变下的稳健性，以及因子组合优化的进一步拓展。

报告