• 高频数据混合利用的重要性 [page::0][page::4]

- 高频数据如分钟成交、TICK盘口委托及逐笔成交中包含显著的选股能力。
- 本文创新性地通过逻辑与机器学习方法将不同高频数据混合低频化，构建更具代表性的选股因子。

• 买入意愿类因子的构建与表现 [page::5][page::6]

- 因子由净委买变化额（买入意愿的净增量）与净主买成交额（已释放买入意愿）组合形成，全面刻画投资者买入意愿。
- 买入意愿占比及日内买入意愿强度月均IC>0.03，年化ICIR超过2.5，月度胜率达80%以上。
- 开盘后买入意愿强度表现最好，月均多空收益1.34%，多头超额收益0.41%。

• 买入意愿类因子与净主买类因子的对比 [page::8][page::9]

- 买入意愿因子整体优于净主买类因子，IC从0.03提升至0.04，ICIR从2.96增至3.70，月度胜率提升至85%，多空收益及多头收益均有提升。
- 多空相对强弱图及累计净值均显示买入意愿类因子更具持续性和优势。

• 机器学习挖掘因子表现总结 [page::11][page::12]

- 多数机器挖掘因子在剔除常规及高频因子后依然保持因子IC>0.04，年化ICIR约3，月均多空收益超过1.5%。
- 典型因子如Alpha1（过去20日盘中主买额波动率，越低表现越好）、Alpha4、Alpha6均具明确逻辑。
- 因子呈现良好的分组收益单调性，且多头效应得到提升。

• 因子组合及模型表现提升 [page::13][page::14]

- 以中证500增强组合为例，买入意愿类与机器挖掘因子均带来组合收益提升，尤其是开盘后日内买入意愿强度与Alpha2、Alpha4贡献突出。
- 两类因子间截面及收益相关性较低，可同时纳入模型以实现更稳健的投资表现。
- 同时引入买入意愿因子与机器挖掘因子后，组合在多年份表现稳定，提升明显。

• 投资风险提示 [page::0][page::15]

- 市场系统性风险、资产流动性风险及政策变动风险均可能显著影响因子及策略表现。

《选股因子系列研究（六十四）——基于直观逻辑和机器学习的高频数据低频化应用》详尽剖析

---

一、元数据与报告概览

• 报告标题：《选股因子系列研究（六十四）——基于直观逻辑和机器学习的高频数据低频化应用》

- 发行机构：海通证券研究所

• 分析师：

- 冯佳睿，联系方式：(021)23219732，fengjr@htsec.com
- 袁林青，联系方式：(021)23212230，ylq9619@htsec.com

• 发布时间：2020年2月12日

- 主题：基于高频市场数据结合主观逻辑与机器学习方法，探究不同类型高频数据混合使用以生成低频选股因子的能力和应用，对实际组合提升效用进行实证研究。

核心论点及目的：

本报告承接此前数期高频因子研究，从分钟成交数据、TICK盘口委托数据、逐笔成交数据等多类高频数据中提炼信息，验证其可用于选股因子构建。不同于此前仅单类高频数据因子构建的方式，本文重点尝试混合不同类别的高频数据，采用直观逻辑结合机器学习技术低频化处理，探索更加全面和显著的选股能力因子，并通过回测验证这些新因子对增强组合的提升效果，最终输出对策略投资的可操作建议。[page::0]

---

二、逐节深度解读

1. 高频数据的低频化

本章回顾前期研究方法和数据类型，确认分钟成交、盘口委托与逐笔成交数据各自对投资行为的刻画不同，单一使用虽有效但遗漏潜在信息。为解决单一高频数据使用限制，本文提出对不同高频数据通过统一的“分钟频”划分进行整合，构建混合型高频数据因子。通过这一步骤，旨在捕捉投资者尚未释放（委托挂单反映的买入意愿）与已释放（逐笔成交体现的买入行为）信息的全貌，为因子构建提供更多维度。[page::4]

同时，结合主观逻辑和机器学习双路径，一方面用传统选股逻辑制定算子，另一方面利用机器学习技术进行因子挖掘，从而期望发掘具有较强选股能力的复合型因子，互补提升单一渠道的局限。[page::4]

---

2. 逐笔成交与委托挂单的结合

关键论点：

• 委托挂单净委买变化额与逐笔成交净主买成交额分别代表投资者未释放和已释放买入意愿，两者合计更加全面反映投资者的综合买入意愿。

- 基于上述买入意愿构建两类主要因子：
- 买入意愿占比：某股票买入意愿占比相对其成交金额的均值。
- 日内买入意愿强度：买入意愿序列的标准差衡量其在日内的强弱波动。

因子指标分别在全天、开盘后、盘中和收盘前不同交易时段计算，以捕捉不同时段买入意愿的变化及其选股能力。[page::5]

关键数据解读：

• 买入意愿占比及买入意愿强度在月度层面均表现出显著选股能力（IC月均均超过0.03，ICIR超过2.5），尤其是开盘后时段表现更佳，月度胜率高达80%以上，胜率及多空收益均具有稳定性。

- 图1、图2展示买入意愿占比及强度分组超额收益呈现明显的收益递增关系，验证因子的选股能力和收益稳定。[page::6]

因子收益及统计特征：

• 以月度IC、ICIR及超额收益衡量，买入意愿相关因子多头、空头收益分布均衡，带来稳健的收益归因。

- 开盘后买入意愿因子相比全天或盘中时段强劲，推测开盘市场定价与信息释放密集阶段尤为具有捕捉收益的潜力。[page::6][page::7]

---

3. 高频数据低频化后的机器学习信息挖掘

机器学习因子挖掘设计：

• 建立高频数据基础数据仓库（如净委买变化额、逐笔成交金额等），基于此构建函数算子库（如均值、波动率、比率、对数转化等）以供机器学习算法组合和筛选。

- 目标函数为正交剔除常规低频因子后的因子ICIR最大化，保证机器挖掘因子的独立有效性。

• 采用如基因规划等自动特征工程方法，支持因子批量生产与管理。[page::10]

代表因子及逻辑解释（详见表10）：

• Alpha1通过计算过去20日盘中主买金额的波动率发现，波动率越低的股票未来表现越好，体现了主买资金的稳定性与持久影响。

- Alpha4、Alpha6均涉及开盘后和收盘前成交额的比率，反映不同时间段资金活动的相对强弱与未来表现负相关。

• 但部分因子（如Alpha2）计算逻辑不易直观解释，表明机器学习生成的因子有时并不具备直接易懂投资逻辑。[page::11]

选股能力表现：

• 机器挖掘因子剔除传统低频因子后表现显著，月均IC大多数大于0.04，年化ICIR接近3.0，月均多空收益超过1.5%。

- 进一步剔除其他高频因子影响后，因子性能不减，表明机器挖掘因子具备独立的信息量和Alpha来源。

• 分组收益图（图11、图12）显示明显的组间收益单调递增趋势，收益稳定性得到确认。[page::11][page::12]

---

4. 组合改进

组合实证设计：

• 以中证500增强组合为例进行因子引入实验，组合采用月度调仓。

- 依次将买入意愿因子与机器学习因子单独和同时加入基础模型，比较对组合的超额收益贡献。

实证结果：

• 多数高频因子引入提升组合表现，尤其是开盘后买入意愿强度及部分机器挖掘因子（Alpha2、Alpha4）带来较高的收益提升。

- 不同因子年度贡献表现波动较大。例如机器学习因子提升2016年表现，2017年回报有所下降；买入意愿因子对2016和2017年表现提升明显，但2018年略微削弱超额收益。

• 同时引入逻辑因子（例如开盘后日内买入意愿强度）与机器学习分析得到的因子（Alpha_2）可获得更稳健的年度表现，年化收益波动减少，体现两类因子较低的相关性提升组合多样化效果。[page::13][page::14]

---

5. 报告总结

• 高频数据中蕴含显著的选股信息，混合多种类别的高频数据并低频化处理，有利于更全面、准确地捕捉投资者的交易意愿。

- 直观逻辑驱动的买入意愿因子及基于机器学习挖掘的因子均能提供有效的Alpha。

• 两类因子在组合中表现互补，因子之间相关性较低，结合使用可提升组合的稳定性和整体收益表现。

- 投资者在具体应用时应兼顾因子逻辑性与绩效表现，合理筛选和调整机器学习因子以确保解释性与适用性。

• 风险层面需要关注市场系统性风险、资产流动性风险及政策变动风险，这些风险可能对策略表现造成重大影响。[page::15]

---

6. 风险提示

报告明确指出策略面临：

• 市场系统性风险：整体市场环境波动可能导致策略短期相对表现下滑。

- 资产流动性风险：高频数据挖掘的因子可能涉及流动性不足的股票，流动性不足增加交易成本及实施难度。

• 政策变动风险：监管或宏观政策的调整可能改变市场行为模式及因子有效性。

上述风险均为量化策略常见风险，投资者需结合实际操作审慎控制仓位与杠杆。[page::0][page::15]

---

三、重点图表详细解读

图1与图2 — 买入意愿占比与日内买入意愿强度分10组超额收益

• 图表反映将样本股票按照因子值分为10组，比较每组的超额收益。

- 两类因子均呈现明显的单调上升趋势，说明因子值高的股票未来表现更好。

• 开盘后计算的因子线条表现更亮眼，说明开盘阶段的买入意愿信息更具选股价值。

- 收益幅度大约从负0.6%逐步提升至近0.6%，表现出良好的分层能力。

图3与图4 — 买入意愿占比与日内买入意愿强度多空相对强弱

• 通过多空相对净值走势展示因子长期选股能力累积收益。

- 开盘后买入意愿因子涨幅领先全天或盘中时段，体现因子稳定且强势的绩效。

• 从2014年到2020年，两因子均保持稳定向上趋势，显示策略长期有效性。

图7至图10 — 买入意愿类与净主买类因子对比

• 涵盖两种因子月度多空相对强弱与累计净值对比，买入意愿类因子曲线明显优于净主买类因子，说明买入意愿因子改进了选股能力。

- 多年表现验证了买入意愿因子的泛化能力。

图11与图12 — 机器挖掘因子分组收益（正交不同因子后）

• 表现出机器挖掘因子具有一定稳定性和单调收益分层。

- 剔除高频因子后多头收益增强，说明机器因子独立Alpha成分明显。

图13 — 各组合相对中证500指数表现

• 不同因子加入增强组合后，相比基准组合均展示收益提升。

- 部分因子虽在单年份表现不一，但整体趋势上收益波动小，风险调整后具有竞争力。

---

四、估值分析

本报告不涉及具体公司股价估值及定价，但在因子构建与组合回测层面采取了多阶段剔除常规低频因子和其他高频因子的正交处理，确保因子具有独立的解释力和Alpha贡献。这种统计处理方法是量化选股因子研究必用的“去相关”手段，其有效性等同于“模型估值”的内核，即在多因素模型中剔除其他因子效应，获得因子自身的独立效用。

此外，针对因子信号的选择，利用IC（信息系数）、ICIR（信息系数信息比率）、月度多空收益、胜率等多维度指标综合评判，确保筛选出的因子从统计学和经济学两个维度都具有较强的有效性。这种方法相当于对因子预测能力的“内部估值”和风控监控。[page::6][page::11][page::14]

---

五、风险因素评估

• 市场系统性风险：整体市场的大幅波动和趋势变化可能导致因子表现急剧波动或失效。

- 资产流动性风险：部分基于高频数据构建的因子涉及流动性较差股票，执行策略时可能面临较大滑点和冲击成本。

• 政策变动风险：宏观调控、新规出台或制度变化会影响投资者行为模式，影响高频数据本身的稳定性和因子表现。

报告虽未对风险出现概率做具体量化描述，但提示投资者需关注上述风险可能带来的表现波动和潜在损失。

---

六、批判性视角与细微差别

• 因子构建与解释的平衡：报告提及部分机器学习挖掘因子难以直观理解其计算逻辑和对应的投资意义（如Alpha2），这提示因子有效性需兼顾经济含义，避免“黑箱”过度依赖机器学习，防止过拟合和未来绩效不稳定。

- 年度表现差异：因子在不同年份回测中收益表现波动较大（如2017年机器因子表现下滑），说明策略的“时效性”和对市场环境适应性的限制，需进一步研究因子表现的周期性和环境依赖性。

• 多因子相关性结构：报告详见因子截面和时间序列相关性分析，指出机器挖掘因子间相关性较高，买入意愿因子间相关性也较高，但两者之间的相关性较低。虽然这对组合多样化有益，但高相关性可能存在冗余风险，需注意因子池的合理构建。

- 数据的统一低频化处理：以分钟频作为各类高频数据的“统一”时间单位，是为了便于组合使用，但可能牺牲部分更细粒度的信息，效果依赖于一分钟数据的采样精度及一致性，存在潜在信息损失。[page::4][page::11]

---

七、结论性综合

本文通过系统地探讨和验证将多类别高频数据融合并低频化处理的框架，构建了买入意愿类因子和机器学习挖掘因子。实证结果显示：

• 买入意愿占比与日内买入意愿强度因子在经过正交剔除传统低频因子后，依然具备稳定且显著的选股能力，尤其是开盘后买入意愿因子效果最佳，年化多空收益率接近12-16%，月度多头收益率高于0.4%。

- 机器学习因子在剔除常规低频及高频因子后仍能保持较高的月度IC（>0.04）和稳定的超额收益水平（年化多空收益约20%），部分因子具备清晰经济逻辑。

• 两类因子之间具有较低的相关性，将两类因子同时纳入组合，显著提升组合收益的稳定性，减少年度表现的波动，提供了更加稳健的Alpha来源。

- 组合层面，中证500增强组合通过引入上述因子，超额收益在多数年份获得提升，尽管存在个别年份波动，但整体选股能力显著增强。

• 报告中的多个图表与表格（图1-13，表1-18等）详细展示了因子性能、收益分布、年度表现、因子相关性等核心指标，为研究论点提供坚实的实证支持。

综上，报告充分揭示了高频数据低频化及多数据融合在量化选股中的巨大潜力，同时结合机器学习辅助挖掘，提升了因子多样性与有效性，形成一套较为完善且可操作的因子体系。投资者可以通过引入买入意愿类因子和机器挖掘因子，丰富量化模型维度，提升组合的超额收益及稳定性。然而，实际操作需警惕模型稳定性、逻辑解释性及市场及流动性风险。

---

关键词说明

• 高频数据：指股票市场中以秒、分钟为单位的交易数据，如逐笔成交记录、盘口委托挂单等。

- 买入意愿占比：买入意愿金额相对于股票成交金额的占比，反映投资者买入意愿强弱。

• 日内买入意愿强度：买入意愿序列的标准差，衡量买入意愿在交易日内的波动幅度。

- IC（信息系数）：因子表现与后续收益的相关系数，衡量因子预测能力。

• ICIR（信息系数信息比率）：IC的均值与标准差之比，衡量因子表现的稳定性。

- 正交剔除：统计学处理方法，剔除多个变量间的共线性影响，获得单一变量的独立效应。

• Alpha因子：用于预测股票相对收益的指标，带来超额收益的因子。

- 机器学习因子挖掘：利用算法自动发现数据中的有效特征和模式构建选股因子。

---

参考图表展示示例

---

综上所述，该报告从技术手段、数据处理到策略应用均进行了全面覆盖，属于高频因子研究领域的重要方法论与实证成果，对相关量化投资研究者和策略开发者具有重要参考价值。[page::0,4,5,6,7,8,9,10,11,12,13,14,15]

报告