高频因子之收益分布形态

1、证券研究报告选股因子系列研究(十九)高频因子之分布特征海通证券2017年金融工程与研究袁从“低频”到“高频”随着研究的深入，已经很难发现能够在传统的技术类因子的基础之上提供额外选股能力的新。考虑到传统因子多使用日级别数据进行计算，使用高频数据能够为投资者提供地。本文使用股票日内分钟级数据构建因子对于股票日内分布形态特征从方差、偏度以及峰度三个角度进行了总结。（海外文献：Does realized skewness predict the cross-section of equity returns?）因子构建说明单因子回测多因子模型效果结论内容概要高频因子逻辑 股票高频方差：股票高频方差更加

2、真实地体现出了股票的波动性。相比收益方差，高频方差能够反应出股票在短时间内的波动特征。 股票高频偏度：偏度衡量了股票在尾部附近的分布特征。例如，左偏（偏度为负）体现了股票日内大幅下跌的比率远高内大幅上涨的比率。 股票高频峰度：峰度衡量了股票在尾部附近的波动特征。例如，较高的高频收益峰度体现了股票日内大幅下跌或者大幅上涨的幅度较大。因子计算 Step 001：对于每一日，计算股票日内N分钟间隔的对数序列；（N=1,5） Step 002: 对于每一股票，计算指标值：1）已实现方差: = = 2）已实现偏度： =/ 3）已实现峰度： = Step 003: 在任意选股时刻，使用股票过去M日指标均值

3、作为因子值。（M=20）方式。本文会重点对比原始方式下以及两种改进计算方式下因子的选股能力。改进1：1）已实现方差: = 改进2：叠加取平均 1）已实现方差: = =2）已实现偏度： = =/2）已实现偏度： = 3）已实现峰度： = =3）已实现峰度： = 因子计算讨论 前文提供的因子计算方式并不唯一。海外也有众多文献讨论股票高频高阶矩的计算因子构建说明单因子回测多因子模型效果结论内容概要单因子表现方差 各个计算方式下，方差因子不具有选股能力。 方差因子分组特征具有明显的“倒U型”特征。 从IC的角度来看，因子选股能力性较差。1min_原始1min_改进1rankIC0.0320.032IC

4、IR0.8760.874胜率59.3%58.1%率0.09%0.08%5min_原始5min_改进15min_改进2rankIC0.0600.0600.062ICIR1.3621.3641.403胜率67.4%67.4%68.6%率0.68%0.68%0.77%0.60%0.40%0.20%0.00% -0.20%-0.40%-0.60%-0.80%-1.00%-1.20% -1.40%1min_原始5min_原始1min_改进15min_改进1 5min_改进2123456789100.80%0.60%0.40%0.20%0.00%-0.20%-0.40%-0.60%1min_原始5min_

5、原始-0.80%1min_改进15min_改进1-1.00%5min_改进2-1.20%-1.40%12345678910单因子表现偏度 各个计算方式下，偏度因子皆具有明显选股能力。 偏度因子分组单调性较强，在1至5组间，分组变化幅度较大。 从IC的角度来看，因子选股能力较为，且胜率较高。1min_原始1min_改进1rankIC0.0530.049ICIR2.7892.871胜率79.1%82.6%率1.48%1.42%5min_原始5min_改进15min_改进2rankIC0.0620.0610.067ICIR2.6553.282.687胜率79.1%83.7%77.9%率1.41%1.

6、41%1.59%单因子表现峰度 1分钟频率下，峰度因子无选股能力，5分钟频率下，峰度因子选股能力较弱。 1分钟峰度因子组间区分度较小，5分钟峰度因子组间区分度较弱。 从IC的角度来看，峰度因子选股能力性较弱。1min_原始1min_改进1rankIC-0.009-0.010ICIR-0.258-0.278胜率46.5%46.5%率-0.21%-0.20%5min_原始5min_改进15min_改进2rankIC0.0250.0230.031ICIR1.1861.1011.439胜率64.0%64.0%67.4%率0.45%0.36%0.69%0.40%0.20%0.00%-0.20%-0.40

7、%-0.60% -0.80%1min_原始5min_原始1min_改进15min_改进1 5min_改进2123456789100.3000.600.2000.400.200.1000.000.000-0.20-0.100-0.40-0.60-0.200市值换手1M（右轴）反转1M特异度1M-0.80-0.300-1.00-0.400-1.2012345678910相关性分析1分钟偏度因子 从分组特征上看，该因子和市值因子负相关（多头组多为大市值股票），和换手率因子正相关（多头组多为前期低换手股票），和特异度以及反转反因子相关性不强。选股因子正交 现对于前述因子进行正交处理，剔除行业、市值、反

8、转1M、换手1M、特异度1M以及非线性市值的影响。正交后的因子值通过截面回归取残差得到，具体回归方程如下式所示： = + + + + + + 上述回归方程中， 为行业虚拟变量，、 、为正交后的各因子的因子值。正交因子由固定的正交顺序得到（行业、市值、反转、换手、波动、非线性市值）。 自变量因子之所以使用正交因子是因为原始模型中的因子即为正交因子。正交因子表现偏度 1分钟偏度因子在正交后依旧保留有一定选股能力，改进1因子选股效果更好。 5分钟偏度因子在正交后选股能力弱于1分钟偏度因子，三个因子中改进2因子表现最好。1min_原始1min_改进1rankIC0.0240.035ICIR2.8192

9、.11胜率81.4%74.4%率0.84%0.97%5min_原始5min_改进15min_改进2rankIC0.0180.0210.024ICIR1.551.7181.881胜率66.3%70.9%74.4%率0.32%0.48%0.62%0.60%0.40%0.20%0.00%-0.20%-0.40%-0.60% -0.80%1min_原始5min_原始1min_改进15min_改进1 5min_改进212345678910因子构建说明多因子模型效果结论单因子回测内容概要模型对比 原组合：市值、反转1M、换手1M、特异度1M、非线性市值改进组合：5因子+（1分钟偏度1M /5分钟偏度1M）

10、 因子处理：正交处理 因子加权方式：Fama-MacBeth回归法 换仓频率：月末换仓 选股范围：全市场选得分最高的100只股票（剔除ST、上市不满6的股票） 费率：双边千分之五Fama-MacBeth回归 分别使用原始模型因子以及改进模型因子，在2010年1月至2017年3月之间进行Fama-MacBeth回归并观察新增因子的回归系数及其显著性。 = + + + + + 添加变量市值非线性市值换手1M反转1M特异度1MX1无-0.0095-3.970.00444.52-0.0055-3.42-0.0047-3.290.00323.96原始1min-0.0093-3.920.00434.50-

11、0.0049-2.99-0.0053-3.630.00334.08-0.0024-6.53原始5min-0.0093-3.920.00434.50-0.0049-2.99-0.0053-3.640.00334.08-0.0014-2.71改进1_1min-0.0093-3.920.00434.50-0.0049-2.99-0.0053-3.630.00334.08-0.0024-6.68改进1_5min-0.0093-3.920.00434.50-0.0049-2.99-0.0053-3.640.00334.08-0.0015-3.19改进2_5min-0.0093-3.920.00434.5

12、1-0.0049-2.97-0.0053-3.680.00334.09-0.0018-2.93TOP100多头组合情况 在添加了各因子后，多因子组合在、比率上都有所。 1分钟偏度因子相比于5分钟偏度因子对于组合的提升更强。TOP100总最大回撤回撤比比率月胜率次均换手率原始模型10.259.0%55.0%1.0723.20271.0%63.3%原始1min11.061.2%54.1%1.1313.36171.0%69.0%原始5min10.760.5%54.1%1.1193.28369.4%66.8%改进1_1min10.860.8%54.1%1.1253.34471.0%68.9%改进1_5

13、min10.559.9%54.0%1.1093.26971.0%66.6%改进2_5min10.559.9%54.1%1.1083.25571.0%66.9%因子权重：1分钟偏度1M 1分钟偏度因子在模型中的权重占比基本在10%附近波动。100%90%80%70%60%50%40%30%20%10%0%市值非线性市值换手反转特异度原始1min因子权重：5分钟偏度1M 5分钟偏度因子在模型中的权重占比基本在5%10%附近波动。100%90%80%70%60%50%40%30%20%10%0%市值非线性市值换手反转特异度原始5min因子权重：1分钟偏度1M_改进1 1分钟偏度因子（改进1）在模型中

14、的权重占比基本在10%附近波动。100%90%80%70%60%50%40%30%20%10%0%市值非线性市值换手反转特异度改进1_1min因子权重：5分钟偏度1M_改进1 5分钟偏度因子（改进1）在模型中的权重占比基本在5%10%附近波动。100%90%80%70%60%50%40%30%20%10%0%市值非线性市值换手反转特异度改进1_5min因子权重：5分钟偏度1M_改进2 5分钟偏度因子（改进2）在模型中的权重占比基本在5%10%附近波动。100%90%80%70%60%50%40%30%20%10%0%市值非线性市值换手反转特异度改进2_5min因子构建说明多因子模型效果结论单因子回测内容概要总结 本研究通过使用股票日内分钟级数据对内分布特征进行了刻画，通过使用方 差、偏度以及峰度三个指标分别刻画了股票分布的波动性、尾部特征以及均值附近聚集性特征。 通过简单回测，可以发现波