【国君金工】基于level 2行情的高频因子选股效果研究：快照数据篇——权益配置因子研究系列08|快照_新浪财经

（来源：国君金工）

作者：张雪杰

感谢实习生张中昊、张宇哲、董治麟对本文的贡献

导读

本报告研究快照数据高频因子的选股效果。因子类别有买卖价差、订单不平衡、订单簿斜率、快照数据价量相关性等。历史回测发现，整体上看，快照因子在中小市值股票池的选股效果较好；近4年或受益于小市值风格占优，在多数宽基指数（包括沪深300）股票池中多头组超额收益均较好。

▶快照因子介绍。快照因子类别有买卖价差、订单不平衡、订单簿斜率、快照数据价量相关性等。基于快照数据构建的因子投资逻辑较弱，部分因子超额收益来源是基于错误定价（过度反应后的反转效应）、承担风险溢价（低流动性、低波动的风险补偿）。

▶ 数据处理上，使用专门的高频时间序列数据处理软件。主要因为Level2数据量比较大，2014年以来全部数据压缩后也有8T左右，每天增长几个G。常用的有国外著名软件KDB+、国内自主研发的后起之秀DolphinDB软件。

▶在各股票池进行单因子测试，筛选效果较好的快照因子。在多个宽基指数成分股内中都被选用的因子有10档买卖金额、10档卖斜率和买卖比例相关性、价格高于卖一的比例、中间价相对买方均价均值。可以认为，这些因子在不同市值区间的适用性均较强。由于部分快照因子的投资逻辑不直观，偏数据挖掘，有效性需要样本外持续跟踪和观察。

▶ 等权加权的快照复合因子在各股票池的表现。从回测结果来看，快照因子在中小市值股票池(中证1000、中证2000）的选股效果较好，表现比较稳定；近4年或受益于小市值风格占优，在多数宽基指数（包括沪深300）股票池中多头组超额收益均较好。控制市值行业无暴露，构建因子得分最大化组合，测算发现，2014年1月以来，沪深300内年化超额6.52%（2015年以来年化超额3.53%），超额最大回撤-20.16%；截至2024年8月16日，本年超额11.39%，超额最大回撤-3.36%。中证500内年化超额9.88%（2015年以来年化超额7.67%），超额最大回撤-15.66%；本年超额8.1%，超额最大回撤3.11%。中证1000内年化超额收益11.90%（2015年以来年化超额11.01%），超额最大回撤-16.17%；本年超额10.74%，超额最大回撤-4.58%。中证2000内年化超额收益13.06%（2016年以来年化超额13.21%），超额最大回撤-20.47%；本年超额5.7%，超额最大回撤-6.31%。允许市值行业适当暴露（相对基准指数，市值暴露最大偏离0.5个标准差，行业权重最大偏离2.5%），构建因子得分最大化组合，测算发现，2014年1月以来，沪深300内年化超额10.39%（2015年以来年化超额7.22%），超额最大回撤-19.9%；截至2024年8月16日，本年超额11.2%，超额最大回撤-3.56%。中证500内年化超额10.68%（2015年以来年化超额7.94%），超额最大回撤-16.21%；本年超额7.31%，超额最大回撤-4.62%。中证1000内年化超额收益13.25%（2015年以来年化超额11.65%），超额最大回撤-18.20%；本年超额8.42%，超额最大回撤-5.51%。中证2000内年化超额收益15.53%（2016年以来年化超额15.1%），超额最大回撤-18.92%；本年超额4.72%，超额最大回撤-7.33%。

▶ 风险提示：量化模型基于历史数据构建，而历史规律存在失效风险。

一、基于快照数据的高频因子介绍