综合质量 4 /5
新颖性 4 /5
可复现性 3 /5
分类
高频·微观结构AI·机器学习 日频逐笔(Level-2)集合竞价 资金流流动性 A股 统计线性树模型深度学习
挂单方向(+1/-1编码)的1-100阶自相关系数经OLS回归截距/统计指标刻画长期记忆性,反映算法拆单行为,IC达0.06,Rank ICIR>4。
关键结论
LMS因子多空收益13%,ICIR接近2;改进偏度/峰度因子IC=0.06,Rank ICIR>4;XGBoost样本外多头超额8.6%。
核心要点
- 挂单方向序列(买=1,卖=-1)存在长期记忆性,1-100阶ACF随log(k)线性衰减
- 驱动因素是算法拆单而非羊群效应或价格趋势,2022年以来特征显著增强
- LMS因子=ACF(k)对log(k)回归的截距;改进版用偏度/峰度替代截距,Rank ICIR从~2提升至>4
- 价优/小额委托子样本选股效果更优,因更准确识别拆单意图
- LSTM损失函数加入负IC绝对值惩罚项,效果明显提升
核心内容
报告系统研究A股逐笔委托挂单方向的长期记忆性,编码买入为1、卖出为-1构建序列,计算1至100阶自相关系数并回归得到LMS因子。改进方向包括:(1)用偏度/峰度统计量替代回归截距;(2)筛选价优/小额委托子样本;(3)补充价格和数量信息。机器学习合成中XGBoost泛化差(样本外8.6%),LightGBM单调性更好,LSTM加入负IC惩罚后效果显著提升。
经济逻辑
算法拆单将大单(Metaorder)拆成同方向子订单,导致挂单方向序列呈现长期自相关。机构/信息优势投资者更倾向使用算法交易,故长期记忆性强的股票质量更优。证据:2022年后挂单金额中位数降至1.4万元;连续同向委托金额递减;机构持仓与LMS呈抛物线关系;广义主力净流入率CNIR因子2022年后衰减与拆单行为增强吻合。
超额收益逻辑
长期记忆性强→算法拆单行为活跃→机构/信息优势投资者参与度高→股票质地更优→正向选股Alpha。LMS因子IC为正,逻辑为机构投资者选股能力优于散户。偏度/峰度IC为正:机构交易越多,ACF右侧极端值越大但衰减更快,分布呈'尖峰厚尾',峰度更高。该因子不暴露大小市值风格,从交易层面区分信息优势投资者倾向交易的股票,而非严格描述机构持仓。
构造细节 [factor]
因子定义
**LMS因子(长期记忆强度):** 1. 对每只股票每日,构建挂单方向序列{X_n},买入=1,卖出=-1,n=1,...,N 2. 计算k阶自相关系数:ACF(k) = Σ_{n=1}^{N-k}[(X_n-X̄)(X_{n+k}-X̄)] / Σ_{n=1}^{N}(X_n-X̄)², k=1,2,...,100 3. OLS回归:ACF(k) = α + β·log(k) + ε 4. 截距α即为LMS因子值 5. 连续20日移动平均平滑 **偏度/峰度改进因子:** 1. 同步骤1-2得到ACF序列{ACF(1),...,ACF(100)} 2. 计算该序列的偏度Skew = E[(ACF-μ)³]/σ³ 3. 计算该序列的峰度Kurt = E[(ACF-μ)⁴]/σ⁴ 4. 分别作为日频因子,20日平滑 **OST因子(分拆痕迹,傅里叶变换):** 1. 对{X_n}做FFT: F(ω) = Σ X_n · e^{-iωn} 2. 提取频域特征(主频、能量分布等)作为因子信号 **同类订单连续重复次数统计因子:** 1. 统计连续同向委托的连续长度分布 2. 如连续出现n笔买入委托的频率,作为记忆性刻画指标
处理流程
- Step1: 获取深市逐笔委托数据(买卖方向、价格、数量、时间戳)
- Step2: 按交易方向编码:买入委托→1,卖出委托→-1,构建序列{X_n}
- Step3: (可选)按交易时段/委托价格/委托数量筛选子样本
- Step4: 计算序列的1至100阶自相关系数ACF(k)
- Step5(a) LMS: 对ACF(k)与log(k)做OLS回归,取截距α
- Step5(b) 偏度/峰度: 直接计算ACF序列的偏度和峰度
- Step5(c) OST: 对{X_n}做FFT,提取频域特征
- Step5(d) 连续次数: 统计同类订单连续出现次数分布
- Step6: 因子值连续20日移动平均平滑
- Step7: 截面标准化(推测z-score或rank标准化)
- Step8: 分组回测验证选股效果
参数
最大滞后阶K: 100平滑窗口: 20日分组数(市值/换手率): 20组统计前N日: 30交易日LSTM损失惩罚系数: 未明确
数据输入
: (逐笔(Level-2)): (逐笔): (逐笔): (逐笔)
组合方式
LMS系列因子与统计改进因子(偏度/峰度)相关性0.75,可通过机器学习合成;LSTM损失函数加入负IC惩罚项避免局部最优。
绩效
13%
LMS因子多空收益
接近2
LMS因子ICIR
0.06
偏度/峰度因子IC
4以上
偏度/峰度因子Rank ICIR
回测期: 2018年至2024年3月
基于挂单方向长期记忆性构建选股因子，核心因子LMS多空收益13%，改进后的偏度和峰度因子Rank ICIR达4以上。机器学习模型中XGBoost样本外多头超额8.6%，LSTM加入负IC惩罚项后效果明显提升。
收益归因
报告仅分析了因子与常规风格（如市值、流动性）的相关性，指出LMS因子未主动暴露大小市值风格，未进行严格的收益归因分解。
缺口: 缺乏详细的Barra等风险模型归因分析及行业暴露拆解。
稳健性
子样本稳定性: 2018年表现偏弱稳定性较差;2022年前后长期记忆强度均值从0.2跃升至0.4+,但LMS因子未出现明显时点差异;沪深300超额5%+,中证1000区分能力略优,信息分布相对均匀。
风格偏差: 与常规风格(市值、流动性)相关性偏低;自相关性在市值和换手率上单调性不明显,不主动暴露常规风格;高价/低价股偏好2022年前后反转(前期高价股强,后期低价股强)。
因子未主动暴露市值风格,在多个宽基中有效。但2018年表现弱、2022年前后微观结构变化对因子稳定性构成挑战。偏度/峰度改进后ICIR从~2提升至4+,鲁棒性显著改善。
数据依赖
所需数据: 深市逐笔委托数据(买卖方向、价格、数量、时间戳);机构持仓数据(年报);股东户数数据;可选:沪市逐笔委托数据
可复现性: hard
核心依赖深市Level-2逐笔委托数据,数据量大且处理复杂(需计算100阶ACF)。因子构造逻辑清晰但计算开销高,需高频数据处理基础设施。部分细节(如OST频域特征提取、MEMO因子定义、LSTM网络结构)报告未完全披露,完整复现需补充实现细节。
相关研究
Lillo等(2004)长期记忆过程 — 理论基础,沿用挂单方向序列+自相关系数方法论
Doojin Ryu(2012)韩国期货市场 — 跨市场验证长期记忆性存在
Yuki Sato等(2023)日本股市 — 提供定量刻画指标参考
开源金工《大小单重定标与资金流因子改进》CNIR因子 — 拆单行为增强导致Alpha衰减的佐证
新颖性评估 [新组合]
长期记忆性概念本身非新(Lillo 2004已有),报告创新点在于:(1)系统验证A股该特征的时序演变(2022年前后跃变);(2)将回归截距改进为偏度/峰度统计量,ICIR显著提升;(3)引入傅里叶变换频域分析;(4)筛选价优/小额委托子样本提升识别精度;(5)LSTM损失函数加入负IC惩罚项的工程实践。整体属于方法组合创新与工程优化。
不足与缺陷
- LMS因子多空收益仅13%,绝对收益偏低,线性回归拟合ACF衰减失真
- XGBoost样本外泛化差(超额从理想降至8.6%,胜率98%→70%),过拟合严重
- OST因子(傅里叶变换)和MEMO因子(高维记忆)的具体构造细节缺失,无法复现
- 回测成本(交易费率、滑点)未披露,高频因子换手率通常较高,净收益存疑
- Benchmark未明确,分组数未明确,回测框架不透明
- LSTM网络结构、超参数、训练集/测试集划分、特征列表均未披露
- 仅使用深市数据,沪市未验证,全市场适用性存疑
- 偏度/峰度因子的经济解释(尖峰厚尾对应机构交易)较为定性,缺乏严格统计检验
可复用元素
- 挂单方向编码(±1)+ACF序列的因子构造框架,可扩展性强
- 用偏度/峰度替代回归截距的改进思路,避免拟合函数假设
- 价优/小额委托子样本筛选逻辑,提升拆单识别精度
- LSTM损失函数加入负IC惩罚项的工程技巧
- 连续同向委托金额递减特征作为拆单证据的验证方法
- 2022年前后微观结构变迁的时序分析框架
启发
- 自相关系数的统计分布特征(偏度/峰度)比单一回归参数信息更丰富,启示可挖掘更多分布矩信息
- 频域分析(FFT/小波)可捕捉时域难以发现的周期性拆单模式,值得深入探索
- 子样本筛选(价优/小额)可推广至其他高频因子的噪声过滤
- 连续同向委托的金额递减模式可作为拆单检测的独立特征
改进方向
用Hurst指数替代OLS回归截距刻画长期记忆性
基于: Hurst指数是长期记忆过程的标准度量,R/S分析或DFA方法不依赖线性衰减假设 预期收益: 避免ACF衰减形态假设,更鲁棒地刻画记忆性强度,可能提升IC和ICIR
对挂单方向序列做马尔可夫链转移概率矩阵分析,提取转移矩阵特征值作为因子
基于: 报告图14已展示概率转移矩阵但未深入挖掘,转移矩阵特征值可刻画状态切换动力学 预期收益: 捕捉非线性的方向持续性特征,与线性ACF因子互补,提供增量Alpha
构建挂单方向与委托金额/价格的联合自相关函数,而非仅用方向序列
基于: 报告提到'补充价格和数量信息'但未实现,多维自相关可更精准识别拆单 预期收益: 更准确区分算法拆单与随机同向委托,降低噪声,提升因子区分度
用变分模态分解(VMD)替代FFT,自适应分解挂单方向序列的不同频率成分
基于: VMD相比FFT无需预设基函数,可自适应分解非平稳信号,更适合时变订单流 预期收益: 更精确提取拆单周期性特征,OST因子效果可能显著提升
复现计划
1.获取深市Level-2逐笔委托数据(2018-2024.3);2.编码挂单方向±1构建序列;3.计算1-100阶ACF;4.OLS回归log(k)取截距=LMS;5.计算ACF序列偏度/峰度;6.对{X_n}做FFT提取频域特征=OST;7.统计连续同向委托次数;8.筛选价优/小额子样本重复上述;9.20日平滑+截面标准化;10.5/10分组回测验证IC/多空收益;11.XGBoost/LightGBM合成特征;12.LSTM加入λ|IC|惩罚训练。关键难点:Level-2数据获取与100阶ACF计算开销;OST/MEMO因子细节需自行实现。
实体
魏建榕 [person]苏良 [person]长期记忆强度_LMS [factor]高维记忆_MEMO [factor]分拆痕迹_OST [factor]广义主力净流入率_CNIR [factor]XGBoost [model]LightGBM [model]LSTM [model]傅里叶变换 [method]自相关系数回归法 [method]算法拆单 [concept]羊群效应 [concept]逐笔委托数据 [dataset]
LOCAL SIMILARITY