订单流不平衡性（OFI）的应用初探

西部西部量化团队 2026-05-23 置信度: high

综合质量 4 /5

新颖性 4 /5

可复现性 4 /5

核心内容

报告首先定义了基于3秒快照数据的分钟级订单流不平衡性(OFI)，并通过平均挂单深度进行标准化得到ofi。高频测试表明ofi与未来1/5分钟收益负相关，最优档预测能力弱，早盘表现较弱。低频化方面，使用PCA提取主成分构建集成ofi，并计算均值、标准差、偏度、峰度四个统计量，其中集成ofi1的峰度因子IC为0.054。最后采用GRU模型进行低频化，输入十档ofi序列时效果最佳，IC=0.075，ICIR=0.579。

经济逻辑

OFI反映了买卖力量的对比。短期内ofi与收益率负相关，可能是委买量少预示市价单成交占比高，投资者主动买入意愿强；日内OFI波动高表明投资者分歧大，未来下跌可能大；峰度大表明极端交易行为集中，未来收益率高。

超额收益逻辑

因子收益来源于买卖力量不平衡带来的微观价格压力。短期看，市价单吃单意愿强于限价单挂单意愿预示价格上涨。中长期看，日内OFI极端值（峰度）反映交易行为集中度，可能蕴含知情交易者信息，从而预测未来收益。

构造细节 [model]

模型架构

GRU (Gated Recurrent Unit) 循环神经网络，用于处理日内分钟级时间序列数据并提取低频预测特征

输入

十档ofi分钟序列

输出

未来10天收益率预测值

训练

目标变量为未来10天收益率，使用十档ofi作为输入特征，训练GRU模型。未提供超参数细节，但常规GRU训练需设定隐藏层维度、学习率、Epochs等。

数据输入

: (分钟)

组合方式

使用十档ofi作为GRU模型的输入特征

绩效

0.075

0.579

ICIR

0.054

基准: 未来十天收益率

回测期: 2016.01-2024.10

研报基于3秒高频盘口数据构建分钟级订单流不平衡性(OFI)因子。高频测试显示，ofi因子对未来5分钟收益的预测优于1分钟；低频化处理中，集成ofi1的峰度因子IC达0.054；使用GRU模型以十档ofi作为输入特征时效果最佳，IC和ICIR分别达到0.075和0.579。

收益归因

研报未进行收益归因分析

缺口: 缺乏对因子收益来源的行业、风格暴露及风险分解分析

稳健性

子样本稳定性: 高频ofi因子分年度IC有一定差异，2021年后预测1分钟的最优档IC转负，5分钟预测能力有所下降，可能与量化私募发展有关

风格偏差: 未提及

分年度稳定性存在波动，尤其是2021年前后受市场微观结构变化影响显著；集成ofi和GRU模型在中长期低频预测上表现出一定的稳定性和有效性

数据依赖

所需数据: A股3秒级别十档买卖盘口快照数据(量价)

可复现性: hard

依赖高质量高频盘口快照数据，数据量大、存储和计算成本高；OFI计算逻辑明确但细节繁杂，GRU模型训练需调参，完全复现难度较大

新颖性评估 [新组合]

将经典微观结构指标OFI结合现代机器学习(GRU)进行低频化处理，探索高频指标在中长期收益预测上的应用，属于方法论的有效组合创新

不足与缺陷

高频OFI的短期预测能力在2021年后出现衰减，表明因子可能受市场结构变化和量化策略拥挤度影响
研报未提及GRU模型的具体网络结构、超参数设置及防过拟合机制，模型细节不足
缺乏收益归因分析，未剥离行业、风格等风险因子的影响
数据要求高，3秒盘口快照数据的获取和算力成本对于一般机构难以实现

可复用元素

bOF和aOF的精确数学定义及标准化方法
剔除早盘半小时以提升因子稳定性的数据处理细节
使用PCA提取十档ofi第一主成分的计算流程
发现集成ofi1的峰度因子具有显著选股能力(IC=0.054)

启发

微观结构因子(OFI)的极端值分布(峰度)比均值具有更好的低频选股能力
十档深度数据比单一最优档更能反映真实交易意愿，隐藏了算法交易的干扰
日内时序特征经深度学习(GRU)降维后，能有效转化为日频选股信号

改进方向

基于成交量分布加权的订单不平衡因子(VWOFI)

基于: 相似逻辑：买卖力量不平衡；不同构造：不用等权计算平均挂单深度，而是以各档位成交活跃度或挂单撤单率作为权重进行加权预期收益: 更能过滤虚假挂单，提升因子抗干扰能力和IC稳定性

结合订单簿斜率的非线性OFI因子

基于: 相似逻辑：量价不平衡；不同构造：引入各档价格间距作为特征，构建反映订单簿形态的斜率因子预期收益: 捕捉更深层次的流动性供给变化

复现计划

1. 数据准备：获取A股3秒十档快照数据，清洗并对齐时间戳。2. 因子计算：计算分钟级十档OFI，利用十档平均挂单深度标准化得ofi。3. 低频化处理：剔除9:30-10:00数据，对ofi计算均值、标准差、偏度、峰度；同时对十档ofi进行PCA提取主成分。4. 模型构建：搭建GRU网络，输入日内十档ofi序列，输出未来10天收益预测，调优网络结构和超参数。5. 回测验证：计算因子IC、ICIR，并检验分年度及分时段稳定性。