主动买卖因子的正确用法

开源开源金工 2026-07-08 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

研报指出原始主动买卖因子(ACT)选股能力微弱，通过独家提出的“因子切割论”，对过去20个交易日的ACT值按日收益率高低进行切分。实证发现：代表机构和大户的大单、中单ACT因子在上涨日（高收益端）呈现较强的正向选股效应；代表散户的小单ACT因子在下跌日（低收益端）呈现较强的负向选股效应。基于此构建ACT正向因子，表现优异且稳健。

经济逻辑

大中单主体为机构投资者，在市场上涨时的主动买入代表其对后市上涨确定性较高，蕴含信息优势；散户主体的小单在市场下跌时因恐慌而主动卖出，常导致短期超跌，后市易发生反弹回涨。超大单则因覆盖率低及“拆单”行为，信息含量被稀释，选股效应微弱。

超额收益逻辑

利用了市场微观结构中的投资者行为不对称性。大资金（大中单）在上涨日的主动买入具有“聪明钱”的信息领先属性，预示未来股价继续走强；散户（小单）在下跌日的恐慌性抛售引发短期超跌反弹，呈现负向预测力。通过切割剥离了噪音交易日，提纯了信息浓度高的样本，从而获取超额收益。

构造细节 [factor]

因子定义

1. 基础ACT_t = (主动买入金额 - 主动卖出金额) / 某归一化基准(如总成交额或流通市值)； 2. 每日合成因子：ACT正向,t = 大单ACT_t + 中单ACT_t；ACT负向,t = 小单ACT_t； 3. 时间序列切分：回溯过去20个交易日，按日收益率排序，取最高的λ比例交易日为高收益日，最低的λ比例交易日为低收益日； 4. 最终因子：ACT正向 = Mean(ACT正向,t | t in 高收益日)；ACT负向 = Mean(ACT负向,t | t in 低收益日)。

处理流程

1. 获取日频分类成单数据，计算每日各类单的主动净买入强度ACT_t
2. 合成每日大中单ACT正向,t和小单ACT负向,t
3. 获取过去20日个股日收益率序列
4. 按λ比例筛选出高收益日和低收益日
5. 对高收益日的ACT正向,t取均值得到ACT正向因子，对低收益日的ACT负向,t取均值得到ACT负向因子
6. 对因子进行MAD去极值、行业哑变量及Barra风格因子（特别是流动性、波动性）回归取残差进行中性化提纯

参数

回看天数: 20 (测试40, 60)切割比例λ: 10% (测试10%~50%)

数据输入

: (日频): (日频)

组合方式

先按挂单类型合成每日截面因子值（大单+中单为正向，小单为负向），再通过时间序列上的收益率切分（取高/低收益日均值）合成最终因子，最后进行横截面中性化处理。

绩效

3.06

多空收益波动比

0.87

多头收益波动比

2.40

提纯后多空收益波动比

原始主动买卖因子(ACT)选股能力微弱。通过因子切割论构建的ACT正向因子在lambda=10%时多空收益波动比达3.06，经Barra风格中性化提纯后多空收益波动比达2.40，表现出优异的选股能力。

收益归因 ✓ 已完成

ACT正向因子与流动性、波动性因子具有较强的负相关性，经过行业和Barra风格因子中性化提纯后，因子表现依然优异。

方法: Barra风险因子中性化与相关性分析

稳健性

子样本稳定性: 在沪深300和中证500成分股内依然有效。以λ=20%为例，沪深300内多空收益波动比1.32，多头0.63；中证500内多空1.78，多头0.80。

风格偏差: 与流动性、波动性因子具有较强的负相关性。

参数敏感性低，回看天数（20/40/60）和切割比例在不同取值下均稳健，风格中性化提纯后多空收益波动比仍达2.40，具备较强的样本外泛化能力。

数据依赖

所需数据: 需交易所Level-2成交明细数据，以区分主动买入/卖出及挂单金额大小分类（超大单、大单、中单、小单）

可复现性: medium

依赖基础的高频成单数据，只要具备Level-2数据清洗能力的机构均可复现，核心在于因子切分的逻辑实现。

新颖性评估 [新方法]

属于方法论上的创新，应用“因子切割论”将原本在时间序列上均匀加权的微观结构因子，改为基于收益率条件分布的非均匀加权，有效剔除了无信息交易日的噪音。

不足与缺陷

未披露主动买卖金额的具体归一化公式（图示公式不可见），复现时需自行假设基准（如成交额或市值）
组合回测未提及交易成本（滑点、手续费），高频微观结构因子通常换手率偏高，扣费后实际收益可能缩水
超大单因拆单表现微弱，但未给出还原拆单资金归属的改进方案
切割比例λ=10%在20日窗口内仅占2天，极端值可能导致因子在特定月份波动过大

可复用元素

因子切割论的思想，将时间序列按某种状态（如收益率高低）进行非对称加权
大中单看涨信息优势与小单看跌反转逻辑的行为金融学解释
对Barra风格因子（尤其是流动性和波动性）的中性化提纯流程

启发

因子切割不仅可用于收益率切分，也可推广至成交量放大/萎缩、市场整体涨跌等情境切分
小单恐慌性卖出可作为短期反转信号与大单趋势信号结合构建双因子模型
针对不同市值风格的股票，大中小单的资金门槛划分应动态调整，而非固定金额

改进方向

基于日内时段切分的主动买卖因子。将日频收益率切分改为按日内特定时段（如早盘前30分钟、尾盘最后10分钟）的涨跌幅进行切分，提取特定时段的主力资金行为特征。

基于: 研报发现大中单在高收益日具正向选股效应，而主力资金常在开盘和尾盘集中操作。将'日间收益率切分'替换为'日内特定时段收益率切分'。预期收益: 可能进一步提升信号信噪比，因为分离了日内不同资金群体的活跃时间窗，捕捉更精细的微观行为特征。

复现计划

1. 数据准备：获取A股日频分类成单数据，计算大单(20-100万)、中单(4-20万)、小单(<4万)的主动买入额与卖出额；2. 基础因子：定义ACT_t = (主动买入额 - 主动卖出额) / 当日总成交额；3. 合成与切分：计算每日个股收益率，回溯20日，找收益率前10%的交易日；4. 最终因子：对前10%高收益日的大中单ACT_t取均值，记为ACT正向；5. 预处理：对ACT正向进行MAD去极值、Z-score标准化，并与Barra风格及行业因子回归取残差；6. 回测：全A股剔除ST、停牌等，月频调仓分5组测试，计算多空收益波动比验证是否达到2.40以上。