大小单资金流alpha探究2.0：变量精筛与高频测算 | 开源金工

开源开源金工 2026-07-08 置信度: high

综合质量 5 /5

新颖性 4 /5

可复现性 4 /5

核心内容

报告针对大单残差、小单残差以及散户羊群效应因子进行了变量精筛与高频化改进。大单残差通过结合主动大中单残差与非主动大单强度显著提升了效果；小单残差剔除性质发生变化的主动小单，仅保留非主动小单残差；散户羊群效应则通过引入日内收益率及次日早盘非主动小单净流入的高频数据，大幅降低了最大回撤。最终将三者等权合成的大小单综合资金流因子在样本内外均表现优异。

经济逻辑

大单资金流反映了主力的正向预见性，剥离反转缠绕效应后的残差能更纯粹地体现该alpha；小单代表散户资金，其被动接盘行为具有负向预测能力；散户羊群效应则刻画了散户资金跟随收益率变动的非理性追涨杀跌行为，具有负向选股能力。通过区分主动与被动资金流，过滤了机构拆单伪装成小单的噪音，使得各因子的经济逻辑更为纯粹。

超额收益逻辑

通过剥离资金流与收益率的同步相关性（残差化处理）来消除反转缠绕效应；通过细分主动与非主动资金流，剔除机构拆单伪装带来的噪音，纯化了主力资金的正向预见性与散户资金被动接盘的负向预测能力，从而获取更为纯粹的选股alpha。

构造细节 [factor]

因子定义

1. 改进大单残差: Rank(主动大中单残差) + Rank(非主动大单强度)。其中主动大中单残差 = (主动大单净流入+主动中单净流入)对过去20天日度收益率回归的残差。2. 改进小单残差: 非主动小单净流入对过去20天日度收益率回归的残差。3. 改进散户羊群效应: 每月底回看过去20天，计算昨收至今收的日内收益率与下个交易日开盘至10:00的非主动小单净流入之间的秩相关系数。4. 综合因子: 对以上三个因子排序值等权相加。

处理流程

1. 数据获取与处理: 获取逐笔成交数据，划分超大、大、中、小单，并区分主动与非主动净流入，计算每日及分钟频资金流强度
2. 改进大单残差计算: 提取主动大单与主动中单净流入相加，对过去20天日度收益率进行回归取残差得主动大中单残差；计算非主动大单强度；将两者横截面排序值相加
3. 改进小单残差计算: 提取非主动小单净流入，对过去20天日度收益率进行回归取残差
4. 改进散户羊群效应计算: 计算每日日内收益率(昨收至今天15:00)；提取下个交易日开盘至10:00的非主动小单净流入；计算过去20天两者的横截面秩相关系数
5. 因子合成与中性化: 将上述三个因子的横截面排序值等权相加得到综合因子，并进行市值与行业中性化处理

参数

回看天数: 20大单金额阈值: 20-100万元小单金额阈值: <4万元羊群效应收益率起点: 09:25羊群效应资金流终点: 10:00

数据输入

: (日频/分钟频): (日频/分钟频)

组合方式

改进大单残差、改进小单残差、改进散户羊群效应因子排序后等权相加

绩效

7.89%

大小单综合资金流因子 RankIC均值

3.99

大小单综合资金流因子 RankICIR

35.36%

大小单综合资金流因子 10分组多空对冲年化收益率

4.82

大小单综合资金流因子信息比率

89.19%

大小单综合资金流因子胜率

2.09%

大小单综合资金流因子最大回撤

基准: 市值行业中性化后10分组

回测期: 2013/01/01-2022/10/31

报告对大单残差、小单残差及散户羊群效应因子进行了变量精筛与高频化改进。合成的大小单综合资金流因子表现优异，RankIC均值7.89%，10分组多空对冲年化收益率35.36%，信息比率4.82。

收益归因 ✓ 已完成

大小单综合因子与流动性、波动性、市值因子相关性较高。经Barra风格因子及行业中性化后，纯净新因子多空对冲年化收益22.63%，信息比率3.83，胜率88.29%，最大回撤3.97%。

方法: Barra风格因子及行业中性化

缺口: 无

稳健性

子样本稳定性: 因子在沪深300、中证500、中证1000中均有多空对冲正收益，收益波动比随市值减小而增加(1.92, 2.71, 4.26)；样本内外表现均较为稳健

风格偏差: 综合因子与流动性、波动性、市值因子相关性较高

经Barra风格因子及行业中性化后，纯净因子多空对冲年化收益22.63%，信息比率3.83，胜率88.29%，最大回撤3.97%，表现出较强的稳健性和独立alpha增量。

数据依赖

所需数据: A股逐笔成交数据（区分主动与非主动、大中小单分类）、日频及分钟频量价数据

可复现性: medium

需要清洗和处理Level-2逐笔成交数据以准确划分资金流大小及主动方向，数据依赖度高，但因子构造逻辑明确，可复现性中等。

新颖性评估 [新组合]

通过变量精筛（主动/非主动细分）和特定时间段的高频数据提取（早盘净流入、日内收益率），有效剔除了机构拆单噪音与2017年后主动小单性质变异的干扰，是对已有资金流因子体系的有效改进与重组。

不足与缺陷

资金流大小单的分类阈值(4万、20万等)是固定的，未能随市场通胀、资金量增加或个股价格自适应调整，可能导致部分大资金拆单行为被误分
对主动与非主动的界定高度依赖逐笔数据的撮合方向判断，不同数据商标准可能不一，存在数据源依赖噪音
羊群效应中日内收益率与次日早盘资金流的物理意义虽然有解释，但过早截断(10:00)可能遗漏全天信息

可复用元素

通过区分主动与非主动资金流来剔除机构拆单伪装的思路
利用高频分钟数据细化资金流的时间切片以捕捉特定行为特征（如早盘散户羊群效应）
将残差化的资金流强度与原始资金流强度排序相加的因子增强方式

启发

对于其他量价因子（如换手率、波动率），也可尝试区分主动与被动成交，观察是否能剔除噪音并增强alpha
研究不同时间段（如尾盘、早盘）的资金流特征对次日或未来收益率的预测能力差异
通过观察资金流性质随时间的变化（如2017年主动小单性质变异），动态调整因子计算逻辑

改进方向

利用成交单的逐笔撤单率或订单簿不平衡(OFI)特征构建新的高频残差因子

基于: 相似逻辑: 剥离量价缠绕效应及微观结构特征预期收益: 减少对固定金额阈值的依赖，更直接反映真实买卖意图，可能提升因子的稳定性和普适性

引入自适应阈值（如按个股过去20日均价的特定分位数划分大中小单）

基于: 相似逻辑: 大小单资金流精筛预期收益: 适应不同价位股票的成交结构，减少高价股小单被误判或低价股大单被稀释的误差

复现计划

1. 获取全A股逐笔成交数据，按照>100万、20-100万、4-20万、<4万划分资金流，并依据撮合方向区分主动与非主动净流入。2. 生成日频及分钟频的资金流强度和收益率序列。3. 按20天窗口回归计算主动大中单残差与非主动小单残差。4. 提取昨收至15:00收益率与次日09:30-10:00非主动小单净流入，计算20天滚动秩相关系数。5. 将三者横截面排序等权相加，进行市值行业中性化，按月调仓测试10分组多空表现。