高频逐笔成交+行为金融：遗憾规避选股因子

国金高智威 2026-06-11 置信度: high

综合质量 5 /5

新颖性 4 /5

可复现性 3 /5

核心内容

利用逐笔成交数据，提取投资者当日高于收盘价买入和低于收盘价卖出的量价特征，反映遗憾规避心理导致的抛压减小和买入动力减弱现象，并叠加小单和尾盘过滤以增强非理性情绪的信号纯度。

经济逻辑

根据遗憾规避理论，投资者在浮亏时倾向避免承认失误而惜售，导致高于收盘价的主动买入量越大、偏离越大，未来抛压越小，预期收益越高；反之，在卖飞后不愿再次买回，低于收盘价的主动卖出量越大、偏离越大，未来买入动力越弱，预期收益越低。

超额收益逻辑

因子收益来源于投资者非理性行为造成的短期定价偏误。高于收盘价买入导致惜售，减小抛压推高未来收益；低于收盘价卖出导致不愿买回，降低买入动力压低未来收益。小单代表散户非理性更强，尾盘代表信息含量更高，两者叠加使得这种定价偏误更显著。

构造细节 [factor]

因子定义

1. 买卖方向判定：若某笔交易由买方先挂单，卖出方后提交订单撮合成交，记为主动卖出；若卖方先挂单，买方后提交订单，记为主动买入。将同一订单号的成交汇总为实际订单。 2. 买入浮亏占比(HCVOL) = 主动买入且成交价 > 收盘价的总成交量 / 当日总成交量。正向因子。 3. 卖出反弹占比(LCVOL) = 主动卖出且成交价 < 收盘价的总成交量 / 当日总成交量。负向因子。 4. 买入浮亏偏离(HCP) = 主动买入且成交价 > 收盘价的价差之和(∑(price-close)*vol) / 当日总成交量。正向因子。 5. 卖出反弹偏离(LCP) = 主动卖出且成交价 < 收盘价的价差之和(∑(price-close)*vol) / 当日总成交量。因偏离为负数，因子值越低买入动力越弱，预期收益越低，记为正向因子。 6. 小单改进(S后缀)：仅纳入实际订单成交量 < 当日所有实际交易量均值的订单。 7. 尾盘改进(E后缀)：仅纳入14:30-14:57期间发生的交易。 8. 周频合成(FRegretFactorW)：日频因子降频至周频并合成。 9. 市值中性化(FRegretFactorWAdjCI)：对周频合成因子进行市值中性化处理。

处理流程

读取逐笔成交数据，提取时间、价格、量、买卖订单号
根据订单号聚合交易，还原真实订单大小。若买单号被拆分为多笔，则该笔为主动买入；反之亦然
计算当日实际交易量均值，筛出小于均值的小单数据
筛出14:30-14:57内的尾盘交易数据
根据成交价与当日收盘价的关系，分别计算小单尾盘条件下的主动买入浮亏量/占比/偏离和主动卖出反弹量/占比/偏离
计算得到HCVOL, LCVOL, HCP, LCP（及带有S和E后缀的改进版因子）
将日频因子降频为周频，合成得到FRegretFactorW
进行市值中性化处理，得到FRegretFactorWAdjCI

参数

尾盘时间窗口: 14:30-14:57小单阈值: 当日所有实际交易量均值

数据输入

: (逐笔(Level-2)): (日频/日内)

组合方式

将四个改进后的因子降频至周频后合成，再与传统风格因子、量价背离因子、线性重构因子等合成构建中证1000指数增强策略

绩效

96.31%

LCPES多空年化收益率

8.77

LCPES夏普比率

36.97%

FRegretFactorWAdjCI多空年化收益率

5.00

FRegretFactorWAdjCI夏普比率

8.55%

合成因子周频IC均值

20.79%

中证1000指增策略年化超额收益率

4.05

中证1000指增策略信息比率

基准: 中证1000指数

回测期: 2016年1月至2022年8月

基于高频逐笔成交数据和行为金融学遗憾规避理论构建的因子，经过小单和尾盘改进后表现突出。降频至周频合成后构建的中证1000指数增强策略，年化超额收益率达20.79%，信息比率为4.05。

收益归因

报告未进行严格的收益归因分析，但通过相关性测试发现该因子与传统风格因子、量价背离因子和线性重构因子相关性较低。

缺口: 缺乏对因子收益来源更深层的风险归因和行业暴露分析。

稳健性

子样本稳定性: 大部分因子在2021年下半年至2022年上半年出现一定回撤，但近期恢复上涨趋势，整体稳定性和持续性较好。

风格偏差: 与传统风格因子、量价背离因子和线性重构因子相关性较低。

经小单和尾盘改进后，因子IC均值和风险调整后IC均有显著提升，表现稳健且与其他常见因子互补性强。

数据依赖

所需数据: 高频Level-2逐笔成交数据（需包含买卖订单号、成交价、成交量、时间戳），日频收盘价数据，中证1000成分股列表

可复现性: medium

需要Level-2逐笔成交数据以及订单号信息，数据获取和清洗要求较高，但因子构造逻辑明确，代码实现可复现。

新颖性评估 [新数据]

将传统行为金融学中的遗憾规避理论与高频逐笔订单数据结合，创新性地通过订单号还原真实交易意图并提取价量偏离特征，视角新颖。

不足与缺陷

未对交易成本在日频多空回测中的影响进行明确说明，日频96.31%的多空收益可能被高昂的交易成本大幅侵蚀
因子逻辑依赖订单号判定买卖方向和拆单行为，可能对交易所撮合机制变化或数据字段缺失比较敏感
缺乏对因子收益来源更深层的风险归因和行业暴露分析

可复用元素

基于买卖订单号判定真实买卖方向以及拆单聚合的方法
采用日内实际交易量均值作为大小单动态阈值的方法，增强了横截面可比性
尾盘时间窗口（14:30-14:57）与小单过滤器的结合使用

启发

高频数据中提取行为金融学偏差（如处置效应、遗憾规避）的框架可泛化至其他非理性行为
动态阈值（如日均实际订单成交量）用于划分投资者结构，比固定金额阈值更具适应性

改进方向

构建“多锚点锚定效应”高频因子。利用逐笔成交价与日内VWAP、开盘价、前日收盘价等多个关键心理价位的偏离程度，结合订单大小和尾盘时间，衡量投资者对不同价格锚点的非理性坚持，替代单纯的收盘价锚定。

基于: 相似逻辑（行为金融学偏差+高频逐笔量价特征+小单/尾盘改进）+ 不同构造（将锚点从收盘价扩展到VWAP等其他关键价位，计算多锚点下的遗憾规避偏离度并融合）预期收益: 可能捕捉到更丰富的投资者心理锚点偏差，提升因子的覆盖面和稳健性，减少对单一收盘价指标的过度依赖。

复现计划

获取A股Level-2逐笔成交数据，提取订单号、成交价、成交量与时间。首先通过订单号还原真实订单大小及方向，使用当日真实订单均值为阈值筛选小单，截取14:30-14:57的尾盘数据。计算尾盘小单中主动买入且价格>收盘价的量与偏离、主动卖出且价格<收盘价的量与偏离，分别除以当日总成交量构造因子。以次日开盘价进行十分组IC测试和回测，后降频至周频合成并进行市值中性化，最后与传统风格因子合成构建中证1000指增策略。