高频订单簿+弹性与投资者耐心：斜率凸性选股因子

国金高智威，王小康 2026-06-11 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

本报告基于沪深交易所3秒快照的限价订单簿前十档数据，构建订单簿斜率及斜率凸性因子。首先计算买卖双方前十档的累计委托量和委托价斜率，发现整体预测效果一般。进一步将订单簿分为高档（远离中间价，投资者更有耐心、可能有信息优势）和低档（靠近中间价，反映常规供需弹性），发现低档买方斜率大、卖方斜率小预测收益高；而高档则呈反向预测效果。利用这一反向特征合成斜率凸性因子，衡量订单簿曲线凸性，在沪深300等大市值股票上表现优异。最终合成周频因子，并叠加基本因子构建中证800指数增强策略。

经济逻辑

经典经济学中供需弹性指价格变动引起的需求/供给量变动敏感度。股票市场上，限价订单簿的委托量随委托价变化的比率即为订单簿斜率。低档位（近买一/卖一）斜率小代表弹性大，投资者对价格敏感；高档位（远买十/卖十）斜率大代表投资者有耐心且可能具有信息优势。高档与低档投资者的行为逻辑不同导致预测效果相反，订单簿曲线的凸性（高低档斜率差异）综合反映了市场微观供需结构与投资者耐心。

超额收益逻辑

低档斜率反映了资金对短期价格波动的敏感度（弹性），低档买方斜率大说明资金不惧价格追涨，预期收益高；高档斜率反映了耐心资金的提前布局（信息优势），高档买方斜率大说明资金在下方低位等待，预期价格会跌。两者结合的凸性因子能够剥离普通供需与信息优势的混合影响，纯粹刻画投资者耐心结构与信息分布，因此能获取基于微观结构的高额超额收益。

构造细节 [factor]

因子定义

1. 累计委托量及占比: 对于第K档，Vol_cum_k = sum(vol_1, ..., vol_k)；占比 P_vol_k = Vol_cum_k / Vol_cum_10。2. 买卖方整体斜率: Slop_b = -(Price_1 - Price_10) / (P_vol_1 - P_vol_10)；Slop_a = (Price_10 - Price_1) / (P_vol_10 - P_vol_1)。3. 高低档斜率: 低档取第1到第5档，Slop_bl = -(P_b1 - P_b5) / (Pv_b1 - Pv_b5)；高档取第6到第10档，Slop_bh = -(P_b6 - P_b10) / (Pv_b6 - Pv_b10)。同理计算卖方Slop_al, Slop_ah。4. 斜率凸性因子: 衡量曲线弯曲程度，Conv_b = Slop_bh - Slop_bl (买方高档与低档斜率差)；Conv_a = Slop_ah - Slop_al。5. 合成: 将Conv_a, Slop_al, Slop_bl等权或IC加权合成最终周频因子。

处理流程

获取3秒高频前十档买卖价量快照数据
计算每个Tick的前十档累计委托量及占比
计算每个Tick的买卖方整体斜率、低档斜率(1-5档)、高档斜率(6-10档)
计算每个Tick买卖方凸性因子(高档斜率与低档斜率之差)
对日内所有Tick的因子值取均值，得到日频原始因子
对日频因子进行横截面标准化处理
将日频因子降频至周频（如取每周最后一个交易日截面）
结合基本因子输入组合优化器构建指数增强策略

参数

K: 10高低档分割阈值: 5手续费率: 0.002

数据输入

: (3秒快照): (3秒快照)

组合方式

将卖方凸性因子与买卖方低档位斜率因子合成，再与四个传统有效基本因子结合进行指数增强。

绩效

-1.69%

低档斜率因子IC均值(中证800)

-0.22

低档斜率因子IC_IR(中证800)

32.75%

低档斜率因子多空年化(中证800)

4.13

低档斜率因子多空夏普(中证800)

6.89%

低档斜率因子多空最大回撤(中证800)

12.64%

高档斜率因子多空年化(中证800)

-2.16%

低档斜率因子IC均值(沪深300)

-9.30

低档斜率因子IC t值(沪深300)

1.36%

高档斜率因子IC均值(沪深300)

3.93

高档斜率因子IC t值(沪深300)

34.09%

低档斜率因子多空年化(沪深300)

3.49

低档斜率因子多空夏普(沪深300)

17.57%

高档斜率因子多空年化(沪深300)

1.21

高档斜率因子多空夏普(沪深300)

13.52%

低档买卖方斜率因子多头年化超额(沪深300)

3.49

低档买卖方斜率因子多空夏普(沪深300)

12.86%

斜率凸性因子多头年化超额(沪深300日频)

3.14

斜率凸性因子多空夏普(沪深300日频)

10.04%

斜率凸性因子多头年化超额(周频)

2.04

斜率凸性因子多空夏普(周频)

9.53%

合成因子多头年化超额(周频)

1.36

合成因子多空夏普(周频)

8.25%

中证800指增年化超额(千二手续费)

0.98

中证800指增信息比率(千二手续费)

19.91%

结合基本因子指增年化超额

1.59

结合基本因子指增信息比率

基准: 中证800/沪深300

回测期: 2016年1月至2022年8月

基于高频限价订单簿构建斜率凸性因子，衡量供需弹性与投资者耐心。低档斜率因子预测效果优于高档，且因子在大市值股票表现更佳。合成周频因子多头年化超额9.53%，结合基本因子的中证800指增策略年化超额19.91%，信息比1.59。

收益归因

缺口: 报告未对因子收益进行风格归因分析

稳健性

子样本稳定性: 在沪深300大市值股票上表现优于中证1000小市值股票；降至周频后依然保持有效（多头年化超额10.04%）；在扣除单边千二手续费后，单因子指增策略依然有8.25%的超额收益。

风格偏差: 报告未显式进行Barra风格归因，但因子在大市值股票表现更好，可能隐含一定的市值风格偏向，且与传统高频量价因子相关性较低。

因子在周频调仓、大市值股票中表现出较好的稳定性和抗交易成本能力，但在小盘股上效果有所衰减。

数据依赖

所需数据: Level-2行情数据，包含3秒快照的前十档限价订单簿买卖价和买卖量。

可复现性: medium

需要高频Tick级订单簿数据，数据处理与累计量计算量较大，但因子逻辑清晰，无复杂黑盒模型，中等难度可复现。

新颖性评估 [新组合]

将微观结构中的订单簿斜率按高低档拆分并构建凸性因子，结合供需弹性与投资者耐心理论，提出了一种全新的高频降频选股因子构造方法，且在大市值股票上表现优异，具有创新性和实用价值。

不足与缺陷

缺少对斜率凸性因子精确数学定义和合成权重的披露（如是否等权合成或IC加权），影响完全复现。
对风格归因（如市值、流动性、波动率）的探讨不足，无法确定超额是否完全来自特质微观结构而非某种风格暴露。
对订单簿撤单行为未做处理，A股市场存在大量虚假挂单（幌骗），可能扭曲真实的供需弹性。
未考虑大单拆分在十档中的瞬时冲击对斜率计算的噪声影响。

可复用元素

高低档订单簿斜率的划分思路及背后的信息差异逻辑。
基于3秒快照数据计算日内均值降频的工程处理方法。
在大市值股票上应用高频微观结构因子的实证发现，打破了高频只在小盘有效的刻板印象。

启发

高频微观结构因子不一定只在小盘有效，大盘股盘口同样蕴含可预测信息。
订单簿的非线性特征（凸性）比单纯的线性特征（斜率）具有更强的预测力。
投资者耐心可以通过订单簿不同档位的挂单分布特征来量化。

改进方向

结合订单簿撤单数据，构建净留存委托量斜率凸性因子

基于: 相似逻辑(基于订单簿高低档凸性)，不同构造(引入撤单行为过滤虚假挂单) 预期收益: 消除市场游资或机构利用虚假挂单造成的订单簿形态扭曲，提升因子在中小盘股票上的有效性和信号噪声比。

复现计划

1. 获取2016-2022年沪深300及中证800成分股的3秒Level-2前十档快照数据。2. 计算每Tick前十档累计委托量及比例。3. 利用1-5档计算低档斜率，6-10档计算高档斜率，买卖方分别计算。4. 定义凸性因子为高档与低档斜率的差值。5. 对每日内所有Tick的因子值取均值得到日频因子。6. 转换为周频因子（如周末截面值）并进行横截面中心化标准化。7. 在大中盘池中进行十分组测试，计算IC及多空收益。8. 扣除单边千二手续费，与四个基本因子合成输入优化器进行中证800指增回测。

实体

订单簿斜率因子 [factor]高档斜率因子 [factor]低档斜率因子 [factor]斜率凸性因子 [factor]买卖方斜率差异因子 [factor]限价订单簿(十档) [dataset]供需弹性 [concept]投资者耐心 [concept]中证800指数增强策略 [method]国金证券 [person]高智威 [person]王小康 [person]

查看原文 → 模型: glm-5-2-260617 分析时间: 2026-07-13

LOCAL SIMILARITY