【国信金工】高频订单成交数据蕴含的Alpha信息

国信张欣慰、张宇 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

本文从日频、分钟频深入到行情数据源头——逐笔成交数据。基于每只股票每天的委买单和委卖单，从订单大小（大单vs小单）、成交时长（漫长vs非漫长）、成交时间、成交价格等多维特征进行划分。将同类订单的实际成交量加总除以全天成交量，构建系列“成交量占比因子”。通过对传统大单因子的拆解和方向调整，构建了“改进大单交易占比”、“漫长订单交易占比”及精选复合因子，在月频和周频调仓下均取得优秀的选股绩效。

经济逻辑

股价行情波动是背后投资者交易的结果。大单交易者通常具备更强的信息优势和资金优势，而成交漫长的订单更可能是长线资金，不同特征订单代表了不同类型投资者的博弈结果，对未来股价具有预测能力。

超额收益逻辑

通过跟踪大单（信息/资金优势）和漫长订单（长线资金）的交易行为，能够有效识别主力资金意图。不同类型成交记录对个股预期收益影响不同，将具有正向预测能力的特征占比因子合成，可获取持续的Alpha收益。

构造细节 [factor]

因子定义

1. 定义大单：对每只股票每天的委买单和委卖单分别统计，将同一委买/卖ID对应的实际成交量加总，按降序排列取前10%分位点为大单阈值，>阈值为大单。 2. 传统大单占比：大买单（或大卖单）成交量之和 / 全天总成交量。 3. 改进大单占比：对大单买入与大单卖出方向进行调整后合成。 4. 漫长订单占比：按订单成交时长排序取分位点定义漫长订单，其成交量之和 / 全天总成交量。 5. 复合因子：等权合成。

处理流程

步骤1：解析逐笔成交数据，提取交易时间、价格、量、买卖ID。
步骤2：剔除开盘集合竞价成交记录，仅保留连续竞价阶段。
步骤3：根据买卖ID聚合成交量，还原单笔委托订单的总成交量及成交时长。
步骤4：计算每日各股票大单（90%分位）、漫长订单等特征的阈值。
步骤5：识别大买单、大卖单、漫长买单、漫长卖单等，加总各类特征订单的实际成交量。
步骤6：计算各类成交量占比因子 = 特征订单成交量 / 当日总成交量。
步骤7：对因子方向进行调整和合成（等权），并进行风格中性化处理得到纯净因子。

参数

大单划分分位点: 前10%分位点漫长订单划分分位点: 推测取前10%

数据输入

: (逐笔): (逐笔): (逐笔): (逐笔)

组合方式

将不同特征维度的子因子（如改进大单交易占比、漫长订单交易占比）等权合成复合因子。

绩效

7.6%

改进大单交易占比因子RankIC均值

3.73

改进大单交易占比因子年化RankICIR

8.4%

大单及漫长订单复合因子月度RankIC均值

4.39

大单及漫长订单复合因子年化RankICIR

5.2%

精选复合因子周度RankIC均值

6.57

精选复合因子年化RankICIR

82.6%

精选复合因子周胜率

基于逐笔成交数据构建的改进大单、漫长订单及复合因子表现出极强的选股能力。月频精选复合因子RankIC达8.5%，年化RankICIR为5.06；周频精选复合因子RankIC为5.2%，年化RankICIR高达6.57。

收益归因 ✓ 已完成

复合因子在风格上更倾向于低估值、大市值、低波动、低换手股票。在剥离掉传统选股因子后，纯净因子仍展现出稳健的选股能力。

方法: 剥离传统选股因子（风格中性化）

缺口: 报告仅提及了风格暴露及中性化后的有效性，未提供详细的收益归因分解模型结果。

稳健性

子样本稳定性: 月胜率达88.1%-90.5%，周胜率达78.4%-82.6%，稳定性极高

风格偏差: 倾向于低估值、大市值、低波动、低换手股票

因子在剥离传统风格因子后仍展现稳健选股能力，胜率和ICIR均处于极高水平，表现出优秀的稳健性。

数据依赖

所需数据: 逐笔成交数据（包含成交时间、价格、量、买卖订单号等12个条目）

可复现性: hard

依赖最细颗粒度的Level-2逐笔成交数据，数据量极大，预处理需按订单号聚合，数据获取和算力要求较高，复现难度大。

新颖性评估 [新组合]

将传统的量价数据下沉至逐笔成交数据，并创新性地从“订单大小”、“成交时长”、“成交时间”、“成交价格”四个维度统一构建“成交量占比因子”框架，是对高频微观结构因子的系统性挖掘和重构。

不足与缺陷

对高频逐笔数据的强依赖，数据获取和清洗成本极高，存在较大的IT基础设施门槛。
文中提到的“改进”对大单买卖因子的方向调整未在截取部分展示详细公式，存在黑盒嫌疑。
大单及漫长订单等因子的计算未考虑撤单情况，仅基于实际成交记录，可能遗漏隐藏的意图信息。

可复用元素

分位点划分大单阈值：避免了绝对金额划分在不同市值股票中的失真问题，具有普适性。
订单聚合逻辑：通过委买/委卖ID将多笔成交还原为一笔订单，更真实反映投资者单次决策的体量。
统一框架：各类高频特征均可纳入“成交量占比”的统一计算框架，扩展性强。

启发

高频因子的构建应从“结果”（成交价/量）深入到“过程”（订单的拆分、时长等），反映交易者的耐心和信息优势。
因子横截面标准化时，采用分位点法比绝对值法更能适应不同特征的股票。

改进方向

引入订单失衡（OFI）与大小单结合的微观结构因子

基于: 相似逻辑（大单交易占比）+ 不同构造（结合订单簿动态失衡）预期收益: 改进后的大单占比因子仅考量了成交量，若结合OFI（订单流不平衡），可同时捕捉主动买卖力量的相对强弱，可能进一步提升因子的预测能力和ICIR。

基于成交时长和单笔规模的二维聚类打标签模型

基于: 相似逻辑（大单+漫长订单分别构建因子）+ 不同构造（二维联合分类）预期收益: 报告是分别构建大单和漫长订单因子再等权，若按成交量分位和时长分位进行二维交叉划分（如：大且漫长的订单占比），可能提取出更具代表性的长线主力资金特征，提升因子解释力。

复现计划

1. 获取A股全市场逐笔成交数据（含委买/委卖ID，剔除开盘集合竞价）；2. 按ID聚合，计算每笔订单的总成交量及成交时长；3. 横截面按股票日内计算前10%分位数作为大单/漫长订单阈值；4. 筛选符合条件的订单，加总成交量并除以当日总成交量得占比因子；5. 进行方向调整并等权合成；6. 按周频/月频计算RankIC及分组收益。