【国盛金工量价选股】订单簿资金流因子簇的构建与生产加速——基于Memory Map的分段读取性能优势

国盛沈芷琦阮俊烨 2026-05-23 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

本文围绕“数据存储与读写技术”和“体系化因子构建思路”展开。技术端，详细展示了Memory Map在宽表存储下分段读取数据的性能优势及其代码实现；因子端，提出基于高频订单簿数据构建资金流因子的三维框架，通过细粒度拆解数据来源、交易者结构、买卖方向与量纲，生成海量因子池并筛选合成订单簿资金流综合因子，最终应用于宽基指数增强。

经济逻辑

不同投资者结构（大单vs小单）与买卖方向（主买vs主卖）反映了交易者对市场未来走势的预期差异及激进程度。提取这些微观资金流在日内特定时段的分布特征（均值、标准差等）及其与收益率的交互作用，能够有效刻画知情交易者的资金动向，从而在日频维度提供选股Alpha。

超额收益逻辑

通过微观结构数据精准定位“聪明钱”或激进交易者的动向。大单或超大单的主买力量强弱、撤单比例等反映了知情交易者的私有信息与交易意图。将其日内分布特征或与价格协同波动提取为日频因子，能够前瞻性捕捉供需失衡带来的未来价格变动。

构造细节 [factor]

因子定义

1. 基础指标设计: 从{成交, 委托, 撤单}中选取数据来源；从{整体, 超大单, 大单, 中单, 小单}选取交易者结构；从{整体, 主买, 主卖, 主买-主卖}选取方向；从{量, 金额, 笔数, 单笔量, 单笔金额}选取量纲。四维交叉生成分钟级资金流指标序列 $MF_{t}$。 2. 标准化处理(可选): 对个股分钟资金流指标进行截面标准化，去除市场或行业系统性影响。 3. 因子计算: 在日内特定时段(如第一小时)或全天，计算 $MF_{t}$ 的均值、标准差、偏度、峰度；或计算 $MF_{t}$ 与分钟收益率 $R_{t}$ 的相关系数 $Corr(MF_t, R_t)$，得到日频因子值。

处理流程

1. 将原始Level-2逐笔数据转换为Memory Map宽表格式存储，维度为(242*N, 1)。
2. 根据固定金额或过去20日分位数，逐笔标记大中小单标签及主动买卖方向。
3. 按分钟聚合，生成各维度组合的分钟级资金流指标(量、额、笔数等)。
4. (可选)对分钟资金流指标进行横截面标准化去均值。
5. 利用Memory Map分段读取特性，截取日内特定时段的数据。
6. 计算截取数据的统计特征(均值、偏度等)或与收益率的相关系数，生成日频因子值。
7. 批量计算约10万个因子，根据因子表现与相关性矩阵筛选50个因子，等权合成Top10因子得到最终综合因子。

参数

大小单划分-固定金额: 超大单>100万, 大单20-100万, 中单4-20万, 小单<4万大小单划分-浮动分位数: 超大单>99%, 大单90-99%, 中单70-90%, 小单<70%Memory Map shape: (结束分钟位置-开始分钟位置, 当日股票数量)Memory Map offset: 数据值开始位置 + 开始分钟位置 * 当日股票数量

数据输入

: (Tick/逐笔(Level-2)): (Tick/逐笔(Level-2))

组合方式

从约10万个因子中筛选效果最优且相关性较低的50个因子构建因子簇，随后选取样本内信息比率(IR)最高的10个因子等权合成综合因子。

绩效

0.110

月度RankIC均值

4.24

年化RankICIR

41.37%

多空对冲年化收益

3.29

多空信息比率

87.85%

月度胜率

13.26%

最大回撤

3.43

纯净因子年化RankICIR

6.66%

沪深300增强超额年化收益

10.72%

中证500增强超额年化收益

15.97%

中证1000增强超额年化收益

基准: 沪深300、中证500、中证1000

回测期: 2016/01/01-2024/12/31

订单簿资金流综合因子在全体A股中月度RankIC均值为0.110，年化RankICIR为4.24，10分组多空对冲的年化收益为41.37%，信息比率为3.29。剔除风格和行业影响后纯净因子年化RankICIR达3.43。基于该因子构建的沪深300、中证500、中证1000指增组合超额年化收益分别为6.66%、10.72%、15.97%。

收益归因 ✓ 已完成

剔除了市场常用风格和行业的影响后，纯净因子仍然有效，年化RankICIR达到3.43，全市场10分组多空对冲的信息比率为3.52。

方法: 回归法

稳健性

子样本稳定性: 因子在2016-2024近9年的长回测期内表现稳定，多空月度胜率达87.85%，最大回撤控制在13.26%。

风格偏差: 通过回归法剥离市场常用风格和行业影响后，纯净因子年化RankICIR达3.43，全市场多空IR达3.52，说明超额收益并非来源于传统风险因子暴露。

因子在宽基指数增强中表现出强普适性，随着市值下沉，超额收益和信息比率呈递增趋势（中证1000指增超额15.97%，IR2.86），具备极强的实际应用价值。

数据依赖

所需数据: 全市场A股Level-2逐笔成交、逐笔委托、撤单数据，需存储为连续内存映射(Memory Map)文件；同时需要分钟量价数据作为辅助计算。

可复现性: hard

因子逻辑清晰且数据处理流程透明，但复现门槛极高。一方面需要高质量、长周期的Level-2微观结构数据，另一方面需要构建Memory Map宽表存储系统及多进程并行计算框架，对工程化能力要求苛刻。

新颖性评估 [新方法|新组合]

属于工程实现与因子构建框架的新组合。工程上深度利用Memory Map进行文件级内存映射与分段切片加速计算；因子逻辑上将资金流拆解为数据源、交易者、方向、量纲四个正交维度，实现十万级因子的体系化批量生产与筛选。

不足与缺陷

因子簇从10万个筛选至50个，存在极高的过拟合风险，尽管使用了样本内IR选优，但未详细披露样本外时间段的验证流程。
动态大小单划分依赖过去20日的分位数，在极端行情或个股停复牌时可能产生阈值失真或未来函数风险（需确认计算细节）。
回测未明确交易成本（手续费、滑点及冲击成本），高频资金流因子通常换手率偏高，扣除实际成本后超额收益可能大幅缩水。

可复用元素

Memory Map的offset和shape参数计算逻辑，为高频数据切片读取提供了极高性能的工程方案。
“数据来源-大小单-主买卖方向-量纲”的四维正交拆解框架，可无缝迁移至其他微观结构因子的挖掘。
浮动分位数划分大小单的方法，能更好适应不同价格和流动性特征的股票。

启发

可以将MMap分段读取技术应用于其他需要日内特定时段切片的量价因子（如尾盘抢筹、开盘异动等），大幅提升研究效率。
四维交叉生成因子库的思路表明，微观结构因子的核心在于正交维度的穷举与组合，可进一步引入订单簿深度、挂单撤单比等新维度。

改进方向

引入订单簿不平衡度（Order Imbalance）与价格冲击（Kyle's Lambda）的交互因子

基于: 相似逻辑（微观资金流与买卖方向） + 不同构造（不单看成交量统计，而结合盘口深度和价格弹性构建非线性特征）预期收益: 能更有效地区分资金流是由知情交易者驱动还是流动性需求驱动，提升因子的信息含量和纯净IC。

使用时序注意力机制替代简单的均值/标准差统计

基于: 相似逻辑（分钟级资金流降频为日频） + 不同构造（将分钟资金流序列输入Transformer提取时序模式）预期收益: 自动捕捉日内资金流的非对称时序衰减特征，避免人工设计统计量的主观性，可能获取更高的单因子IR。

复现计划

1. 获取A股Level-2逐笔数据，清洗并格式化为(242, N)的宽表，使用numpy.memmap存为.mmap文件；2. 编写切片函数，通过计算offset提取特定时段的分钟数据；3. 按照四维组合（3数据源*5大小单*4方向*5量纲）生成约300个基础分钟资金流序列；4. 计算这些序列的4个统计量及与收益率的相关系数，生成约1200个日频因子（扩展参数可达10万）；5. 在2016-2024年回测，剔除行业风格后计算RankICIR，并用相关性矩阵去冗余，筛选Top10等权合成；6. 构建指数增强组合回测，对比其与基准的超额收益及最大回撤。

实体

Memory Map [method]订单簿资金流因子簇 [factor]订单簿资金流综合因子 [factor]羊群效应因子簇 [factor]逐笔成交 [dataset]逐笔委托 [dataset]撤单数据 [dataset]沈芷琦 [person]阮俊烨 [person]大小单 [concept]主动买入/主动卖出 [concept]

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

LOCAL SIMILARITY