市场微观结构观察与2023年以来的高频因子回顾 | 开源金工

开源开源金工 2026-07-08 置信度: high

综合质量 4 /5

新颖性 3 /5

可复现性 4 /5

核心内容

报告从早盘交易集中度、委托金额、筹码充足率、程序化交易比例四大视角分析了A股市场微观结构变迁，指出散户参与度提升及政策对程序化交易的影响。同时回顾了三个高频因子：高维记忆(MEMO)、强反转(SR)、彩票委托(LOTTERY)，在2023年以来的表现，并展示了它们的构造逻辑和微观结构基础。

经济逻辑

散户交易多呈现情绪化、随机性，而抱有“彩票博弈”心理在极端价格挂单往往是散户行为。相反，机构资金具有算法拆单的连续性与方向记忆性。基于订单流提取高频特征能有效刻画投资者结构与主力资金行为，利用均值回归与资金流不对称性获取超额收益。

超额收益逻辑

MEMO因子捕捉机构算法拆单的行为记忆性，记忆性越强代表机构资金越活跃，公司质量与后续表现越好；SR因子利用大单造成的过度反应后的均值回归逻辑获取Alpha；LOTTERY因子通过反向剔除散户主导的彩票博弈标的，规避非理性定价带来的下跌风险。

构造细节 [factor]

因子定义

1. 高维记忆_MEMO因子：将逐笔委托数据中的主动买入/卖出方向转化为+1/-1的符号序列，计算当前订单与后续几笔订单的自相关系数，合成记忆性强度。订单关联性越强，机构拆单贡献度越高，未来表现越好。 2. 强反转_SR因子：在分钟级别上，利用分钟单笔成交金额对日内240分钟的涨跌幅进行加权切割，构造理想反转因子，大单反转效应更强。 3. 彩票委托_LOTTERY因子：统计在涨停价挂卖单或在跌停价挂买单的委托数量占比。这部分委托占比越高，说明散户特征主导，缺乏机构投资者，未来收益表现越差。

处理流程

1. 数据准备：获取全A股Level-2逐笔委托、成交数据和分钟数据，剔除ST及涨跌停股票。
2. 序列生成与切割：对于MEMO，将逐笔委托方向转为符号序列；对于SR，计算每分钟收益率并提取对应分钟单笔成交金额序列；对于LOTTERY，遍历识别涨停价买单和跌停价卖单委托。
3. 因子计算：MEMO计算各滞后阶数的自相关系数并合成；SR用单笔金额加权分钟收益率取反；LOTTERY计算极端委托量占当日总委托量的比例。
4. 平滑处理：对上述每日计算的原始因子值取20日滚动均值。
5. 标准化与回测：横截面标准化处理（推测），在全市场按因子值大小分组，计算多空收益。

参数

滚动均值窗口: 20日日内分钟数: 240

数据输入

: (Tick/逐笔): (分钟): (Tick)

组合方式

单因子独立测试

绩效

29.3%

高维记忆_MEMO因子多空收益

19.7%

强反转_SR因子多空收益

32.9%

彩票委托_LOTTERY因子多空收益

回测期: 2023年以来

2023年以来，高频因子表现出现不同程度减弱，但部分因子依然亮眼。彩票委托因子多空收益32.9%，高维记忆因子29.3%，强反转因子19.7%。

收益归因

报告主要对高频因子的多空收益进行跟踪回顾，未对收益来源进行具体的归因分析。

缺口: 缺乏基于风险因子或行业暴露的收益归因分析。

稳健性

子样本稳定性: 因子在2023年以来经历了样本外较长检验，但在2024年“新国九条”限制高频交易等政策出台后，整体表现出现不同程度减弱，表明对微观结构政策变化有一定敏感性。

风格偏差: 偏向微观结构与流动性驱动，受散户参与度提升及游资活跃度影响较大。

因子基于市场底层微观结构构造，逻辑坚实，但受政策与市场参与者结构变动影响，鲁棒性中等。

数据依赖

所需数据: Level-2逐笔委托、成交数据及分钟级量价数据

可复现性: hard

高度依赖高频Level-2底层数据，特别是逐笔委托方向与撤单行为数据，清洗和计算成本极高，复现难度大。

新颖性评估 [综述]

对前期基于Level-2数据开发的高频微观结构因子进行总结与回顾，展示了其长期有效性与政策影响下的变化。

不足与缺陷

未提供详细的因子计算公式、具体滞后阶数和横截面处理细节，复现门槛较高
未对因子进行行业、风格中性化说明及收益归因分析，无法剥离风格暴露的影响
面对2024年程序化交易新规等政策影响，未给出因子失效的具体阈值或动态调整方案

可复用元素

四大微观结构观察视角：早盘集中度、委托金额、筹码充足率、程序化交易比例
三种高频因子的核心构造思想：委托方向符号序列自相关、单笔金额加权切割反转、极端彩票委托占比

启发

政策对高频交易限制会导致微观结构变化，需动态监测筹码充足率与高频撤单比例调整策略
散户参与度提升阶段，基于散户极端行为特征（如彩票委托）的逆向因子表现可能增强

改进方向

基于订单流不平衡（OFI）改进高维记忆因子

基于: 高维记忆_MEMO因子预期收益: 原因子仅使用符号方向处理序列，改进为结合盘口十档挂单大小与方向的OFI序列计算自相关系数，能更准确衡量真实资金流入流出的长期记忆性，提升机构行为刻画精度与信噪比。

复现计划

1. 获取全市场Level-2数据（逐笔委托、成交、十档盘口）。2. 提取逐笔委托方向构建符号序列计算MEMO因子；按单笔金额切割分钟涨跌幅计算SR因子；提取极端价格委托计算LOTTERY因子。3. 取20日滚动均值，横截面标准化。4. 剔除ST、涨跌停股票，在全市场分5组或10组回测，计算多空收益及IC指标。

实体

高维记忆_MEMO因子 [factor]强反转_SR因子 [factor]彩票委托_LOTTERY因子 [factor]Level-2 [dataset]魏建榕 [person]苏良 [person]早盘交易集中度 [concept]筹码充足率 [concept]程序化交易比例 [concept]委托金额 [concept]

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

LOCAL SIMILARITY