資金流因子在中高頻行業(yè)輪動中的應用

1、自2019年以來，北向資金的有效席位數(shù)量增多，對市場影響逐漸增強，能夠有效選擇行業(yè)和個股的衍生策略愈發(fā)豐富。我們在樣本外跟蹤基于資金流衍生因子的策略過程中，不斷針對市場情境提出不同的行業(yè)輪動解決方案。在我們跟蹤組合樣本外表現(xiàn)時，發(fā)現(xiàn)資金流類策略的幾個痛點：1、資金的共識能夠在市場普遍上行時提供大量超額收益，但領先效應往往時間較短。2、部分資金在特定行業(yè)上有特定的偏好，覆蓋度上有偏，盲目跟蹤某類特定資金帶來的回撤同樣不小。3、假如我們簡單跟隨大類資金的投資方向而不做任何拆分處理，最終可能將我們引入過于擁擠的行業(yè)，整體回撤也會相對較大。區(qū)分不同資金是巨鯨還是群鯊。按照邏輯僅當某類資金能夠尋找到合適

2、的衍生因子進行跟蹤，且持有體驗相對較好、組間較為單調，才能確認該資金是適合跟蹤的。另外，近兩年市場狀態(tài)、參與者成分變化均較大，我們更希望能專注于找到近期開始有效的一些新型因子。因此針對周頻、月頻輪動，我們將回測時間限定在2019年末至 2022年6月2日，對應我們庫中的細分席位數(shù)據(jù)長度。針對周頻、月頻我們提出兩種不同的組合構建邏輯：周頻我們希望能夠揭示短期即將上行的行業(yè)，單一因子應以精準為主，推薦行業(yè)越少、越精準越好。因此我們在單因子測試中將28個一級行業(yè)按照多空分組調整為7組每組4行業(yè)。在行情較為多變時，月頻調整的策略多頭部分不宜過于集中。因此我們適當擴大月頻單因子測試的多頭范圍，將28個一

3、級行業(yè)按照多空分組調整為4組每組7行業(yè)。這樣在考慮組間單調性時給予因子一定的寬容度，能提前揭示草蛇灰線的機構長期配置思路。在本文中我們針對當前行業(yè)輪動提出一種更穩(wěn)定的方法：我們選擇三個大類因子中 RANK IC顯著、組間單調性較好的單因子嘗試進行復合，運用衍生因子構建主力、北向資金與融資盤等依據(jù)資金分類的大類因子，聚合成行業(yè)分組較為單調的復合因子。我們所選擇的衍生因子包含的信息并非僅包含各類資金的凈買入，而是通過測算與較為穩(wěn)定的參數(shù)擬合、刻畫不同資金的行業(yè)偏好?；诹績r方面，最穩(wěn)定的情況下復合因子輪動組合周頻年化超額收益率達15.71，夏普比率增強至1.06，超額收益最大回撤11.5，同時組間

4、多空較為單調。月頻在不引入任何參數(shù)的情況下超額收益率達到13.37，超額收益最大回撤5.63，兩種策略的歷史超額獲取率均超過50。我們認為基于衍生因子聚合的復合因子能更好刻畫部分巨鯨機構溫柔的巨獸的特征，相較于凈買入因子更能揭示易于跟蹤的中短期行業(yè)配置思路。、資金流因子概要基于量價匹配的思想，我們認為觀察巨鯨資金在一級行業(yè)的流向能提前預示行業(yè)未來表現(xiàn)。機構資金大幅流入有時能解釋短期熱門行業(yè)的走高，作為真金白銀知行合一的結果，各類機構資金的行業(yè)選擇帶有極其強烈的自身特色。若我們所選擇的資金從性質上能夠較好代表易于跟蹤的機構或專業(yè)投資者，那么跟隨資金流進行行業(yè)輪動可以近似看成跟隨市場各類機構最終落

5、地的行業(yè)觀點，達到與鯨同游的目的。單因 子測試過程中我們也可以對資金形成更透徹的認知，幫助我們識別危險的鯊類資金。我們將當前市場上主要的高披露機構資金從類別上分為三種，分別是外資、內(nèi)資、高風險偏好資金。我們同樣發(fā)現(xiàn)披露頻率越高的資金越能夠獲得市場上投資人的高度關注與跟蹤，反過來市場的關注也會進一步放大資金自身的影響。其中外資巨鯨我們主要觀察北向資金。北向高頻且透明的披露、對賽道的精準選擇、較大的體量獲得了市場上大部分投資者的關注。同時北向資金自身在熱門行業(yè)的流入較為線性，跟蹤持有體驗較好。內(nèi)資巨鯨我們主要關注LEVEL 2成交委托單數(shù)據(jù)，即傳統(tǒng)意義上的個股資金流入流出。依據(jù)金額聚類后的LEVE

6、L 2成交委托單能夠較好地表述各類投資者的特性，其中主力因子在行業(yè)選擇和北向的選擇有顯著不同，且同時組間較為單調。我們以融資余額作為觀測高風險偏好資金觀點的代理變量。融資融券賬戶有日均證券類資產(chǎn)50萬以上、要求一定交易經(jīng)驗的開戶標準，以及放大波動率的杠桿機制，我們可以近似認為融資買入的主體都是成熟投資者，且整體的風險偏好較高。T+1日披露的融資余額代表著融資客的動向。然而，上述資金流都有一個統(tǒng)一的問題，即資金本身快進快出難以跟蹤。我們曾發(fā)現(xiàn)在市場大幅波動時，各類資金經(jīng)常出現(xiàn)今天大幅流入明天大幅流出的現(xiàn)象，各類資金之間選擇的行業(yè)、流入的個股同樣會有較大的不同。我們認為出現(xiàn)上述現(xiàn)象的原因之一是同一

7、種資金內(nèi)部主體駁雜、不同種類資金對行業(yè)、個股的偏好并不一致，因此容易產(chǎn)生各類相悖的信號。另外我們也發(fā)現(xiàn)，如果簡單地選擇各類資金統(tǒng)一流入（以絕對金額為例）的行業(yè)賽道，往往會由于過于擁擠導致策略回撤較大。這也側面印證了我們不要冒險與鯊同游。圖表 1：資金統(tǒng)一流入周頻策略凈值表現(xiàn)圖表 2：資金統(tǒng)一流入月頻策略凈值表現(xiàn)Wind，華鑫證券研究Wind，華鑫證券研究所以在我們對各類資金做聚合時應該先進行處理、拆分，最大程度保留各類易于跟蹤的資金溫柔的巨獸的特性。具體流程如下：、北向資金2018年陸股通A股通道逐漸活躍時，北向資金就已經(jīng)表現(xiàn)出了較為亮眼的收益能力，背后的本質是自QFII通道縮減后，北向通道成

8、為外資投資中國不可或缺的工具。通過向 香港券商、銀行等合格經(jīng)紀人發(fā)起委托，海外投資者可以方便地購買北向標的名單中的A股上市股票。我們認為積極參與陸股通交易的海外跨境投資者中專業(yè)投資機構占比更高，整體體量也不容忽視。因此北向的流入能夠很好代表跨境外資的行業(yè)觀點。其對行業(yè)選擇的能力較為出色。截至2022年6月2日，北向整體持倉已達到23000余億。同時時點交易較為活躍，周流入峰值曾達500億以上。 北向合計(億元,人民幣) 滬股通(億元,人民幣) 深股通(億元,人民幣)18,000.0000 16,000.0000 14,000.0000 12,000.0000 10,000.0000 8,000

9、.0000 6,000.0000 4,000.0000 2,000.0000 0.0000 600.00億 500.00億 400.00億300.00億200.00億100.00億0.00億-100.00億-200.00億-300.00億-400.00億 -500.00億 北向時點凈流入 北向時點凈流入：MA10圖表 3：北向資金整體累計凈買入圖表 4：北向資金近一年周頻時點凈流入2014-11-282015-01-302015-03-312015-05-292015-07-312015-09-302015-11-302016-01-292016-03-312016-05-312016-07-

10、292016-09-302016-11-302017-01-262017-03-312017-05-312017-07-312017-09-292017-11-302018-01-312018-03-302018-05-312018-07-312018-09-282018-11-302019-01-312019-03-292019-05-312019-07-312019-09-302019-11-292020-01-232020-03-312020-05-292020-07-312020-09-302020-11-302021-01-292021-03-312021-05-312021-07-

11、302021-09-302021-11-302022-01-282022-03-312022-05-312021/6/42021/6/112021/6/182021/6/252021/7/22021/7/92021/7/162021/7/232021/7/302021/8/62021/8/132021/8/202021/8/272021/9/32021/9/102021/9/172021/9/242021/9/302021/10/82021/10/152021/10/222021/10/292021/11/52021/11/122021/11/192021/11/262021/12/32021

12、/12/102021/12/172021/12/242021/12/312022/1/72022/1/142022/1/212022/1/282022/2/112022/2/182022/2/252022/3/42022/3/112022/3/182022/3/252022/4/12022/4/82022/4/152022/4/222022/4/292022/5/62022/5/132022/5/202022/5/272022/6/2Wind，華鑫證券研究Wind，華鑫證券研究同時，北向資金T日披露十大活躍股票交易情況，T+1日披露精確到個股層面的持倉數(shù)量。因此北向的高頻披露、大幅流入流出更為

13、其自身增加了市場關注度。可以看到，年初以來北向資金時點流入流出幅度相較于2021年中時更大更頻繁，部分投資者開始對跟蹤北向資金的策略有效性產(chǎn)生質疑。2019/12/132019/12/202019/12/272020/1/32020/1/102020/1/172020/1/242020/1/312020/2/72020/2/142020/2/212020/2/282020/3/62020/3/132020/3/202020/3/272020/4/32020/4/102020/4/172020/4/242020/5/12020/5/82020/5/152020/5/222020/5/292020

14、/6/52020/6/122020/6/192020/6/262020/7/32020/7/102020/7/172020/7/242020/7/312020/8/72020/8/142020/8/212020/8/282020/9/42020/9/112020/9/182020/9/252020/10/22020/10/92020/10/162020/10/232020/10/302020/11/62020/11/132020/11/202020/11/272020/12/42020/12/112020/12/182020/12/252021/1/12021/1/82021/1/152021

15、/1/222021/1/292021/2/52021/2/122021/2/192021/2/262021/3/52021/3/122021/3/192021/3/262021/4/22021/4/92021/4/162021/4/232021/4/302021/5/72021/5/142021/5/212021/5/282021/6/42021/6/112021/6/182021/6/252021/7/22021/7/92021/7/162021/7/232021/7/302021/8/62021/8/132021/8/202021/8/272021/9/32021/9/102021/9/1

16、72021/9/242021/10/12021/10/82021/10/152021/10/222021/10/292021/11/52021/11/122021/11/192021/11/262021/12/32021/12/102021/12/172021/12/242021/12/312022/1/72022/1/142022/1/212022/1/282022/2/42022/2/112022/2/182022/2/252022/3/42022/3/112022/3/182022/3/252022/4/12022/4/82022/4/152022/4/222022/4/292022/5

17、/62022/5/132022/5/202022/5/272022/6/32022/6/10而據(jù)我們長期觀察，北向資金中兩種主要的資金類型間交易風格存在較大差異，因此其流入流出不穩(wěn)定、導致部分技術面導向的投資者對北向資金保有雞肋、來回割韭菜等觀感。我們曾對北向做過精細的分紅送配復權以及基于托管席位的拆分，即我們認為經(jīng)紀人的差異化服務一定程度上影響了投資者的選擇，拆分具體規(guī)則與計算細節(jié)如下：基于陸股通A股投資通道（以下簡稱“北向資金”）細分席位及對應持股數(shù)量數(shù)據(jù)，我們得以對北向資金重倉股票與增量資金流入顯著股票分別進行測算，以得到在市場擇 時、行業(yè)配置和個股選擇方面的全面信息。為避免持倉量過小的

18、個股所帶來的噪聲，我 們剔除時點持倉占流通市值比低于0.2的個股。同時為了避免分股除權等權益事件對凈買入數(shù)據(jù)的影響，我們對每個統(tǒng)計期內(nèi)發(fā)生分股、送股的個股也進行剔除。當前總計有 1324個常規(guī)跟蹤席位，我們選擇邏輯簡單的機構性質作為席位劃分依據(jù)，并主要跟蹤其 中的配置型（配置盤，下同）和交易型席位（交易盤，下同）數(shù)據(jù)。配置盤：依托于中資、外資商業(yè)銀行進行交易的資金。交易盤：依托于中資、外資、港資券商、投資銀行進行交易的資金。因此，我們可以簡單地認為同種類的投資者會綜合考慮后在特定的主體開戶。統(tǒng)計流入流出后同樣驗證了我們這樣區(qū)分的有效性：-600.00億 0.00億 交易盤總體凈流量 中資交易盤

19、凈流量 港資交易盤凈流量 外資交易盤凈流量 配置盤總體凈流量1000.00億-400.00億 2000.00億-200.00億 3000.00億4000.00億0.00億5000.00億200.00億 6000.00億400.00億 7000.00億600.00億 8000.00億圖表 5：北向資金拆分后累計凈流入Wind，華鑫證券研究我們構建了幾種常見的北向因子定義，并從含義上劃分為靜態(tài)持倉、動態(tài)增量類因子：圖表 6：北向類因子定義方式因子大類具體類別構建方法因子計算方法因子名稱交易者行為北向資金流整體靜態(tài)北向整體持倉金額交易者行為北向資金流整體靜態(tài)北向整體持股占流通股本百分比交易者行為北向

20、資金流整體靜態(tài)北向整體持倉截尾交易者行為北向資金流整體靜態(tài)北向整體持股占流通股本百分比截尾交易者行為北向資金流整體動態(tài)北向凈買入交易者行為北向資金流整體動態(tài)北向凈增倉交易者行為北向資金流整體動態(tài)北向超額買入交易者行為北向資金流整體動態(tài)北向買入double sort：動量交易者行為北向資金流整體動態(tài)北向買入double sort：市值交易者行為北向資金流細分席位靜態(tài)配置盤、交易盤整體持倉交易者行為北向資金流細分席位靜態(tài)配置盤、交易盤整體持倉占流通股本百分比交易者行為北向資金流細分席位靜態(tài)配置盤、交易盤整體持倉截尾交易者行為北向資金流細分席位靜態(tài)配置盤、交易盤整體持倉占流通股本百分比截尾交易者行為

21、北向資金流細分席位動態(tài)配置盤、交易盤凈買入交易者行為北向資金流細分席位動態(tài)配置盤、交易盤凈增倉交易者行為北向資金流細分席位動態(tài)配置盤、交易盤超額買入交易者行為北向資金流細分席位動態(tài)配置盤、交易盤凈買入去動量交易者行為北向資金流細分席位動態(tài)配置盤、交易盤凈買入去動量Wind，華鑫證券研究拆分后的配置盤、交易盤數(shù)據(jù)比整體更加有效，動態(tài)因子比靜態(tài)因子更為有效，而絕對金額要優(yōu)于持倉占比，在此我們不再贅述1。周、月頻北向整體資金流若不進行任何參數(shù)修正來看，月頻凈買入在行業(yè)選擇上較優(yōu)，原因是在我們所選擇的回測周期中輪動速度較快。我們這里著重挑選有潛力的動態(tài)因子進行分析測試：圖表 7：北向周頻因子 RANK

22、 IC 相關性圖表 8：北向周頻因子績效北向復權后凈買入北向配置盤凈買入北向交易盤凈買入北向配置盤市值變動北向交易盤市值變動因子名稱北向交易盤凈買入動量等權打分北向交易盤市值變動北向交易盤凈買入 北向配置盤市值變動北向復權后凈買入 北向配置盤凈買入RANKIC4.462.331.581.471.34-0.06RANKIC/IR28.6227.8423.2629.3726.9222.75多頭年化收益23.3711.199.1214.6611.914.48多頭夏普0.90740.40800.31810.56650.45610.0794多空年化收益30.274.783.003.901.59-6.44

23、多空夏普1.45750.10250.00000.0464-0.0788-0.7077北向復權后凈買入100.0063.6477.9756.4773.26北向配置盤凈買入63.64100.0022.4460.1739.16北向交易盤凈買入77.9722.44100.0037.0076.05北向配置盤市值變動56.4760.1737.00100.0077.70北向交易盤市值變動73.2639.1676.0577.70100.00Wind，華鑫證券研究Wind，華鑫證券研究北向復權后凈買入北向配置盤凈買入北向交易盤凈買入北向配置盤市值變動北向交易盤市值變動因子名稱RANK ICRANK IC/IR多

24、頭年化收益多頭夏普多空年化收益多空夏普北向復權后凈買入100.0075.0775.8764.4469.19北向交易盤凈買入7.8224.4115.380.709311.41 0.7509北向配置盤凈買入75.07100.0034.4350.0635.30北向交易盤市值變動7.2328.2910.040.380615.22 0.8209北向交易盤凈買入75.8734.43100.0055.5281.73北向交易盤凈買入動量等權打分北向復權后凈買入4.233.5333.566.820.18488.990.328825.0811.100.46064.710.1534北向配置盤市值變動64.4450.

25、0655.52100.0088.62北向交易盤市值變動69.1935.3081.7388.62100.00北向配置盤凈買入-2.3820.5210.310.4075-0.74-0.3020圖表 9：北向月頻因子 RANK IC 相關性圖表 10：北向月頻因子績效北向配置盤市值變動16.30 0.87756.7325.8312.420.5359Wind，華鑫證券研究Wind，華鑫證券研究可以看到北向類因子能夠貢獻較強的多頭收益，結合因子績效我們認為近兩年有三種較為合適的跟蹤北向資金方法可供選擇：由于交易盤更注重短線交易，使用交易盤凈買入時可以考慮加入動量因子進行增幅針對周頻、月頻有選擇性地跟蹤配

26、置盤與交易盤較為出色的因子針對市值變動因子周頻設置統(tǒng)一的回看期參數(shù)調整行業(yè)周頻選擇上來看，拆分后細分席位多頭表現(xiàn)均優(yōu)于同時段的整體買入因子，且1歷史報告和數(shù)據(jù)底稿請聯(lián)系對口研究員索取衍生類因子2中市值變動表現(xiàn)最好：圖表 11：北向周頻凈買入因子分組年化收益圖表 12：北向周頻配置盤市值變動因子分組年化收益Wind，華鑫證券研究Wind，華鑫證券研究圖表 13：北向周頻交易盤市值變動因子分組年化收益圖表 14：北向周頻交易盤凈買入因子分組年化收益Wind，華鑫證券研究Wind，華鑫證券研究圖表 15：北向月頻凈買入因子分組年化收益圖表 16：北向月頻配置盤市值變動因子分組年化收益Wind，華鑫證

27、券研究Wind，華鑫證券研究圖表 17：北向月頻交易盤市值變動因子分組年化收益圖表 18：北向月頻交易盤凈買入因子分組年化收益Wind，華鑫證券研究Wind，華鑫證券研究相較于月頻北向因子看來，周頻北向因子組間收益其實并不單調。我們認為這是由2因子更多測試對比詳見附錄，更多因子定義方式與測試結果歡迎聯(lián)系對口研究員于資金流因子的一個特性：若需要大量賣出某一行業(yè)，必然先需要重倉該行業(yè)，即在 該行業(yè)已經(jīng)完成吸籌與持有，因此大量賣出并不一定代表著資金對該行業(yè)的看空。而周頻因為觀察周期過短，并不能較好地體現(xiàn)出中長周期的變動，我們認為有必要對北向中較有潛力的周頻因子進行參數(shù)調整。更何況北向本身在行業(yè)上的持

28、倉、買入偏好是有偏的。如我們所統(tǒng)計的一級行業(yè)北向持倉市值、平均周買入數(shù)據(jù)可以看到，北向主要重倉熱門行業(yè)例如食品飲料與電新能源等行業(yè)，在軍工、商貿(mào)零售等行業(yè)的持倉市值、動態(tài)買入均較低。制牧 產(chǎn)零 服 軍 者 飲造漁售 裝 工 服 料務金 行 及 運石屬 金 公 輸化融 用事業(yè)設 化 機備 工及新能源電 銀 基 計 電 機 醫(yī) 有 非 電 交 家 通 石 傳 煤 建 輕 鋼 汽 農(nóng) 房 建 商 紡 國 消 食力 行 礎 算 子 械 藥 色 銀 力 通 電 信 油 媒 炭 筑 工 鐵 車 林 地 材 貿(mào) 織 防 費 品16.00億14.00億12.00億10.00億8.00億6.00億4.00億2.

29、00億0.00億-2.00億-4.00億-6.00億配置盤一級行業(yè)持倉市值交易盤一級行業(yè)持倉市值4000.00億3500.00億3000.00億2500.00億2000.00億1500.00億1000.00億500.00億0.00億圖表 19：北向中信一級行業(yè)持倉市值圖表 20：北向中信一級行業(yè)平均周度凈買入電力設備及新能源食品飲料銀行醫(yī)藥家電基礎化工電子機械非銀行金融計算機汽車有色金屬交通運輸電力及公用事業(yè)消費者服務建材煤炭石油石化傳媒 房地產(chǎn)建筑 通信 鋼鐵農(nóng)林牧漁輕工制造國防軍工商貿(mào)零售紡織服裝綜合Wind，華鑫證券研究Wind，華鑫證券研究并且我們長久觀察下來，北向在行業(yè)層面的交易更加

30、偏左側。我們一直推薦的一種修正方法是對周頻市值變動因子加入適當回看期與持有期，同時從投資邏輯上限制持有期不得超過回看期。本著如無必要勿增參數(shù)的思想，我們不會對月頻因子進行任何參數(shù)調整。則周頻北向因子調整后結果如下。結合累計收益率、組間夏普比率、組間收益單調性后，我們對周頻北向衍生類因子確定一個比較合適的統(tǒng)一回看期：3周。11 54.62234持有期56789102 67.34 63.553 79.11 74.78 70.954 61.65 68.01 52.74 53.56回看期5 58.54 63.66 37.16 52.72 46.006 64.76 58.51 50.50 43.74 4

31、3.47 45.127 65.04 47.98 56.35 46.21 42.79 46.21 35.498 55.90 51.20 52.88 40.62 41.97 49.65 43.15 36.249 56.81 54.24 55.60 34.79 39.59 42.29 27.37 17.22 33.8410 53.21 41.20 44.72 37.76 36.72 34.87 29.17 26.71 24.92 28.33圖表 21：配置盤市值變動因子參數(shù)調整圖表 22：選定參數(shù)組間年化收益率Wind，華鑫證券研究Wind，華鑫證券研究11 59.44234持有期56789102

32、67.88 77.443 80.97 86.76 92.594 75.79 101.16 83.65 45.12回看期5 91.35 64.53 59.74 48.81 38.966 61.96 59.46 54.49 39.30 41.71 47.427 66.42 50.38 66.64 36.50 32.32 40.39 45.498 57.51 55.64 59.49 33.82 44.07 41.21 37.85 35.419 56.02 46.31 47.56 26.47 39.45 34.09 22.47 28.75 33.6010 56.97 46.46 43.42 32.02

33、 44.97 38.74 24.29 34.91 31.00 29.70圖表 23：交易盤凈買入動量等權因子參數(shù)調整圖表 24：選定參數(shù)組間年化收益率Wind，華鑫證券研究Wind，華鑫證券研究在該參數(shù)下多頭超額收益表現(xiàn)較為穩(wěn)定，同時組間單調性較好。因此我們可以認為當前的參數(shù)比較穩(wěn)定。經(jīng)過適當處理后北向資金因子可以用于構建行業(yè)輪動策略。那么我們推薦周頻使用：配置盤市值變動（3周參數(shù)調整）交易盤凈買入動量等權（3周參數(shù)調整）月頻：配置盤市值變動交易盤凈買入運用等權法構建的周、月頻北向大類因子表現(xiàn)如下：圖表 25：周頻等權法北向因子組間凈值走勢圖表 26：選定參數(shù)組間年化收益率Wind，華鑫證券研

34、究Wind，華鑫證券研究圖表 27：周頻等權法北向因子組間年化收益率圖表 28：選定參數(shù)組間年化收益率Wind，華鑫證券研究Wind，華鑫證券研究圖表 29：周頻等權法北向因子組間績效圖表 30：選定參數(shù)組間年化收益率Wind，華鑫證券研究Wind，華鑫證券研究我們認為等權結合上述因子是北向大類因子結合中最穩(wěn)定、同時能夠兼顧組間多空單調性的方法。這樣構建的北向凈買入數(shù)據(jù)能夠較好地與其余因子進行結合。、Level 2 成交數(shù)據(jù)內(nèi)資我們主要關注LEVEL 2成交委托單數(shù)據(jù)，即傳統(tǒng)意義上的個股資金流入流出。由市場上LEVEL 2數(shù)據(jù)中依據(jù)金額聚類后的訂單能夠較好地表述各類投資者的特性。其中我們認為超

35、大單（單筆委托100萬以上，機構投資者為主）、大單（單筆委托20萬以上，主體大多是大戶與中小機構）相較于中單（單筆委托4到20萬之間）、小單（單筆委托小于4萬），在行業(yè)選擇和多空意義上有顯著不同。這里我們延續(xù)Wind的劃分標準，使用大單、超大單構建主力資金流數(shù)據(jù)。整體因子及對應表現(xiàn)如下：圖表 31：LEVEL 2 因子總表因子大類具體類別構建方法因子計算方法因子名稱交易者行為內(nèi)資LEVEL2資金流主動超大單超大單主動凈買入交易者行為內(nèi)資LEVEL2資金流主動大單大單主動凈買入交易者行為內(nèi)資LEVEL2資金流主動中單中單主動凈買入交易者行為內(nèi)資LEVEL2資金流主動小單小單主動凈買入交易者行為內(nèi)

36、資LEVEL2資金流主動占比超大單占比超大單主動凈買入占當日成交百分比交易者行為內(nèi)資LEVEL2資金流主動占比大單占比大單主動凈買入占當日成交百分比交易者行為內(nèi)資LEVEL2資金流主動占比中單占比中單主動凈買入占當日成交百分比交易者行為內(nèi)資LEVEL2資金流主動占比小單占比小單主動凈買入占當日成交百分比交易者行為內(nèi)資LEVEL2資金流全量超大單超大單凈買入交易者行為內(nèi)資LEVEL2資金流全量大單大單凈買入交易者行為內(nèi)資LEVEL2資金流全量中單中單凈買入交易者行為內(nèi)資LEVEL2資金流全量小單小單凈買入交易者行為內(nèi)資LEVEL2資金流全量占比超大單占比超大單全量凈買入占當日成交百分比交易者行為

37、內(nèi)資LEVEL2資金流全量占比大單占比大單全量凈買入占當日成交百分比交易者行為內(nèi)資LEVEL2資金流全量占比中單占比中單全量凈買入占當日成交百分比交易者行為內(nèi)資LEVEL2資金流全量占比小單占比小單全量凈買入占當日成交百分比交易者行為內(nèi)資LEVEL2資金流主力資金主力資金主力資金凈買入交易者行為內(nèi)資LEVEL2資金流主力資金主力資金占比主力資金凈買入占當日成交百分比交易者行為內(nèi)資LEVEL2資金流主力資金主力資金差額主力資金累計凈買入差額Wind，華鑫證券研究圖表 32：LEVEL 2 因子周頻績效表圖表 33：LEVEL 2 因子月頻績效表因子名稱RANK ICRANK IC/IR多頭年化收

38、益多頭夏普多空年化收益多空夏普因子名稱RANK ICRANK IC/IR多頭年化收益多頭夏普多空年化收益多空夏普超大單凈買入占比2.7621.7521.250.916523.151.4138超大單主動凈買入金額5.3829.7511.530.480112.280.49806.940.23687.210.2752中單主動凈買入金額-1.3728.8220.100.77149.620.3549超大單主動凈買入占比4.5825.83超大單主動凈買入金額1.2127.8617.790.699317.640.688516.090.652816.060.612614.520.584015.540.5730

39、15.290.6726小單被動凈買入占比3.5224.8910.020.36755.610.1754大單凈買入占比1.8024.0917.590.9177中單被動凈買入占比2.812.1130.153.770.0404-4.94-0.4453大單凈買入金額-1.0532.226.370.1577主力diff15日28.428.820.27778.740.3949大單主動凈買入占比2.0724.5716.290.7216中單被動凈買入金額1.671.4032.956.220.14443.500.0293超大單主動凈買入占比3.5824.968.510.3272中單凈買入金額25.524.340.

40、0635-3.32-0.4050主力diff15日3.1226.3019.940.9937大單凈買入占比1.040.7024.699.200.33383.910.0722小單主動凈買入占比0.0322.5713.790.508213.130.493911.240.5408超大單凈買入金額31.514.910.1138-5.97-5.65-0.5180大單主動凈買入金額-1.2830.183.770.0398超大單凈買入占比0.370.370.340.340.1723.383.410.0225-0.6150大單被動凈買入占比-0.4324.6310.580.389710.990.372510.3

41、40.36557.820.3233小單主動凈買入金額35.4610.540.39589.320.37374.250.0787中單被動凈買入金額1.9728.855.620.1494大單主動凈買入金額34.970.44-0.1468主力凈買入-1.2630.72-2.03-0.2469大單主動凈買入占比28.237.910.26347.770.27925.860.1725小單凈買入占比-0.7721.338.750.29328.390.25588.110.21717.490.1872-7.16-0.6440主力凈買入37.51-5.44-0.4682超大單凈買入金額0.0927.771.79-0

42、.0653小單被動凈買入金額-0.61-0.67-0.76-0.79-0.87-0.93-0.99-1.0338.707.330.2021-4.34-0.4008-0.3662小單被動凈買入金額1.5631.29-4.85-0.3780小單凈買入金額39.015.390.1089-3.63小單主動凈買入金額0.7328.300.33-0.1482大單被動凈買入金額38.966.600.1935-0.92-0.1955-0.01-0.1886中單主動凈買入占比-1.7223.026.050.14575.510.10495.860.1806小單主動凈買入占比27.464.940.1034小單凈買入

43、金額1.3431.42-8.13-6.83-8.56-0.5054超大單被動凈買入金額31.372.86-0.0083-7.25-0.6230中單凈買入金額-1.3023.034.300.05953.190.0094-0.6130中單主動凈買入金額29.6211.810.4743-0.04-0.1943-1.01-0.2239-0.56-0.1789超大單被動凈買入金額-1.0925.16-0.7130大單凈買入金額39.348.170.3294超大單被動凈買入占比1.0620.440.05-0.1439-0.30-0.1824-5.51-0.6287-0.6132大單被動凈買入占比34.40

44、2.37-0.0367大單被動凈買入金額-1.8829.92-10.13小單凈買入占比-1.4921.064.290.0784-4.15-0.6162中單被動凈買入占比0.1124.61-1.35-0.2335-1.72-0.2538-2.78-0.2939-10.00-0.7763-11.12-0.8455中單凈買入占比-2.5419.696.190.15920.44-0.2530小單被動凈買入占比-0.1024.17中單主動凈買入占比-4.21-4.6224.151.26-0.0923-7.98-7.54-0.7641中單凈買入占比-2.3321.01-8.44-0.8199超大單被動凈買

45、入占比16.72-1.11-0.2308-0.8644Wind，華鑫證券研究Wind，華鑫證券研究傳統(tǒng)定義3下，主力資金特指20萬以上的單筆訂單，但我們認為主力資金凈買入因子在投資邏輯上有時并不通順：觀察主力資金凈買入因子分布可以發(fā)現(xiàn)因子值有明顯左偏：如果按周、月統(tǒng)計凈買 入金額，能發(fā)現(xiàn)主力資金大部分時間處于凈流出狀態(tài)。我們認為在近幾年的實際交易中，各機構出于對持倉成本和沖擊成本的考量，并不會全時段在個股上進行大額買入。對此 因子做歸一化將放棄資金流的金額意義，最終將可能導致我們買入一種誤區(qū)：因子所選 擇的行業(yè)往往并非真正的惜售，而是成交并不活躍，這與我們跟蹤資金的投資邏輯 并不符。因此我們對

46、主力資金凈流入做差分處理，差分后因子更接近正態(tài)分布。另外針對月頻我們并不想過多進行參數(shù)尋優(yōu)，因此我們沿用差分法計算相較于上一期的凈買入差額。圖表 34：主力日頻凈流入分布情況圖表 35：主力周頻累計凈流入分布情況Wind，華鑫證券研究Wind，華鑫證券研究圖表 36：主力日頻凈流入差額因子分布情況圖表 37：主力周頻凈流入差額因子分布情況3詳見Wind數(shù)據(jù)對主力資金的劃分標準Wind，華鑫證券研究Wind，華鑫證券研究經(jīng)過差分處理后，我們對因子進行參數(shù)調整。由于主力資金仍舊波動較大，因此可以適當延長回看時間。這里我們推薦針對中短期輪動組合使用回看3周的方法。圖表 38：主力周頻因子組間凈值圖表

47、 39：主力周頻因子組間年化收益率Wind，華鑫證券研究Wind，華鑫證券研究圖表 40：主力周頻因子組間績效圖表 41：主力周頻因子多空累計收益Wind，華鑫證券研究Wind，華鑫證券研究調整后主力因子多空區(qū)分度較為顯著，并且從行業(yè)選擇上與北向也能形成較好的互補關系。整體看來處理后的主力因子波動率相對較低，持有體驗感較好?；谖袉蔚南群箜樞蛞约俺山粓髢r是否大于對手盤委托價格4，我們還可以將LEVEL 2數(shù)據(jù)拆分為主動和被動成交。基于當日個股成交額，我們定義各類資金流入流4詳見Wind數(shù)據(jù)庫中對主動、被動買入的定義：主動買入：最新成交價=賣價 被動買入：最新成交價=買價出占整體成交金額百分比

48、（簡稱占比，下同）。占比類指標聚合到行業(yè)層面時選用行業(yè)成分股平均法。而金額我們根據(jù)行業(yè)成分股進行加總作為行業(yè)因子值。這部分因子在選股中效果較好，行業(yè)輪動中波動較大。請關注我們后續(xù)關于選股策略的報告。、融資凈買入運用每日披露的融資余額數(shù)據(jù)，我們同樣計算融資凈買入及衍生指標。按照我們測算，融資凈買入在周頻、月頻層面并不能帶來較為單調的收益，同時組間年化收益單調性并不穩(wěn)定，周頻收益最高的行業(yè)是融資買入次高的分組（第二組），而月頻基本呈現(xiàn)倒U型5。因此我們認為在去杠桿的政策背景下，融資盤凈買入數(shù)據(jù)很難給我們穩(wěn)定有效的行業(yè)配置建議。另外我們也嘗試過結合價格、成交量進行調整，因子結果同樣不盡如人意。在衍生

49、指標中我們構建了融資超額買入指標，本質是等權結合個股近15日動量、融資凈買入因子，并計算各行業(yè)距對應時點行業(yè)因子值中位數(shù)的距離。即我們希望找到的行業(yè)成分股滿足如下特征：融資買入多，股價并未上行，即融資在左側布局交易股價上行，融資并未流入過多，后續(xù)融資盤可能有右側追漲行為按照這種邏輯我們構建回看期三周的融資指標，在行業(yè)層面仍然無法有較好表現(xiàn)。整體上我們認為融資數(shù)據(jù)更多是一種噪音。圖表 42：周頻融資凈買入因子分組凈值圖表 43：月頻融資凈買入因子分組年化收益Wind，華鑫證券研究Wind，華鑫證券研究圖表 44：周頻融資凈買入因子分組績效圖表 45：月頻融資凈買入因子多空收益凈值5詳細測試結果見

50、附錄Wind，華鑫證券研究Wind，華鑫證券研究圖表 46：周頻融資超買因子分組凈值圖表 47：月頻融資超買因子分組年化收益Wind，華鑫證券研究Wind，華鑫證券研究圖表 48：周頻融資超買因子分組績效圖表 49：月頻融資超買因子多空收益凈值Wind，華鑫證券研究Wind，華鑫證券研究圖表 50：周頻融資超買因子分組績效圖表 51：月頻融資超買因子多空收益凈值Wind，華鑫證券研究Wind，華鑫證券研究后續(xù)我們?nèi)詴M一步挖掘融資因子的使用方法。在我們選定的回測時間段融資凈買入因子表現(xiàn)不佳，而衍生指標中超額融資買入指標周頻、月頻組間區(qū)分度明顯不足。暫時我們經(jīng)過測算后認為融資余額屬于群鯊的可能性

51、更大，因此我們認為不應加入在量化策略信號中。、因子擇時方法與等權結合法針對周頻策略，我們可以基于RANK IC的差的增速在組間進行因子擇時6，但這種方法不可避免地為模型增加了更多的參數(shù)，同時波動率相對較高，是一種較為激進的因子結合方式。當我們僅考慮純多頭時，不妨在周頻級別延續(xù)橫跳做法：我們計算兩種大類資金流因子（分別是主力因子、北向因子，其中北向由配 置盤市值變動、北向交易盤動量等權）RANK IC的差分，代表有效性的增速，再計算有效性增速3周窗口平滑后的均值。這樣處理后可以清楚地看到兩類資金之間呈現(xiàn)此消彼長的態(tài)勢。將兩類資金的RANK IC平滑后差分相減，計算差值。閾值為避免過擬合簡單取0。

52、即：北向RANK IC平滑差分-主力RANK IC平滑差分是否大于0，體現(xiàn)在圖像上即指標間的上穿下行。圖表 52：RANK IC 閾值突破法周頻組間凈值走勢圖表 53：RANK IC 閾值突破法周頻組間年化收益率Wind，華鑫證券研究Wind，華鑫證券研究圖表 54：RANK IC 閾值突破法周頻組間績效圖表 55：RANK IC 閾值突破法周頻累計多空收益6 因子擇時方法及表現(xiàn)詳見附錄Wind，華鑫證券研究Wind，華鑫證券研究這樣處理后多頭、空頭仍舊有效，且夏普比率有顯著提升，但會喪失組間的單調性。因此我們認為該方法更適合用于提供偏向定性的行業(yè)建議中。另外一個問題是月頻輪動 策略不適合用RANK IC閾值突破法，我們認為延長持倉周期將無法抓取RANK IC短期的變 化。從投資邏輯以及組合穩(wěn)定性出發(fā)，我們認為舍棄一部分收益轉而使用等權打分法也同樣能取得較好的效果，并且組間多空區(qū)分度更加明顯。等權法周、月組間收益同樣 較為單調，并且更加適合與其余因子結合。我們?nèi)最愘Y金中多空區(qū)分度較高的資金進行如下結合方式：首先運用周頻、月頻北向因子構建北向大類因子。將北向大類因子與主力因子進行等權結合，作為各