第 7 章 · 01 高频因子构建方法

第 7 章 · 01 高频因子构建方法

本节摘要:本节是高频因子章节的起点,讲清高频因子的数据特点与构建方法。传统因子多基于财务(低频)或日线量价(中频),而高频因子从 Level2 行情、分钟线、逐笔数据中提炼,信息密度更高,但也衰减更快、对数据与算力要求更高。海通选股因子系列第 19 篇系统研究了高频因子的收益分布,是本章的方法论基础。本节讲清高频数据的特点(Level2/分钟/逐笔的颗粒度差异)、高频因子的构建思路(从微观结构刻画到聚合为日频因子)、因子衰减与换手的关系、以及容量约束。读完本节,你建立对高频因子的整体认识,知道它们「为什么有效、为什么难用」,为后续大单主买、已实现波动分解等具体因子打底。

内容来源:仓库研报 海通选股因子系列第 19 篇(高频因子收益分布),知识结构化整理。

⚠️ 学习提示:高频因子回测效果好,但实盘要扣更高成本(滑点、冲击成本、数据费)。回测里漂亮的高频因子,扣完真实成本可能所剩无几。务必用保守的成本假设评估。

学习目标

阅读完本节,你应当能够:

1. 区分高频数据的几种颗粒度(Level2/分钟/逐笔)及各自特点。
2. 说清高频因子的构建思路(微观刻画 → 聚合到日频)。
3. 理解高频因子的衰减快与换手高的内在联系。
4. 评估高频因子的容量约束与实盘可行性。

一、为什么需要高频因子:更细颗粒里的信息

传统量价因子基于日线(开高低收成交量),颗粒度是「天」。但一天内的交易过程蕴含大量信息——开盘集合竞价、盘中大单冲击、尾盘抢筹,这些在日线里都被「抹平」了。高频因子从更细颗粒的数据里提炼,能刻画日线看不到的微观结构:

• 主力资金行为:大单是买还是卖、何时出手。
• 市场情绪:开盘与尾盘的活跃度、波动集中时段。
• 微观流动性:买卖价差、订单簿深度、成交密度。

这些微观信息往往是短期的强信号——海通系列多篇实证表明,高频因子的 IC 通常高于对应的日线因子,尤其在短期反转/动量上。代价是衰减快、换手高、容量小。

二、高频数据的几种颗粒度

不同颗粒度支持不同因子:

• 分钟线:适合做分钟级动量、日内波动、尾盘因子。数据量适中,是入门高频因子的起点。
• Level2 快照:能刻画买卖盘结构,做主买占比、委托失衡、大单冲击因子。信息密度高,但数据量大。
• 逐笔数据:最细颗粒,能做已实现波动分解、订单流不平衡等最精细的因子。数据量极大,对算力与存储要求高。

💡 选型心法:不是越细越好。分钟线适合大部分场景,成本低、因子够用;Level2 适合刻画资金流与盘口;逐笔数据用于学术研究或极高频策略。入门建议从分钟线开始,熟练后再上 Level2。

三、高频因子的构建思路:微观刻画 → 聚合

高频因子构建分两步:

第一步:在细颗粒上做微观刻画

在分钟线/Level2/逐笔数据上,计算刻画微观结构的量。比如:

• 分钟级收益率(每分钟的收益)。
• 分钟级成交量占比(如尾盘 30 分钟成交占全天的比例)。
• 大单(超过某阈值的单笔成交)的净买入金额。
• 买卖价差(bid-ask spread)的时间序列。
• 已实现波动(分钟收益平方和)。

这些微观量本身不是因子(它们还是高频时间序列),但蕴含了日频看不到的信息。

第二步:聚合到日频,得到可用的因子

把微观量在一天内聚合(求和、平均、加权、分位数等),得到一个标量,作为该股票该日的因子值。例如:

• 把全天所有分钟收益的平方求和 → 已实现波动因子。
• 把全天所有大单的净买入金额求和 → 大单净流入因子。
• 把尾盘 30 分钟成交占比作为一个值 → 尾盘活跃度因子。

这样得到的是日频因子,可以像传统因子一样做 IC 测试、纳入多因子模型。区别只在于它的高频信息来源。

四、海通系列十九:高频因子收益分布的特征

海通选股因子系列第 19 篇系统研究了高频因子的收益分布,得出几个关键特征:

1. IC 衰减快:高频因子的 IC 在 1-5 天内最强,之后迅速衰减。这意味着高频因子是短期信号,适合高频调仓(日频或周频),不适合月频以上。
2. 多头收益强,空头收益弱:高频因子做多的超额收益通常显著,但做空的超额(在 A 股融券受限下)可能不明显。这影响多空组合的构建。
3. 换手率极高:高频因子信号变化快,日频调仓下年换手可能达 50-100 倍,交易成本压力大。
4. 容量有限:高频因子多偏小盘(小盘股微观结构更显著),且高换手,容量比基本面因子小得多。
5. 分组单调性好:好的高频因子按值分 5-10 组,收益通常单调,说明信息含量高。

五、衰减与换手:高频因子的内在权衡

高频因子的「强 IC」与「快衰减」是一体两面:信号强但短命。这直接导致高换手——为了捕捉短期信号,必须频繁调仓,而调仓越频繁,交易成本越高。

衰减与换手的关系:

• 因子半衰期 = IC 衰减到一半所需的时间。高频因子半衰期常为 1-3 天。
• 半衰期越短,最优调仓频率越高(日频或更频),换手越高。
• 换手 = 年化组合调整的次数。日频调仓的多头组合,年换手轻易达 50 倍以上。

💡 核心权衡:高频因子的 IC 优势必须扣掉高换手带来的成本,才能评估是否真的有用。一个回测 IC 0.1、年换手 80 倍的高频因子,扣掉合理成本后可能不如一个 IC 0.05、年换手 5 倍的低频因子。华泰 AI 14/16(时序交叉验证)与第 9 章(组合优化)都强调要算「成本后收益」。

六、容量:高频因子能容纳多少资金

容量(capacity)指因子能容纳多少资金而不显著冲击自身收益。高频因子容量通常较小,原因:

1. 小盘偏好:高频信号在小盘股更显著(微观结构活跃),而小盘股流动性差,大资金进不去。
2. 高换手:频繁调仓意味着每天都要买卖大量股票,冲击成本随资金规模上升。
3. 微观结构敏感:大资金自身的交易会改变微观结构(如大单冲击),反噬因子效果。

粗略估计,日频调仓的高频多头组合,容量常在数亿到数十亿量级;月频基本面因子的容量可达数百亿。这是机构使用高频因子时的核心约束——大资金只能用高频因子做「增强」(小幅超配),不能作为主策略。

七、高频因子的数据处理要点

处理高频数据比日线复杂得多,几个要点:

1. 数据清洗:剔除停牌、涨跌停、异常成交(如乌龙指),否则会污染因子。
2. 时间对齐:不同股票的交易时段、复权处理要统一,避免生存者偏差与未来函数。
3. 抽样频率选择:分钟线选 1 分钟还是 5 分钟,Level2 用 3 秒快照还是逐笔,要在信息量与计算量间权衡。
4. 存储与算力:高频数据量大,需专门的存储(如 HDF5/Parquet)与并行计算(如 Dask/Spark)。
5. 避免未来函数:计算因子时只能用该时点之前的数据,尤其要注意日级别的因子值不能「偷看」当日收盘后的信息。

⚠️ 学习提示:高频因子的数据处理是难点,一个不经意的未来函数(如用全日数据计算「日内」因子)会让回测效果虚高。务必仔细检查每个因子的计算时点,确保只用历史信息。

八、高频因子的适用边界与实战建议

• 适合高频调仓策略:日频/周频增强、市场中性、CTA 类策略,资金规模适中。
• 不适合大资金低频策略:月频以上的指数增强、大型主动管理,容量不够。
• 必须严格成本控制:用保守的成本假设(单边 0.2%-0.3% 含滑点)评估,扣成本后仍有效才有价值。
• 与低频因子互补:高频因子捕捉短期微观信号,低频因子捕捉长期基本面趋势,两者结合更稳健。
• 警惕拥挤:高频因子一旦被广泛使用,微观结构信号会被套利消失。需监控因子拥挤度。

本节要点回顾

1. 动机:高频因子从 Level2/分钟/逐笔数据提炼,刻画日线看不到的微观结构(主力行为、情绪、流动性)。
2. 数据颗粒度:分钟线(入门)、Level2 快照(资金流/盘口)、逐笔(最精细,学术/极高频);越细信息越多但成本越高。
3. 构建思路:两步——细颗粒微观刻画(分钟收益/大单/价差)→ 日内聚合(求和/平均/分位数)成日频因子。
4. 海通十九特征:IC 衰减快、多头强空头弱、换手极高、容量有限、分组单调性好。
5. 衰减与换手:强但短命 → 高频调仓 → 高换手 → 高成本;IC 优势必须扣成本评估。
6. 容量:小盘偏好 + 高换手 + 微观敏感,容量常在数亿到数十亿,大资金只能做增强。
7. 数据处理:清洗、时间对齐、抽样频率、存储算力、避免未来函数——高频数据处理是难点。
8. 适用边界:适合高频调仓中小资金,扣保守成本后仍有效才有价值,与低频因子互补。

下一节,我们看高频因子里最经典的一类——大单与主买因子,它们刻画主力资金的买卖行为,是海通系列的贡献重点。