量化模型与因子总结 量化因子与构建方式 注： 本报告主要介绍了广发金工Alpha因子数据库中的各类因子及其表现，未详细阐述具体因子的构建公式和过程，仅提供了因子的名称、类型和方向[1][10]。以下根据报告内容，对提及的因子进行归纳总结。 一、 深度学习因子 1. 因子名称：agru_dailyquote * 因子方向：正[49] * 构建思路：基于日频行情数据，使用AGRU（可能为注意力门控循环单元）深度学习模型提取的Alpha因子[1]。 2. 因子名称：DL_1 * 因子方向：正[49] * 构建思路：未明确说明，为深度学习类因子[2]。 3. 因子名称：fimage * 因子方向：正[49] * 构建思路：未明确说明，从名称判断可能与图像数据或另类数据相关[2]。 二、 Level-2高频因子 1. 知情交易类因子 * 因子名称：vpin_vol, dpin_base_total_std, dpin_big_am_std, dpin_big_am_stable, dpin_small_am_mean, dpin_small_am_std, dpin_small_am_stable, dpin_base_middle_std, dpin_base_pm_std[49]。 * 构建思路：基于Level-2高频委托单数据，从不同维度（如基础单、大单、小单、上午、下午、稳定性等）刻画知情交易概率（VPIN/DPIN）或订单不平衡的波动特征[49]。 2. 重点时段类因子 * 因子名称：keyperiod_ret_zero, keyperiod_ret_low5pct, keyperiod_price_low5pct, keyperiod_amount_top30pct, keyperiod_amount_low50pct, keyperiod_sync_low50pct[49]。 * 构建思路：聚焦于盘中关键时段（如开盘、收盘等），提取该时段内的收益率、价格、成交额以及买卖同步性等特征[49]。 3. 大小单类因子 * 因子名称：bigbuy, bigsell, bigbuy_bigsell, bigbuy_bigsell_H1, bigbuy_bigsell_H8, integrated_bigsmall[49]。 * 构建思路：基于Level-2数据识别大单买卖行为，构建净买入、买卖单组合以及综合大小单的指标[49]。 4. 长短单类因子 * 因子名称：longbuy, longsell, longbuy_longsell, longbuy_shortsell, shortbuy_longsell, shortbuy_shortsell, integrated_longshort[49]。 * 构建思路：区分长单（可能指挂单时间较长或单笔金额较大的订单）和短单，构建不同订单类型组合的因子[49]。 5. 大小长短单复合因子 * 因子名称：bigbuy_longbuy_bigsell_longsell, bigbuy_longbuy_bigsell_shortsell, bigbuy_shortbuy_bigsell_longsell, bigbuy_shortbuy_bigsell_shortsell, bigbuy_shortbuy_bigsell_shortsell_H1, integrated_bigsmall_longshort[49]。 * 构建思路：综合大小单和长短单两个维度，构建更细分的订单流复合因子[49]。 6. 集合竞价类因子 * 因子名称：transaction_order_ratio_oa1, withdrew_order_ratio_oa1, transaction_order_ratio_oa2, transaction_order_ratio_oa, selltransaction_sellorder_ratio_ca[49][50]。 * 构建思路：基于开盘集合竞价（Open Auction）和收盘集合竞价（Close Auction）阶段的成交订单比例、撤单比例等数据构建因子[49][50]。 7. 市价单类因子 * 因子名称：marketorder_ratio, marketbuyorder_limitbuyorder_ratio, marketbuyorder_limitsellorder_ratio, marketsellorder_limitbuyorder_ratio, marketsellorder_limitsellorder_ratio[50]。 * 构建思路：计算市价单占总委托的比例，以及市价买单与限价买单/卖单的比例等，衡量市场交易 urgency 和 aggressiveness[50]。 三、 分钟频因子 1. 日内价格相关因子 * 因子名称：real_var, real_skew, real_kurtosis, real_upvar, real_downvar, ratio_realupvar, ratio_realdownvar, trendratio, ret_intraday, intraday_maxdrawdown[50]。 * 构建思路：基于日内分钟线计算收益率的高阶矩（方差、偏度、峰度）、上行/下行方差、趋势比率、日内收益率、日内最大回撤等[50]。 2. 成交量相关因子 * 因子名称：ratio_volumeH1 至 ratio_volumeH8, corr_VP, corr_VR, corr_VRlag, corr_VRlead, Amihud_illiq[50]。 * 构建思路：计算不同时段（如H1-H8可能代表不同小时段）的成交量比率，价量相关性（VP: Price-Volume, VR: Return-Volume），以及Amihud非流动性指标[50]。 3. 盘前相关因子 * 因子名称：ret_overnight, ret_open2AH1, ret_open2AL1, ret_open2AH2, ret_open2AL2, diverge_A1, diverge_A2[50]。 * 构建思路：捕捉隔夜收益、开盘后特定时段收益（如开盘到前1小时最高/最低价收益）以及开盘价与某种基准的偏离度[50]。 4. 开盘后相关因子 * 因子名称：ret_H1, ret_close2H1, corr_VPH1, corr_VRH1, corr_VRleadH1, corr_VRlagH1, real_varH1, real_skewH1, real_kurtosisH1[52][53]。 * 构建思路：聚焦于开盘后第一小时（H1）的收益率、价量相关性及价格分布特征[52][53]。 5. 收盘前相关因子 * 因子名称：ret_H8, corr_VPH8, corr_VRH8, corr_VRleadH8, corr_VRlagH8, real_varH8, real_skewH8, real_kurtosisH8[53]。 * 构建思路：聚焦于收盘前时段（H8可能代表最后时段）的收益率、价量相关性及价格分布特征[53]。 6. 大成交量相关因子 * 因子名称：real_varlarge, real_kurtosislarge, real_skewlarge, ratio_realvarlarge, corr_VPlarge, corr_VRlarge, corr_VRleadlarge, corr_VRlaglarge[53]。 * 构建思路：在成交量放大的分钟区间内，计算价格的高阶矩、价量相关性等指标[53]。 四、 风格因子 1. 盈利类因子 * 因子名称：销售净利率、毛利率、ROE、ROA[53]。 * 构建思路：基于财务报表，衡量公司的盈利能力[53]。 2. 成长类因子 * 因子名称：股东权益增长率、总资产增长率、净利润增长率、每股净资产增长率、EPS增长率、ROE增长率、主营业务收入增长率[53]。 * 构建思路：基于财务报表，衡量公司的成长能力[53]。 3. 杠杆类因子 * 因子名称：资产负债率、长期负债比率、每股负债比、流动负债率[53]。 * 构建思路：基于财务报表，衡量公司的财务杠杆和偿债风险[53]。 4. 流动类因子 * 因子名称：1个月成交金额、近3个月平均成交量、换手率[55][56]。 * 构建思路：基于交易数据，衡量股票的流动性和交易活跃度[55][56]。 5. 技术类因子 * 因子名称：一个月股价反转、三个月股价反转、六个月股价反转、一年股价反转/动量、最高点距离、容量比[56]。 * 构建思路：基于价格和成交量数据，衡量价格动量、反转以及技术形态[56]。 6. 规模类因子 * 因子名称：流通市值、总资产、流通股本/总股本、流通市值/总市值[56]。 * 构建思路：衡量公司规模大小和股权结构[56]。 7. 质量类因子 * 因子名称：存货周转率、总资产周转率、财务费用比例、营业费用比例、固定比、速动比率、流动比率、净利润现金占比[56]。 * 构建思路：基于财务报表，衡量公司的运营效率、费用控制和财务稳健性[56]。 8. 估值类因子 * 因子名称：CFP(行业相对)、EP(行业相对)、SP(行业相对)、BP(行业相对)、CFP、EP、SP、BP、DP[56]。 * 构建思路：基于市值、现金流、销售额、账面价值、股息等数据，构建绝对估值和行业相对估值指标[56]。 因子的回测效果 测试条件：月度换仓，全市场股票池（除非特别说明）[1][49]。指标包括近一月RankIC均值、近一年RankIC均值、历史以来RankIC均值、历史胜率、自相关性[49]。 一、 全市场表现（月度换仓） 1. agru_dailyquote因子：RankIC均值（近一月/近一年/历史以来）：-4.07% / 9.31% / 13.41%；历史胜率：90.39%；自相关性：91.43%[49]。 2. DL_1因子：RankIC均值（近一月/近一年/历史以来）：-3.10% / 11.10% / 13.46%；历史胜率：85.94%；自相关性：96.02%[49]。 3. fimage因子：RankIC均值（近一月/近一年/历史以来）：3.33% / 4.31% / 5.06%；历史胜率：77.63%；自相关性：89.86%[49]。 4. keyperiod_ret_zero因子：RankIC均值（近一月/近一年/历史以来）：-3.05% / -5.54% / -5.40%；历史胜率：86.20%；自相关性：84.88%[49]。 5. ret_overnight因子：RankIC均值（近一月/近一年/历史以来）：12.10% / 3.81% / 3.23%；历史胜率：72.33%；自相关性：75.13%[50]。 二、 指数增强表现（部分因子） 测试条件：控制行业偏离1%、市值偏离1%、个股权重偏离0.5%、成分股权重80%，月末换仓、双边千三计费[13]。 1. fimage因子：今年以来，在沪深300、中证A500、中证500、中证800，中证1000、创业板指的指数增强超额收益率分别为5.85%、4.59%、0.74%、5.64%、1.68%、1.39%，最大回撤率分别为1.22%、1.41%、3.12%、2.28%、4.91%、2.45%[2]。 三、 沪深300板块表现（月度换仓） 1. agru_dailyquote因子：RankIC均值（近一月/近一年/历史以来）：-3.33% / 2.82% / 10.60%；历史胜率：76.78%；自相关性：89.66%[58]。 2. DL_1因子：RankIC均值（近一月/近一年/历史以来）：-2.16% / 2.67% / 9.60%；历史胜率：68.28%；自相关性：95.41%[58]。 四、 中证A500板块表现（月度换仓） 1. agru_dailyquote因子：RankIC均值（近一月/近一年/历史以来）：-4.24% / 3.06% / 9.98%；历史胜率：77.04%；自相关性：89.90%[67]。 2. DL_1因子：RankIC均值（近一月/近一年/历史以来）：-3.14% / 2.75% / 9.24%；历史胜率：71.16%；自相关性：95.45%[67]。 五、 中证500板块表现（月度换仓） 1. agru_dailyquote因子：RankIC均值（近一月/近一年/历史以来）：-6.90% / 3.65% / 9.16%；历史胜率：77.17%；自相关性：89.63%[77]。 2. DL_1因子：RankIC均值（近一月/近一年/历史以来）：-6.57% / 2.93% / 8.50%；历史胜率：72.60%；自相关性：95.31%[77]。