Workflow
高频数据因子研究系列七:再谈信息不对称理论下的因子研究
广发证券·2022-03-30 00:00

量化因子与构建方式 1. 因子名称:VPIN因子 - 因子的构建思路 VPIN因子基于信息不对称理论,旨在衡量市场中个股反映信息不对称程度的刻画。通过交易量不平衡性来估计知情交易者的交易概率[7][36][171] - 因子具体构建过程 1. 划分等交易量的交易区间 将按时间排列的交易数据分成等交易量的交易篮子,每个交易篮子所包含的交易量定为前三个月的日均成交量的五十分之一[29][37] 2. 基于正态分布假设对交易方向进行判断 - 计算每个交易篮子的买单交易量和卖单交易量 VτB=i=t(τ1)+1t(τ)ViZ(PiPi1σP)V_{\tau}^{B}=\sum_{i=t(\tau-1)+1}^{t(\tau)}V_{i}*Z\left(\frac{P_{i}-P_{i-1}}{\sigma_{\nabla P}}\right) VτS=i=t(τ1)+1t(τ)Vi[1Z(PiPi1σP)]V_{\tau}^{S}=\sum_{i=t(\tau-1)+1}^{t(\tau)}V_{i}\left[1-Z\left(\frac{P_{i}-P_{i-1}}{\sigma_{\nabla P}}\right)\right] 其中,ZZ为正态分布的累计密度函数,PiP_{i}为价格,σP\sigma_{\nabla P}为价格变动的标准差[30][31][37] 3. 计算交易不平衡量 OIτ=VτSVτBO I_{\tau}=|V_{\tau}^{S}-V_{\tau}^{B}| 4. 计算VPIN值 VPIN=τ=1nVτSVτBnV\mathrm{VPIN}={\frac{\sum_{\tau=1}^{n}\left|V_{\tau}^{S}-V_{\tau}^{B}\right|}{n V}} 最后对个股在日历周内的VPIN值求均值,得到VPIN因子[31][37][45] - 因子评价 VPIN因子能够有效刻画信息不对称程度,且与传统BARRA因子相关性较低,具有独立性和补充性[159][161][173] --- 因子的回测效果 1. 全市场选股 - IC均值:-0.0467 - 负IC占比:74.18% - 年化收益率:18.67% - 信息比率(IR):1.28 - 换手率:58%[56][68][77] 2. 中证1000选股 - IC均值:-0.0322 - 负IC占比:64.50% - 年化收益率:8.07% - 信息比率(IR):1.20 - 换手率:57%[79][85][92] 3. 中证800选股 - IC均值:-0.0329 - 负IC占比:64.69% - 年化收益率:11.25% - 信息比率(IR):1.08 - 换手率:60%[94][103][111] 4. 中证500选股 - IC均值:-0.0394 - 负IC占比:66.53% - 年化收益率:11.54% - 信息比率(IR):1.72 - 换手率:60.04%[113][118][125] 5. 沪深300选股 - IC均值:-0.0211 - 负IC占比:59.68% - 年化收益率:6.91% - 信息比率(IR):0.71 - 换手率:60%[128][134][142] 6. 创业板选股 - IC均值:-0.0189 - 负IC占比:56.81% - 年化收益率:6.36% - 信息比率(IR):0.53 - 换手率:60%[143][149][155]