算法交易撤单识别方法 - 通过分析下单-撤单时间差的脉冲式集中分布识别算法交易行为，集中在1秒、3秒、5秒等特定时间点[25][29] - 算法交易撤单判定需排除0秒附近的"秒撤"订单（缺乏实际交易意图）[29][45] - 使用Level-2数据时，上交所通过逐笔委托的OrdType字段匹配撤单与原始订单，深交所需结合逐笔成交和逐笔委托数据[96] 单因子表现与特征 - 算法交易撤单笔数占比因子（ACCR）全区间RankIC为0.052，ICIR为0.458，表现优于撤单量占比因子（ACVR的RankIC仅0.026）[41][46] - 买单算法交易撤单笔数占比因子（BABR）选股效果最优，全区间RankIC达0.059，ICIR为0.555，IC胜率70.1%[57][61] - 算法交易买卖撤单熵因子（ACE）衡量买卖方向一致性，全区间RankIC为0.047，ICIR为0.479，但多头收益较弱[78] 合成因子优化效果 - 合成因子（ACE与BABR排名相加）全区间RankIC提升至0.069，ICIR达0.851，IC胜率81.5%[86] - 合成因子前100股票等权组合年化收益率13.03%，超额年化收益13.77%，信息比率1.44（以中证1000为基准）[94] - 合成因子暴露于小市值和低流动性风格（与市值相关性-0.167），中性化后RankIC仍保持0.054[90] 市场背景与数据挑战 - 2017年以来小单中机构订单占比攀升，传统按金额划分订单的方法失效（如4万元以下视为散户单）[15][20] - 平均每笔交易金额从2013年持续下滑，而总成交金额上升至28000亿百亿元（2025年）[18][20] - 处理撤单数据需聚合10个交易日滚动数据，每日数据规模控制在30-40MB以提升计算效率[98]