reportsell-sidechinaa-sharehigh-frequencylevel2factor-constructionfactor-testingrisk-modelframework

Xingye (2022) — 高频漫谈

一句话：兴业金工高频系列的基础篇与框架篇。报告自己没有挖出新因子，而是定下三件事——用什么标准给高频指标分类（四类信息）、用什么方法检验高频因子有效（全市场多空 + 时序相关性）、以及 Barra 之外的高频风险怎么识别（自上而下 + 自下而上）。

  • 机构: 兴业证券经济与金融研究院（兴业金工）
  • 报告: 《高频漫谈》
  • 对外发布时间: 2022-01-04（研报正文所载；归档目录标注 2022-01-05）
  • 分析师: 郑兆磊 (S0190520080006)
  • 公众号: XYQuantResearch（研报节选版）
  • 本地归档: raw/articles/202201-xingye-high-frequency-overview/（正文 markdown + 原页 HTML + 29 张图）
  • 回测区间: 2014-08-30 — 2021-08-31，日频调仓

报告在系列中的位置

报告原文写明：「该篇也是我们整个高频系列的基础篇和框架篇，后续所有的研究均建立在此基础上。」后续系列按四类信息分工：系列二、三、四挖分布信息，系列六挖时序信息，系列七做风险模型，系列八做关联信息，系列九做日内分域，系列十把异常成交与分歧状态组合成因子——它们共用本篇定义的检验口径。

三块内容

1. 构造：四类信息。 以「指标对时间重排敏不敏感」为判据，把高频指标分为分布、时序、关联、另类四类。反对直接用遗传规划挖因子，理由是挖掘有效性 \eta=F_{\text{effective}}/F_{\text{total}} 随搜索规模上升而下降，且算子覆盖范围说不清；主张面向独立同分布数据的不变量（总体分布统计特征）构造统计量。时序上再做等权平均或标准差——已实现收益率方差的最优等权天数 n^*=20，此时 IC 约 5.1%、年化多空约 41%。

2. 检验：高换手专用的有效性框架。 高频已实现方差比低频日收益率方差快约 10 天到达 IC 一半。多空组合改为中位数分组后按因子值在全市场配权，通过标准是年化多空 >10%、夏普 >3、最大回撤 <10%、胜率 >51%、IC >1.5%、日换手 <40%，并要求样本内至少 7 年、样本外至少半年、内外差异不超过 20%。因子特异性以多空收益率时序相关性为主（<0.3 不同、>0.5 同一），截面相关性与交易相关性为辅。

3. 风险：Barra 之外的风险识别。 把因子收益拆成 \lambda=\lambda_p+\lambda_r，\lambda_r 不贡献收益只贡献波动。自上而下用高频数据重建 Barra 式风险因子；自下而上利用「共享风险因子的因子时序相关性高」做聚类。三步流程：建大类风险因子 → 聚类与组内对冲 → 组内提纯。

一处值得留意的推导

截面对冲消不干净时序相关性。对动量回归取残差后，\rho^H\approx\frac{1}{1-\beta}\rho-1：\beta=0.6,\rho=0.7 时对冲后是 0.75；\beta\ge0.65 时达到 1。所以对冲应选预期收益接近零、截面相关性适中的风险因子。

原文没写清楚的地方

  • 市场规模的数字对不上：正文说截至 2020Q4 私募量化/对冲基金 13465 只、规模 6999.87 亿元，占自主发行类私募证券投资基金总只数与总规模的 26.2% 和 18.9%，「较 2019 年分别增长 26.2% 和 66.5%」——只数占比与只数增速同为 26.2%，疑为笔误，原文未说明。
  • 组合优化一节只有方向：报告说借鉴 Bootstrapping 构建面向随机变量优化的机器学习模型，但没有给出目标函数、重采样方案或求解算法。
  • 四类信息的边界有重叠：原文自己承认「收益率自相关在一定程度上也用到了收益率的分布信息」，分类是按「是否对重排敏感」的操作性判据，不是互斥的信息论分解。

在本 wiki 的位置

引用规范

引用时给出标题 + 发布日期（2022-01-04）。公众号版是研报节选，与研报全文可能存在差异，以研报全文为准。