summaryequityA-sharehigh-frequencylevel2factor-constructionfactor-testingrisk-model

兴业金工《高频漫谈》— 高频因子的构建逻辑、回测方法与高频风险识别

来源

  • 机构：兴业证券经济与金融研究院（兴业金工），公众号 XYQuantResearch
  • 研报：《高频漫谈》，对外发布时间 2022-01-04（归档标注 2022-01-05）
  • 分析师：郑兆磊（S0190520080006）
  • 本地归档：raw/articles/202201-xingye-high-frequency-overview/
  • 回测区间：2014-08-30 — 2021-08-31，日频调仓

一句话总结

这是兴业金工高频系列的基础篇与框架篇：先说明高频因子为什么必须日频换手（IC 半衰期短），再给出「高频指标 → 时序操作 → 高频因子」的构造管线与四类信息的分类判据，然后建立一套适合高换手的有效性检验标准，最后提出用自上而下加自下而上的混合方法识别 Barra 之外的因子风险。

三条主线

一、四类信息（构造）

以「指标对时间重排敏不敏感」为判据分成四类：分布信息 g=f(\mathrm{Reorder}(data))=f(data)、时序信息 g=f(\mathrm{Reorder}(data))\ne f(data)、关联信息 g=f(data_x,\mathrm{Reorder}(data_y))\ne f(data_x,data_y)、另类信息 g=f(data,\mathrm{Information})。报告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，以替代容易过拟合的遗传规划。时序上再做等权平均或标准差：已实现收益率方差的等权平均天数存在最优值 n^*=20，此时 IC 约 5.1%、年化多空约 41%。

二、有效性检验（回测）

高频已实现方差比低频日收益率方差快约 10 天到达 IC 的一半。多空组合不用 Top/Bottom 10%，而是中位数分组后按因子值在全市场配权（w_i^+=F_i^+/\sum F^+），以获得风险匹配更纯的 alpha。通过标准：年化多空 >10%、夏普 >3、最大回撤 <10%、胜率 >51%、IC >1.5%、日换手 <40%，且样本内至少 7 年、样本外至少半年、内外差异不超过 20%。因子特异性主要看多空收益率的时序相关性（<0.3 为不同因子，>0.5 为同一因子），截面相关性与交易相关性作辅助。

三、风险识别（组合优化前）

因子收益可拆成 \lambda=\lambda_p+\lambda_r：\lambda_r 不贡献收益、只贡献波动。自上而下的路线是用高频数据重建 Barra 式风险因子；自下而上的路线是利用「共享风险因子的因子时序相关性高」做聚类。报告把两者结合成三步流程：建大类风险因子 → 聚类与组内对冲 → 组内提纯，最终得到组间时序相关性接近 0 的底层因子库。

最值得留意的一处推导

截面对冲并不能消除时序相关性。对动量因子回归取残差后，因子收益变成 \mathbf{R}_{F^H}=\mathbf{R}_F+\mathbf{B}(\mathbf{R}_F-\mathbf{R}_{MOM})，代入 \mathbf{B}=b 可得 \rho^H\approx\frac{1}{1-\beta}\rho-1。\beta=0.6,\rho=0.7 时对冲后反而是 0.75；\beta\ge0.65 时直接到 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。

入口与交叉引用