海量Level 2数据因子挖掘系列（八）：从高频撤单信息中构建因子.pdf

撤单行为在股票交易中极为普遍，其量级与成交量基本持平，构成了理解市场微观结构的重要数据源。有别于成交数据反映的既定交易意愿，撤单数据刻画了投资者曾经提交但最终主动取消的流动性承诺，深刻反映了投资者对价格水平、盘口动态风险以及自身订单状态的持续跟踪与重新评估过程。

高频撤单因子体系构建

基于Level 2逐笔订单数据，报告从多个维度构建了高频撤单因子体系。首先是撤单活跃度与规模因子，如rel_count_per_active_minute，该因子刻画了投资者交易意愿的变化，在全市场选股样本中展现出显著的负向RankIC均值和高IC胜率。其次是日内时间结构因子，通过捕捉不同交易阶段的撤单特征，如time_close_minus_open_count_share，反映市场参与者的交易节奏和信息处理方式。此外，报告还区分了快速撤单与普通撤单，构建如fast_normal_switch_rate_diff_vol等因子，以识别不同交易行为模式背后的信息响应速度差异。

因子独立性与有效性分析

相关性分析显示，除关注撤单规模和活跃度的个别因子外，其余撤单类因子与Barra风格因子（如市值、动量、流动性等）的相关性均控制在30%以下，具有较强的独立性，能够提供区别于传统量价因子的增量信息。历史回测表明，部分因子如spec_share_within_normal_count和time_close_minus_open_count_share在长期区间内取得了正向超额收益，尽管在市场剧烈波动年份面临一定回撤，但整体表现稳健。

风险提示与应用建议

需要注意的是，量化模型基于历史数据统计和测算，所得结论在市场政策、环境变化或交易行为改变时存在失效风险。投资者在应用此类因子时，应结合实时市场环境进行动态监控，并注意到不同量化模型之间可能存在的观点差异。撤单数据作为市场微观结构的重要组成部分，其挖掘潜力巨大，但需谨慎处理高噪声特性并确保策略的鲁棒性。