订单聚集因子簇的构建逻辑与动态窗口法识别机制
- 提问时间：2026/05/26
- 浏览次数：27
- 提问者：匿名用户
- 举报
请详细解析基于订单聚集现象的高频量价因子构建流程，特别是订单分类的具体维度、聚集识别中固定窗口法与动态窗口法的区别及优势，以及统计量提取与日内聚合的具体方法。
最佳答案
由匿名用户编辑于2026/05/26 10:10
订单聚集因子的构建遵循“四维流水线”架构，包含订单分类、聚集识别、统计量提取和日内聚合四个步骤。首先，在订单分类环节，依据操作行为（挂单/撤单）、交易方向、订单规模（大额）及激进程度，构建15种分类方式以锁定不同交易群体行为。其次，在聚集识别环节，采用固定窗口法（如10秒切片）和动态窗口法。动态窗口法通过双阈值状态机，以近期历史为基线识别相对异常，克服了固定窗口法受市场日内“U型”分布干扰的缺陷，能更公平地捕捉全天各时段的微观结构偏离。最后，在统计量提取与日内聚合环节，提取聚集区间内的委托/成交特征、转化率及相关性，并通过均值、极值、时间衰减等10种算子将日内多个聚集区间信息汇总为日频因子。
参考报告REPORT
量化专题报告：“量价淘金”选股因子系列研究（十七），基于订单聚集现象的高频量价因子研究.pdf
本报告为《“量价淘金”选股因子系列研究》第十七篇，基于“因子簇”理念，以“订单聚集效应”为核心，构建了一套体系化的因子挖掘框架。报告提出“四维流水线”式因子生产架构，通过订单分类、聚集识别、统计量提取和日内聚合四个步骤，从逐笔委托与成交数据中提取微观结构特征。在聚集识别上，对比了固定窗口法与动态窗口法，后者通过动态基线识别相对异常，有效规避了日内时段偏差。最终，通过交叉遍历构建了上千种统计量，并筛选出50个效果最优且低相关的因子组成“订单聚集因子簇”，其年化ICIR绝对值均超2。基于此簇合成的综合因子在2016-2026年回测期内表现优异，多空对冲年化收益显著。此外，基于该综合因子构建的沪深3...
快速提问
海量报告支持，行业专家解读
海量文库支持，行业专家解答
- 相关问题
- 最新问题
用户解答榜
-
1
沃巴查芒
68次解答 -
2
每日新报
61次解答 -
3
StartYourFinance
57次解答 -
4
999感冒灵
55次解答 -
5
方琳
1次解答
