如何衡量股票资金流？

以下是衡量股票资金流的几大维度：

首先需要明确的是，本篇报告聚焦于资金流在截面选股层面的应用，而非市 场择时的角度。前者关注的是“在相同的市场环境下，哪些股票更受资金青睐”， 而后者则探讨“当市场整体资金流入或流出时，指数价格将上涨还是下跌”。 股票层面的资金流研究与市场整体资金流研究在可用数据上存在显著差别。 股票资金流指标必须基于个股层面的数据构建，可用数据相对有限，例如成交数 据、持仓变动、机构申赎情况等；而市场层面的资金流研究则可以引入粒度更粗 的数据来源，如海内外 A 股指数资金流、市场流动性指标、社融数据等宏观口径。 在本研究中，我们从公开市场可获取的股票数据出发，将资金流划分为五个 主要研究方向：主动型公募基金及机构资金流、ETF 资金流、融资融券资金流、 境外资金流以及高频订单资金流。这些维度共同构成了我们对 A 股市场资金流行 为的系统性刻画框架。

在此基础上，我们首先对资金流相关的国内外研究进行了简要回顾。正如在 探索一座城市之前先了解其历史背景一样，在构建因子前梳理既有研究成果，有 助于我们更深入地理解资金流指标的内在逻辑与演变脉络。在具体构建各类指标 之前，我们对上述几类资金流进行了文献搜集与整理，并将主要研究进展加以总 结，形成简要综述，供投资者参考。

海外关于机构资金流和 ETF 资金流（Institutional Fund Flows/ETF Flows） 研究的发展与监管披露制度的演变密切相关。系统性的研究最早可以追溯到 1978年美国 SEC 实施 13F 持仓披露制度之后，Nofsinger 和 Sias（1999）基于这一 制度，利用机构投资者的季度持仓变动数据，构建了机构资金流指标，通过比较 连续两个季度的持仓变化来推断机构资金的流向。随着《投资公司法》进一步要 求共同基金半年度披露完整持仓（2004 年后调整为季度披露），Wermers（2000） 以及 Kacperczyk、Sialm 和 Zheng（2008）得以在更高频的数据基础上，构建出 更精确的共同基金资金流指标。他们将 N-SAR、N-Q 报告与 CRSP 共同基金数 据库结合，实现了对主动管理型机构资金流的月度追踪。这一阶段的研究确立了 机构资金流的核心金融逻辑：机构投资者往往是信息更充分的市场参与者，其持 仓变动通常领先于价格变动，因此机构资金流向具有较高的参考与预测价值。 ETF 的兴起为资金流研究带来了全新的研究维度。早期关于 ETF 资金流的文 献主要聚焦于其价格发现功能，探讨 ETF 交易如何提升市场定价效率；而近年来， 研究重心逐渐转向 ETF 资金流对底层股票的影响机制。 Ben-David、Franzoni 和 Moussawi（2018）的经典研究指出，ETF 通过套 利机制维持其市场价格与所追踪股票篮子之间的平衡，因此 ETF 层面的交易行为 会直接传导至底层成分股的交易活动。基于日内成交与申赎数据，研究发现 ETF 资金流在市场压力阶段具有显著的预测能力。以 2015 年 8 月的“闪崩”事件为 例，大规模 ETF 赎回领先现货市场下跌约 15 至 30 分钟。这一发现表明，ETF 的申赎机制使其资金流对市场价格形成了双重影响：一方面，ETF 增强了市场的 价格发现功能；另一方面，也在一定程度上放大了市场的非基本面波动。

融资融券资金流研究的起点，可以追溯到对卖空限制理论的早期探讨。Miller （1977）的经典研究指出，当市场存在卖空限制时，悲观投资者无法充分表达其 负面预期，从而导致股价被系统性高估。随着美国市场融券数据的逐步公开，学 者们开始从实证角度验证这一理论假设。Woolridge and Dickinson（1994）、 Dechow 等（2001）以及 Asquith 等（2005）利用月度融券余额数据构建了卖空 比率（Short Interest Ratio, 简称 SR）指标，并发现高卖空比率股票在随后时期 的收益显著低于低卖空比率股票。 中国市场的融资融券制度始于 2010 年，提供了一个与美国截然不同的制度 环境。与成熟市场相比，A 股市场长期呈现出“融资主导、融券受限”的特征， 使得融资与融券两端的资金流具有不同的信息含量与市场意义。实证研究发现， 在融资端，融资比率与未来收益率正相关，即融资交易往往能够正向预测未来收 益；而在融券端，融券比率与未来收益率负相关，融券交易则更多体现出市场的 悲观预期（俞红海等，2018）。郭彪等进一步从融资与融券两端出发，分别构建 了四项指标：融资比率（LR）、融资回补天数（DTC_long）、融券比率（SR）以 及融券回补天数（DTC_short），并通过系统回测验证了这一结论。

关于陆股通资金流的系统性研究始于 2014 年沪港通的开通。自此之后，北 向资金逐渐成为 A 股市场中最受关注的外部变量之一，被投资者普遍视为“聪明 钱”的代表。研究发现，北向资金具备相对更强的信息处理与风险定价能力：在 市场波动阶段，它们往往倾向于采取逆势操作，而在趋势反转初期则更可能顺势 加仓，体现出一定的趋势识别与风险管理特征（He et al., 2024）。

这种特征也影响了本土投资者的行为模式。由于北向资金在信息透明度、决 策理性度上的相对优势，A 股投资者对其动向形成了强烈的跟踪与模仿偏好，部 分公司甚至出现明显的“跟随交易”现象，从而在市场中形成了“行为引导—反 馈强化”的循环机制（Chen, Wang & Zhu, 2024）。 为了更精确地刻画北向资金的行为特征，已有研究从不同角度提出了多种测 度方法。例如，Chen 等（2024）基于北向资金持股比例变化来衡量资金配置方 向，而杨何灿等（2023）则构建了剔除价格波动干扰的标准化交易强度指标，以 捕捉资金真实的买卖力量。

高频资金流分析与订单流不平衡理论的基础由几篇具有里程碑意义的论文奠 定，这些研究至今仍是现代微观结构分析的核心框架。 Kyle（1985）在 《Econometrica》中提出的连续拍卖模型首次建立了价格变动与订单流之间的定 量关系。他引入著名的 λ 参数（Kyle’s Lambda），通过关系式 Δp = λ × x （其中 x 为净订单流量）刻画了价格变化与订单不平衡的线性联系，揭示了做市 商如何从订单流推断信息并据此调整报价。 Glosten 和 Milgrom（1985）在《Journal of Financial Economics》发表的 逆向选择模型进一步补充了理论基础，解释了订单不平衡如何揭示知情交易者与 非知情交易者之间的信息不对称。做市商通过观察订单流模式来判断交易信息的 性质，并调整买卖价差以对冲逆向选择风险。这两大模型共同确立了“价格—订 单流—信息”之间的动态关系，构成了后续高频资金流研究的理论根基。

订单流研究的最新突破来自对订单簿层级信息（Limit Order Book, LOB）的 挖掘。Eisler 等（2012）以及 Cont、Kukanov 和 Stoikov（2014）在《Journal of Financial Econometrics》中提出了订单簿不平衡指标（Order Flow Imbalance, OFI）。 与传统的基于成交量的不平衡指标不同，OFI 能够捕捉尚未成交订单的潜在 供需变化，因此更能反映市场的即时流动性状况。Cont 等人（2014）发现，价 格变动与第一层订单簿的 OFI 存在线性关系，这种关系在不同市场与时期均保 持稳定，且 OFI 对短期价格变化具有显著预测能力。 后续研究进一步扩展了 OFI 的适用范围。Xu、Gould 和 Howison（2018） 在《Market Microstructure and Liquidity》中将 OFI 推广至多层级订单簿，发现 尽管第一级信息最关键，但深层订单在特定市场条件下同样具有解释力。Cont、 Cucuringu 和 Zhang（2023）在《Quantitative Finance》的研究则发展了跨截 面 OFI 分析框架，揭示了不同股票间订单流的溢出效应，为理解系统性风险提 供了新的分析工具。