2025年大类资产与中观配置研究：高频资金流如何辅助宽基择时决

1. 高频资金流因子构建

1.1. 资金面因子的定义

本文基于沪深 300、中证 500、中证 1000 以及中证全指四只宽基指数， 选用所有股票汇总得到的指数高频资金流数据进行分析。数据方面，我们集 中探讨大额的成交单可能产生的市场影响。包含三大类因子：大单的净买入 金额（大单买入-大单卖出），主要体现指数层面的大额净买入力量；在大额 卖出因子方面，之前的报告《什么类型的交易更具市场影响？——大单因子 的研究与改进》中，我们有过结论，大买大卖成交额，中小买大卖成交额相 对而言都具有较好的短期价格走向解释力，故而这 2 个因子均在我们后续 的考察范围。这些因子反映了市场中不同主体的交易行为和资金流向，对市 场短期内的走势有一定的预测作用。这些因子共同刻画了市场的微观结构 变化，为股指走势提供了重要的先行信号。 我们定义成交量超过滚动均值 1 倍标准差的订单定义为“大单”。针对 每个高频因子，我们分别统计了其在一个交易日内三种不同情境下的数值 表现：1. 全交易时段；2. 剔除收盘前 30 分钟的交易数据；3. 仅统计开盘 后 30 分钟的交易数据。 最后，我们计算了所有因子在不同时间窗口下的均线距离，生成参数化 因子。均线参数合计 5 组，分别为：5 天均值-10 天均值、5 天均值-20 天均 值、10 天均值-20 天均值、10 天均值-40 天均值、10 天均值-60 天均值。

1.2. 资金流因子与指数未来收益的相关性

为了验证我们的猜想，我们将参数化后的因子与其对应指数未来 5 个、 10 个、20 个以及 60 个交易日（考察区间为 20130101-20250930，后文同） 的累积收益进行 pearson 相关系数计算。

虽然不同宽基指数之间，因子的相关性有一定差异，但从整体上来看， 各类大买大卖和中小买大卖因子与宽基指数未来短期内（5-20 天）的收益 均呈正相关，且与未来 10 天累积收益的相关性最强，而从长期（60 天）来 看，上述关系出现反转。 大单净买入因子则在短期内与指数的收益呈负相关，但负相关性并不 强；而从长期来看，因子与指数的收益出现正相关，而且相关性系数有所升 高。 我们认为，这种现象反映了市场中主力资金与中小资金在不同时间周期内的行为差异及其对市场的影响。短期内，大买大卖和中小买大卖因子表 现出较强的正相关性，主要源于资金的短期推动效应：2 个因子一方面体现 了市场的活跃程度，另一方面可能代表着短期市场存在超卖现象，故而短 期市场存在向上修复的概率。然而，随着时间周期拉长，这种动量效应逐渐 减弱，由于市场具备一定的均值回归特性，相关性出现反转。 对于大单净买入因子，其短期负相关性可能是因为资金短期的超买现 象较为突出，导致指数出现短期下跌的可能。但在长期来看，主力资金的流 入往往对市场起到支撑作用，推动指数的长期上涨，从而表现出正相关的 特征。

2. 资金流因子参数的敏感性分析

上文中，我们提到，不同宽基指数间，因子的相关性系数具有一定的差 异。为了在后续的择时模型构建中，选择更为合适的因子以及参数，我们从 多个维度，对高频因子与指数的适配性进行检验。

2.1. 资金流因子与指数相关性（全样本）

我们可以看到，沪深 300 指数与中证 500 指数和高频 因子之间的相关性和上文结论基本一致，短期内，大买大卖类、中小买大卖 类因子与未来收益正相关，而大单净买入类呈负相关，而长期来看，上述关 系出现反转。值得注意的是，相较于沪深 300，中证 500 与大买大卖类、中 小买大卖类因子的中期（10-20 天）相关性要低于短期（5 天）。

同样的，中证 1000 指数和中证全指的相关性检验也呈同样的规律，而 相较于沪深 300 和中证 500，中证 1000 和中证全指与大买大卖类、中小买 大卖类因子在短期（5 天）的正相关性要明显更强。

2.2. 资金流因子收益统计（滚动窗口）

从交易层面来看，由于不能使用未来数据，全样本的统计结果不能作为 实际操作的参考。为了更好地检验各因子在真正交易过程中可能的收益表 现，我们采用 40 天滚动窗口的 z-score 标准化处理参数化因子，并根据 z-score 分区间统计不同信号的未来收益情况（沪深 300、中证 500、中证 1000 以及中证全指四只宽基指数的平均收益）。

不考虑极值影响，大买大卖因子在不同窗口期，均与未来收益呈 现正相关

大买大卖因子在各个时间长度下，中高信号区间（>0），平均收益均为 正，尤其是在高信号区间（1~2 和>2）表现突出，5 天和 10 天窗口的平均 收益分别达到 0.4%、0.7%和 0.7%、1.6%。值得注意的是，大买大卖因子在 60 天窗口期的平均收益呈现单调上升趋势，似乎与前文中负相关的结论不 符。我们认为，这更多是由于滚动标准化因子后，因子信号的区间特征被放 大；且由于因子信号>2 的样本量较少（>2 共有 4730 次；<-2 共有 2115 次， 其余情况有 52235 次），统计值也会受到极值的影响。从交易层面来看，这 种特征更为有利。长短期收益特征的一致，对于交易时间窗口的要求有所降 低。

不考虑极值影响，中小买大卖因子在绝大多数窗口期，均与未来 收益呈现正相关

中小买大卖因子的收益特征基本与大买大卖因子相同，在各个时间长 度下，中高信号区间（ >0），平均收益均为正，在高信号区间（1~2 和>2） 同样表现突出，5 天和 10 天窗口的平均收益分别达到 0.4%、0.9%和 0.9%、 2.1%。中小买大卖因子在 60 天窗口期的平均收益并没有非常明显的趋势， 与前文结论相符。

不考虑极值影响，大单净买入因子与指数未来收益呈现负相关

大单净买入因子的收益特征则与上述两个因子相反，在各个时间长度 下，中低信号区间（<0），平均收益均为正。整体来看，除了在信号值>2 的 极端情况下，基本因子的信号值越高，未来平均收益越低，但因子在 60 天 窗口期的平均收益并没有呈现非常明显的趋势。

2.3. 资金流因子在不同参数下的表现

为了更好地确定每个因子的最优参数，我们将因子按相关关系的正负 分为两大类，大买大卖类和中小买大卖类为正向类，大单净买入类为负向类， 统计不同均值差参数下的相关关系均值。在沪深 300 的结果中，正向类和 负向类高频因子中， 10 天-40 天这组参数较好；中证 500 中，正向类 5 天 -20 天与 10 天-20 天参数较好，负向类因子与中证 500 的收益相关性并不显 著。

中证 1000 和中证全指的最优参数相同，正向类均为 5 天-20 天与 10 天 -20 天，负向类均为 10 天-20 天。

可以看到，资金流因子的最优参数集中在短线（如 MA5、MA10）和 中线（如 MA20、MA40）的距离，我们认为，高频的资金流因子本质上反 映的是市场的高频交易行为，这些行为通常具有短期效应，容易在较短时间 内对市场产生直接影响。短线均值能够快速响应这些短期变化，而中线均值 作为参考基准，两者的距离放大了高频因子短期变化对中期趋势的偏离程 度，能够更有效地捕捉市场的短期超额信号。

3. 单因子及复合因子择时策略

根据因子分类相关系数统计的结果，确定各指数最优参数及因子，而后 构建单因子和复合因子的多头、多空策略，并使用沪深 300、中证 500 和中 证 1000 在 2013.01.01-2025.09.30 的数据（中证 1000 指数为 2014.10.20 开 始）进行回测（由于因子参数化的过程中涉及均线、滚动窗口等计算，实际 开始日期为因子发出首个信号开始）。

3.1. 单因子策略

我们将运用于策略的因子进行滚动 40 天窗口的标准化处理，在单因子 策略中，正向类因子与负向类因子（取相反数）测试 0.5 和 1 两个多头开仓 阈值。

从全区间结果来看，沪深 300 多头端，采用中小买大卖开盘、大买大卖 开盘（10 天-40 天）和中小买大卖剔除收盘（10 天-60 天）构建的组合风险 指标较优，年化收益率基本都在 10%以上，相对于同期基准的超额收益在 7%左右，最大回撤约为基准的一半，夏普比位于 0.8 以上。长期来看，纯多 头策略下，阈值设为 0.5 或 1 对最终结果的影响较小。

沪深 300 多空端，采用中小买大卖剔除收盘、中小买大卖开盘、中小买 大卖（10 天-40 天）和大买大卖开盘（10 天-40 天、10 天-60 天）构建的组 合风险指标较优，年化收益率相较于纯多头端都有所提升，夏普比和回撤表 现和多头端较为接近，换手次数约为纯多头端的两倍，胜率接近。值得注意 的是，阈值设定对组合表现的影响在多空策略下较为明显。

中证 500 多头端，采用大买大卖开盘（10 天-60 天）、中小买大卖剔除 收盘（10 天-60 天）和中小买大卖开盘（5 天-20 天）构建的组合风险指标 较优，年化收益率都在 10%以上，相对于同期基准的超额收益在 4%以上， 最大回撤约为基准的一半，夏普比位于 0.6 以上。与沪深 300 相同，纯多头 策略下，阈值设为 0.5 或 1 对最终结果的影响较小。

中证 500 多空端，采用大买大卖开盘（10 天-60 天）、中小买大卖开盘 （10 天-40 天）、中小买大卖（10 天-60 天）和大买大卖剔除收盘（10 天-60 天）构建的组合风险指标较优，年化收益率相较于纯多头组合有大幅提升。 与沪深 300 不同的是，多空组合的夏普比相较于多头端的提升幅度较大， 但最大回撤提升幅度也有所升高，换手次数约为纯多头端的两倍，阈值设定 对组合表现的影响在多空策略下较为明显。

中证 1000 多头端，采用中小买大卖开盘（10 天-40 天和 5 天-20 天）、 中小买大卖剔除收盘（5 天-20 天）和大买大卖开盘（10 天-40 天）构建的 组合风险指标较优，年化超额收益率都在 5%以上，最大回撤显著低于基准， 夏普比位于 0.6 以上。与其他宽基指数相同，纯多头策略下，阈值设为 0.5 或 1 对最终结果的影响较小。

中证 1000 多空端，采用大买大卖开盘、中小买大卖开盘、中小买大卖和大买大卖剔除收盘（10 天-40 天或 10 天-60 天）构建的组合风险指标较 优，年化超额收益率相较于多头端的提升较为明显，但日度胜率有所下降； 最大回撤几乎没有受到影响，换手次数略微有所提升。

综上所述，我们可以看到，中小买大卖开盘、中小买大卖剔除收盘以及 大买大卖开盘这三个因子的表现较为稳定，基本在每个宽基指数上的效果 都较好，参数多选用（10 天-40 天以及 10 天-60 天）。经测试，虽然大单净 买入因子在相关性检验中表现出了一定的负向预测能力，但从回测来看，效 果并不理想。策略所采用的阈值在多头端几乎没有影响，在多空端有一定的 影响，但并不会大幅改变因子的有效性。

3.2. 复合策略

我们根据单因子策略的结果，选取了每个宽基指数在多头、多空端综合 表现较好的因子，构建复合策略，回测区间与上文一致，由于在上文中，我 们发现阈值对最终因子的表现影响并不大，因此在本节，我们使用 1 作为 所有因子的触发阈值。

从组合表现上来看，复合策略与单因子策略的夏普比基本一致，年化收 益率要略低，但收益稳定性更强，激进多头和激进多空策略的日度胜率高达 53%。与此同时，多头端的复合策略，换手次数要明显低于单因子策略。

从分年度表现上来看，四种复合策略的年度胜率都达到 60%以上，且 基本没有出现最大回撤高于基准的情况。与此同时，我们注意到，策略在基 准出现下跌的年份，均能够获取不俗的超额收益，证明策略的稳定性较好。

从组合表现上来看，复合策略的夏普比要明显高于单因子策略，年化收 益率显著更高，且收益稳定性更强。值得注意的是，稳健多头的夏普比达到 1.21，且最大回撤仅为-15.0%，表现十分突出。与此同时，复合策略的换手 次数要明显低于单因子策略，但日度胜率有所下降，证明组合在发出做多信 号时更为谨慎。

从分年度表现上来看，四种复合策略的平均年度胜率为 56%左右，略 低于复合因子在沪深 300 上的表现。然而，在基准表现较好的年份如 2019- 2020 年和 2024 年，策略成功获取了较高的超额收益，相较于沪深 300，复 合策略在中证 500 上的弹性更强，更偏向于赔率模型。

从组合表现上来看，复合激进策略的夏普比和单因子表现较为接近，但 稳健策略的夏普比和各项风险指标都要远优于单因子策略，收益稳定性较 强。类似于中证 500 的复合策略情况，复合稳健策略在中证 1000 指数上的 换手次数要明显低于单因子策略，日度胜率虽略低，但最大回撤和年化收益 等指标显著更优。

从分年度表现上来看，四种复合策略的年度胜率最低也达到了 70%以 上，最高有 9 成，是各大宽基指数上表现最好的，我们认为，这是由于中证 1000 指数的成分股市值较低，量价信号更能捕捉投资者交易特征。值得注 意的是，我们发现在中证 1000 指数中，稳健类策略虽然年度胜率略低，但 收益稳定性明显更好，多头端在回测区间仅有 2017 年出现小幅下跌，多空 端全期为正收益。

综上所述，我们认为，复合类策略的整体表现，尤其是收益稳定性上要 优于单因子策略。此外，我们发现，在较为稳定的指数，如沪深 300 上，采 用较为激进的复合策略可以获得更高的日度胜率，进而获取更优的风险收益表现；而在本身波动相对较高的指数，如中证 500 和中证 1000 上，可以 考虑采取偏稳健的策略，谨慎发出做多信号，减少不确定性。

4. 总结

基本面、资金面、情绪面的变化，是市场趋势形成的重要因素，在之前 的报告中，我们有过较多对于基本面和情绪面的探讨。本篇报告，我们将集 中讨论资金流的变化，对于主流宽基指数的走势有何影响。近年来，数据颗 粒度的不断细化，为我们分析资金面提供了更细致的角度，本篇报告集中探 讨高频资金流（逐笔）对于指数走势的影响。 本文基于沪深 300、中证 500、中证 1000 以及中证全指四只宽基指数， 选用所有股票汇总得到的指数高频资金流数据进行分析。数据方面，我们集 中探讨大额的成交单可能产生的市场影响。包含三大类因子：大单的净买入 金额（大单买入-大单卖出），主要体现指数层面的大额净买入力量；在大额 卖出因子方面，之前的报告《什么类型的交易更具市场影响？——大单因子 的研究与改进》中，我们有过结论，大买大卖成交额，中小买大卖成交额相 对而言都具有较好的短期价格走向解释力，故而这 2 个因子均在我们后续 的考察范围。这些因子反映了市场中不同主体的交易行为和资金流向，对市 场短期内的走势有一定的预测作用。这些因子共同刻画了市场的微观结构 变化，为股指走势提供了重要的先行信号。

短期内，大买大卖和中小买大卖因子表现出较强的正相关性，主要源于 资金的短期推动效应：2 个因子一方面体现了市场的活跃程度，另一方面可 能代表着短期市场存在超卖现象，故而短期市场存在向上修复的概率。然而， 随着时间周期拉长，这种动量效应逐渐减弱，由于市场具备一定的均值回归 特性，相关性出现反转。对于大单净买入因子，其短期负相关性可能是因为 资金短期的超买现象较为突出，导致指数出现短期下跌的可能。但在长期来 看，主力资金的流入往往对市场起到支撑作用，推动指数的长期上涨，从而 表现出正相关的特征。 短期内，大买大卖和中小买大卖因子表现出较强的正相关性，主要源于 资金的短期推动效应：2 个因子一方面体现了市场的活跃程度，另一方面可 能代表着短期市场存在超卖现象，故而短期市场存在向上修复的概率。然而， 随着时间周期拉长，这种动量效应逐渐减弱，由于市场具备一定的均值回归 特性，相关性出现反转。对于大单净买入因子，其短期负相关性可能是因为 资金短期的超买现象较为突出，导致指数出现短期下跌的可能。但在长期来 看，主力资金的流入往往对市场起到支撑作用，推动指数的长期上涨，从而 表现出正相关的特征。

资金流因子的最优参数集中在短线（如 MA5、MA10）和中线（如 MA20、 MA40）的距离，我们认为，高频的资金流因子本质上反映的是市场的高频 交易行为，这些行为通常具有短期效应，容易在较短时间内对市场产生直接 影响。短线均值能够快速响应这些短期变化，而中线均值作为参考基准，两 者的距离放大了高频因子短期变化对中期趋势的偏离程度，能够更有效地 捕捉市场的短期超额信号。 在沪深 300、中证 500 和中证 1000 的回测中，我们可以看到，中小买 大卖开盘、中小买大卖剔除收盘以及大买大卖开盘这三个因子的表现较为 稳定，基本在每个宽基指数上的效果都较好，参数多选用（10 天-40 天以及 10 天-60 天）。经测试，虽然大单净买入因子在相关性检验中表现出了一定 的负向预测能力，但从回测来看，效果并不理想。策略所采用的阈值在多头 端几乎没有影响，在多空端有一定的影响，但并不会大幅改变因子的有效性。 复合类策略的整体表现，尤其是收益稳定性上要优于单因子策略。此外， 我们发现，在较为稳定的指数，如沪深 300 上，采用较为激进的复合策略可 以获得更高的日度胜率，进而获取更优的风险收益表现；而在本身波动相对较高的指数，如中证 500 和中证 1000 上，可以考虑采取偏稳健的策略，谨 慎发出做多信号，减少不确定性。

编辑：火腿肠