2025年基于流动性冲击事件的逐笔羊群效应因子：“高频数据+离散化”理念的具体实践

一、前言

随着市场竞争的加剧，传统策略越来越难以获得显著的 Alpha，现有模型和因子的有效 性在快速衰减；另一方面，靠人力挖掘 Alpha 新因子的难度也越来越大，需要持续投入 大量资源，维持获取超额收益的能力。 因此，如何系统性、快速、批量挖掘 Alpha 新因子，对传统模型进行迭代，就成为一项 至关重要的技术。在此背景下，国盛金工推出“因子生产加速”相关研究，尝试在数据 存储、因子计算、因子构建框架等各个层面做出努力，提升因子的生产效率。

一年前，在“量价淘金”选股因子系列研究的专题报告《Memory Map 在因子生产加速 上的应用——以构建羊群效应因子簇为例》中，我们首次提出了“因子簇”的研究理念， 即对于某一研究想法，在不修改因子构建参数、不做算子自由组合的前提下，遍历所有 底层逻辑层面的可能性，多维度、多视角地刻画同一交易行为，再辅以因子生产技术层 面的提升，系统性、批量、快速生产选股因子，最终通过有效性、相关性的检验和筛选， 留下一些有效且相对低相关的因子，称之为这一研究想法对应的因子簇。 基于“因子簇”的研究理念，近一年来，我们展开了诸多因子研究的工作。在以往研究 中，我们将逐笔成交、逐笔委托数据进行降频处理，构建了各种各样的分钟特征，然后 利用这些分钟特征进行大规模的因子挖掘。但在前期报告《“高频数据+离散化构建方式” 在因子研究中的重要性》中，我们发现基于分钟数据构建的因子，哪怕构建过程用到了 比较另类的离散化定义，最终得到的因子增量信息也在快速衰减。因此我们提出，未来 量价因子的研究，想要获取更多的、与现有因子低相关的增量，直接“在逐笔数据层面 进行离散化的因子构建”至关重要。 本篇报告就从一个具体案例出发，展示如何将离散化的因子定义应用在原始的逐笔数据 上，挖掘一簇有效因子。具体地，由于我们之前曾研究过分钟数据层面的羊群效应因子， 本篇报告就继续顺着“羊群效应”的研究思路，探讨在逐笔委托、逐笔成交数据层面， 如何构建羊群效应因子簇。

二、分钟羊群效应因子簇回顾

2.1 因子构建的体系化思路

在专题报告《Memory Map 在因子生产加速上的应用——以构建羊群效应因子簇为例》 中，我们将事件研究的想法，融入到选股因子的构建中，在分钟数据维度上、挖掘了一 批羊群效应因子。本节内容对分钟羊群效应因子簇的构建做简要回顾。 所谓“羊群效应”，即关注市场中的重要资金（即报告中定义的“趋势资金”）行动之后、 其跟随者的交易行为。基于上述逻辑，我们从事件识别、因子定义和数据频率这 3 个关 键因素出发，构建因子： （1）事件识别：如何识别趋势资金的行动。此处提到的“趋势资金”只是一个笼统的称 谓，是想寻找当下对股价可能产生重要影响的交易群体，或许是机构投资者、也或许是 个人投资者，可以很直观、也可以非常模糊，我们并不在乎其是否能明确落实到某一类 特定的投资者身上。趋势资金存在多种代理变量，比如我们可以通过观测成交量、价格 涨跌幅、价格波动率、量价相关性是否发生异常变化，对趋势资金是否行动进行判断， 得到上千种不同的识别方式。 （2）因子定义：如何刻画羊群效应的强弱。这一因素中，我们主要考察趋势资金行动的 时间点后，紧跟着的一些量价特征，比如价格、成交量、价量相关性、大小单资金流、 主买单、主卖单等等，这些指标既可以是其本身的数值，也可以是与趋势资金对应时间 点相比的变化，也可以是与趋势资金这个事件发生之前相比的变化。在原报告中，我们 提出了上千种不同的因子构造方式。 （3）数据频率：在何种数据频率上识别事件、定义因子。可用的数据集包括日频数据、 分钟数据、逐笔数据、用逐笔数据合成的其他不同频率的数据集等等，不同频率提取到 的信息可能存在较大差异，我们可以在不同数据维度上识别趋势资金的行动、考察跟随 者的交易行为。在原报告中，我们在 1 分钟数据集上讨论羊群效应。

2.2 因子的筛选与表现

考虑到实际因素，我们对事件识别、因子定义方法做了精简，一共构建了约 50 万个羊群 效应因子，并通过 2016-2018 年、2019-2021 年的两轮筛选，保留其中效果最优且相关 性较低的 50 个因子，称之为“分钟羊群效应因子簇”。原报告的回测结果表明，50 个羊 群效应因子的年化 ICIR 绝对值都能达到 2 以上。 为了展示综合因子的表现，我们在“分钟羊群效应因子簇”中选取样本内（2016-2021 年） 信息比率最高的 10 个因子、等权合成，得到分钟羊群效应综合因子。回测结果显示， 2016/01/01-2025/10/31，在全体 A股中，分钟羊群效应综合因子的月度 IC 均值为 0.085， 年化 ICIR 为 3.18，月度 RankIC 均值为 0.116，年化 RankICIR 为 4.10；10 分组多空对 冲的年化收益为 41.59%，年化波动为 12.56%，信息比率为 3.31，月度胜率为 82.91%， 最大回撤为 10.06%。

三、逐笔羊群效应因子簇的构建

类似于分钟羊群效应因子的构建流程，我们在利用逐笔数据构建羊群效应因子时，同样 围绕事件识别、因子定义、数据频率这 3 个关键因素展开。其中，“数据频率”没有过多 需要额外讨论的内容，本篇报告的因子都是基于原始的逐笔数据构建，因此本节内容重 点讨论“事件识别”、“因子定义”这 2 个因素。

3.1 事件识别：趋势资金是否行动

在逐笔等非常微观的层面，波动率、量价相关性发生异常等事件往往难以被直接感知， 反而是一些对订单簿的挂单量、价格产生影响的流动性冲击订单，往往更容易受到市场 交易者的关注。因此在逐笔层面，我们重点关注可能会导致订单簿结构发生变化的流动 性冲击订单，通过识别这些异常订单来定义趋势资金是否行动。 接下来，我们分别根据逐笔成交、逐笔委托这两类数据，详细论述如何识别流动性事件 的发生。

3.1.1 基于逐笔委托数据的流动性事件

对于逐笔委托数据，我们认为若某一委托单（挂单或撤单）的委托量较大，那么该委托 单更容易引起市场参与者的注意。因此，我们先给出 4 种简单的流动性事件识别方式： （1）某只股票的某笔买入挂单量大于当日该股所有买入挂单量的 90%分位数； （2）某只股票的某笔卖出挂单量大于当日该股所有卖出挂单量的 90%分位数； （3）某只股票的某笔买入撤单量大于当日该股所有买入撤单量的 90%分位数； （4）某只股票的某笔卖出撤单量大于当日该股所有卖出撤单量的 90%分位数。 上述流动性事件的定义较为简单，只考虑了“量”层面的信息。这种简单的定义方式往 往是不够全面的，因为对于某笔挂单而言，即使其挂单量足够大，在很多情况下也未必 会影响订单簿的 5 档盘口结构，无法被市场参与者立即观察到，比如以下情形：假设当 前买五价格是 100，有一笔新的买入限价单、其委托价格是 99.5，那么哪怕该订单的挂 单量足够大，当下也不会对 5 档盘口结构产生任何影响。因此，只有当挂单价格在一定 范围内、且挂单量够大时，才能对盘口结构产生影响，甚至推动实时价格发生变化。 基于上述分析，我们将委托单的挂单价格、挂单量，与最近一次快照数据的买一价、买 一量、卖一价、卖一量进行对比，基于委托单的买卖方向与激进程度，将所有委托单划 分为 10 种类型。具体地，以方向为买的委托单为例，共有 5 种类型： （1）类型 1 买单：挂单价大于等于当前最新的卖一的价格，同时挂单量也大于等于卖一 的挂单量。当该类型的订单到达交易所后，会迅速吃掉卖一的所有挂单、并导致卖一的 价格向上跳跃。 （2）类型 2 买单：挂单价大于等于当前最新的卖一价，但挂单量小于卖一的挂单量。当 该类型的订单到达交易所后，只会吃掉卖一的部分挂单，并不会对卖一的价格和买一的 价格产生影响。 （3）类型 3 买单：挂单价大于买一的价格、但小于卖一的价格，对挂单量不做要求。当 该类型的订单到达交易所后，不促成任何成交，卖一的价格、挂单量保持不变，而买一 的价格、挂单量被该订单替换，缩小了买卖之间的价差。（4）类型 4 买单：挂单价等于买一的价格，对挂单量不做要求。当该类型的订单到达交 易所后，只会增加买一的挂单深度、但不对买一价产生任何影响，只会停留在买一位置 等待被撮合成交。 （5）类型 5 买单：挂单价小于买一的价格，对挂单量不做要求。当该类型的订单到达交 易所后，只会增加买方一侧较深档位的深度，对于其他部分没有产生任何影响，也只会 停留在盘口等待被撮合成交。 在上述 5 种类型中，我们不难发现，类型 1 买单是最激进的买单，会促成交易且导致价 格变动；而类型 5 买单则为最不激进的买单，对买一价、买一量、卖一价、卖一量都未 能产生任何影响。

（4）类型 4 买单：挂单价等于买一的价格，对挂单量不做要求。当该类型的订单到达交 易所后，只会增加买一的挂单深度、但不对买一价产生任何影响，只会停留在买一位置 等待被撮合成交。 （5）类型 5 买单：挂单价小于买一的价格，对挂单量不做要求。当该类型的订单到达交 易所后，只会增加买方一侧较深档位的深度，对于其他部分没有产生任何影响，也只会 停留在盘口等待被撮合成交。 在上述 5 种类型中，我们不难发现，类型 1 买单是最激进的买单，会促成交易且导致价 格变动；而类型 5 买单则为最不激进的买单，对买一价、买一量、卖一价、卖一量都未 能产生任何影响。

3.1.2 基于逐笔成交数据的流动性事件

对于逐笔成交数据，我们认为若某一成交单的成交量较大、或者引起的价格变动较大“（某 笔成交单引起的价格变动=当笔成交价/上笔成交价-1，成交单按照成交时间、成交单号 双重排序），则该笔成交更容易引起市场参与者的注意。

因此，我们给出 4 种关于逐笔成交数据的流动性事件识别方式： （1）某只股票的某笔主买成交量大于当日该股所有主买成交量的 90%分位数； （2）某只股票的某笔主卖成交量大于当日该股所有主卖成交量的 90%分位数； （3）某只股票的某笔成交价格变动大于当日该股所有成交价格变动的 90%分位数； （4）某只股票的某笔成交价格变动小于当日该股所有成交价格变动的 10%分位数。

3.1.3 小结

至此，在逐笔数据层面，如何对“趋势资金是否行动”这一事件进行识别，已经讨论完 毕。我们通过观测逐笔委托、逐笔成交数据的流动性冲击事件，共得到 了 10 种不同的识别方式。

3.2 因子定义：羊群效应如何衡量

关于“羊群效应的强弱程度”，即“趋势资金行动后的跟随行为强弱”，我们借助“流动 性事件之后的量价特征”来进行衡量。用到的“量价数据”包括各种维度的委托量、各 种维度的成交量、关键量价数据发生的间隔、各种维度的不平衡指标、量价相关性等； “量价特征”的构建，可以是上述量价数据本身的数值，也可以是其与流动性事件对应 时间点量价数据的相互关系，也可以是其与流动性事件发生之前量价数据的相互关系。 后文根据不同的“量价数据”，详细展示如何定义羊群效应因子。

3.2.1 各种维度的委托量

利用委托量的数据构建羊群效应因子，可分为 3 个主要步骤：如何选取事件触发之后的 未来窗口、观察哪种委托量、如何降频为日度因子值。 关于“如何选取事件触发之后的未来窗口”，有“固定笔数”、“固定时间”这 2 种方式， 比如我们可以关注趋势资金行动后的 20 笔委托单，也可以关注趋势资金行动后 10 秒内 的所有委托单，从中观测跟随行为的强弱。

关于“观察哪种委托量”，主要包含以下 3 个因素： （1）订单类型：可以是撤单、挂单。对于撤单，我们没有对其按照激进程度进行分类， 因此只能观察所有的撤单数据；而对于挂单，我们既可以观察所有挂单数据，也可以按 照激进程度，只观察其中最激进、次激进、中等激进、次不激进或者最不激进的挂单。 因此关于“订单类型”，我们一共有 7 种选择。 （2）订单方向：我们可以不区分买卖方向、观察所有订单，也可以只观察其中方向为买 或者方向为卖的订单，因此共有 3 种选择。 （3）订单指标：我们可以观察趋势资金事件触发后，未来一段窗口内委托量的各种相关 指标，比如举 8 个例子：委托量的总和、委托笔数、单笔委托金额、委托量的最大值、 委托量的最小值、委托量的标准差、委托量的偏度、委托量的峰度。 上述 3 个因素互相搭配，我们一共可以观察 168 种不同维度的委托量。 接下来，关于“如何降频为日度因子值”，我们以“趋势资金事件触发后，观察未来 20 笔挂单（不区分激进程度、不区分买卖方向）中委托量的最大值”为例，提供 5 种不同 的思路。为了方便表述，将每一次趋势资金事件触发后、未来 20 笔挂单中委托量的最大 值，定义为这一次的跟随委托量。5 种思路依次为： （1）绝对数值：每个交易日，对当日所有事件触发后的跟随委托量求平均值，得到当日 因子值； （2）与趋势资金的相关性：每个交易日，将趋势资金事件点的委托量与对应的跟随委托 量对齐，求这两个序列的相关系数，得到当日因子值； （3）与趋势资金的相对比值：将每一次的跟随委托量，除以对应趋势资金事件点的委托 量，得到该次跟随行为的比值；每个交易日，对当日所有比值求均值，得到当日因子值； （4）与趋势资金事件发生之前的相关性：每个交易日，将趋势资金事件点前 20 笔挂单 委托量的最大值与对应的跟随委托量对齐，求这两个序列的相关系数，得到当日因子值； （5）与趋势资金事件发生之前的相对比值：将每一次的跟随委托量，除以对应趋势资金 事件点前 20 笔挂单中委托量的最大值，得到该次跟随行为的比值；每个交易日，对当日 所有比值求均值，得到当日因子值。 综上所述，关于未来窗口、我们找到 2 种方式，关于观察哪种委托量、我们有 168 种选 择，关于将逐笔数据降频为日度因子值的方法、我们提供了 5 种思路，因此共可得到 1680 种不同的因子定义方式。

3.2.2 各种维度的成交量

利用逐笔成交数据构建羊群效应因子，逻辑与上一小节完全类似，此处不再展开详细论 述。与上一小节逐笔委托数据的不同之处在于，“成交单类型”中不 再有激进程度的概念，我们用“超大单”、“大单”、“中单”、“小单”进行了替换。

3.2.3 关键量价数据发生的间隔

利用关键量价数据发生的间隔来构建羊群效应因子，可分为 5 个主要步骤：如何选取事 件触发之后的未来窗口、观察哪种量价数据、何为关键、如何定义间隔、如何降频为日 度因子值。 关于“如何选取事件触发之后的未来窗口”，与前文一致，仍然有“固定笔数”、“固定时 间”这 2 种方式。 关于“观察哪种量价数据”，主要包含以下 3 个因素： （1）类型：可以是撤单、挂单、成交单，共有 3 种类型。当然，在挂单、成交单中，我 们可以仿照前两小节的内容，用激进程度、大小单对它们做进一步细分，但考虑到实际 生产因素，间隔类因子的计算复杂度较高、速度较慢，我们暂时不做进一步细分，只考 虑整体的挂单、整体的成交单。 （2）方向：我们可以不区分买卖方向、观察所有订单，也可以只观察其中方向为买或者 方向为卖的订单，共有 3 种选择。 （3）指标：无非就是量、价格这 2 种指标。 上述 3 个因素互相搭配，我们一共可以观察 18 种不同维度的量价数据。 关于“何为关键”，我们考虑事件触发后的一段时间内，各种量价数据的最大值、最小值， 共有 2 种情况。 接下来，关于“如何定义间隔”，参考“如何选取事件触发之后的未来窗口”，也有“笔 数”、“时间”这 2 种说法，即我们记录趋势资金事件触发后，未来一段时间内，各种量 价数据的最大值、最小值出现的位置，计算该位置与趋势资金事件点间隔了多少笔数、 或者间隔了多少时间。 最后，关于““如何降频为日度因子值”，与前文略有不同，由于本小节构建的是间隔类因 子，因此不存在“与趋势资金相比”的概念，只存在“绝对数值”、“与趋势资金之前相 比”的情况，共有 3 种方法。

根据上述分析，我们有 2 种未来窗口的选取方式，共有 18 种不同维度的量价数据，有 2 种关键情况，有 2 种间隔的定义方法，还有 3 种将逐笔数据降频为日度因子值的办法， 因此共可得到 432 种不同的因子定义方式。

3.2.4 各种维度的不平衡指标

利用不平衡指标构建羊群效应因子，可分为 4 个主要步骤：如何选取事件触发之后的未 来窗口、观察哪种订单、如何定义不平衡、如何降频为日度因子值。 关于“如何选取事件触发之后的未来窗口”，与前文保持一致，有“固定笔数”、“固定时 间”这 2 种方式。 关于“观察哪种订单”，可以是撤单、挂单、成交单。其中，挂单可以按照激进程度做进 一步细分，成交单可以按照大小单做进一步细分。一共有 12 种不同 类型的订单。 关于“如何定义不平衡”，所谓“不平衡”，即买单与卖单之间的差异，我们一共定义了 以下 5 个不平衡指标：买单价格均值/卖单价格均值、买单量均值/卖单量均值、买单量 最大值/卖单量最大值、(买单总量-卖单总量)/(买单总量+卖单总量) 、(买单总金额-卖单 总金额)/(买单总金额+卖单总金额)。 最后，关于““如何降频为日度因子值”，由于趋势资金事件点无法计算不平衡指标，因此 只存在“绝对数值”、“与趋势资金之前相比”的情况，共有 3 种方法。 根据上述分析，我们有 2 种未来窗口的选取方式，共有 12 种不同维度的订单数据，有 5 种不平衡指标的构建逻辑，还有 3 种将逐笔数据降频为日度因子值的方法，因此共可得 到 360 种不同的因子定义方式。

3.2.5 量价相关性

基于量价相关性指标构建羊群效应因子，可分为 3 个主要步骤：如何选取事件触发之后 的未来窗口、如何计算逐笔量价指标的相关性、如何降频为日度因子值。

关于“如何选取事件触发之后的未来窗口”、“如何降频为日度因子值”，与上一小节的内 容完全一致，分别有 2 种、3 种方式，此处不再进行赘述。 关于“如何计算逐笔量价指标的相关性”，我们在专题报告《““高频数据+离散化构建方 式”在因子研究中的重要性》的“逐笔离散”因子部分曾做过讨论，本小节的计算逻辑 与之前的研究保持一致： （1）设计逐笔量价指标：直接采用逐笔成交、逐笔委托、逐笔撤单的原始数据，可以利 用的指标为量、价格、方向，因此共有 9 种量价指标。 （2）计算相关性：可分为上述指标两两之间的相关性、或者单一指标的自相关性。对于 两两指标互相之间的相关性，根据指标是否计算变化率、计算相关性时是否错位，可分 为多种情况，共可计算 432 个因子；对于单一指标的自相关性，也可 通过类似的分类讨论，构建 45 个因子。 综上所述，我们有 2 种未来窗口的选取方式，构建了 477 个量价相关性指标，还有 3 种 将逐笔数据降频为日度因子值的方法，因此共可得到 2862 种不同的因子定义方式。

3.2.6 小结

至此，关于“羊群效应因子”的定义方法，已经讨论完毕。在“趋势资金有所行动”这 一事件发生之后，我们通过计算委托量、成交量、关键量价数据发生的间隔、不平衡指 标、量价相关性这些量价数据的本身数值、与趋势资金对应时点量价数据的相互关系、 与趋势资金这个事件发生之前量价数据的相互关系，得到了 6000 多种不同的因子构造 方式。 实际上，上述框架还存在很大的拓展空间，比如在“量价相关性”维度，若我们对挂单 按照激进程度、对成交单按照大小单做进一步细分，又可衍生出至少上千种不同的定义 方式；再比如在“如何降频为日度因子值”这一环节，除了对日内所有跟随行为求算术 平均值以外，还可以用对应的趋势资金事件强度为权重、对日内所有跟随行为求加权平均值。关于这些衍生细节，本文不再做过多讨论，我们的主要目的在于展示上述体系化 的思维与框架，各位读者可根据实际情况，在框架中修改、删减或增加具体的构建方法。

3.3 因子构建方法总结

与分钟羊群效应因子的构建逻辑类似，我们在利用逐笔数据构建羊群效应因子时，同样 围绕事件识别、因子定义、数据频率这 3 个关键因素展开。其中，由于本篇报告的因子 都是基于原始的逐笔数据构建，因此未对“数据频率”展开讨论，前文重点讨论了“事 件识别”、“因子定义”这 2 个因素： （1）事件识别：通过观测逐笔委托、逐笔成交数据的流动性冲击事件，共得到了 10 种 对于“趋势资金是否行动”的识别方式。特别地，在逐笔挂单数据层面，我们引入了“激 进程度”这一概念。 （2）因子定义：在“趋势资金有所行动”这一事件发生后，我们考察未来一段窗口内的 量价特征，比如各种维度的委托量、各种维度的成交量、关键量价数据发生的间隔、各 种维度的不平衡指标、量价相关性等等，这些指标既可以是其本身数值，也可以是与趋 势资金事件点量价数据的相互关系，也可以是与趋势资金事件发生之前量价数据的相互 关系。通过各种底层逻辑的互相搭配，我们可以得到 6000 多种不同的因子构造方式。 若将事件识别与因子定义这两个因素相结合，理论上就可以构建超过 6 万个逐笔羊群效 应因子。随着研究的进一步深入，我们未来能够想到的方法肯定还有更多，各位读者也 可以根据自己的理解，基于各种衍生的经济学逻辑，对该因子簇进行扩充。

四、逐笔羊群效应因子簇的表现

4.1 因子的批量生产与筛选

在实际生产中，考虑到因子逻辑、因子值覆盖度、算力等因素，我们对前文提到的事件 识别方法、因子定义方法做了精简，目前一共构建了约 2 万个逐笔羊群效应因子（比如 超大单成交单数据的覆盖度往往较低，予以剔除；再比如对于用逐笔委托数据构建的流 动性事件，我们将其与基于逐笔委托、逐笔成交数据的因子定义做了互相搭配，而对于 用逐笔成交数据构建的流动性事件，我们只将其与基于逐笔成交数据的因子定义做了互 相搭配）。通过进一步分时段筛选，留下有效且相关性较低的因子，得到““逐笔羊群效应 因子簇”： （1）在时间段 2016/01/01-2018/12/31 内，综合考虑因子的 IC、ICIR、多头超额收益、 多头超额收益的信息比率以及因子互相之间的相关性，挑选效果最优且相关性较低的因 子； （2）对于挑选出的因子，再考虑它们 2019/01/01-2021/12/31 的 IC、ICIR、多头超额 收益、多头超额收益的信息比率以及因子互相之间的相关性，进一步挑选其中效果最优 且相关性较低的因子，最终剩下 50 个，称之为逐笔羊群效应因子簇（2022 年开始即为 样本外）。

回测结果显示，在 2016/01/01-2025/10/31 期间，全体 A 股中，50 个因子的年化 ICIR 绝对值都能达到 2 以上。特别地，这些因子都是未经行业、市值中性化操作的原 始因子，大部分因子中性化后的稳定性可进一步提升。

我们详细介绍该因子是如何构建的： （1）根据逐笔成交数据，只关注其中方向为主动卖出的成交单，将““成交量大于当日所 有主卖成交量 90%分位数”的主卖成交，视为趋势资金有所行动的事件点； （2）提取当日所有方向为主动买入的成交单，将它们的成交量进行标准化处理，即对于 每一笔主动买入成交量，减去当日所有主买成交量的平均值、再除以当日所有主买成交 量的标准差，得到标准化后的主买成交量序列； （3）对于每一个趋势资金事件点，计算未来 20 笔成交中的标准化主买成交量的偏度， 得到此次跟随行为的强度； （4）每个交易日，以对应的事件强度、即趋势资金事件点对应的主卖成交量为权重，对 当日所有跟随行为强度求加权平均值，得到当日的跟随行为强弱指标； （5）滚动回看过去 20 个交易日，求 20 日跟随行为强弱指标的算术平均值，即为日度 因子值（本文展示的回测效果，均为月度调仓，取每月月底最后一个交易日对应的因子 值即为月度因子值，用于后续回测）。

4.2 逐笔羊群效应综合因子示例

以选取样本内（2016-2021年）信息比率最高的10个因子等权合成为例，展示逐笔羊群 效应综合因子的表现。回测时间段2016/01/01-2025/10/31内，以全体A股为研究样本， 逐笔羊群效应综合因子的月度IC均值为0.080，年化ICIR为3.49，月度RankIC均值为0.101， 年化RankICIR为3.74；10分组多空对冲的年化收益为44.26%，年化波动为10.90%，信 息比率为4.06，月度胜率为89.74%，最大回撤为10.66%。

得到了选股效果不错的综合因子后，我们考察其与市场常用风格因子的相关性。逐笔羊群效应综合因子与 10 个 Barra 风格因子的相关系数，可以看到，综合因子 与波动率、流动性因子的相关性相对较高，相关系数绝对值在 0.30 左右，与其他因子的 相关性较低。

为了剔除市场常用风格和行业的干扰，我们每月月底将逐笔羊群效应综合因子对Barra风 格因子和中信一级行业虚拟变量进行回归，取残差作为纯净因子，检验其选股效果。剔除常用风格与行业的影响后，因子仍然有效。纯净逐笔羊群效应综合因子的月度 IC 均 值为 0.044，年化 ICIR 为 3.33，月度 RankIC 均值为 0.046，年化 RankICIR 为 3.03； 10 分组多空对冲的年化收益为 19.53%，年化波动为 6.36%，信息比率为 3.07，月度胜 率为 78.63%，最大回撤为 5.13%。

4.3 指数增强组合的表现

本小节内容基于逐笔羊群效应综合因子，以最大化预期收益为优化目标，构建沪深 300、 中证 500、中证 1000 指数增强组合，组合的调仓频率为月度。 沪深 300 指数增强组合的约束条件为：（1）指数成分股权重不低于 85%；（2）中信一级 行业权重偏离不超过 1%；（3）个股权重偏离不超过 0.3%。 2016/01/01-2025/10/31，沪深 300 指数增强组合的年化收益为 12.43%，相对沪深 300 指数的超额年化收益为 8.89%，跟踪误差为 3.50%，信息比率为 2.54，月度胜率为 77.78%，最大回撤为 2.96%。

中证 500 指数增强组合的约束条件为：（1）指数成分股权重不低于 85%；（2）中信一级 行业权重偏离不超过 1%；（3）个股权重偏离不超过 0.3%。 2016/01/01-2025/10/31，中证 500 指数增强组合的年化收益为 15.23%，相对中证 500 指数的超额年化收益为 13.46%，跟踪误差为 5.31%，信息比率为 2.54，月度胜率为 79.49%，最大回撤为 5.15%。

中证 1000 指数增强组合的约束条件为：（1）指数成分股权重不低于 85%；（2）中信一 级行业权重偏离不超过 1%；（3）个股权重偏离不超过 0.3%。 2016/01/01-2025/10/31，中证1000指数增强组合的年化收益为16.04%，相对中证1000 指数的超额年化收益为 17.23%，跟踪误差为 4.78%，信息比率为 3.61，月度胜率为 84.62%，最大回撤为 4.14%。

五、总结

在本系列研究的专题报告《“高频数据+离散化构建方式”在因子研究中的重要性》中， 我们曾提出，未来量价因子的研究，想要获取更多的、与现有因子低相关的增量，“逐笔 数据+离散化的构建方式”将变得至关重要。 本篇报告就从一个具体案例出发，展示如何将离散化的因子定义应用在原始的逐笔数据 层面，挖掘一簇有效因子。具体地，由于在前期报告《Memory Map 在因子生产加速上 的应用——以构建羊群效应因子簇为例》中，我们曾研究过分钟数据层面的羊群效应因 子，本篇报告就继续顺着“羊群效应”的研究思路，探讨如何基于逐笔委托、逐笔成交 数据构建羊群效应因子簇。 类似于分钟羊群效应因子的构建流程，在逐笔数据层面，我们仍然围绕事件识别、因子 定义、数据频率这 3 个关键因素展开。具体地，由于本篇报告的因子都是基于原始的逐 笔数据构建，因此无需对“数据频率”展开讨论，我们重点讨论了“事件识别”、“因子 定义”这 2 个因素：

（1）事件识别：通过观测逐笔委托、逐笔成交数据的流动性冲击事件，对““趋势资金是 否行动”进行识别。特别地，在逐笔挂单数据层面，我们引入了“激进程度”这一概念。 （2）因子定义：在“趋势资金有所行动”这一事件发生后，考察未来一段窗口内的量价 特征，包括各种维度的委托量、各种维度的成交量、关键量价数据发生的间隔、各种维 度的不平衡指标、量价相关性，这些指标既可以是其本身数值，也可以是与趋势资金事 件点量价数据的相互关系，也可以是与趋势资金事件发生之前量价数据的相互关系。通 过各种底层逻辑的互相搭配，我们可以得到上千种不同的因子构造方式。 在实际生产中，考虑到因子逻辑、因子值覆盖度、算力等因素，我们对上述事件识别、 因子定义方法做了精简，一共构建了约 2 万个逐笔羊群效应因子。通过进一步筛选，保 留其中效果最优且相关性较低的 50 个因子，称之为“逐笔羊群效应因子簇”。回测结果 显示，50 个逐笔羊群效应因子的年化 ICIR 绝对值都能达到 2 以上。 为了展示综合因子的表现，我们在“逐笔羊群效应因子簇”中选取样本内信息比率最高 的 10 个因子、等权合成，得到逐笔羊群效应综合因子。回测期 2016/01/01-2025/10/31 内，在全体 A 股中，逐笔羊群效应综合因子的月度 IC 均值为 0.080，年化 ICIR 为 3.49， 月度 RankIC 均值为 0.101，年化 RankICIR 为 3.74；10 分组多空对冲的年化收益为 44.26%，年化波动为 10.90%，信息比率为 4.06，月度胜率为 89.74%，最大回撤为 10.66%。在剔除了市场常用风格和行业的影响后，纯净因子仍然有效，年化 ICIR 达到 3.33，全市场 10 分组多空对冲的信息比率为 3.07。 更进一步，我们基于逐笔羊群效应综合因子，构建月频调仓的指数增强组合： （1）沪深 300 指数增强组合的超额年化收益为 8.89%，跟踪误差为 3.50%，信息比率 为 2.54，月度胜率为 77.78%，最大回撤为 2.96%； （2）中证 500 指数增强组合的超额年化收益为 13.46%，跟踪误差为 5.31%，信息比率 为 2.54，月度胜率为 79.49%，最大回撤为 5.15%； （3）中证 1000 指数增强组合的超额年化收益为 17.23%，跟踪误差为 4.78%，信息比 率为 3.61，月度胜率为 84.62%，最大回撤为 4.14%。

编辑：火腿肠