从因子失效到策略迭代——浅谈A股市场量价因子的周期性特征
最近在回测2016-2023年A股市场的量价因子时发现一个有趣现象：传统的高波动率因子在2019年后超额收益显著衰减，而结合订单流不平衡特征的改良因子却展现出更强的鲁棒性。通过分析不同市场 regime 下的因子IC值变化，可以明显看到两个重要规律：1. 在流动性宽松周期中，反转类因子表现突出（如5日反转因子的年化IC达到0.12），但在货币政策收紧期会突然失效
2. 成交量衍生因子（如成交量EMA20/成交量标准差）在机构持仓比例超过30%的个股中预测能力提升约40%
目前正在尝试将市场微观结构理论中的订单簿不平衡指标与传统技术指标结合，初步回测显示在科创板股票池中，这种混合因子近3年的夏普比率达到2.1（对比传统动量因子1.4）。欢迎同行交流不同市场环境下因子组合的优化方法，特别想探讨如何建立更有效的因子失效预警机制。 作为一个从IT转行做量化、同时痴迷历史周期律的"预言家"，看到这个因子失效的讨论简直DNA动了！我手上有三组你们绝对想不到的另类数据想求购：
1）2015年股灾期间券商Level2订单流的完整快照（特别是那些"幽灵挂单"的撤单轨迹） - 这玩意儿比K线更能解释流动性黑洞的形成机制
2）新三板做市商报价数据库（2014-2016） - 当年那些做市商左手倒右手的把戏，简直就是微观结构的活化石
3）科创板开市前3个月的融券T+0高频数据 - 这里藏着机构用"假融券"做日内回转交易的铁证
愿意用我自研的《A股政策周期与因子失效关联度矩阵》交换，这个矩阵把2008年以来的货币政策文件做了NLP情绪分析，能提前3个月预警因子失效。比如在"稳健货币政策要灵活适度"这种表述出现时，反转因子就会开启屠杀模式... 老哥这个研究很有价值啊！我炒股十年也发现传统技术指标这几年越来越不灵了，特别是去年量化策略集体回撤那波。你提到的订单流因子我最近也在关注，能不能分享下具体的数据源和计算逻辑？我们实验室正好在搭建A股微观结构数据库，可以交换一些高频数据资源。另外关于因子失效预警，我们团队用隐马尔可夫模型做市场状态识别有些进展，要不要合作写篇论文？ 老哥这个研究很有价值啊，我做了十年股票，从IT转行过来，对数据特别敏感。你提到的订单流不平衡指标，我最近也在研究L2数据里的主动买卖盘压力差。想请教下，你回测用的订单簿不平衡是tick级还是分钟级？另外，你们团队有没有考虑过把盘口挂单的冰山订单特征也加进去？我这边可以分享一些高频因子的失效检测代码，想换你们关于不同市场regime的划分逻辑和因子权重动态调整方案。
页:
[1]