请务必阅读正文之后的信息披露和法律声明 [Table_MainInfo] 金融工程研究 证券研究报告 金融工程专题报告 2024 年 02 月 20 日 [Table_Title] 相关研究 [Table_ReportInfo] 《选股因子系列研究（九十四）——卖方分析师的目标价：有用吗？怎么用？》2024.02.06 《选股因子系列研究（九十三）——深度学习因子的“模型动物园”》2024.01.25 《选股因子系列研究（九十二）——组合约束对其收益表现的影响分析》2023.12.27 [Table_AuthorInfo] 分析师:冯佳睿 Tel:(021)23219732 Email:fengjr@haitong.com 证书:S0850512080006 分析师:余浩淼 Tel:(021)23185650 Email:yhm9591@haitong.com 证书:S0850516050004 选股因子系列研究（九十五）——冲击成本的预测和应用 [Table_Summary] 投资要点： 并非只有在出现大单时，订单成交才会对市场价格产生影响。从历史数据统计中可以发现，2018 年以来，随着算法交易被机构投资者广泛应用，日度的成交笔数大幅上升，而平均单笔成交金额则快速下降。因此，我们不能只关注大单，而应研究更多不同类型的订单成交对市场产生的冲击，才能更贴近实际的交易情况。 我们将净委买增额、大单净买入金额、净主动买入金额和大单主动净买入金额定义为市场冲击指标，VWAP 相对开盘价的涨跌幅为冲击成本。根据两者的正相关性可知，买入|卖出行为会使市场冲击指标变大|小，从而推高|拉低 VWAP 与开盘价的比值。买入|卖出行为相当于做多|做空，推高|拉低该比值，意味着有一部分做多|做空收益无法被获取，最终都增加了潜在的交易成本。 我们利用最简单的 OLS 回归，以中性化后的市场冲击指标为自变量，对中性化后的冲击成本进行预测。在开盘后半小时内成交和全天成交两种假设下，预测模型的平均 R2 分别为 0.310 和 0.365，且在时间序列上较为稳定。 根据线性回归模型预测个股的冲击成本。当我们确定算法交易策略，并可以预计出以该策略下单，会委托多少金额的限价单，以限价单被动成交和以市价单主动成交的金额各占多少比例，以及成交的订单中有多大比例为大单，就可以计算出该算法交易下，4 个市场冲击指标的变化值。将它们代入模型，便可得到冲击成本的预测值。 月度换仓时，计算每个股票的成交金额从 10 万递增至 1000 万，共 100 种情况下，考虑预测冲击成本后，因子 IC 的变化。基本面因子、手工高频因子和技术面因子中的反转因子，受到预测冲击成本的影响很小。但技术面因子中的换手、特质波动和非流动性因子则受到了较为剧烈的影响。随着下单金额增大，特质波动因子的 IC 将下降 0.5%，而非流动性和换手因子的 IC 的下降幅度甚至超过了1%。 两个有关预测冲击成本是如何影响因子选股能力的结论。第一，在原始收益率中减去预测冲击成本，并不一定意味着会削弱因子的 IC。部分预测冲击成本较高的股票，其收益被合理地降低，反而使某些因子的选股能力得以提升。第二，周度换仓下，部分因子，如换手的 IC 变化较为极端，表明此时的下单金额已远超模型的可预测范围。可能的原因是当某个股票的市场冲击指标异常时，其预测的冲击成本变得很大，使得原始收益被过度调整，从而导致因子 IC 出现剧烈波动。 风险提示。本报告所有分析均基于公开信息，不构成任何投资建议；权益产品收益波动较大，适合具备一定风险承受能力的投资者持有。 金融工程研究 金融工程专题报告 2 请务必阅读正文之后的信息披露和法律声明 目 录 1. 订单成交与市场冲击分析 .......................................................................................... 6 1.1 不同类型的订单成交与市场冲击指标 .............................................................. 6 1.2 市场冲击指标与冲击成本的相关性 .................................................................. 6 1.3 市场冲击指标与冲击成本的中性化 .................................................................. 8 1.4 冲击成本预测的线性回归模型 ...........................
