11.1 资金面专题1--资金单因子 附阐述和源代码

导读:

主流的多因子选股模型通常采用量价数据(开高低收、成交量)、财务数据(流通市值、市盈率、市净率等)、舆情数据(事件)来挖掘市场中存在的超额收益。本文主要以资金数据为落脚点，试图挖掘有效的资金因子(月频)，并构建资金因子选股策略，获取市场超额收益。

1.资金数据:

个股的资金数据来自于交易时段产生的成交信息，通常反映市场上交易者的交易动向，进而反应股票的微观供求信息。考虑到短线资金数据掺杂着较多的噪音，且短期盘面受投资者情绪、事件等因素影响，本文选取17个个股资金指标，从月频角度，试图挖掘有效的资金因子。

2.月频资金因子基本挖掘逻辑:

单因子分析：了解每个资金指标的预测能力和稳定性
合成因子分析：按照金融逻辑，运用17个单因子中的若干个合成因子，并对分析合成因子的预测能力和稳定性。本文分析了“机构收割散户”和“资金反转”两个因子。
因子策略回测：将有效的合成因子构建成因子策略，在回测环境中测试。

3.单因子分析(单期：2018年1月为例):

我们获取2018年1月末股票池内所有个股的主动买入特大单金额数据，并进行累加，作为当期因子值，然后按因子值从大到小排序，切分成5组，计算5个组别在2月份的收益率，其中每个组别的收益率为该组别下所有个股的下月收益率均值。再计算该因子当期的RANK IC值，即当期所有个股因子值的RANK与下个月收益率的RANK的相关系数。

4.单因子分析（多期叠加）:

按照单期计算方法，我们获取2014年至今的所有数据结果，并将5个组别的收益率进行累积，每组的初始净值为1，我们还是以主动买入特大单金额数据为例。结果分析：五组收益走势并未出现明显差异。IC均值为4.727%，因子具有一定的预测能力，IR比率为0.195，预测稳定性较差。综合分析：非优质因子。具体数据图表如下：

5.单因子分析（17个因子汇总）:

上文我们已经完成了单个因子的单期和多期计算，随后我们对17个资金因子进行计算汇总，在17个资金因子中，从IC均值和IR比率分析，大单净量因子位居首位、其次为DDE大单净额和金额流入率，因子具有较强的预测能力，但资金因子的IC标准差在20%上下，使得IR不足0.5，因此单个资金因子的预测稳定性较差。图表如下：