本文作为对高频因子研究的初探。对于收益率分布类别中的高频因子进行研究，我们测试发现构造与改进的因子具有较好的选股表现。
　　具体来说，首先按文献中方法分别使用5min和10min的数据针对已实现方差、已实现偏度和已实现峰度构造了周度和月度因子，其分别表示收益率的波动程度，收益率的不对称性和收益率的峰态以及重尾程度。对其在中证1000股票池中进行回测，结果表明，5min线构造的因子好于10min线，已实现波动率因子表现不稳定，已实现偏度与已实现峰度周度和月度因子表现较好。
　　按照前述方式，对已实现高阶矩即已实现超偏度和已实现超尾度进行周度和月度因子构造，其均表示对尾部形态的描述，超偏度类似于偏度，度量重尾程度的同时也蕴含分布的不对称性；超尾度类似于峰度，更高阶矩表示对重尾程度的刻画更为严格。测试结果显示，在中证1000的测试中表现一般，可能由于高阶矩的估计对样本量要求较高，5min线可能导致估计误差。
　　考虑到1min线噪声较大，我们通过下采样平均的方法，对前述构造的因子进行改进，使用中证1000股票池2014年1月至2023年2月数据进行回测，交易费用设置为双边万五，测试结果显示改进后的周度因子表现明显提升，并且对于更高阶矩构造的因子提升更加显著。其中，subRS_5min_week因子Rank IC 0.0588，ICIR 0.8148，多头年化超额14.51%，多头换手率1.58，多空对冲组合Sharpe ratio 3.91；subRK_5min_week因子Rank IC 0.0545，ICIR 1.0382，多头年化超额14.14%，多头换手率1.31，多空对冲组合Sharpe ratio 3.61；subRHS_5min_week因子Rank IC 0.0526，ICIR 0.8683，多头年化超额13.83%，多头换手率1.57，多空对冲组合Sharpe ratio 3.88；subRHT_5min_week因子Rank IC 0.0517，ICIR 1.0187，多头年化超额14.20%，多头换手率1.37，多空对冲组合Sharpe ratio 3.83。
　　从分年度测试结果来看，我们构造并改进的subRK_5min_week因子与subRHT_5min_week因子近年来表现持续优异，其中2022年多头超额收益分别为13.03%和11.49%。另外改进后的因子与常见的风格因子相关性均较弱，相对而言略偏向流动性与波动率风格。
　　风险提示：以上分析基于模型结果和历史测算，存在模型失效风险。
　　

研究报告全文：TableInfo1TableDate证券研究报告发布时间2023-02-27TableTitleTableInvest证券研究报告金融工程研究报告高频数据下的已实现高阶矩因子及改进因子选股系列之四---报告摘要subRHT5minweek因子分层回测本文作为对高频因子研究的初探对于收益率分布类别中的高频因子进TableSummary结果行研究我们测试发现构造与改进的因子具有较好的选股表现具体来说首先按文献中方法分别使用5min和10min的数据针对已实现方差已实现偏度和已实现峰度构造了周度和月度因子其分别表示收益率的波动程度收益率的不对称性和收益率的峰态以及重尾程度对其在中证1000股票池中进行回测结果表明5min线构造的因子好TableReport相关报告于10min线已实现波动率因子表现不稳定已实现偏度与已实现峰度2022年四季度公募主动权益基金持仓解析周度和月度因子表现较好--20230206上月动量技术预期因子表现较优按照前述方式对已实现高阶矩即已实现超偏度和已实现超尾度进行周--20230203度和月度因子构造其均表示对尾部形态的描述超偏度类似于偏度上月波动率流动性技术因子表现相对较度量重尾程度的同时也蕴含分布的不对称性超尾度类似于峰度更高优阶矩表示对重尾程度的刻画更为严格测试结果显示在中证1000的测--20230104试中表现一般可能由于高阶矩的估计对样本量要求较高5min线可能基于异常现金流模型的真实盈余管理因子导致估计误差二--20230103考虑到1min线噪声较大我们通过下采样平均的方法对前述构造的因东北金工2023年年度策略报告长风破浪子进行改进使用中证1000股票池2014年1月至2023年2月数据进会有时行回测交易费用设置为双边万五测试结果显示改进后的周度因子表--20221224现明显提升并且对于更高阶矩构造的因子提升更加显著其中subRS5minweek因子RankIC00588ICIR08148多头年化超额TableAuthor1451多头换手率158多空对冲组合Sharperatio391subRK5minweek因子RankIC00545ICIR10382多头年化超额证券分析师王琦执业证书编号S05505211000011414多头换手率131多空对冲组合Sharperatio361021-61002390wangqi5636nesccnsubRHS5minweek因子RankIC00526ICIR08683多头年化超额研究助理贾英1383多头换手率157多空对冲组合Sharperatio388执业证书编号S0550122060006因子多头年化超额13666061675jiayingnesccnsubRHT5minweekRankIC00517ICIR101871420多头换手率137多空对冲组合Sharperatio383从分年度测试结果来看我们构造并改进的subRK5minweek因子与subRHT5minweek因子近年来表现持续优异其中2022年多头超额收益分别为1303和1149另外改进后的因子与常见的风格因子相关性均较弱相对而言略偏向流动性与波动率风格风险提示以上分析基于模型结果和历史测算存在模型失效风险请务必阅读正文后的声明及说明TablePageTop金融工程研究报告目录1引言42已实现高阶矩因子构造及表现421基本定义422已实现矩因子523已实现超偏度因子与已实现超尾度因子73改进因子与测试831下采样平均处理与因子表现对比832改进后因子分年度测试及相关性144总结165参考文献176风险提示17图表目录图1subRS5minweek因子分层回测结果9图2subRS5minweek因子IC序列统计9图3subRK5minweek因子分层回测结果9图4subRK5minweek因子IC序列统计9图5subRHS5minweek因子分层回测结果10图6subRHS5minweek因子IC序列统计10图7subRHT5minweek因子分层回测结果10图8subRHT5minweek因子IC序列统计10图9下采样处理后已实现矩周度因子表现对比11图10下采样处理后已实现高阶矩周度因子表现对比11图11subRS5minmonth因子分层回测结果12图12subRS5minmonth因子IC序列统计12图13subRK5minmonth因子分层回测结果12图14subRK5minmonth因子IC序列统计12图15subRHS5minmonth因子分层回测结果12图16subRHS5minmonth因子IC序列统计12图17subRHT5minmonth因子分层回测结果13图18subRHT5minmonth因子IC序列统计13图19下采样处理后已实现矩月度因子表现对比13图20下采样处理后已实现高阶矩月度因子表现对比14图21下采样处理后已实现各阶矩周度因子与BarraCNE5因子的相关性16图22下采样处理后已实现各阶矩月度因子与BarraCNE5因子的相关性16请务必阅读正文后的声明及说明219TablePageTop金融工程研究报告表1已实现矩周度因子回测结果6表2已实现矩月度因子回测结果7表3已实现高阶矩周度因子回测结果8表4已实现高阶矩月度因子回测结果8表51min级别数据计算的已实现高阶矩因子回测结果8表6下采样平均改进后的已实现高阶矩周度因子回测结果9表7下采样平均改进后的已实现高阶矩月度因子回测结果12表8subRS5minweek因子分年度回测结果14表9subRK5minweek因子分年度回测结果15表10subRHS5minweek因子分年度回测结果15表11subRHT5minweek因子分年度回测结果15请务必阅读正文后的声明及说明319TablePageTop金融工程研究报告1引言高频数据在量化研究领域的重要性日益增强随着传统量价信息挖掘的深入由低频量价信息构造的因子选股能力不断减弱而高频信息对微观市场行为有更加精细的描述其中可能蕴含传统数据不含有的Alpha信息所以从高频量价数据中有效地提取信息并构造因子来指导日内交易或将信息整合低频化指导低频交易均是值得深入研究的领域目前高频因子的分类主要有收益率分布相关因子成交量分布相关因子和量价相关性因子等本篇报告作为高频因子研究的初探介绍并挖掘已实现高阶矩Realisedhigh-ordermoment因子以及其相关衍生因子描述高频收益率的分布特性矩Moment的概念起源于物理学在概率论中矩母函数Moment-generatingfunction与分布Distribution一一对应矩是矩母函数生成故矩是对分布的特征描述一般来说比较两个分布是否相似除了比较分位数Quantile差异之外还可以比较各阶矩的差异其中一阶矩期望Expectation表示数据的均值二阶矩方差Variance表示数据偏离均值的程度三阶矩偏度Skewness度量分布的不对称性四阶矩峰度Kurtosis表示分布的峰态及尾部形态在统一的视角下假设是一个概率空间Probabilityspace是一维随机变量Randomvariable如果考虑阶原点矩的定义第二个式子是LebesgueStieltjes积分其中表示的累积分布函数CumulativedistributionfunctionCDF从定义可以看出高阶矩描述了尾部或者极端值的影响可以作为对分布重尾现象Heavytail的测度阶数可以理解为一种权重较大的会放大尾部极端值的影响这需要极小的极端值概率才能与之平衡换句话说当极端值附近的概率太小时低阶矩难以有效地反映尾部极端值而高阶矩对于尾部的积分权重更高即使对于较小的尾部概率尾部极端值也能更好地被反映出来高频收益率通常也存在重尾现象高频数据的尾部信息中可能含有对未来收益率预测有价值的信息值得被关注不同于传统低频情景在高频数据中高阶矩捕捉到的信息不是无效噪声而可能是尾部形态中蕴含的风险信息另外对于高阶矩的估计需要更大的数据量作为支持所以其更适用于高频情景高频数据与高阶矩的应用较为契合本文的内容安排如下第二章介绍已实现矩因子和已实现高阶矩因子的构造和测试表现第三章对原始因子进行改进并对因子表现进行了测试另外选出绩优因子并进行相关性检验第四章总结2已实现高阶矩因子构造及表现21基本定义请务必阅读正文后的声明及说明419TablePageTop金融工程研究报告在介绍因子构造之前为了方便叙述首先引入一些记号和定义我们这里参考1中的设定假设股票的对数价格Log-price是一个跳扩散过程Jump-diffusionprocessie其满足以下随机微分方程StochasticdifferentialequationSDE0000其中漂移项Drift是一个局部有界Locallybounded的可料Predictable过程扩散项Diffusion是一个正的cdlg过程是纯跳Purejump过程另外考虑离散时间情形将一天的时间分为份则表示第天中第个时点股票的对数价格定义第天中第个时点股票的对数收益率Log-return为11这些记号与定义是后文因子构造的基础22已实现矩因子作为引入本节首先介绍著名的已实现方差因子Realisedvariance可以参考2然后介绍1中构造的已实现偏度因子Realisedskewness以及已实现峰度因子Realisedkurtosis已实现方差是对日内收益率波动的一个较好的度量其定义为21如果记第天的时间是从0到那么3证明了依概率收敛Convergenceinprobability到积分波动率与日内对数价格跳跃之和ie2221001中构造了已实现偏度与已实现峰度它们分别表示日内收益率的偏移程度和尾部形态定义分别为请务必阅读正文后的声明及说明519TablePageTop金融工程研究报告34113224中证明了两者的极限情况33441010这表示日内收益率的高幂次和依概率收敛到日内对数价格跳跃高次幂的和与已实现方差相比极限情况时积分波动率那一项消失了所以在理论上来说已实现偏度和已实现峰度对日内对数价格跳跃的描述相比于已实现方差更为有效另外可以发现奇数幂次和考虑了日内跳跃的方向即正负方向的跳跃存在抵消描述了净的跳跃程度偶数幂次和将正负跳跃方向合并考虑描述了跳跃绝对量的程度依据以上三个已实现矩使用日内数据构建选股因子已实现方差因子是由高频数据描述的收益率波动在模型不含有跳过程Jumpprocess时它是日内积分波动率良好的估计量由于存在低波异象在逻辑上其因子方向为负已实现偏度因子是由高频数据描述的收益率不对称性因子值为负时表示高频收益率存在左偏此时较高的预期收益是对左偏的补偿另外一般认为日内跳跃程度越大的资产表现越不稳定已实现偏度的分子极限情形是对日内净跳跃程度的描述所以因子值越低时资产价格运行越稳定倾向于有更好的预期表现同时也可能获得收益分布左偏的补偿所以在逻辑上其因子方向为负已实现峰度因子是由高频数据描述的收益率峰态与尾部形态因子值较低时对应尾部重尾现象不明显即尾部风险较小倾向于有更好的预期表现在逻辑上其因子方向亦为负使用2014年1月1日至2023年1月30日中证1000股票池5min级别与10min级别的高频量价数据计算因子值基于以上日度因子值分别进行5日与21日移动平均处理构造周度与月度因子值对周度和月度因子值进行去极值标准化以及行业市值中性化处理参见因子模型理论与实践及因子检验的实证因子选股系列之一之后统一乘以因子方向-1对于周度因子进行周频调仓回测对于月度因子进行月频调仓回测分层回测时层数为5交易费用按双边万五计算以下是因子测试结果表1已实现矩周度因子回测结果因子名称RankICICIR多头年化收益多头年化超额多头换手率多空年化收益多空年化波动率多空SharpeRatio多空最大回撤RV5minweek00576040352121167007668234620161163572RS5minweek005770882318021351158763012733411572RK5minweek0048810068179813471402222155883771061RV10minweek00563039642127167608097226119911143558RS10minweek005490837018421391160313141736427563RK10minweek004581050215601109150372042567361055数据来源东北证券windricequant请务必阅读正文后的声明及说明619TablePageTop金融工程研究报告表2已实现矩月度因子回测结果因子名称RankICICIR多头年化收益多头年化超额多头换手率多空年化收益多空年化波动率多空SharpeRatio多空最大回撤RV5minmonth00734057331501105009205126216830753634RS5minmonth006901051315201069155271803634284753RK5minmonth006831267314601009129291537560274608RV10minmonth00727056591521107009388123016890733676RS10minmonth00599100291234783158321405615228792RK10minmonth0063812164138693513936149057326853数据来源东北证券windricequant从测试结果可以看出1无论是周度因子和月度因子使用5min级别高频数据效果要好于10min级别这种数据精细度差异导致的因子效果差异可能是由于高精细度数据中蕴含更多有价值的信息并且使得对已实现矩的估计更为准确2对于已实现方差因子RV虽然其周度因子和月度因子贡献了较高的RankIC以及多头年化收益但是其ICIR多空对冲组合相关指标等明显较差这表明因子有选股价值但表现不稳定信息还需进一步提纯3关注5min级别的因子在周度因子和月度因子中已实现偏度因子RS和已实现峰度因子RK表现较好且RS因子表现相对更好但RK月度因子从ICIR和多空组合最大回撤来看更为稳定原因可能是RS三阶矩额外含有尾部的不对称性信息虽然RK四阶矩对重尾现象的反映更为严格但可能由于5min级别精细度不够即无法支持对RK进行较为精准的估计对RK的表现有一定的影响但是月度因子的移动平均处理可能在一定程度上减缓了这种估计误差的影响这可能是RK月度因子表现更为稳定的原因23已实现超偏度因子与已实现超尾度因子如引言所说高阶矩捕捉到的尾部信息较低阶矩更为丰富所以一个自然的想法就是仿照上一节已实现矩因子来构造更高阶的已实现矩因子我们这里扩广到了有一定物理意义的已实现超偏度因子与已实现超尾度因子高阶矩的物理意义可参考56其中超偏度Hyper-skewness是五阶矩超尾度Hyper-tailedness是六阶矩超偏度可以理解为尾部相对于中心在贡献偏度上的相对重要性更高的超偏度表示高偏度更多来自于尾部贡献超尾度描述分布的峰态与尾部形态的更多信息在统一的视角来看超偏度类似于偏度描述了不对称性而超尾度类似于峰度描述了峰态以及尾部与中心的相对信息但二者对于尾部的积分权重更大更深刻的描述了尾部风险二者均需要大量的数据来减少估计误差另外已实现超偏度因子与已实现超尾度因子的构造如下5632121523请务必阅读正文后的声明及说明719TablePageTop金融工程研究报告二者因子方向同样为负这是因为二者均是对收益率重尾程度的描述且RHT对尾部的权重更大当存在较低的极端尾部风险时倾向于认为资产有更好的预期表现由于上一节的结果表明5min级别下构造的因子表现显著好于10min级别所以这里仅使用2014年1月1日至2023年1月30日中证1000股票池5min级别量价数据构造日度因子同样地将日度因子分别做5日和21日移动平均处理得到周度和月度因子按上一节的设定进行回测回测结果如下表3已实现高阶矩周度因子回测结果因子名称RankICICIR多头年化收益多头年化超额多头换手率多空年化收益多空年化波动率多空SharpeRatio多空最大回撤RHS5minweek005060942017151264157422422592409479RHT5minweek0045609754172612751446320515503731040数据来源东北证券windricequant表4已实现高阶矩月度因子回测结果因子名称RankICICIR多头年化收益多头年化超额多头换手率多空年化收益多空年化波动率多空SharpeRatio多空最大回撤RHS5minmonth006501046615071056154141694571297675RHT5minmonth00648129911447996136701459522279673数据来源东北证券windricequant结果表明无论是周度还是月度因子5min级别数据构造的已实现高阶矩因子有着一定的选股能力但效果不如低阶矩高阶矩对尾部形态的描述更为深刻但表现略差的原因可能是5min的精细度不足以准确估计高阶矩使得捕捉到的收益率尾部信息中存在噪声下一章对此问题做出改进3改进因子与测试31下采样平均处理与因子表现对比针对前一章提出的因数据量不足对已实现高阶矩产生的估计误差问题一个初步的想法是直接使用1min级别数据但1min收益率中噪声较大并没有研究5min收益率分布性质稳定以下回测结果也证明了这一点表51min级别数据计算的已实现高阶矩因子回测结果因子名称RankICICIR多头年化收益多头年化超额多头换手率多空年化收益多空年化波动率多空SharpeRatio多空最大回撤RHT1minweek004140782018161365131791932566341657RHS1minweek004120879017151264153722015509396657RHT1minmonth00564104751437986128011360510267722RHS1minmonth006251386814751024149291471487302451数据来源东北证券windricequant我们参考7中的做法在更高频的数据网上做下采样Subsampling平均具体来说以1min级别的收盘价数据作为数据网令采样步长为5对数据网进行下采样得到一个5min级别的数据网用来计算一次因子值然后初始采样点前进一步再次进行下采样计算因子值如此往复并将得到的5个因子值平均作为新的因子值这种方式对高频数据充分利用在不改变5min收益率作为研究对象的同时降低了对高阶矩的估计误差另外平均过程也使得因子更加稳定逻辑上对因子效果有一请务必阅读正文后的声明及说明819TablePageTop金融工程研究报告定的提升并期望在一定程度上缓解上一章提出的问题在下采样平均处理后得到的因子是日度因子按前一章的做法取5日和21日移动平均分别作为周度因子和月度因子对因子进行去极值标准化以及市值行业中性化后乘以因子方向-1回测的设定与上一章一致对周度因子进行周频回测对月度因子进行月频回测交易费用设定为双边万五以下是经过下采样平均改进后的因子回测结果表6下采样平均改进后的已实现高阶矩周度因子回测结果因子名称RankICICIR多头年化收益多头年化超额多头换手率多空年化收益多空年化波动率多空SharpeRatio多空最大回撤subRS5minweek005880814819021451158453098793391640subRK5minweek0054510382186514141309623406483611242subRHS5minweek005260868318341383156542582665388558subRHT5minweek0051710187187114201366122925983831024数据来源东北证券windricequant图1subRS5minweek因子分层回测结果图2subRS5minweek因子IC序列统计数据来源东北证券windricequant数据来源东北证券windricequant图3subRK5minweek因子分层回测结果图4subRK5minweek因子IC序列统计数据来源东北证券windricequant数据来源东北证券windricequant请务必阅读正文后的声明及说明919TablePageTop金融工程研究报告图5subRHS5minweek因子分层回测结果图6subRHS5minweek因子IC序列统计数据来源东北证券windricequant数据来源东北证券windricequant图7subRHT5minweek因子分层回测结果图8subRHT5minweek因子IC序列统计数据来源东北证券windricequant数据来源东北证券windricequant从周度因子表现来看在RankIC和ICIR方面四个因子均有较好的选股能力subRS5minweek和subRK5minweek有着更高的RankIC平均值而subRK5minweek和subRHT5minweek的RankIC序列更为稳定在分层回测方面subRS5minweek和subRHT5minweek多头组合表现优异分别取得1451和1420的年化超额收益改进后的因子单调性均较优且已实现高阶矩因子的分层效果更为明显多空对冲组合净值曲线平稳上升表明因子选股效果持续稳定且优异subRS5minweek和subRHS5minweek的多空对冲组合表现更好多空组合年化收益分别为3098和2582多空组合SharpeRatio分别为391和388多空组合最大回撤分别为640和558请务必阅读正文后的声明及说明1019TablePageTop金融工程研究报告图9下采样处理后已实现矩周度因子表现对比0350003000025000200001500010000050000000RankIC多头年化收益多头年化超额多空年化收益多空年化波动率多空最大回撤subRS5minweekRS5minweeksubRK5minweekRK5minweek数据来源东北证券windricequant图10下采样处理后已实现高阶矩周度因子表现对比0302502015010050RankIC多头年化收益多头年化超额多空年化收益多空年化波动率多空最大回撤subRHS5minweekRHS5minweeksubRHT5minweekRHT5minweek数据来源东北证券windricequant将下采样平均改进后的周度因子表现与原始周度因子对比可以看出改进后的因子表现明显提升在不过多增大风险的情况下显著的提升了因子收益使得我们改进后的因子取得优异的表现另外可以发现下采样对于高阶矩因子的提升效果相对于低阶矩因子更为明显这与改进的逻辑一致即下采样平均降低了对高阶矩的估计误差提升了稳定性另外高阶矩捕捉极端尾部信息度量重尾程度其估计相对于低阶矩对数据量要求较高因此下采样平均处理对由高阶矩构造的因子提升更为显著请务必阅读正文后的声明及说明1119TablePageTop金融工程研究报告表7下采样平均改进后的已实现高阶矩月度因子回测结果因子名称RankICICIR多头年化收益多头年化超额多头换手率多空年化收益多空年化波动率多空SharpeRatio多空最大回撤subRS5minmonth007421085213018501526017386852541057subRK5minmonth00697119941338887119781572600262632subRHS5minmonth00693106931239788151391571613256896subRHT5minmonth00673123191373922129271536573268622数据来源东北证券windricequant图11subRS5minmonth因子分层回测结果图12subRS5minmonth因子IC序列统计数据来源东北证券windricequant数据来源东北证券windricequant图13subRK5minmonth因子分层回测结果图14subRK5minmonth因子IC序列统计数据来源东北证券windricequant数据来源东北证券windricequant图15subRHS5minmonth因子分层回测结果图16subRHS5minmonth因子IC序列统计数据来源东北证券windricequant数据来源东北证券windricequant请务必阅读正文后的声明及说明1219TablePageTop金融工程研究报告图17subRHT5minmonth因子分层回测结果图18subRHT5minmonth因子IC序列统计数据来源东北证券windricequant数据来源东北证券windricequant从月度因子表现来看RankIC方面和ICIR方面四个因子表现均较为优秀subRS5minmonth因子RankIC平均值达到了00742subRHT5minmonth因子ICIR达到了12319因子值与未来收益率相关性显著且稳定因子分层回测方面subRHT5minmonth与subRK5minmonth分层单调性较好分别取得了922与887的多头年化超额多空对冲组合净值相对于其他两个因子更为平稳回撤更小图19下采样处理后已实现矩月度因子表现对比0200001800016000140001200010000080000600004000020000000RankIC多头年化收益多头年化超额多空年化收益多空年化波动率多空最大回撤subRS5minmonthRS5minmonthsubRK5minmonthRK5minmonth数据来源东北证券windricequant请务必阅读正文后的声明及说明1319TablePageTop金融工程研究报告图20下采样处理后已实现高阶矩月度因子表现对比018016014012010080060040020RankIC多头年化收益多头年化超额多空年化收益多空年化波动率多空最大回撤subRHS5minmonthRHS5minmonthsubRHT5minmonthRHT5minmonth数据来源东北证券windricequant将下采样平均改进后的月度因子表现与原始月度因子对比RankIC方面有一定的提升但因子收益方面并没有提升这可能是因为月度因子构造窗口期比较长移动平均可能已经降低了估计误差导致下采样平均不再有提升效果结果表明下采样平均改进对周度因子的表现有大幅的提升其对高阶矩因子的提升效果强于低阶矩而对月度因子没有提升效果32改进后因子分年度测试及相关性鉴于改进后周度因子有更好的表现本节对前述周度因子进行了分年度回测以下是详细的回测结果表8subRS5minweek因子分年度回测结果年度RankICICIR多头年化收益多头年化超额多空年化收益多空年化波动率多空SharpeRatio201400717102586634340237316775512620150073607792135566092654011735574220160079113687090132335468564142220170062508637-126952524395354555520180055107642-28738682578646399202019006861020940831479365968953124202000553078202353652237584428134202100336056812885111119667582592520220032304581-1694437143379018134汇总005880814819021451309879339100数据来源东北证券windricequant请务必阅读正文后的声明及说明1419TablePageTop金融工程研究报告表9subRK5minweek因子分年度回测结果年度RankICICIR多头年化收益多头年化超额多空年化收益多空年化波动率多空SharpeRatio2014005611254363993167316343472956201500393069138972150884911640729820160054709823-26496915275472792220170067014655-84994534644667437820180056208746-2534120822235314188320190070312271401514113557557638582020006111512231491448335261054929202100403089573015124118155933060820220046408678-8291303167561927075汇总005451038218651414234064836100数据来源东北证券windricequant表10subRHS5minweek因子分年度回测结果年度RankICICIR多头年化收益多头年化超额多空年化收益多空年化波动率多空SharpeRatio201400573102566201296925695864381120150059907345128685403423710004238620160072114457230146230657074331920170062610567-108570928204446354220180050408081-2803939230354242476201900627100893646104227996064619920200051509374238368227066544139720210030406233270693217646442740320220027605062-1664467104666815656汇总005260868318341383258266538800数据来源东北证券windricequant表11subRHT5minweek因子分年度回测结果年度RankICICIR多头年化收益多头年化超额多空年化收益多空年化波动率多空SharpeRatio2014005131196864033171294441471088201500354069209408194397110210950620160048608544-40782513675372544020170065614843-777101635044397988420180056209094-2485125722194994441820190068712666401914153468522664342020005761330328931192324258255752202100387090253258148417605483214020220043808795-9821149165758328394汇总005171018718711420229259838300数据来源东北证券windricequant以上结果表明subRS5minweek因子与subRHS5minweek因子表现相似均是由奇数阶矩所构造蕴含分布的不对称性信息即对尾部的描述均含有方向性它们在回测期间各年度中均有正的多头超额收益虽然在2022年因子超额收益有所降低但仍然具有不错的选股能力subRK5minweek因子与subRHT5minweek因子表现相似其均是由偶数阶矩所构造蕴含尾部信息即是对双侧重尾程度的刻画无论从RankICICIR或是因子收益角度来看它们在回测区间的每个年度均表现稳定且优异每年的超额收益可观与前述两个因子不同在近年来subRK5minweek因子与subRHT5minweek因子表现依然稳健在2022年因子多头超额分别为1303与1149延续优异的表现下面计算改进后的周度因子与月度因子与BarraCNE5因子的相关性请务必阅读正文后的声明及说明1519TablePageTop金融工程研究报告图21下采样处理后已实现各阶矩周度因子与BarraCNE5因子的相关性数据来源东北证券windricequant图22下采样处理后已实现各阶矩月度因子与BarraCNE5因子的相关性数据来源东北证券windricequant结果表明我们从高频数据中构造并改进的已实现各阶矩因子与常见的大类风格因子相似度较低subRS因子与subRHS因子与流动性因子有相对较强的相似度subRK因子与subRHT因子与流动性因子与特异性波动率因子有相对较强的相关性但总体来说我们构造并改进的因子与常见风格并没有显著相关性4总结首先按文献中方法分别使用5min和10min的数据针对已实现方差已实现偏度和已实现峰度构造了周度和月度因子其分别表示收益率的波动程度收益率的不对称性和收益率的重尾程度对其在中证1000股票池中进行回测结果表明5min线构造的因子好于10min线已实现波动率因子表现不稳定已实现偏度与已实现峰度周度和月度因子表现较好按照前述方式对已实现高阶矩即已实现超偏度和已实现超尾度进行周度和月度因子构造其均表示对尾部形态的描述超偏度类似于偏度度量重尾程度的同时也蕴含分布的不对称性超尾度类似于峰度更高阶矩表示对重尾程度的刻画更为严格在中证1000的测试中表现一般可能由于高阶矩的估计对样本量要求较高5min线可能导致估计误差考虑到1min线噪声较大我们应用下采样平均的方法对前述构造的因子进行改进改进后的周度因子在中证1000中的表现明显提升并且对于更高阶矩构造的因请务必阅读正文后的声明及说明1619TablePageTop金融工程研究报告子提升更加显著从分年度测试结果来看我们构造并改进的subRK5minweek因子与subRHT5minweek因子近年来表现持续优异另外改进后的因子与常见的风格因子相关性均较弱之后的工作可以对各阶矩构造的因子进行合成并剔除可能存在干扰的信息另外也可以考虑已实现高阶矩因子与其他高频因子的联动效应形成更有效的选股策略5参考文献1AmayaDPChristoffersenKJacobsandAVasquez2013DoesRealizedSkewnessPredicttheCross-SectionofEquityReturnsJournalofFinancialEconomics1182AndersenTGandTBollerslev1998AnsweringtheSkepticsYesStandardVolatilityModelsDoProvideAccurateForecastsInternationalEconomicReview39885-9053AndersenTGTBollerslevFXDieboldandPLabys2003ModelingandForecastingRealizedVolatilityEconometrica71529-6264JacodJ2012StatisticsandHighFrequencyDataInMKesslerALindnerandMSorensenEdsStatisticalMethodsforStochasticDifferentialEquationsChapmanHallCRCMonographsonStatisticsAppliedProbabilityVolume1245KhademSPNarayanandSSharma2019HigherMomentsandExchangeRateBehaviorFinancialReview542012296KostakisAKMuhammadandASiganos2012Higherco-momentsandassetpricingonLondonStockExchangeEnglishJournalofBankingandFinance36913922ISSN0378-42667ZhangLPMyklandandYAit-Sahalia2005ATaleofTwoTimeScalesDeterminingIntegratedVolatilitywithNoisyHigh-FrequencyDataJournaloftheAmericanStatisticalAssociation1001394-14116风险提示分析基于历史数据与模型存在模型失效风险历史数据回测结果不代表未来表现请务必阅读正文后的声明及说明1719TablePageTop金融工程研究报告研究团队简介王琦帝国理工学院数学与金融荣誉硕士南开大学统计学学士TableIntroduction2021年加入东北证券上海证券研究咨询分公司任金融工程首席分析师研究方向为金融工程曾任职于兴业财富资产管理有限公司任FOF投资经理李严中山大学统计学本科复旦大学应用统计硕士主要研究基金产品行业轮动方向2020年加入东北证券现任东北证券上海证券研究咨询分公司金融工程组分析师贾英伦敦大学学院金融数学荣誉硕士厦门大学数学与应用数学本科2022年加入东北证券研究方向为金融工程因子选股现任东北证券上海证券研究咨询分公司金融工程组研究助理张栋梁复旦大学金融硕士南京大学金融学本科2022年加入东北证券研究方向为因子选股现任东北证券上海证券研究咨询分公司金融工程组研究助理重要声明本报告由东北证券股份有限公司以下称本公司制作并仅向本公司客户发布本公司不会因任何机构或个人接收到本报告而视其为本公司的当然客户本公司具有中国证监会核准的证券投资咨询业务资格本报告中的信息均来源于公开资料本公司对这些信息的准确性和完整性不作任何保证报告中的内容和意见仅反映本公司于发布本报告当日的判断不保证所包含的内容和意见不发生变化本报告仅供参考并不构成对所述证券买卖的出价或征价在任何情况下本报告中的信息或所表述的意见均不构成对任何人的证券买卖建议本公司及其雇员不承诺投资者一定获利不与投资者分享投资收益在任何情况下我公司及其雇员对任何人使用本报告及其内容所引发的任何直接或间接损失概不负责本公司或其关联机构可能会持有本报告中涉及到的公司所发行的证券头寸并进行交易并在法律许可的情况下不进行披露可能为这些公司提供或争取提供投资银行业务财务顾问等相关服务本报告版权归本公司所有未经本公司书面许可任何机构和个人不得以任何形式翻版复制发表或引用如征得本公司同意进行引用刊发的须在本公司允许的范围内使用并注明本报告的发布人和发布日期提示使用本报告的风险若本公司客户以下称该客户向第三方发送本报告则由该客户独自为此发送行为负责提醒通过此途径获得本报告的投资者注意本公司不对通过此种途径获得本报告所引起的任何损失承担任何责任分析师声明作者具有中国证券业协会授予的证券投资咨询执业资格并在中国证券业协会注册登记为证券分析师本报告遵循合规客观专业审慎的制作原则所采用数据资料的来源合法合规文字阐述反映了作者的真实观点报告结论未受任何第三方的授意或影响特此声明投资评级说明买入未来6个月内股价涨幅超越市场基准15以上股票增持未来6个月内股价涨幅超越市场基准5至15之间投资评级中所涉及的市场基准投资中性未来6个月内股价涨幅介于市场基准-5至5之间评级A股市场以沪深300指数为市场基准新三板市场以三板成指针对协说明减持未来6个月内股价涨幅落后市场基准5至15之间议转让标的或三板做市指数针对卖出未来6个月内股价涨幅落后市场基准15以上做市转让标的为市场基准香港市场以摩根士丹利中国指数为市场基准美国市场以纳斯达克综合指数或行业优于大势未来6个月内行业指数的收益超越市场基准标普500指数为市场基准投资同步大势未来6个月内行业指数的收益与市场基准持平评级说明落后大势未来6个月内行业指数的收益落后于市场基准请务必阅读正文后的声明及说明1819TablePageTop金融工程研究报告TableSales东北证券股份有限公司网址httpwwwnesccn电话400-600-0686地址邮编中国吉林省长春市生态大街6666号130119中国北京市西城区锦什坊街28号恒奥中心D座100033中国上海市浦东新区杨高南路799号200127中国深圳市福田区福中三路1006号诺德中心34D518038中国广东省广州市天河区冼村街道黄埔大道西122号之二星辉中心15楼510630机构销售联系方式姓名办公电话手机邮箱公募销售华东地区机构销售王一副总监021-6100180213761867866wangyi1nesccn吴肖寅021-6100180317717370432wuxiaoyinnesccn李瑞暄021-6100180218801903156lirxnesccn周嘉茜021-6100182718516728369zhoujqnesccn陈梓佳021-6100188719512360962chenzjnesccn屠诚021-6100198613120615210tuchengnesccn康杭021-6100198618815275517kanghnesccn丁园021-6100198619514638854dingyuannesccn吴一凡021-2036125819821564226wuyifannesccn王若舟021-6100207317720152425wangrznesccn华北地区机构销售李航总监010-5803455318515018255lihangnesccn殷璐璐010-5803455718501954588yinlulunesccn曾彦戈010-5803456318501944669zengygnesccn吕奕伟010-5803455315533699982lvywnesccom孙伟豪010-5803455318811582591sunwhnesccn陈思010-5803455318388039903chensinesccn徐鹏程010-5803455318210496816xupcnesccn曲浩蕴010-5803455518810920858quhynesccn华南地区机构销售刘璇总监0755-3397586513760273833liuxuannesccn刘曼0755-3397586515989508876liumannesccn王泉0755-3397586518516772531wangquannesccn王谷雨0755-3397586513641400353wanggynesccn张瀚波0755-3397586515906062728zhanghbnesccn王熙然0755-3397586513266512936wangxr7561nesccn阳晶晶0755-3397586518565707197yangjjnesccn张楠淇0755-3397586513823218716zhangnqnesccn钟云柯0755-3397586513923804000zhongyknesccn杨婧010-6321089218817867663yangjing2nesccn梁家潆0755-3397586513242061327liangjynesccn非公募销售华东地区机构销售李茵茵总监021-6100215118616369028liyinyinnesccn杜嘉琛021-6100213615618139803dujiachennesccn王天鸽021-6100215219512216027wangtgnesccn王家豪021-6100213518258963370wangjiahaonesccn白梅柯021-2036122918717982570baimknesccn刘刚021-6100215118817570273liugangnesccn曹李阳021-6100215113506279099caolynesccn曲林峰021-6100215118717828970qulfnesccn华北地区机构销售温中朝副总监010-5803455513701194494wenzcnesccn王动010-5803455518514201710wangdongnesccn闫琳010-5803455517862705380yanlinnesccn张煜苑010-5803455313701150680zhangyy2nesccn请务必阅读正文后的声明及说明1919