深入高频：从日频行情数据到逐笔成交数据。
　　逐笔成交数据介绍：逐笔成交数据主要记录了每笔成交的数量、价格、时间信息以及本次成交涉及的买卖双方的订单数量、价格和订单号信息。
　　考察高频订单的几个维度：对高频订单的考察通常可从订单大小、成交时长、成交时间、出价高低等维度入手。
　　基于订单大小的大单交易占比因子
　　传统大单交易占比因子：采用分位点的方式对大单进行划分，构建“传统大单交易占比”因子。该因子展现出一定的选股能力，但是总体来讲绩效较为平庸，且稳定性较差。
　　传统大单交易占比因子拆解：根据每笔成交买卖订单是否为大单，对传统大单交易占比因子进行拆解，发现子因子方向不同，导致因子效果变差。
　　改进大单交易占比因子：我们对构成大单交易占比因子的子因子方向进行调整构建“改进后大单交易占比”。该因子RankIC均值达到7.6%，年化RankICIR为3.73，月胜率88.1%，月度自相关系数0.81。
　　基于订单成交时长的漫长订单交易占比因子
　　漫长订单交易占比因子：采用分位点的方式对订单成交时长进行划分，构建“漫长订单交易占比”因子，其RankIC均值为7.1%，年化RankICIR为3.88，月胜率84.5%，月度自相关系数0.82。
　　衡量订单特征的其他维度
　　我们还可以从“早尾盘属性”及“高低价属性”出发，对订单包含的信息进行多特征维度的衡量。
　　大单及漫长订单复合因子
　　大单及漫长订单复合因子：将“改进大单交易占比”因子和“漫长订单交易占比”进行等权合成，构建“大单及漫长订单”复合因子。复合因子的RankIC均值为8.4%，年化RankICIR为4.39，月胜率88.1%。周频调仓复合因子的周度RankIC均值为5.1%，年化RankICIR为5.42，周胜率78.4%。
　　复合因子特征：复合因子更倾向于低估值、大市值、低波动、低换手股票。
　　在剥离掉传统选股因子后，纯净因子仍展现出稳健的选股能力。
　　基于订单特征的成交量占比因子的统一框架
　　基于订单特征的成交量占比因子的统一框架：基于委买单和委卖单的“大单属性”和“漫长属性”，对不同类别的成交记录进行分类，分别检验不同类型成交记录交易占比因子的选股能力。
　　基于订单特征的精选复合因子：精选复合因子的RankIC均值为8.5%，年化RankICIR为5.06，月胜率90.5%。周频调仓精选复合因子的周度RankIC均值为5.2%，年化RankICIR为6.57，周胜率82.6%。
　　风险提示：市场环境变动风险，本报告基于客观数据，不构成投资建议。