核心观点
　　高频订单主动买卖特征蕴含的Alpha信息
　　考察高频订单的几个维度：在过往研究中，我们从订单大小、成交时长、成交时间、出价高低等多个维度对高频订单数据蕴含的Alpha信息进行了考察。本文我们聚焦订单特征的另一个重要维度——主动买卖特征。
　　主动买卖特征：每一笔交易都是由其背后的投资者交易而成，而每笔交易往往带有着强烈的交易倾向。促成买卖双方成交的一笔订单究竟是由买方主动促成，还是由卖方主动促成？不同订单主动成交方向对股价未来的影响方向是否存在显著的差异？这些问题都在引领着我们对每笔成交的主动买卖特征进行划分，探析促成每笔成交的买卖倾向给因子有效性带来的差异。
　　主动买卖特征划分方法梳理及比较
　　当前学术界和业界中，基于逐笔数据进行主动买卖特征划分的方法主要有基于委托时间（Time Based）和基于成交价格（Price Based）两类。
　　二者在某些特殊情形下的主动买卖特征划分均存在值得商榷的地方，因此本文提出一种结合成交价格及委托时间的主动买卖特征划分法。
　　引入主动买卖特征对构成大单交易占比因子的子因子进行拆分，均有良好的区分效果，能够分离出选股能力更强、稳定性更好的指标。
　　引入主动买卖特征的改进大单因子
　　因子表现：引入主动买卖特征的改进大单因子月度RankIC均值9.09%，年化RankICIR为4.27，月胜率89.01%。多头月均超额0.84%，空头月均超额-1.73%。
　　引入主动买卖特征的成交量占比因子统一框架
　　成交量占比因子统一框架：我们根据委托单的“大单属性”将订单分为大单、非大单两类，根据委托单的“漫长属性”将订单分为漫长订单和非漫长订单两类，根据订单的“主动买卖特征属性”将一笔成交划分为主买和主卖两类，对订单类型进行划分。
　　精选复合因子：我们提出一种基于因子有效性的“迭代分裂法”，基于订单大小、成交时长及主动买卖特征筛选有效维度构建精选复合因子。具体来讲，若引入主动买卖特征后因子有效性区分明显，则保留子因子；否则，沿用父因子，构建复合精选因子。
　　精选复合因子表现：月频调仓下精选复合因子月度RankIC均值为8.93%，年化RankICIR为5.21，月胜率93.41%。多头月均超额0.99%，空头月均超额-1.56%。周频调仓下精选复合因子的周度RankIC均值为5.59%，年化RankICIR为6.85，周胜率83.72%，在不同的宽基指数及风格股票池中均展现出较强的选股效果。
　　因子特征：精选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。
　　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。