人工智能93：挖掘逐笔成交数据中的alpha
　　高频量价数据在量化投资中的重要性毋庸置疑。本文聚焦于逐笔成交数据的信息挖掘。由于数据量庞大，逐笔成交数据难以直接作为深度学习等选股模型的输入，需依赖特征工程提取有效信号。本文从资金流和事件驱动两个角度开展特征工程，采用深度学习模型捕捉数据规律，并提出模型优化方法，最后形成选股因子。
　　资金流模型：tick线、成交量线等具有时间线外的增量信息
　　本研究基于逐笔成交数据，构造大小单、主动买卖等资金流特征。基线模型以个股过去40日的30分钟频资金流数据作为输入，采用transformer模型学习时序注意力，最终输出未来10日超额收益的预测。然而，传统时间线存在不匹配市场交易频率、时间序列统计特性差等缺陷。改进模型在时间线基础上，拓展出tick线、成交量线等增量数据，并利用transformer模型学习跨时间和跨k线的规律。实证结果表明，改进模型训练的选股因子在多项指标上均优于基线模型。样本空间为全A股，在2017年初至2025年6月底的回测期内（周频调仓），因子周度RankIC从10.17%提升至10.64%，多头年化超额收益率由20.43%提升为22.56%。
　　事件驱动模型：引入跨事件注意力可提升模型性能
　　逐笔成交数据中的重要成交事件（如大单、价格底部、价格顶部等）可能蕴含较为丰富的信息。本研究通过识别这些特殊事件，构造相应的事件特征。基线模型以个股过去40日的所有事件特征作为输入，采用transformer模型学习时序注意力，最终输出未来10日超额收益的预测。改进模型则采用分层注意力机制设计，第一层transformer仍学习时序注意力，第二层transformer捕捉跨事件的交叉注意力。回测结果显示，改进模型训练得到的因子在多项指标上均优于基线模型，周度RankIC从9.94%提升至10.01%，多头年化超额收益率由20.06%提升为22.38%。
　　改进资金流和事件驱动因子合成的融合因子表现更佳
　　将改进后的资金流和事件驱动选股因子等权合成，得到逐笔成交融合因子。在2017年初至2025年6月底的回测期内（周频调仓），该融合因子周度RankIC达10.96%，多头年化超额收益率为24.52%，表现优于单一因子。基于资金流因子、事件驱动因子和融合因子构建的中证1000增强组合，在相同回测期内年化超额收益率分别为18.98%、17.24%和19.92%，信息比率分别为3.91、3.59和4.04。2025年上半年，三者的超额收益分别为5.57%、12.58%和10.77%。
　　风险提示：基于逐笔成交数据的选股模型对市场微观结构的依赖较强，未来市场变化可能导致模型失效。Transformer架构的复杂性可能增加训练和推理时间，并带来过拟合风险。本报告不涉及标的推荐。