本文从算法交易视角切入，提出了用“下单-撤单时间差”识别机构行为的思路，并构建了具有稳定选股能力的买单算法交易撤单占比因子。我们认为，在算法交易已成为机构主流订单执行方式的市场环境下，基于交易机制和时间结构识别和跟踪机构或有信息优势的投资者（Inside Trader）的行为，较单纯依赖订单金额具有更高的合理性与研究价值。
　　【报告亮点】
　　1、从算法交易的视角识别机构行为，区别于传统的订单金额方法。
　　2、买单算法交易撤单占比因子（BABR）的选股表现较为优异。
　　3、买单算法撤单占比因子与公募基金整体的投资风格有较强的一致性。
　　【主要结论】
　　主要结论一、相较下单行为本身，撤单行为更易暴露算法交易的规则化特征。
　　如果统计每笔撤单的“下单-撤单时间差”，就会发现，在若干离散时点上出现了显著的脉冲式集中，这一结果明显偏离人工交易下应有的随机特征。结合统计规律与朴素的交易逻辑，我们将连续竞价阶段，1秒、5秒及1分钟内3秒整数倍前后20毫秒内的撤单，识别为由算法交易驱动的行为。
　　主要结论二、使用买单算法交易撤单笔数/全部买单撤单笔数，构建买单算法交易撤单占比因子（BABR）。
　　如果买入方向上的算法撤单占比高，可能就意味着机构投资者建仓的意愿较为强烈，更能表征其对该股票的信心水平。BABR因子RankIC为0.058，ICIR接近0.55，双周度的胜率超过70%，多空组合年化收益率为27.8%。
　　主要结论三、BABR因子能在一定程度上捕捉公募机构的行为乃至持仓，不仅具备较好的选股效果，而且还提供了一种高频跟踪公募行为的方式。
　　BABR因子的风格暴露不同于传统量价因子，多头组偏好高估值、高弹性、低财务杠杆的股票，其日收益率和万得偏股混合型基金指数（885001.WI）的相关性达到0.59。此外，该因子和基于成交类数据开发的深度学习因子的相关系数为-0.25，能够提供相对独立的信息增益。
　　风险提示：数据来源第三方，或有遗漏、滞后、误差；报告使用历史数据测算完成，存在历史统计规律失效风险；市场投资风格可能发生变化，影响当前因子的有效性；报告提及个股仅作为举例，不构成投资建议。