高频因子：高阶矩高频因子
由qxiao创建，最终由qxiao 被浏览 242 用户
摘要
系列报告以量价数据为主构建高频因子高频因子的构建方式划分为三大类：单维度单层次，即仅使用量或价维度中的单一数据；多维度单层次，即综合量、价维度中各自的单一数据；多维度多层次，即综合量、价维度中多个数据。本文从单维度单层次的角度，测试了收益率、成交量两个维度，一阶矩到四阶矩的因子表现。
高阶矩因子的本质为“反常”高阶矩因子收益来源于个股交易中存在的“反常”，这种“反常”又可以分为两大类：过度反应逻辑，价格被高估并在之后回归到价值附近，以收益率均值类因子、收益率标准差类因子、成交量偏度类因子为代表；交易异常逻辑，多空博弈激烈的个股收益不确定性较强，以收益率偏度类因子、收益率峰度类因子、成交量标准差类因子、成交量峰度类因子为代表。
高阶矩因子均有一定的选股能力以全A股中的选股回测结果为例，高频因子可以获得1.11的信息比和2.65的多空夏普比；残差标准差因子可以获得-0.08的信息比和1.28的多空夏普比；残差偏度因子可以获得0.68的信息比和1.87的多空夏普比；残差峰度因子可以获得0.80的信息比和1.62的多空夏普比；成交量占比标准差因子可以获得0.64信息比和1.98的多空夏普比；成交量偏度可以获得0.50的信息比和2.12的多空夏普比；成交量占比峰度可以获得0.47的信息比和1.29的多空夏普比
正文
/wiki/static/upload/87/8708dd08-d10a-4dcc-a942-9ebb613a667b.pdf
\