因子是指可以用来解释和预测某些现象的独立变量。它们可以是数学变量、统计变量或其他类型的变量，用于建立数学模型或统计分析。因子可以用来提取有用的信息，并将复杂的数据集结构化为更简单的形式，以便更好地理解和分析数据。

通俗来说就是每一个因子都相当于设置一种特定的选股规则，按照规则将股票进行排序，就得到了所有股票的因子值。

因子被认为是股票量化投资的核心，而由于量化本身就是一种理解起来比较费力的投资方法，所以因子也常被蒙上一层神秘色彩。

许多新手在一开始可能会苦于无法找到大量的因子来构建自己的交易策略。

分享几个冷门高频的股票因子

Order aggressiveness、order book shape、撤单、事件聚集、订单薄韧性、异常挂单、逐笔。

一、Order aggressiveness
（1）订单侵略性，其实就是挂单的激进程度。假设你是买家，你挂单的价格越高，你就越激进；反过来，你是卖家，你挂单价格越低，你越是激进的卖家。举个例子，买家挂单越接近bid1，越激进；卖家挂单越接近ask1，越激进；

（2）订单侵略性，体现了买家/卖家完成交易的迫切程度。通过整个订单薄，我们可以知道所有买家整体的激进程度、和所有卖家整体的激进程度；通过这个，就能构建一系列因子了。此外，买卖aggressiveness的差异，也是一系列因子；

（3）一个订单的执行概率和订单薄的厚度、参与者对即将到来的订单的预期有关；买盘越厚，一个潜在的买家下market order的概率更大；这套说法对卖方同样适用；bid ask的厚度体现了看涨和看跌者的相对力量。

（4）不要用静态的思维来看待订单薄，要从动态的角度来分析。订单薄性质的变化，体现了多空力量的动态变化，是未来价格走势的重要体现；在这个问题上，时间序列的建模是很有必要的。

二、order book shape
（1）order book shape，就是订单薄所呈现的形状。

（2）很多学术研究表明，股票的order book的平均形态就是Humped，就是整个订单薄上有一块隆起的地方；

（3）个股来说，我觉得，离不开几种情况。第一，就是Humped，只是这个顶点不同，而且可能随着时间的变化而变化；第二，可能是双峰的、甚至是多峰的Humped；第三，可能是没有峰，就是矩形分布；第四，可能就在某些档位有分布；第五，可能是单调的，比如从第一档往后几乎单调上升或者下降，单调的函数可以是线性的，也可以是concave或者convex；

（4）上面，是从全局的角度来描述LOB（limit order book简称，下同) 状态的一种方法。也可以只关注一些特殊的点，比如，在某个偏离bid/ask的位置有个奇怪的大单；然后，还要加入时间维度。前面两个，都是静态的、截面的。

（5）humped位置：很多实证研究，都表明，LOB的平均形态，就是humped，只是这个humped的位置不同，这个顶点的位置，可以作为一个因子。比如，买单的顶点位置，是位于0-10%、10-20%等的哪个位置；此外，还需要关注这个hump位置随时间的迁移。

（6）order book slope：订单薄斜率，描述订单薄上的价格和该价格处的挂单量之间的关系。这个slope属于shape的分支，其含义和aggressiveness类似；

三、撤单
（1）撤单行为，不仅反映了交易者的观点的变化，还会影响其他交易者；根据买卖双方各自的撤单量、撤单金额、撤单价位、大单超大单的撤单情况，可以构建很多因子；

（2）和订单薄不同，撤单类因子，是一个流量变量，它需要考虑一个时间段的因子；构建撤单因子时，一定不要独立地看待某段时间的撤单行为，而需要结合实际的成交情况，这才是这段时间内多空双方博弈的信息全集（相对的）；

（3）fleeting order：即挂单后短时间内又撤掉的订单；除了正常交易情况下撤单去追跑掉的价格外，fleeting order还有欺骗对手的作用，挂单者想制造假象，以诱导其他投资者（spoofing order）；比如，前面降了order book shape，如果你采用了这种因子进行交易，那么你的对手以通过fleeting order来扰乱order book，从而让你的系统发出虚假的信号；

四、事件聚集
（1）定义一些事件，比如撤单、挂买一单、超大买卖单出现，然后在一段时间内统计事件发生的频率，可以构建很多个系列的因子；这是高频数据低频化的常见思路；

（2）一些事件具有聚集的特性，原因有：交易者拆分大单来掩盖交易意图；交易者之间的模仿；不同交易者对新闻的反应（反应是一致的，只是有先有后）；为了在竞价上击败其他交易者；

五、订单薄韧性
（1）如果来了个大的市价卖单，然后，当然，买单被吃掉很多；但是通常会回复一部分。比如，有个100手的市价卖单，刚好吃掉了所有报价21元以上的单；后来，21元以上的买单恢复了80手。那么，这个回复能力，就是80%。

（2）订单薄韧性，反映了一部分股票的属性。是个很有意思的因子。

六、异常挂单
（1）有时候，在原理买一和卖一的地方（比如涨停价跌停价，会存在大量挂单。正常情况下，这些订单几乎不可能成交。

（2）类似这样的异常挂单，十分重要。依据这些数据来构建的因子，很有信息量。

七、逐笔数据：主动买卖
（1）判断一笔交易属于主动买还是主动卖，通常以一笔交易的买卖双方的订单到底先后顺序来定；

（2）在实际中，逐笔交易买卖单判断十分重要；像我们常见的资金流这类指标，就是这么计算的；

（3）逐笔数据可以构建的因子很多，主动买卖算一类；

（4） 举例：日内累计主买率、日内累计资金净流入、日内累计大单资金流入率、日内累计小单资金流入率，等等；

转载请注明：吾要开户 » 什么是股票因子，量化交易冷门高频的股票因子分享（值得收藏）