主买成交特异性
本文，笔者将继续复现民生证券叶尔乐老师的研报。
这一次的研报是叶老师在2025年1月21日发布的，名字叫作《量化专题报告：资金流潮汐与“引力场”因子构建》，这篇研报中主要有两个因子，一个是主买成交特异性因子，另一个则是虹吸效应因子，而将两者等权合成就得到了引力场因子。
本文，笔者将先介绍一下主买成交特异性因子。
关于这个因子背后的逻辑，研报中是这样描述的。
主买成交特异性”刻画了持续且特异性的主买资金流入，代表资金看好该
股票，未来股价上涨的可能性更大。“特异性”：个股相对于市场主买成交量的比例在截面上损益相济，“主买成交占比”的扩大代表主买资金“特异性”流入个股；“持续性”：修正主买时刻对连续出现的主买时刻进行修正剔除，而日内经过剔除之后剩余的“主买时刻”出现次数越多，代表其在全天分布比较分散，即股票当前需求不是一时兴起而是持续存在，未来上涨的概率就越大。
计算步骤和代码
这个因子的计算步骤一共有五步，咱们慢慢看。
1
计算步骤
第一步，计算主买成交量占比。对于每一分钟，计算每个股票 t 分钟主买成交量占 t 分钟全市场主买成交总量的比例。
第二步，计算主买时刻。对于每个股票，计算“主买成交量占比”大于该股票当日“主买成交占比”序列 80%分位数的时刻。
第三步，修正主买时刻。进一步要求“主买时刻”的主买成交量大于前一分钟和后一分钟的主买成交量。
第四步，计算主买次数。对于每一只股票，剔除开盘的前 15 分钟和收盘前的 15 分钟，统计剩余 210 分钟内“修正主买时刻”出现次数。
第五步，高频因子低频化。每月月底，对“主买次数”进行截面标准化，然后计算过去 20 日的均值，得到最终的“主买成交特异性”。
2
代码
def process_single_day(self, idx):
前7行，读取代码。
第8行，计算主动买入的概率。这里参考了分布估计下的主动买入占比，桃子姐的因子居然在这本书中提到过！这篇文章的思想。注意：这一步算是该因子的关键步骤，笔者按照自己的想法进行设计的，和研报中实际的设计可能会有出入，从而导致因子评价结果差异较大。
第9行，计算主动买入的成交量。
第10行，对应第一步。
第11-13行，对应第二步和第三步，其中第12行对应的是第三步。
第14行，对应第四步。
因子评价
研报中提到的高频因子低频化方法是先进行截面标准化，然后求均值。
这里，笔者理解的标准化就是zscore标准化。
不过，笔者在测试的时候，不仅用了研报中提到的低频化方式，还直接使用了均值以及标准差这两种不一样的低频化方式，结果都不尽如人意。所以，就展示一下按照研报所说的方式进行低频化的结果。
01
IC分析
02
回归分析
03
换手率分析
04
收益分析
这个分层回测的结果可以说是非常差了，不同分组之间几乎没有什么区分度了。
值得一提的是，用标准差低频化的因子，其IC低了不少，但是分层回测看起来清爽了一些。遗憾的是，这个分层回测的单调性并不是很好。
如此看来，通过分钟数据自行构造主买成交量不是那么的靠谱。但是，笔者没有主买和主卖的数据，所以没办法真正复现这个因子。
好了，这个因子的介绍就到这里了。如果未来某一天，笔者能在偶尔得到主卖和主买的数据的化，或许会重新复现一下这个因子。这里，各位大佬就看看叶老师的因子构造思想吧，如果你们有条件可以尝试一下。
虽然，这个因子的效果不行，但是，笔者依旧想厚着脸皮求一波点赞关注分享和推荐，谢谢大家。
- END -