金融工程專題報告：撤單視角下的算法交易識別與Alpha捕捉.pdf

金融工程專題報告：撤單視角下的算法交易識別與Alpha捕捉。

【報告亮點】

通過下單-撤單時間差的視角，對算法交易驅動的撤單進行識別與交易邏輯分析。

構建的算法交易買單撤單占比（BABR）與算法交易買賣撤單熵（ACE）因子具有較強選股效果。

【主要邏輯】

下單-撤單時間差分布呈現脈沖式集中，集中的時間點可能代表了算法交易驅動的撤單行為。統計這類算法交易撤單與全部撤單 的比例，構建算法交易撤單數占比因子（ACCR），因子全區間RankIC達到0.052，ICIR為0.458。

進一步細分撤單的買賣特征，發現買單算法交易撤單筆數/全部買單撤單筆數（BABR）全區間RankIC達到0.059，ICIR達到 0.555，IC勝率70.1%。與市值因子、Barra風格因子中性化后，BABR因子仍保留一定選股能力。

構建算法交易買賣撤單熵（ACE）因子，通過引入撤單熵，描述了算法撤單中買賣雙方的意見：買賣意見一致性越高，因子值 越大。 因子RankIC達到0.047，ICIR為0.479。

將ACE與BCBR分別進行橫截面排序并轉化為百分比排名，兩個排名相加得到合成因子。合成因子全區間RankIC達到0.069， ICIR為0.851，IC勝率達到81.5%。IC和IC穩定性相較單因子均有顯著提升。選取因子值前100的股票等權組合，雙周調倉，策 略年化收益率為13.03%，超額年化收益率為13.77%，信息比率為1.44。