日内高频知情交易因子：海量 Level 2 数据因子挖掘系列（七）

摘要： 本报告由广发证券金工团队撰写，重点探讨利用 Level 2 逐笔订单数据构建日内高频知情交易因子，旨在通过度量知情交易概率捕捉 A 股市场的量化超额收益。

核心观点：
基于市场微观结构理论，知情交易者在高频订单流中会留下痕迹。通过构建 VPIN（量同步知情交易概率）和 DPIN（动态日内知情交易概率）两类因子，可以有效测度市场非对称交易行为并将其转化为选股信号。

论据支撑：

1. VPIN 类因子：通过度量主买与主卖在成交量、成交额、成交笔数上的不平衡程度，反映筹码失衡。实证显示 VPIN_vol 因子在月度换仓下具有较高的年化超额收益（8.72%）和 RankIC 均值（10.05%）。
2. DPIN 类因子：引入日内收益率非预期反转作为代理变量，从行为特征（基础、大单、小单）、时间特征（早盘、盘中、尾盘）及统计特征（均值、标准差、稳定性）三个维度构建 36 个因子，其中 DPIN_base_total_std 等因子表现出较强的预测能力。
3. 独立性验证：筛选出的 9 个优选因子与 Barra 风格因子、深度学习因子及前序系列因子的相关系数大多在 0.5 以内，具备较强的独立性。

局限性/风险：

1. 失效风险：量化模型基于历史统计，在市场政策、宏观环境或交易行为发生重大改变时可能失效。
2. 模型差异：不同量化模型的构建逻辑不同，可能导致结论存在差异。