金工因子研究系列專題1：委托掛單手數蘊含的選股信息.pdf

金工因子研究系列專題1：委托掛單手數蘊含的選股信息。本報告挖掘 Level2 逐筆委托數據掛單手數中的微觀結構信息。構建了具備有一定選股能力的因子，并以此從時序維度刻畫投資者活躍度及基于特定的異常委托手數捕捉“游資吸籌”機會。

掛單手數占比因子具備穩健的選股能力。其中，對應機構算法拆單的極小單（1 手，100 股）與體現大資金介入的大額掛單（50、100、200 手）占比呈現顯著正向預測作用；而帶有“整數偏好”特征、反映散戶過度參與的小額掛單（5、10、15 手）占比則對股價構成負向壓制。合成后的委買主要手數占比因子在2015 至2025年T1-T6VWAP RankIC 為 0.048，多頭年化超額18.6%，多空年化收益30.6%。

通過識別投資者參與主體構建的活躍度指標，能夠有效捕獲長效穩健的 Alpha 并提供個股擇時參考。游資比機構掛單因子在2015-2025 年 RankIC 為-0.032，ICIR 為-0.863，多頭年化超額10.6%，多空年化收益 15.2%。因子多頭選股能力更強，說明純機構標的展現出穩健的趨勢性上漲潛力；空頭組負超額非10 分組之最，說明游資介入仍能提供一定的流動性支撐。投資者參與主體指標還可拓展至時序維度，刻畫寒武紀（機構主導）與新易盛、農業銀行及上海建工（散戶追漲）等個股的資金流向差異，為判斷介入時機提供微觀參考。

“游資吸籌”組合具備一定的防御屬性與增強能力。通過識別AAAA、AABB 等 4 位數異常委托單構建的“游資股票池”，在疊加低波動與低換手邏輯過濾后形成的“游資吸籌組合”，年化超額收益8.6%。引入機器學習因子增強后，年化超額收益提升至14.7%，信息比率改善至 1.083。該策略在市場下行期表現出良好的凈值韌性，能夠有效捕捉處于低位隱蔽吸籌階段的標的機會，具備較強的抗風險能力。