2025,高频量化重回视野

文摘   2024-12-03 11:10   上海  
点击上方Allin君行 ,关注我们

摘要

现行交易所对高频交易界定的红线高于策略的实际规模,影响有限。


流动性对高频策略收益有显著影响,曲线呈S型。8千~1万亿日成交区间,流动性的提升对高频超额提升影响最大。


高频难以解释微盘股超额。微盘股流动性不足导致冲击成本高,高频策略配置微盘的门槛高。


2024年9月末,A股成交创历史新高。2025年,全A日成交额中枢有望抬升至1.3万亿,提升高频策略年化超额约12.5%。


交易所红线高于实际规模

交易所界定高频交易的定义为单账户单日申报、撤单达20000笔,或每秒申报、撤单达300笔。单账户1亿,年换手200倍的日内策略,日挂单约7千笔,距离监管规定的每日2万笔距离较大。


流动性显著影响高频收益

流动性对高频策略收益影响曲线呈S型。日成交额8千亿以下时,高频策略难以做出超额;日成交额8千至1万亿区间,流动性中枢提升1千亿,高频年化超额提升约7%;日成交额1万亿以上,流动性提升对高频超额的边际贡献下降。


高频难以解释微盘股超额

流通市值30亿以下的股票,数量占比6成,成交额占比不足2成,单票流动性较差。体现在盘口上,十档挂单深度仅约300万元。流动性不足导致冲击成本高,买卖金额90万元,冲击成本约为100BP。微盘的高频策略年化收益需超过10%+机会成本,否则无配置微盘的动力。


2025,高频策略重回视野

2024年9月末,A股成交额创历史新高。中证500指数历史成交量为AR(1)平稳时序,依此对流动性建模。2025年,匹配中证500成交量的全A日成交额中枢有望抬升至1.3万亿,提升高频策略年化超额约12.5%。


风险提示

本文中的模型及统计结果均基于历史数据统计得到,历史数据不代表未来;

监管对高频的约束政策超预期;

经济大幅不及预期导致股市成交缩量;

本文不涉及基金评价业务,也不涉及基金推荐,仅作为案例进行研究。


01

高频量化热点关注


1.1. 监管政策对高频的指导


截止报告发布,证监会对高频交易尚未给出明确的界定。沪深北交易所给出了对高频交易的界定条件。



若单账户的交易行为触发上述两个条件其中之一,便可认定为高频交易账户。


以交易所对高频界定条件为准,高频策略受到的影响有限。单账户1亿规模,年化双边换手率200倍的日内策略为例,其平均日挂单约7千至8千笔,距离规定的2万笔红线距离较远。如果换手率维持200倍,单账户规模接近3亿,才会接近交易所界定的条件。


1.2. 高频量化占比


当前,国内私募量化投向A股的规模在1万亿左右。其中,采用日内高频策略的资金规模不超过2000亿,其余为日间或多频段融合策略。


2020年至2024年7月,量化交易占全市场成交额的比重由20%上升至30%,高频占比由10%上升至20%。


2024年来,高频交易占比略降,主因是高频管理人募资难度加大,也有部分日内策略选择降频,以规避触及监管红线。总体而言,市场上重点关注的监管政策影响较小。


1.3. 算法交易对高频量化的影响


算法交易已经成为高频管理人的标准配置。交易成本显著影响高频策略收益,算法交易旨在降低交易成本,进而提升高频策略的收益。管理人实现算法交易的路径一般有两种。其一,通过券商PB外采第三方的算法交易服务。这种模式需要在传统的券商交易佣金外另付一部分佣金;第二种是管理人自研算法交易。



算法交易类型主要可分为被动式和主动式。常见TWAP和VWAP交易策略属于被动式策略,以降低冲击成本为第一出发点;而后来出现的Sniper(狙击手)、Sniffers(搜索者)等算法则属于主动式策略,目的是通过交易环节获取低于VWAP或者TWAP的成交价格,在交易层面实现Alpha收益。


根据上海交易所发布的研究报告,沪市买卖金额90万元的平均冲击成本为52BP。根据与高频管理人的访谈,高性能的算法交易可以将冲击成本控制在5BP-15BP。平均换仓成本每降低1BP,以200倍换手率测算,年化收益提升约2%。


1.4. 流动性对高频量化的影响


流动性对高频策略收益有显著影响,影响曲线呈S。


全市场日成交8000亿以下时,高频策略很难做出超额。为了应对流动性不足的影响,部分管理人会根据流动性进行换手率的优化,或者在策略中提升日间策略的比重从而降低换手率。


日成交额在8千至1万亿时,中枢每提升1000亿,对高频策略年化超额提升约7%。


日成交额超过1万亿时,流动性对高频策略的边际贡献快速衰减。



中证500指增为例,中证500成交量与高频指增产品的绝对收益呈正相关,两者相关系数为21%。


对于指增产品,需要研究指增产品对基准指数的超额收益情况。构造超额收益为因变量,基准收益率与基准成交量为自变量的回归分析。



根据回归结果,可得两点结论:


1. 高频指增产品在指数大涨的环境中,难以获取超额




2. 高频指增产品在流动性较差的环境中,难以获取超额



总体而言,指增产品的超额收益受到指数涨幅的负面影响和指数成交量的正面影响。在其他条件不变的情况下,指数涨幅增加1%,指增超额下降0.99%;指数成交量每提升100亿股,指增超额上升0.58%



1.5. 高频量化难以解释微盘股超额收益


高频策略总体不会下沉到微盘股。高频策略换手率高,对股票的流动性要求较高,高频管理人通常会将流通市值20亿以下的股票剔除股票池。



以2024年10月31号为基准对全A股票流通市值分类,可知不同大小股票成交额的占比失衡,小票盘口深度不足。流通市值30亿以下股票,数量占6成,交易额仅占不到2成。体现在盘口上,流通市值30亿以下股票,5档订单深度约180万。买10手贵州茅台约等于吃光5档挂单。



微盘股流通市值小于20亿,买/卖90万,冲击成本中枢约100BP。假设算法交易可以将平均交易成本降低至VWAP+5BP,若200倍换手,年化损失约10%。若微盘策略收益不超过10%+机会成本,高频管理人无动力配置。




02

2025年,高频量化投资机会



2.1. 理想条件下,高频因子相对日间因子有超额



在不考虑手续费和滑点等交易成本的条件下,高频因子相对日间因子有5%的年化超额收益。2020年1月至2024年9月末,高频因子年化收益21%,累计收益149%;日间因子年化收益16%,累计收益103%


2.2. 贴近现实,高频策略对交易成本敏感



高频策略由于高换手率,对市场流动性要求高。若市场流动性不足,交易时滑点成本提升,进而快速磨损高频策略的收益。因此,高频策略的收益主要有两个核心影响变量,一个是市场流动性,另一个是高频策略管理人在交易执行层面的成本控制。



2024年前8个月,全A成交额中枢相比去年同期下降1000亿,负面影响高频收益约7%;2024年5月至9月中,全A成交额中枢降至8000亿以下,高频进入0超额区间



截止2024年8月末,日内策略的表现受到了严重冲击,超额收益大幅跑输去年。2024年1月至5月,尾部行情发生及后续修复行情走完后,日间和高频管理人超额中枢为0。2024年6月至9月末,市场全A成交额进入高频0超额区间(8000亿及以下)。


2.3. 2025年,市场流动性提升将改善高频超额


2024年9月末,市场流动性大幅改善,A股成交金额创历史新高。流动性来源多样,包括机构、外资、个人投资者和融资等。



市场成交量有显著的自回归属性。经ADF检验和ACF/PACF分析,中证500月成交量可视为AR(1)的平稳时间序列。



对中证500月成交量进行时序建模,可得如下成交量预测模型:


Y_t = 132  + 0.85*Y_t-1 + e_t



如图16所示,将模型用于未来1年中证500月度成交量的预测,可知其成交量中枢将由130亿股提升至300亿股。对应全A的日成交额中枢由8千亿提升至1.3万亿。市场流动性的改善预计会提升高频策略年化超额约12.5%。



03

管理人实践案例



3.1. 不靠风格做超额


在甄选量化产品时,投资人重点关注的是管理人获取纯Alpha收益的能力。



如图17所示,2021年初至2023年末,小市值风格相对大市值风格有显著的超额收益。期间,中证2000相对中证800超额收益达到106%。


由于小市值风格的单边稳定超额收益,部分产品选择市值下沉,通过对小市值的超额暴露获取相对基准的超额收益。



以40位量化管理人中证1000指增代表性产品为例,通过计算1000指增产品对中证1000指数的超额收益与万得小市值指数对中证1000指数超额收益的相关系数,定量评价各个管理人对市值风格偏离的情况。



长期看,风格偏离相对风格控制无超额。按相关性,对产品分为风格偏离类和风格严控类。整个时间区间上,风格偏离类相对风格严控类,最终无超额收益。风格偏离类,波动更大,月超额收益波动率分别为3.4%,1.6%。


3.2. 近期动态


主动降频:由于2024上半年流动性收缩,资管产品降频至双边年化换手率40~50倍


动态调整换手:2024年9月后,流动性回升,策略换手率提升至60倍


最新频率:日内+日间频段融合,十分钟均匀换仓

换手率约束:确保下单频率和换手率不触及监管规定

日内权重:在换手率约束下算法自动交易,日内策略的权重不便拆解


算法交易降低成本:自研亚微秒时延的算法交易系统,换仓成本低于市场平均,三方算法交易平台时延在毫秒级,算法交易每年稳定贡献4%~5%的超额



04

风险提示



本文中的模型及统计结果均基于历史数据统计得到,历史数据不代表未来;


监管对高频的约束政策超预期;


经济大幅不及预期导致股市成交缩量;


本文不涉及基金评价业务,也不涉及基金推荐,仅作为案例进行研究。



报告作者:

陈奥林 从业证书编号  S1230523040002

陆达    从业证书编号  S1230524070003


详细报告请查看2024-11-09发布的浙商证券金融工程专题报告《2025,高频量化重回视野》

法律声明:


本公众号为浙商证券金工团队设立。本公众号不是浙商证券金工团队研究报告的发布平台,所载的资料均摘自浙商证券研究所已发布的研究报告或对报告的后续解读,内容仅供浙商证券研究所客户参考使用,其他任何读者在订阅本公众号前,请自行评估接收相关推送内容的适当性,使用本公众号内容应当寻求专业投资顾问的指导和解读,浙商证券不因任何订阅本公众号的行为而视其为浙商证券的客户。

本公众号所载的资料摘自浙商证券研究所已发布的研究报告的部分内容和观点,或对已经发布报告的后续解读。订阅者如因摘编、缺乏相关解读等原因引起理解上歧义的,应以报告发布当日的完整内容为准。请注意,本资料仅代表报告发布当日的判断,相关的研究观点可根据浙商证券后续发布的研究报告在不发出通知的情形下作出更改,本订阅号不承担更新推送信息或另行通知义务,后续更新信息请以浙商证券正式发布的研究报告为准。

本公众号所载的资料、工具、意见、信息及推测仅提供给客户作参考之用,不构成任何投资、法律、会计或税务的最终操作建议,浙商证券及相关研究团队不就本公众号推送的内容对最终操作建议做出任何担保。任何订阅人不应凭借本公众号推送信息进行具体操作,订阅人应自主作出投资决策并自行承担所有投资风险。在任何情况下,浙商证券及相关研究团队不对任何人因使用本公众号推送信息所引起的任何损失承担任何责任。市场有风险,投资需谨慎。

浙商证券及相关内容提供方保留对本公众号所载内容的一切法律权利,未经书面授权,任何人或机构不得以任何方式修改、转载或者复制本公众号推送信息。若征得本公司同意进行引用、转发的,需在允许的范围内使用,并注明出处为“浙商证券研究所”,且不得对内容进行任何有悖原意的引用、删节和修改。


廉洁从业申明:


我司及业务合作方在开展证券业务及相关活动中,应恪守国家法律法规和廉洁自律的规定,遵守相关行业准则,遵守社会公德、商业道德、职业道德和行为规范,公平竞争,合规经营,忠实勤勉,诚实守信,不直接或者间接向他人输送不正当利益或者谋取不正当利益。



Allin君行
浙商证券金融工程团队成果发布平台:以科学方法为本,应对思维为理念,打造个性化立体量化投资框架,包含宏观量化、择时、风格配置、行业配置、量化选股、衍生品策略等多个策略模块 --- ‘君行天下,谁与争锋’
 最新文章