另类数据与事件驱动

高频盘口数据

三类微观数据。日 K 线（candlestick）：即蜡烛图，包含开盘价、收盘价、最高价、最低价四个维度，表结构含 pre_close、open、high、low、close、volume、turnover、match_items。成交明细/报单明细（tick data）：字段含 seq、price、volume、bs_flag、trade_type、ask_order_seq、bid_order_seq 等；原始报单数据有助于加深对市场数据结构的理解，高频交易必须直接研究报单数据。盘口（order book）：包含所有待交易者的期望订单集合，交易所按价格归类形成盘口，以中间价为轴向买卖各五档（后面还有）延伸，快照字段含十档买卖价量、wavg_ask、wavg_bid、mid_price。

撮合机制：订单有三种类型（新增、execute、cancel），两个去处——进入匹配成交，或进入盘口挂单。连续竞价遵循价格优先、时间优先。一笔 order 的成交部分与盘口剩余部分相加等于原 order 总量。模拟交易所的标准小项目（海外对冲基金给实习生的入门项目）：根据 order 流生成盘口，再由 order 与盘口生成 K 线。

价量因子

基本面因子：底层数据是公司季度三大报表、分析师预期、传统日 K、另类数据（新闻、股吧、网上销售数据、专利数据）。预测周期较长、逻辑性强。

价量因子：来源于 K 线或高频数据，思路多来源于行为金融学范畴或大量数据挖掘。典型实例：

价量背离：\(\mathrm{Alpha} = -\operatorname{corr}(vwap, volume)\)，表达价格与成交量走势背离。量幅背离：某日最高价等于最低价时（如涨停一字板）当日价格无分歧、幅度为 0；涨停开板按「开板必卖」原则处理。开盘缺口：\(\mathrm{Alpha} = open_t / close_{t-1}\)；跳空高开说明隔夜信息（个股大利好、或政策行情后资金涌入）未被及时反映，短期是正向因子；长期「跳空必回补」、回归均值。

因子挖掘方法：上述因子都可用表达式标准化，算子包括 rank、correlation、delay、除法/乘法、moving average，变量包括 close、high、low、open、volume、match_items。变量有限时用随机暴力搜索枚举所有范式；数据量与范式组合爆炸后改用遗传规划（genetic programming）智能搜索表达式。

因子有效性度量

因子收益率（factor return）：每日截面回归的系数即当日因子收益率。考察每日回归估计量的 t 值，取绝对值大于 2 的比例，长期大部分时间显著则因子有效。

IC（信息系数）：因子值与未来收益的相关系数，每天算一个、逐日累加看趋势——持续向上或向下为有效因子，随机震荡为无效因子。rank IC 把因子值先做 rank 再算相关系数，避免极端值影响。经验阈值：IC > 0.03 是非常不错的因子，0.02 为合格因子。

分组收益：按因子打分每天分 10 组（或 20 组），每组 500 只等权持有到次日，关注组间单调性与 Top-Bottom（第 1 组减第 10/20 组）。

long-short（多空）：把因子值 0-3（截断 ±3）直接当作仓位倍数，打分高做多、打分低做空，权重求和为 0，自融资。A 股不能普遍做空，但有海外背景的私募仍用 long-short 收益作为因子收益能力的代理。

5 天反转案例：A 股短期反转显著——过去 5 天涨幅越大的股票未来跌幅越大。随机追涨过去 5 天涨幅最高 5% 的股票，年化跑输中证 500 约 67%。

冷门股效应

课题动机：海外研究发现在没有新闻覆盖的股票、没有分析师覆盖的股票上获得更高收益（no-news premium 与 low-coverage premium）。A 股需要一个「关注度」代理变量。

数据选择：东方财富股吧。每只股票一个独立贴吧，天然按股票分类，免去新闻到股票的代码映射难题；A 股散户占比高，覆盖度远高于新闻数据。因子构造：guba_sum_20（过去 20 个交易日发帖数量）与 guba_std_20（过去 20 个交易日发帖数量波动）。

核心发现：

冷门股（低关注度）持续获得超额收益，最热门组累计下跌——热门股买入后持续下跌，符合「开板必卖」经验。

Double-sorting 检验 1（换手率 × guba_std_20）：冷门股效应在每一换手率组别内都存在；控制换手率后效应仍然存在，流动性不能完全解释该效应。

Double-sorting 检验 2（过去 20 日收益 × guba_std_20）：涨得多且热门年化跑输中证 500 约 48%，跌得多且冷门年化跑赢约 28%，涨得多且冷门年化跑赢约 33%；以冷门度切分后反转效应几乎消失——热门股无论过去涨跌都跌，冷门股无论过去涨跌都跑赢。

结论：购买过去涨幅高且关注度低（股吧发帖少）的股票可以获得超额收益。

事件驱动框架

事件驱动框架：探究在不同时间发生的特定事件对股票收益率的冲击。将事件发生日作为基准日（0day），把不同时间发生的同一事件均校准至基准日，记该日累计收益为 0，向前后各追溯一段时间，观察事件发生前后股票收益率（等权平均）的变动趋势。

框架流程：定义事件 → 事件回测统计分析（历年收益、发生频次、显著性）→ 事前进入（预测事件）或事后进入（逻辑构建可预测特征）→ 组合构建。

回测结果（2016-2021）：业绩预增事件后 60 日累计收益 4.63%、信息比率 0.97，显著高于事件前（前 60 日 0.73%、信息比率 0.09）；业绩预减事件后 60 日累计收益 −0.64%；分析师公告体现扭亏为盈前 60 日累计收益 6.4%、后 60 日 2.3%；利润高于预期事件后 60 日累计收益 4.74%。

专利等另类数据

研发能力度量三方面：产出（专利数据）、投入（研发相关支出）、人力（公司员工结构）。较高的科技水平推动生产效率提高、驱动盈利增长，进而获得超额收益。

专利数据：专利是企业无形资产之一，保护企业一定领域一定期限的垄断权，是衡量研发产出能力的重要证据。专利类型主要为发明授权、实用新型、外观设计（30:58:12）。IPC 分类号由部（8 个：A 人类生活必需、B 作业运输、C 化学冶金、D 纺织造纸、E 固定建筑物、F 机械工程、G 物理、H 电学）加两位数字大类加大写字母小类构成。A 股专利覆盖率从 2016 年中约 0.2 升至 2021 年中约 0.9。

专利类因子：过去一年授权专利数量的累计净值曲线总体上行。

科技关联（technological link）：通过专利 IPC 分类号构造股票间的科技邻近度：

\[TECH_{ijt} = \frac{T_{it} T_{jt}'}{(T_{it} T_{it}')^{1/2} (T_{jt} T_{jt}')^{1/2}}\]

\(T_{it}\) 为公司 i 在滚动过去 5 年、427 个技术类别上的专利份额向量。科技关联收益：

\[TECHRET_{it} = \frac{\sum_{j \neq i} TECH_{ijt} \cdot RET_{jt}}{\sum_{j \neq i} TECH_{ijt}}\]

即按科技邻近度加权的同侪公司收益。基于科技关联公司的收益率对焦点公司有强预测力，多空策略月均 α 为 117 个基点。投资者存在有限关注效应，通过非结构化数据构造的股票间 linkage 信息不容易被市场及时发现和消化，存在长期超额收益能力。

发现错误？想一起完善？在 GitHub 上编辑此页！
本页面贡献者：AI-PM Wiki Team
本页面的全部内容在 CC BY-SA 4.0 和 SATA 协议之条款下提供，附加条款亦可能应用