华泰金工 | 基于逐笔成交的深度学习选股模型

01 研究导读

高频量价数据涵盖分钟k线、tick、逐笔成交、逐笔委托等类型，在量化投资中的重要性毋庸置疑。其中，逐笔成交数据作为最精细的交易明细记录，相比分钟线和tick 数据具备更丰富的微观结构信息。然而，由于数据量庞大，逐笔成交数据难以直接作为深度学习等选股模型的输入，需依赖特征工程提取有效信号。

华泰金工前期报告《基于全频段量价特征的选股模型》（2023.12.8）中，利用逐笔成交数据构建了大单成交占比、主动买入占比等选股因子。本文将深入探讨逐笔成交的应用潜力，从资金流和事件驱动两个角度展开研究：

1.基于逐笔成交数据，构造大小单、主动买卖等资金流特征，并在传统时间线基础上，拓展出tick线、成交量线等增量数据，最后利用transformer模型学习跨时间和跨k线的规律，形成资金流选股因子。

2.识别逐笔成交数据中的大单、价格底部、价格顶部等重要成交事件，构造相应的事件特征，并使用transformer模型捕捉跨时间和跨事件的规律，形成事件驱动选股因子。

基线模型

本研究首先采用传统时间线（time  bar）采样方法，将每个交易日的逐笔成交数据划分为8个30分钟等长区间，从中提取每根k线的价格、成交量、主动买卖量、大小单成交量等特征，具体特征定义如下。

基线模型以个股过去40日的30分钟频资金流数据作为输入。为了使输入数据的分布具有较高的一致性，保证模型训练的稳定，原始特征需进行时序和截面标准化。标准化后的数据通过常见的transformer 模型，学习时序注意力，最终输出未来10日超额收益的预测。

改进模型

德普拉多在《金融机器学习》中提到，尽管时间线在行业内和学术界应用最为广泛，但可能存在两个问题：（1）市场并不会以恒定的时间间隔对信息进行处理，比如开盘后的活跃度远远高于其他时刻；（2）时间采样序列的统计学特性极差，如序列相关性、异方差性等。

为突破时间线的限制，提高对逐笔成交数据的表征能力，本研究拓展出tick线（tick bar ）、成交量线（volume bar）等多种类型的k线，具体定义如下。每类k线的资金流特征定义与图表6保持一致。

下图展示了不同k线的收盘价与成交量对比，不难看出数据具有一定的差异性。

改进模型以个股过去40日的不同类型k线的资金流数据作为输入，先通过第一层transformer学习时序注意力，再通过第二层transformer学习跨k线注意力，预测目标仍为未来10日超额收益。

因子测试

为了减轻随机性干扰， 本文的深度学习模型都用不同随机数种子训练三次，将三次的模型等权集成，作为最终的因子信号进行回测。因子测试方法如下：

1．股票池：全A股，剔除ST股票，剔除每个截面期下一交易日停牌、涨停的股票。

2．回测区间：2017/1/1～2025/6/30。

3．调仓周期：周频，不计交易费用。

4．测试方法：IC值分析，因子分10层测试。

测试结果表明，改进模型在RankIC均值、RankICIR、TOP组合超额收益率、TOP组合信息比率、 TOP组合胜率、TOP组合换手率等多项指标上表现均优于基线模型，且RankIC和多头收益的优势在近几年更为突出，说明多类型k线能够在传统时间线基础上贡献增量信息。

逐笔成交数据中的重要成交事件可能蕴含较为丰富的信息。本章将构造事件驱动特征，并运用深度学习优化选股模型。

基线模型

本研究根据逐笔成交数据，识别出大单、价格顶部、价格底部等多类重要事件，具体事件定义如下。

针对每类事件，构造多维特征指标，以捕捉市场参与者的异常交易行为，特征定义如下。

为了保证模型训练的稳定性，首先需要对特征进行预处理，包括中位数去极值、行业市值中性化、截面z-score标准化、缺失值填充等。基线模型以个股过去40日的所有事件特征作为输入，采用transformer 模型学习时序注意力，最终输出未来10日超额收益的预测。

改进模型

基线模型虽然能捕捉事件的时间演变规律，但忽略了不同类型事件之间的内在关联。为突破这一局限，改进模型采用分层注意力机制设计，第一层transformer仍学习时序注意力，第二层transformer捕捉跨事件的交叉注意力。

因子测试

改进模型在RankIC 均值、TOP组合超额收益率、TOP组合信息比率、TOP组合胜率表现均优于基线模型，说明引入跨事件注意力能够提升模型预测性能。

将改进后的资金流和事件驱动选股因子等权合成，得到逐笔成交融合因子。回测结果表明，融合因子在RankIC均值、RankICIR、 RankIC>0占比、TOP组合超额收益率、TOP组合信息比率等指标上均有提升，同时TOP组合换手率有所下降。

因子相关性分析

相关性分析显示，资金流因子与事件驱动因子相关性为0.66，说明两者存在信息互补。此外融合因子呈现反转、低流动性、高 beta、低估值等风格暴露。

指数增强

分别使用改进后的资金流因子、事件驱动因子和融合因子，构建中证1000指数增强组合，测试方法如下表。为降低调仓时点选择带来的偏差，对每个因子采用相邻5个交易日作为调仓起始日，构建5条独立调仓路径的组合，最终取回测结果的均值。这种方法类似于日频调仓，但总换手率基本保持不变。

在2017年初至2025年6月底的回测期内，基于资金流因子、事件驱动因子和融合因子构建的中证1000增强组合，在相同回测期内年化超额收益率分别为18.98%、17.24%和19.92%，信息比率分别为 3.91、3.59和4.04，融合因子优于单一因子构建的组合。2025年上半年，三者的超额收益分别为5.57%、12.58%和10.77%。

高频量价数据在量化投资中的重要性毋庸置疑。本文聚焦于逐笔成交数据的信息挖掘。由于数据量庞大，逐笔成交数据难以直接作为深度学习等选股模型的输入，需依赖特征工程提取有效信号。本文从资金流和事件驱动两个角度开展特征工程，采用深度学习模型捕捉数据规律，并提出模型优化方法，最后形成选股因子。

资金流模型：tick线、成交量线等具有时间线外的增量信息。本研究基于逐笔成交数据，构造大小单、主动买卖等资金流特征。基线模型以个股过去40日的30分钟频资金流数据作为输入，采用transformer模型学习时序注意力，最终输出未来 10日超额收益的预测。然而，传统时间线存在不匹配市场交易频率、时间序列统计特性差等缺陷。改进模型在时间线基础上，拓展出tick线、成交量线等增量数据，并利用transformer模型学习跨时间和跨k线的规律。实证结果表明，改进模型训练的选股因子在多项指标上均优于基线模型。样本空间为全A股，在2017年初至2025年6月底的回测期内（周频调仓），因子周度RankIC从1 0.17%提升至10.64%，多头年化超额收益率由20.43%提升为22.56%。

事件驱动模型：引入跨事件注意力可提升模型性能。逐笔成交数据中的重要成交事件（如大单、价格底部、价格顶部等）可能蕴含较为丰富的信息。本研究通过识别这些特殊事件，构造相应的事件特征。基线模型以个股过去40日的所有事件特征作为输入，采用transformer模型学习时序注意力，最终输出未来10日超额收益的预测。改进模型则采用分层注意力机制设计，第一层 transformer仍学习时序注意力，第二层transformer捕捉跨事件的交叉注意力。回测结果显示，改进模型训练得到的因子在多项指标上均优于基线模型，周度RankIC从9.94%提升至10.01%，多头年化超额收益率由20.06%提升为22.38%。

改进资金流和事件驱动因子合成的融合因子表现更佳。将改进后的资金流和事件驱动选股因子等权合成，得到逐笔成交融合因子。在 2017年初至2025年6月底的回测期内（周频调仓），该融合因子周度RankIC达10.96%，多头年化超额收益率为24.52%，表现优于单一因子。基于资金流因子、事件驱动因子和融合因子构建的中证1000增强组合，在相同回测期内年化超额收益率分别为18.98% 、17.24%和19.92%，信息比率分别为3.91、3.59和4.04。2025年上半年，三者的超额收益分别为5.57%、1 2.58%和10.77%。

风险提示：

基于逐笔成交数据的选股模型对市场微观结构的依赖较强，未来市场变化可能导致模型失效。Transformer架构的复杂性可能增加训练和推理时间，并带来过拟合风险。本报告不涉及标的推荐。

研报：《基于逐笔成交的深度学习选股模型》2025年7月14日

研究员：林晓明 S0570516010001｜BPY421