为什么要做日内策略
之前在大A做指数增强，主要是微盘指数增强。从长期看，这可能是大A里相对更稳的贝塔，但也难免受周期影响，可能出现持续数月甚至半年的风格中断，进而导致收入中断。结合各个群的讨论和看到的资料，我认为高频策略不仅大约 3 个月就能验证有效性，而且有望带来更持续的收入；同时，alpha 也更多沉淀在高频数据中，参与者相对较少。最终决定在已有 β 基本盘的基础上，再做一套高频或日内策略。
选择什么标的
在大 A 只能 T+1，但有个比较特殊的存在：30 年期国债 ETF，零手续费、零佣金，支持 T0 交易，可卖空、可融资。并且小资金滑点小、盘口深。这个 ETF 才发行 3 年，还没被机构“做烂”；相比之下，10 年期国债 ETF 基本已经被套利得差不多了，定价更有效。
研究部分
数据获取
首先到米筐或者聚宽随便什么平台上先把1分钟数据拉下来玩玩看。
因为从平台直接获取的数据，这个质量就不做分析了，如果是tick数据或者在高频一点的要做个分析，之前看tick数据就有很多异常值，3秒一次，但是max和min还有奇奇怪怪的一些值要做个处理，这里为了方便分析，拿1分钟数据直接开干。
高频研报阅读
由于之前没有高频和时序研究经验，先找了两篇研报来看看，首先是兴业证券-高频漫谈-220104这篇报告，里面摒弃了简单的算子组合，提出信息角度出发，利用机器学习挖掘总体分布的统计特征，将指标构造分为四类：
分布信息： 对时序重排序不敏感，如分钟收益率的偏度、峰度、信息熵等 。
时间信息： 对时序排序敏感，利用DTW或LSTM等方法提取时序序列的特征 。
关联信息： 利用随机变量间的联合分布，如量价相关性 。
另类信息： 依赖于外部定义的特殊概念，如尾盘特征、大单统计等 。
后续重点研究分布信息和时间信息吧，我简单的理解是分布信息这个用来选截面比较合适，找过去一个t时刻下的rank，选美，时间这个也可以作为一个指标然后进行rank，都可以，如果是指数选股可以采用截面的方式做统计，但是我们的研究标的是单个标的，所以核心还是要研究时间序列的内容。
研究他的时序这篇研报兴业证券-高频研究系列六：时序信息中的Alpha-230629
有效市场假说（Efficient Markets Hypothesis，EMH）由美国经济学家尤金·法玛（Eugene Fama）于 1970 年提出并加以深化。在弱式有效市场中，市场价格已充分反映证券价格的所有历史信息，包括成交价、成交量、卖空金额、融资金额等。若弱式有效市场假说成立，则技术分析将失去作用，基本面分析也难以帮助投资者获得超额收益。然而，就 A 股市场而言，主流观点认为其尚未达到弱式有效市场。对流动性资产（如股票）来说，过去一段时间的量价信息并不能完全涵盖所有历史信息。因此，资产前后信息的关联程度，以及在已知前序信息基础上的样本数据特征，是衡量其是否近似弱式有效市场的重要维度。
在《高频漫谈》中，对时序信息的定义需满足下述条件：
𝑔 = 𝑓(𝑅𝑒𝑜𝑟𝑑𝑒𝑟(𝒅𝒂𝒕𝒂)) ≠ 𝑓(𝒅𝒂𝒕𝒂) (1)
其中，𝒅𝒂𝒕𝒂为日内行情数据，如分钟级收盘价、成交量等。指标 𝑔 对时序重排序函数 𝑅𝑒𝑜𝑟𝑑𝑒𝑟 敏感，时序变化会影响指标取值。例如，收益率自相关性 ρ(𝒓𝒕, 𝒓𝒕−𝟏) 依赖于收益率序列的排序；当重新排列收益率序列后，指标值会发生变化。在此基础上，我们衍生出基于时序信息的相关因子。在本文中，我们将时序信息因子分为两类构建方式：序列自相关性与条件分布。
下面是各因子的构造方式，其实都比较简单：
理论部分结束，感觉还是很有道理的，过去一段时间的价格并不能完全体现整个信息，可能会有未来的惯性或者关联，因子也基本是量和收益率惯性的构造，可以试试看。
代码实现
因为研报是股票来选股，做的高频因子低频化，平滑了过去15天，我们这里按比例做个平滑240分钟。
def calc_rtn_foc(df, lookback=15, smooth=240):
"""
因子 1：价惯性 (rtn_foc)
逻辑：高频价格形成的动量。IC > 0
"""
foc_raw = df.groupby(level='order_book_id')['rtn'].rolling(window=lookback).apply(
lambda x: x.autocorr(lag=1) if len(x) == lookback else np.nan
).reset_index(level=0, drop=True)
return foc_raw.groupby(level='order_book_id').rolling(window=smooth).mean().reset_index(level=0, drop=True)
def calc_rtn_dw_pos(df, lookback=15, smooth=240):
"""
因子 2：搬正后的 DW 统计量 (rtn_dw_pos)
逻辑：原始 DW 的 IC 为负。我们取其相反数以“搬正”为正向预测因子。
"""
dw_raw = df.groupby(level='order_book_id')['rtn'].rolling(window=lookback).apply(
fast_dw, raw=False
).reset_index(level=0, drop=True)
dw_smooth = dw_raw.groupby(level='order_book_id').rolling(window=smooth).mean().reset_index(level=0, drop=True)
return -dw_smooth # 取负值搬正
这里取15分钟来计算这个因子的IC
得到的结果比较丑，但是正的0.02，也算多头。
继续看了一篇期刊，《High-Frequency Trading in the Chinese Stock Market- Predictability, Profitability, and Regulation. 》复现里面的引力因子，得到IC比较惊人，这个引力效应因子具有很强的均值回归效应。
空头因子，把他搬正后，在写个回测引擎，考虑滑点0.2bps,手续费免五，杠杆资金费率等，以及延迟一个tick交易等，同样通过参数平原扫描查看15分钟和30、60分钟等等参数避免过拟合，最终15分钟交易还是很强。
参数平原查看
从这个结果来看，该因子频率越高，收益和回撤越好，只要滑点控制的好，在这个标的下还是有很强的α能力，核心是你能不能抢到单，但是按目前这个标的来看，没有问题，主要还是我资金量小。一样的模型下，如果滑点设置大点，就废了，下图是设置了2.0bps。如果能成功实施，感觉比红利靠谱一点，比如用到杠铃策略的另一端，债跌的时候我横盘，股跌了债涨的逻辑用于对冲。
也感慨，高频的核心不是拼谁的模型在极端时间下效果好，要保证能吃到单才行，接下来继续研究日内和高频的，看看qmt怎么落地这套策略。
