《高频因子的现实与幻想》(海通)
0 研报背景
分享这篇研报的出发点是本人刚开始接触高频因子和策略，于是选择了一篇综述性质的研报，用来熟悉高频数据是如何构建成为因子的，同时也作为每日研报分享系列的第一篇，为之后的分享和研究打开思路。
文章主要介绍了一些利用Level2数据构建的高频因子，应该是一些老生常谈的内容，然后把因子放在已有的策略上进行了增强，业绩虽然相较于原来的策略有所提高，但是并不是我想要的高频策略。
1 样本数据（2013年1月-2020年6月）
- 行情数据：Level2行情数据、指数行情数据
2 策略逻辑
报告基于分钟频、tick、逐笔数据构建了上图中的14种高频因子，这些因子均具有较为稳健的业绩表现，因此可以通过多种方式为已有策略做增强。例如，在个股收益预测模型直接加入高频因子，利用高频因子剔除空头个股等。
3 策略构建
- 第一种：在多因子模型或其他收益预测模型中引入高频因子。
- 第二种：如果直接引入高频因子效果不好，则将高频因子转化为哑变量，例如后5%为1，其余为0，并在收益预测模型中进行剔除。
- 第三种：在最后的最优组合中，剔除高频因子空头组合的股票。
4 策略表现
文章来源于互联网:高频交易都有哪些著名的算法？
