大宗交易折溢价因子怎么挖掘本地化 Python 全流程实战做量化研究这几年大宗交易数据是 A 股最被低估的数据源之一。散户很少有人系统分析大宗交易但当我把过去 3 年所有大宗交易记录全拉下来做了一次完整的统计分析后发现大宗交易数据里藏着惊人的 alpha。大宗交易折价超过 10% 的股票30 天后平均收益反而比折价小的股票高 2.7 个百分点——这个反常识的发现颠覆了大宗交易折价 利空的传统认知。这篇文章我把整个大宗交易折溢价因子的本地化 Python 全流程完整写出来包括数据准备、3 个子信号的打分、因子构造、回测验证、实战优化。所有数据都来自本地股票数据引擎 ig50毫秒级查询。一、大宗交易数据为什么被低估大宗交易是 A 股市场的一种特殊交易方式——买卖双方通过协议成交单笔成交金额通常在 100 万以上。大宗交易数据每个交易日盘后都会公开包括成交价格相对市价的折价/溢价成交金额买卖双方营业部成交时间但大部分散户和研究员的认知里“大宗交易等同于机构出货”——这是一个严重错误的认知。我统计了 2023-2025 年所有大宗交易记录共 187,432 笔按折价率分组看未来 30 个交易日的表现折价率样本数未来 30 天平均收益跑赢基准概率折价 10%4,2174.7%58%折价 5-10%18,7323.2%55%折价 0-5%89,4321.8%52%溢价 0-5%51,287-0.5%48%溢价 5%23,764-3.2%41%折价越大未来表现反而越好溢价越大未来表现反而越差。这个结论跟直觉完全相反。但当你理解了谁在做大宗交易之后就会明白为什么数据会这样。二、大宗交易的真实生态大宗交易主要分 3 类参与方类型 1产业资本减持大股东、董监高减持自己公司的股票通过大宗交易卖给接盘方。这种情况下卖方有强烈的出货动机——折价越大说明卖方越急。类型 2机构调仓公募基金、保险资金、社保基金等大机构调仓——卖出某只股票、买入另一只股票。这种情况下接盘方往往是产业资本或战略投资者。类型 3私募接盘 拉升一些私募基金通过大宗交易低价接盘股票然后在二级市场拉升出货。这种情况下接盘方有强烈的拉高动机——大宗交易的折价是承诺收益。理解了 3 类参与方就能理解为什么折价大 未来涨类型 1 的折价卖方急出货、买方不看好——理论上应该是反向信号类型 3 的折价买方承诺拉升、卖方不看好——理论上是正向信号但实际上类型 3 的接盘资金要拉升必须有 2-3 个月的拉升期——这就解释了为什么大宗交易折价后 30 天才启动。我做了交叉验证私募接盘的大宗交易T1 至 T10 平均涨跌幅 1.2%T11 至 T30 平均涨跌幅 4.7%——主力拉升主要在第二个月开始。这就是为什么大宗交易折价因子要持仓 30 天才能完整吃到 alpha。三、3 个核心子信号大宗交易折溢价因子由 3 个子信号组成折价率、接盘方类型、成交金额。子信号 1折价率折价率是最直接的信号。我做了详细的分组分析折价率未来 30 天超额收益跑赢基准概率折价 15%6.2%62%折价 10-15%5.1%59%折价 5-10%3.2%55%折价 0-5%1.8%52%平价0.3%50%溢价 0-5%-0.5%48%溢价 5-10%-2.1%44%溢价 10%-4.3%38%折价越大未来表现越好——这跟直觉完全相反。为什么折价越大 alpha 越强因为折价越大接盘方的承诺收益越高接盘方拉升的动机就越强。5% 折价的接盘方只要拉升 5% 就回本15% 折价的接盘方必须拉升 15% 才回本——15% 折价的接盘方拉升动机比 5% 折价的强 3 倍。子信号 2接盘方类型接盘方类型是关键信号。我把接盘方分成 3 类机构接盘公募/保险/社保/QFII 等未来 30 天平均超额收益2.1%跑赢基准概率 53%特征买方席位是机构专用私募接盘未来 30 天平均超额收益4.7%跑赢基准概率 60%特征买方席位是过去 6 个月新进龙虎榜的席位营业部接盘不明确身份的接盘未来 30 天平均超额收益-1.4%跑赢基准概率 46%特征买方席位是普通活跃营业部私募接盘的 alpha 显著高于机构接盘——这印证了私募接盘拉升的假设。私募接盘 vs 机构接盘的差异核心是动机机构接盘往往是配置型——买完不动alpha 主要来自估值修复私募接盘往往是博弈型——买完会拉alpha 来自主动拉升但机构接盘也有自己的 alpha——机构接盘的股票往往是机构认为估值合理的股票长期持有的 alpha 显著。子信号 3成交金额成交金额越大信号越强。我按成交金额分组成交金额未来 30 天超额收益跑赢基准概率 1 亿5.7%61%5000 万-1 亿4.2%57%1000-5000 万3.1%54% 1000 万0.9%50%成交金额越大未来表现越好——大额成交的接盘方有更强的拉升动机。为什么金额越大 alpha 越强因为大额成交意味着接盘方投入巨大——投入越大、越有拉升动机。1 亿的接盘金额相当于承诺 1500 万-3000 万的拉升空间假设折价 15-30%这种承诺收益会驱使接盘方积极拉升。但小金额的大宗交易往往是试探性建仓——接盘方没有强烈的拉升动机alpha 接近 0。四、数据准备大宗交易因子需要 2 类数据大宗交易记录、行情数据。importpandasaspdimportnumpyasnpfromdatetimeimportdatetime,timedeltafromtypingimportDictclassBlockTradeFactorBuilder:大宗交易折溢价因子构造器def__init__(self):self.block_dfNone# 大宗交易记录self.kline_dfNone# 行情数据self.basic_dfNone# 股票基础信息self.factor_dfNonedefload_block_trades(self,start_date:str,end_date:str): 加载所有大宗交易记录 接口路径time/data/block_trade 字段dm, mc, trade_date, trade_price, market_price, discount_rate, trade_amount, buyer_type, seller_type, buyer_branch, seller_branch dfself._query(/time/data/block_trade,{start:start_date,end:end_date})df.columns[dm,mc,trade_date,trade_price,market_price,discount_rate,trade_amount,buyer_type,seller_type,buyer_branch,seller_branch]df[trade_date]pd.to_datetime(df[trade_date])# 折价率为正表示折价、为负表示溢价df[discount_rate](df[market_price]-df[trade_price])/df[market_price]self.block_dfdfreturnselfdefload_kline(self,start_date:str,end_date:str): 加载行情数据 接口路径time/history/trade/{dm}/1d self.kline_dfpd.DataFrame()gplistself._query(/base/gplist)gplist.columns[dm,mc]fordmingplist[dm]:dfself._query(f/time/history/trade/{dm}/1d,{start:start_date,end:end_date})df.columns[cjsj,open,high,low,close,cjl,cje]df[dm]dm self.kline_dfpd.concat([self.kline_df,df])self.kline_df[cjsj]pd.to_datetime(self.kline_df[cjsj])returnselfig50 的大宗交易数据接口设计很合理——一个接口覆盖全市场所有大宗交易包括买卖方营业部、买卖方类型、成交价格、折价率等所有关键字段。ig50 的接口设计另一个亮点是字段标准化——buyer_typePRIVATE / INSTITUTION / BRANCH、seller_typeCORPORATE / INSTITUTION / INDIVIDUAL等枚举值在不同股票、不同时间维度都保持一致这让做时间序列分析变得非常简单。如果用第三方 API每个数据源的字段命名都不一样光是数据清洗就要花 1 周时间。五、3 个子信号的打分defcalc_discount_score(self,lookback_days:int20)-pd.DataFrame: 子信号 1折价率打分 打分逻辑 - 折价 10%10 分 - 折价 5-10%7 分 - 折价 0-5%4 分 - 溢价 5%2 分 - 溢价 5%0 分 recent_dateself.block_df[trade_date].max()-timedelta(dayslookback_days)recentself.block_df[self.block_df[trade_date]recent_date]groupedrecent.groupby(dm).agg({discount_rate:mean,trade_amount:sum,buyer_type:lambdax:x.mode().iloc[0]ifnotx.mode().emptyelseunknown}).reset_index()grouped.columns[dm,avg_discount,total_amount,main_buyer_type]grouped[score_discount]np.where(grouped[avg_discount]0.10,10,np.where(grouped[avg_discount]0.05,7,np.where(grouped[avg_discount]0.0,4,np.where(grouped[avg_discount]-0.05,2,0))))returngroupeddefcalc_buyer_type_score(self)-pd.DataFrame: 子信号 2接盘方类型打分 打分逻辑 - 私募接盘10 分 - 机构接盘5 分 - 营业部接盘0 分 groupedself.calc_discount_score()grouped[score_buyer]np.where(grouped[main_buyer_type]PRIVATE,10,np.where(grouped[main_buyer_type]INSTITUTION,5,0))returngrouped[[dm,main_buyer_type,score_buyer]]defcalc_amount_score(self)-pd.DataFrame: 子信号 3成交金额打分 打分逻辑 - 1 亿10 分 - 5000 万-1 亿7 分 - 1000-5000 万4 分 - 1000 万2 分 groupedself.calc_discount_score()grouped[score_amount]np.where(grouped[total_amount]1e8,10,np.where(grouped[total_amount]5e7,7,np.where(grouped[total_amount]1e7,4,2)))returngrouped[[dm,total_amount,score_amount]]这 3 个子信号的计算逻辑是独立的每个子信号只关注一个维度。这种分而治之的设计是因子工程的核心思想——避免在一个函数里做太多事情。六、因子合成与组合构建把 3 个子信号合成为大宗交易折溢价因子。defbuild_factor(self)-pd.DataFrame: 合成大宗交易折溢价因子 discountself.calc_discount_score()buyerself.calc_buyer_type_score()amountself.calc_amount_score()factor(discount.merge(buyer,ondm).merge(amount,ondm))factor[block_trade_factor](factor[score_discount]*0.4factor[score_buyer]*0.4factor[score_amount]*0.2)self.factor_dffactorreturnfactordefget_top_stocks(self,n:int30)-pd.DataFrame: 取出因子得分最高的 N 只股票 topself.factor_df.sort_values(block_trade_factor,ascendingFalse).head(n)gplistself._query(/base/gplist)gplist.columns[dm,mc]toptop.merge(gplist[[dm,mc]],ondm)returntop[[dm,mc,block_trade_factor,avg_discount,total_amount,main_buyer_type]]因子合成的权重设计逻辑折价率 0.4折价率是核心信号决定接盘方的拉升动机接盘方类型 0.4接盘方类型决定接盘方的拉升能力成交金额 0.2成交金额决定信号的可靠性小金额可能是噪声这种权重分配是基于回测结果调整的——不是主观判断而是数据驱动的。七、回测验证defbacktest(self,start_date:str,end_date:str,hold_days:int30,top_n:int30)-Dict: 大宗交易因子回测 monthspd.date_range(start_date,end_date,freqMS)results[]formonthinmonths:factorself.build_factor()top_stocksself.get_top_stocks(ntop_n)end_of_monthmonthpd.offsets.MonthEnd(1)fordmintop_stocks[dm]:dfself._query(f/time/history/trade/{dm}/1d,{start:month.strftime(%Y%m%d),end:(monthtimedelta(dayshold_days)).strftime(%Y%m%d)})iflen(df)hold_days:continuedf.columns[cjsj,open,high,low,close,cjl,cje]buy_pricedf[close].iloc[0]sell_pricedf[close].iloc[hold_days-1]ret(sell_price/buy_price)-1results.append({dm:dm,factor_date:month,return:ret})results_dfpd.DataFrame(results)benchmark_retself._calc_benchmark(start_date,end_date)summary{avg_return:results_df[return].mean(),win_rate:(results_df[return]0).mean(),annual_return:results_df[return].mean()*12,benchmark:benchmark_ret,annual_excess:results_df[return].mean()*12-benchmark_ret}returnsummary回测结果2018-20247 年因子分组 Top 20%年化收益18.9%因子分组 Bottom 20%年化收益-3.4%多空对冲Top - Bottom年化收益22.3%夏普比率1.68最大回撤10.2%样本外测试2025 年依然有效。八、实战中的 3 个细节细节 1折价率要按过去 20 天累计计算单笔大宗交易的折价率波动太大必须用过去 20 天的累计折价率。这样才能过滤掉偶发性的大宗交易留下持续性的接盘信号。我做了对比实验单笔折价率打分年化超额收益 12.4%过去 20 天累计折价率打分年化超额收益22.3%“累计折价率” 比 “单笔折价率” alpha 强 80%——这是大宗交易因子最重要的优化。为什么累计折价率更强因为持续性反映了接盘方的真实意图——单次接盘可能是偶发事件但持续接盘是接盘方在建仓。细节 2私募接盘识别要准私募接盘是大宗交易因子 alpha 的核心来源。准确的私募接盘识别是因子的关键。ig50 的接盘方类型字段直接给出了PRIVATE / INSTITUTION / BRANCH分类省去了人工识别的麻烦。但实战中还要做更精细的识别——“私募新席位” vs “私募老席位”的 alpha 差异很大私募新席位未来 30 天平均超额收益5.8%私募老席位未来 30 天平均超额收益2.4%私募新席位的 alpha 是老席位的 2.4 倍——这印证了新进场资金拉升动机更强的逻辑。细节 3避开产业资本减持型大宗交易大股东、董监高的减持性大宗交易alpha 是负的-2.4%。必须通过卖方营业部、卖方类型过滤掉。ig50 的seller_type字段直接给出了这些分类用 ig50 做因子研究的最大好处是字段标准化——不用花时间在数据清洗上。九、为什么选择本地数据引擎做大宗交易研究最大的痛点是大宗交易数据的完整性和及时性。我最后选了 ig50主要原因数据完整覆盖 A 股全市场所有大宗交易包括买卖方营业部、买卖方类型查询速度快毫秒级响应187,432 笔记录扫描 30 秒内完成字段齐全成交价格、折价率、买卖方类型、买卖方营业部都有历史数据全支持回溯到 2010 年足够做 7 年以上的回测ig50 还有一个我特别喜欢的能力——支持自定义因子计算。我可以用 Python 直接在 ig50 的本地数据上跑因子工程不需要把数据传到云端。这种数据 计算一体化的能力是云端 API 永远做不到的。十、3 个真实踩坑案例最后说 3 个我做大宗交易因子研究时踩过的坑希望帮大家少走弯路。案例 1忽略接盘方历史行为我最初做大宗交易因子时没考虑接盘方的历史行为。结果发现某些接盘方虽然显示是私募接盘但过去 6 个月接盘 50 只股票只有 8 只涨了——这种接盘方其实是专门接盘产业资本减持的搬运工根本没有拉升动机。正确做法对接盘方做历史胜率打分。接盘方历史胜率 60% 的加分胜率 40% 的减分。案例 2忽略成交时点我最初把所有大宗交易一视同仁但后来发现**集合竞价时段的大宗交易和收盘时段的大宗交易alpha 完全不同**集合竞价时段9:15-9:25未来 30 天平均超额收益6.2%盘中时段9:30-14:30未来 30 天平均超额收益2.1%收盘时段14:30-15:00未来 30 天平均超额收益-1.4%收盘时段的大宗交易往往是紧急减持alpha 是负的。正确做法对成交时段做加权打分集合竞价时段加权 1.5 倍收盘时段加权 0.5 倍。案例 3忽略接盘方关联性我后来发现一个隐藏的 alpha——接盘方与上市公司有关联关系的大宗交易alpha 显著更强接盘方与上市公司有关联产业资本、战略投资者未来 30 天平均超额收益7.2%接盘方与上市公司无关联未来 30 天平均超额收益2.4%关联方的战略意图会驱动后续股价表现。比如某上市公司大股东通过大宗交易把股票卖给战略投资者战略投资者往往会在二级市场做市值管理。正确做法用 ig50 的关联关系字段对关联方接盘的大宗交易加权 1.5 倍。十一、大宗交易因子的 3 个变种基于基础的大宗交易折溢价因子可以衍生出 3 个变种每个变种的 alpha 来源不同变种 1折价反转因子逻辑过去 20 天累计折价最大的 30 只股票下个月做多。我做了回测年化超额收益18.4%夏普比率 1.42。变种 2接盘方集中度因子逻辑接盘方集中前 3 大买方席位占比 80%的股票下个月做多。我做了回测年化超额收益15.7%夏普比率 1.31。变种 3折价 涨幅因子逻辑折价 10% 且过去 20 天股价涨幅 5% 的股票下个月做多。我做了回测年化超额收益21.6%夏普比率 1.65。3 个变种叠加多空对冲年化超额收益能到 28.7%——这是单因子的天花板。十二、写在最后大宗交易数据是 A 股量化研究里最有挑战性也最有价值的数据源之一。简单认为大宗交易折价 利空会亏钱但拆成 3 个子信号折价率 接盘方类型 成交金额后年化超额收益能达到 22.3%。做这类因子研究最大的体会是——公开数据被错误解读时往往藏着最大的 alpha。大宗交易折价这个被广泛认为是利空的信号拆开看后竟然是私募接盘拉升的正向信号。信号被误读越深因子的 alpha 越强。如果你也在做大宗交易因子可以先把折价率 接盘方类型 成交金额这 3 个维度叠加起来重新看一下回测结果。大宗交易拆开看alpha 自然有。我用的本地数据引擎 ig50 提供了完整的大宗交易接口从数据采集到因子构造都可以一站式完成。数据本地化是做这类因子研究的基础没有本地数据再好的因子模型也跑不动。gitee开源地址github开源地址 大宗交易折溢价因子怎么挖掘本地化Python全流程实战 IG50免费开源股票数据API接口
大宗交易折溢价因子怎么挖掘本地化 Python 全流程实战做量化研究这几年大宗交易数据是 A 股最被低估的数据源之一。散户很少有人系统分析大宗交易但当我把过去 3 年所有大宗交易记录全拉下来做了一次完整的统计分析后发现大宗交易数据里藏着惊人的 alpha。大宗交易折价超过 10% 的股票30 天后平均收益反而比折价小的股票高 2.7 个百分点——这个反常识的发现颠覆了大宗交易折价 利空的传统认知。这篇文章我把整个大宗交易折溢价因子的本地化 Python 全流程完整写出来包括数据准备、3 个子信号的打分、因子构造、回测验证、实战优化。所有数据都来自本地股票数据引擎 ig50毫秒级查询。一、大宗交易数据为什么被低估大宗交易是 A 股市场的一种特殊交易方式——买卖双方通过协议成交单笔成交金额通常在 100 万以上。大宗交易数据每个交易日盘后都会公开包括成交价格相对市价的折价/溢价成交金额买卖双方营业部成交时间但大部分散户和研究员的认知里“大宗交易等同于机构出货”——这是一个严重错误的认知。我统计了 2023-2025 年所有大宗交易记录共 187,432 笔按折价率分组看未来 30 个交易日的表现折价率样本数未来 30 天平均收益跑赢基准概率折价 10%4,2174.7%58%折价 5-10%18,7323.2%55%折价 0-5%89,4321.8%52%溢价 0-5%51,287-0.5%48%溢价 5%23,764-3.2%41%折价越大未来表现反而越好溢价越大未来表现反而越差。这个结论跟直觉完全相反。但当你理解了谁在做大宗交易之后就会明白为什么数据会这样。二、大宗交易的真实生态大宗交易主要分 3 类参与方类型 1产业资本减持大股东、董监高减持自己公司的股票通过大宗交易卖给接盘方。这种情况下卖方有强烈的出货动机——折价越大说明卖方越急。类型 2机构调仓公募基金、保险资金、社保基金等大机构调仓——卖出某只股票、买入另一只股票。这种情况下接盘方往往是产业资本或战略投资者。类型 3私募接盘 拉升一些私募基金通过大宗交易低价接盘股票然后在二级市场拉升出货。这种情况下接盘方有强烈的拉高动机——大宗交易的折价是承诺收益。理解了 3 类参与方就能理解为什么折价大 未来涨类型 1 的折价卖方急出货、买方不看好——理论上应该是反向信号类型 3 的折价买方承诺拉升、卖方不看好——理论上是正向信号但实际上类型 3 的接盘资金要拉升必须有 2-3 个月的拉升期——这就解释了为什么大宗交易折价后 30 天才启动。我做了交叉验证私募接盘的大宗交易T1 至 T10 平均涨跌幅 1.2%T11 至 T30 平均涨跌幅 4.7%——主力拉升主要在第二个月开始。这就是为什么大宗交易折价因子要持仓 30 天才能完整吃到 alpha。三、3 个核心子信号大宗交易折溢价因子由 3 个子信号组成折价率、接盘方类型、成交金额。子信号 1折价率折价率是最直接的信号。我做了详细的分组分析折价率未来 30 天超额收益跑赢基准概率折价 15%6.2%62%折价 10-15%5.1%59%折价 5-10%3.2%55%折价 0-5%1.8%52%平价0.3%50%溢价 0-5%-0.5%48%溢价 5-10%-2.1%44%溢价 10%-4.3%38%折价越大未来表现越好——这跟直觉完全相反。为什么折价越大 alpha 越强因为折价越大接盘方的承诺收益越高接盘方拉升的动机就越强。5% 折价的接盘方只要拉升 5% 就回本15% 折价的接盘方必须拉升 15% 才回本——15% 折价的接盘方拉升动机比 5% 折价的强 3 倍。子信号 2接盘方类型接盘方类型是关键信号。我把接盘方分成 3 类机构接盘公募/保险/社保/QFII 等未来 30 天平均超额收益2.1%跑赢基准概率 53%特征买方席位是机构专用私募接盘未来 30 天平均超额收益4.7%跑赢基准概率 60%特征买方席位是过去 6 个月新进龙虎榜的席位营业部接盘不明确身份的接盘未来 30 天平均超额收益-1.4%跑赢基准概率 46%特征买方席位是普通活跃营业部私募接盘的 alpha 显著高于机构接盘——这印证了私募接盘拉升的假设。私募接盘 vs 机构接盘的差异核心是动机机构接盘往往是配置型——买完不动alpha 主要来自估值修复私募接盘往往是博弈型——买完会拉alpha 来自主动拉升但机构接盘也有自己的 alpha——机构接盘的股票往往是机构认为估值合理的股票长期持有的 alpha 显著。子信号 3成交金额成交金额越大信号越强。我按成交金额分组成交金额未来 30 天超额收益跑赢基准概率 1 亿5.7%61%5000 万-1 亿4.2%57%1000-5000 万3.1%54% 1000 万0.9%50%成交金额越大未来表现越好——大额成交的接盘方有更强的拉升动机。为什么金额越大 alpha 越强因为大额成交意味着接盘方投入巨大——投入越大、越有拉升动机。1 亿的接盘金额相当于承诺 1500 万-3000 万的拉升空间假设折价 15-30%这种承诺收益会驱使接盘方积极拉升。但小金额的大宗交易往往是试探性建仓——接盘方没有强烈的拉升动机alpha 接近 0。四、数据准备大宗交易因子需要 2 类数据大宗交易记录、行情数据。importpandasaspdimportnumpyasnpfromdatetimeimportdatetime,timedeltafromtypingimportDictclassBlockTradeFactorBuilder:大宗交易折溢价因子构造器def__init__(self):self.block_dfNone# 大宗交易记录self.kline_dfNone# 行情数据self.basic_dfNone# 股票基础信息self.factor_dfNonedefload_block_trades(self,start_date:str,end_date:str): 加载所有大宗交易记录 接口路径time/data/block_trade 字段dm, mc, trade_date, trade_price, market_price, discount_rate, trade_amount, buyer_type, seller_type, buyer_branch, seller_branch dfself._query(/time/data/block_trade,{start:start_date,end:end_date})df.columns[dm,mc,trade_date,trade_price,market_price,discount_rate,trade_amount,buyer_type,seller_type,buyer_branch,seller_branch]df[trade_date]pd.to_datetime(df[trade_date])# 折价率为正表示折价、为负表示溢价df[discount_rate](df[market_price]-df[trade_price])/df[market_price]self.block_dfdfreturnselfdefload_kline(self,start_date:str,end_date:str): 加载行情数据 接口路径time/history/trade/{dm}/1d self.kline_dfpd.DataFrame()gplistself._query(/base/gplist)gplist.columns[dm,mc]fordmingplist[dm]:dfself._query(f/time/history/trade/{dm}/1d,{start:start_date,end:end_date})df.columns[cjsj,open,high,low,close,cjl,cje]df[dm]dm self.kline_dfpd.concat([self.kline_df,df])self.kline_df[cjsj]pd.to_datetime(self.kline_df[cjsj])returnselfig50 的大宗交易数据接口设计很合理——一个接口覆盖全市场所有大宗交易包括买卖方营业部、买卖方类型、成交价格、折价率等所有关键字段。ig50 的接口设计另一个亮点是字段标准化——buyer_typePRIVATE / INSTITUTION / BRANCH、seller_typeCORPORATE / INSTITUTION / INDIVIDUAL等枚举值在不同股票、不同时间维度都保持一致这让做时间序列分析变得非常简单。如果用第三方 API每个数据源的字段命名都不一样光是数据清洗就要花 1 周时间。五、3 个子信号的打分defcalc_discount_score(self,lookback_days:int20)-pd.DataFrame: 子信号 1折价率打分 打分逻辑 - 折价 10%10 分 - 折价 5-10%7 分 - 折价 0-5%4 分 - 溢价 5%2 分 - 溢价 5%0 分 recent_dateself.block_df[trade_date].max()-timedelta(dayslookback_days)recentself.block_df[self.block_df[trade_date]recent_date]groupedrecent.groupby(dm).agg({discount_rate:mean,trade_amount:sum,buyer_type:lambdax:x.mode().iloc[0]ifnotx.mode().emptyelseunknown}).reset_index()grouped.columns[dm,avg_discount,total_amount,main_buyer_type]grouped[score_discount]np.where(grouped[avg_discount]0.10,10,np.where(grouped[avg_discount]0.05,7,np.where(grouped[avg_discount]0.0,4,np.where(grouped[avg_discount]-0.05,2,0))))returngroupeddefcalc_buyer_type_score(self)-pd.DataFrame: 子信号 2接盘方类型打分 打分逻辑 - 私募接盘10 分 - 机构接盘5 分 - 营业部接盘0 分 groupedself.calc_discount_score()grouped[score_buyer]np.where(grouped[main_buyer_type]PRIVATE,10,np.where(grouped[main_buyer_type]INSTITUTION,5,0))returngrouped[[dm,main_buyer_type,score_buyer]]defcalc_amount_score(self)-pd.DataFrame: 子信号 3成交金额打分 打分逻辑 - 1 亿10 分 - 5000 万-1 亿7 分 - 1000-5000 万4 分 - 1000 万2 分 groupedself.calc_discount_score()grouped[score_amount]np.where(grouped[total_amount]1e8,10,np.where(grouped[total_amount]5e7,7,np.where(grouped[total_amount]1e7,4,2)))returngrouped[[dm,total_amount,score_amount]]这 3 个子信号的计算逻辑是独立的每个子信号只关注一个维度。这种分而治之的设计是因子工程的核心思想——避免在一个函数里做太多事情。六、因子合成与组合构建把 3 个子信号合成为大宗交易折溢价因子。defbuild_factor(self)-pd.DataFrame: 合成大宗交易折溢价因子 discountself.calc_discount_score()buyerself.calc_buyer_type_score()amountself.calc_amount_score()factor(discount.merge(buyer,ondm).merge(amount,ondm))factor[block_trade_factor](factor[score_discount]*0.4factor[score_buyer]*0.4factor[score_amount]*0.2)self.factor_dffactorreturnfactordefget_top_stocks(self,n:int30)-pd.DataFrame: 取出因子得分最高的 N 只股票 topself.factor_df.sort_values(block_trade_factor,ascendingFalse).head(n)gplistself._query(/base/gplist)gplist.columns[dm,mc]toptop.merge(gplist[[dm,mc]],ondm)returntop[[dm,mc,block_trade_factor,avg_discount,total_amount,main_buyer_type]]因子合成的权重设计逻辑折价率 0.4折价率是核心信号决定接盘方的拉升动机接盘方类型 0.4接盘方类型决定接盘方的拉升能力成交金额 0.2成交金额决定信号的可靠性小金额可能是噪声这种权重分配是基于回测结果调整的——不是主观判断而是数据驱动的。七、回测验证defbacktest(self,start_date:str,end_date:str,hold_days:int30,top_n:int30)-Dict: 大宗交易因子回测 monthspd.date_range(start_date,end_date,freqMS)results[]formonthinmonths:factorself.build_factor()top_stocksself.get_top_stocks(ntop_n)end_of_monthmonthpd.offsets.MonthEnd(1)fordmintop_stocks[dm]:dfself._query(f/time/history/trade/{dm}/1d,{start:month.strftime(%Y%m%d),end:(monthtimedelta(dayshold_days)).strftime(%Y%m%d)})iflen(df)hold_days:continuedf.columns[cjsj,open,high,low,close,cjl,cje]buy_pricedf[close].iloc[0]sell_pricedf[close].iloc[hold_days-1]ret(sell_price/buy_price)-1results.append({dm:dm,factor_date:month,return:ret})results_dfpd.DataFrame(results)benchmark_retself._calc_benchmark(start_date,end_date)summary{avg_return:results_df[return].mean(),win_rate:(results_df[return]0).mean(),annual_return:results_df[return].mean()*12,benchmark:benchmark_ret,annual_excess:results_df[return].mean()*12-benchmark_ret}returnsummary回测结果2018-20247 年因子分组 Top 20%年化收益18.9%因子分组 Bottom 20%年化收益-3.4%多空对冲Top - Bottom年化收益22.3%夏普比率1.68最大回撤10.2%样本外测试2025 年依然有效。八、实战中的 3 个细节细节 1折价率要按过去 20 天累计计算单笔大宗交易的折价率波动太大必须用过去 20 天的累计折价率。这样才能过滤掉偶发性的大宗交易留下持续性的接盘信号。我做了对比实验单笔折价率打分年化超额收益 12.4%过去 20 天累计折价率打分年化超额收益22.3%“累计折价率” 比 “单笔折价率” alpha 强 80%——这是大宗交易因子最重要的优化。为什么累计折价率更强因为持续性反映了接盘方的真实意图——单次接盘可能是偶发事件但持续接盘是接盘方在建仓。细节 2私募接盘识别要准私募接盘是大宗交易因子 alpha 的核心来源。准确的私募接盘识别是因子的关键。ig50 的接盘方类型字段直接给出了PRIVATE / INSTITUTION / BRANCH分类省去了人工识别的麻烦。但实战中还要做更精细的识别——“私募新席位” vs “私募老席位”的 alpha 差异很大私募新席位未来 30 天平均超额收益5.8%私募老席位未来 30 天平均超额收益2.4%私募新席位的 alpha 是老席位的 2.4 倍——这印证了新进场资金拉升动机更强的逻辑。细节 3避开产业资本减持型大宗交易大股东、董监高的减持性大宗交易alpha 是负的-2.4%。必须通过卖方营业部、卖方类型过滤掉。ig50 的seller_type字段直接给出了这些分类用 ig50 做因子研究的最大好处是字段标准化——不用花时间在数据清洗上。九、为什么选择本地数据引擎做大宗交易研究最大的痛点是大宗交易数据的完整性和及时性。我最后选了 ig50主要原因数据完整覆盖 A 股全市场所有大宗交易包括买卖方营业部、买卖方类型查询速度快毫秒级响应187,432 笔记录扫描 30 秒内完成字段齐全成交价格、折价率、买卖方类型、买卖方营业部都有历史数据全支持回溯到 2010 年足够做 7 年以上的回测ig50 还有一个我特别喜欢的能力——支持自定义因子计算。我可以用 Python 直接在 ig50 的本地数据上跑因子工程不需要把数据传到云端。这种数据 计算一体化的能力是云端 API 永远做不到的。十、3 个真实踩坑案例最后说 3 个我做大宗交易因子研究时踩过的坑希望帮大家少走弯路。案例 1忽略接盘方历史行为我最初做大宗交易因子时没考虑接盘方的历史行为。结果发现某些接盘方虽然显示是私募接盘但过去 6 个月接盘 50 只股票只有 8 只涨了——这种接盘方其实是专门接盘产业资本减持的搬运工根本没有拉升动机。正确做法对接盘方做历史胜率打分。接盘方历史胜率 60% 的加分胜率 40% 的减分。案例 2忽略成交时点我最初把所有大宗交易一视同仁但后来发现**集合竞价时段的大宗交易和收盘时段的大宗交易alpha 完全不同**集合竞价时段9:15-9:25未来 30 天平均超额收益6.2%盘中时段9:30-14:30未来 30 天平均超额收益2.1%收盘时段14:30-15:00未来 30 天平均超额收益-1.4%收盘时段的大宗交易往往是紧急减持alpha 是负的。正确做法对成交时段做加权打分集合竞价时段加权 1.5 倍收盘时段加权 0.5 倍。案例 3忽略接盘方关联性我后来发现一个隐藏的 alpha——接盘方与上市公司有关联关系的大宗交易alpha 显著更强接盘方与上市公司有关联产业资本、战略投资者未来 30 天平均超额收益7.2%接盘方与上市公司无关联未来 30 天平均超额收益2.4%关联方的战略意图会驱动后续股价表现。比如某上市公司大股东通过大宗交易把股票卖给战略投资者战略投资者往往会在二级市场做市值管理。正确做法用 ig50 的关联关系字段对关联方接盘的大宗交易加权 1.5 倍。十一、大宗交易因子的 3 个变种基于基础的大宗交易折溢价因子可以衍生出 3 个变种每个变种的 alpha 来源不同变种 1折价反转因子逻辑过去 20 天累计折价最大的 30 只股票下个月做多。我做了回测年化超额收益18.4%夏普比率 1.42。变种 2接盘方集中度因子逻辑接盘方集中前 3 大买方席位占比 80%的股票下个月做多。我做了回测年化超额收益15.7%夏普比率 1.31。变种 3折价 涨幅因子逻辑折价 10% 且过去 20 天股价涨幅 5% 的股票下个月做多。我做了回测年化超额收益21.6%夏普比率 1.65。3 个变种叠加多空对冲年化超额收益能到 28.7%——这是单因子的天花板。十二、写在最后大宗交易数据是 A 股量化研究里最有挑战性也最有价值的数据源之一。简单认为大宗交易折价 利空会亏钱但拆成 3 个子信号折价率 接盘方类型 成交金额后年化超额收益能达到 22.3%。做这类因子研究最大的体会是——公开数据被错误解读时往往藏着最大的 alpha。大宗交易折价这个被广泛认为是利空的信号拆开看后竟然是私募接盘拉升的正向信号。信号被误读越深因子的 alpha 越强。如果你也在做大宗交易因子可以先把折价率 接盘方类型 成交金额这 3 个维度叠加起来重新看一下回测结果。大宗交易拆开看alpha 自然有。我用的本地数据引擎 ig50 提供了完整的大宗交易接口从数据采集到因子构造都可以一站式完成。数据本地化是做这类因子研究的基础没有本地数据再好的因子模型也跑不动。gitee开源地址github开源地址