投资要点
本报告挖掘 Level2 逐笔委托数据挂单手数中的微观结构信息。构建了具备有一定选股能力的因子，并以此从时序维度刻画投资者活跃度及基于特定的异常委托手数捕捉“游资吸筹”机会。
挂单手数占比因子具备稳健的选股能力。其中，对应机构算法拆单的极小单（1手，100股）与体现大资金介入的大额挂单（50、100、200手）占比呈现显著正向预测作用；而带有“整数偏好”特征、反映散户过度参与的小额挂单（5、10、15手）占比则对股价构成负向压制。合成后的委买主要手数占比因子在2015至2025年T1-T6 VWAP RankIC为0.048，多头年化超额18.6%，多空年化收益30.6%。
通过识别投资者参与主体构建的活跃度指标，能够有效捕获长效稳健的Alpha并提供个股择时参考。游资比机构挂单因子在2015-2025年RankIC为-0.032，ICIR为-0.863，多头年化超额10.6%，多空年化收益15.2%。因子多头选股能力更强，说明纯机构标的展现出稳健的趋势性上涨潜力；空头组负超额非10分组之最，说明游资介入仍能提供一定的流动性支撑。投资者参与主体指标还可拓展至时序维度，刻画寒武纪（机构主导）与新易盛、农业银行及上海建工（散户追涨）等个股的资金流向差异，为判断介入时机提供微观参考。
“游资吸筹”组合具备一定的防御属性与增强能力。通过识别AAAA、AABB等4位数异常委托单构建的“游资股票池”，在叠加低波动与低换手逻辑过滤后形成的“游资吸筹组合”，年化超额收益8.6%。引入机器学习因子增强后，年化超额收益提升至14.7%，信息比率改善至1.083。该策略在市场下行期表现出良好的净值韧性，能够有效捕捉处于低位隐蔽吸筹阶段的标的机会，具备较强的抗风险能力。
风险提示：模型失效风险、市场风格变化风险、数据测算误差风险、数据或资料更新不及时风险、政策变化风险。
本篇报告旨在探讨Level2高频数据中委托挂单行为所蕴含的微观结构信息。通过对挂单手数的不同方式建模，本报告构建了有一定选股能力的挂单因子，并从时序维度刻画了不同类型投资者活跃度的动态特征；此外，基于特定的异常委托手数，进一步构建了“游资吸筹”逻辑的选股组合。
PART1
引言
本研究在 Level2 高频数据的研究框架中，将逻辑从资金流向、10档斜率等传统成交指标，延伸到更为底层的委托挂单行为。基于投资行为学视角，我们认为，不同规模的挂单手数或反映了不同类型投资者的交易意愿与决策特征。通过量化各挂单手数的分布特征，构建了一系列挂单手数占比因子，具体定义如公式（1）所示：
在交易规则约束下，沪深主板及创业板单笔委托量区间为1至10000手，科创板则为2至1000手。不同挂单手数可分别构建不同种类因子。初步测算委买（非撤单）RankIC和覆盖率，1-200手范围内的情况如图1所示：
挂单手数分布规律显示，市场参与者的挂单偏好与选股效能呈现显著的非线性特征。首先，样本覆盖率在10和50的整数倍档位明显回升，证实了投资者强烈的“整数偏好”；其次，因子方向随单量规模分化，在50手附近形成“正负分水岭”，2-50手区间RankIC基本为负，跨越50手后逐渐转正。综合考虑显著性与样本覆盖率，1手、5手、10手、15手、50手、100手及200手在横截面选股中表现出更为稳定且显著的预测能力。
PART2
主要挂单手数占比因子
基于上述对单一手数因子的观察，我们通过提取信号显著性较高的特定手数进行合成，以期构建选股能力更为稳健的综合挂单因子。除委买（非撤单）外，进一步拓展至委卖（非撤单）、委买（撤单）及委卖（撤单）等其余三类挂单行为。4种挂单类型因子主要挂单手数的RankIC统计如表1：
我们认为，不同规模挂单蕴含的信息如下：
1) 极小单（1手）映射算法交易：1手委托占比与股价呈显著正相关。这反映了机构在执行VWAP、TWAP等算法交易时的隐蔽拆单行为，拆单越细腻通常暗示机构参与度越强；
2) 小额挂单（5、10、15手）反映散户负向溢价：挂单具有强烈的“整数偏好”且RankIC显著为负。此类特征多对应个人投资者行为，散户参与度过高往往导致筹码分散，压制短期股价；
3) 大额挂单（50、100、200手）代表大资金介入：50、100及200手因子的IC均值显著为正。其占比提升意味着具备资金优势的主体正积极进场。
综上所述，机构及大户的参与度与股价表现正相关，散户的参与度与股价表现负相关。合成上述各挂单手数占比因子，本文分别构建了“委买主要手数占比因子”与“委卖主要手数占比因子”。具体构建方案为：选取1、5、10、15、50、100及200手的占比值进行截面标准化处理，并依据其历史IC方向进行等权合成。
2.1 委买主要手数占比因子
委买主要手数占比因子将委买（撤单）和委买（非撤单）因子等权合成。2015至2025年，因子T1-T6 VWAP RankIC为0.048，ICIR为0.357，IC胜率为61.5%。
2015年以来历年因子方向均为正，统计因子在全A上IC表现、10分组超额年化收益率（沪深300、中证A500、中证500、中证1000和万得全A）、10分组超额净值和多空净值如图2至图5：
委买主要手数占比因子在全A上IC累计曲线和多空净值稳定单调向上，超额收益分组明显。因子在沪深300、中证A500、中证500、中证1000和万得全A多头年化超额收益分别为6.5%、11.0%、9.5%、14.8%、18.6%，多空年化收益分别为10.4%、17.4%、16.2%、25.9%、30.6%。
2.2 委卖主要手数占比因子
委卖主要手数占比因子将委卖（撤单）和委卖（非撤单）因子等权合成。2015至2025年，因子T1-T6 VWAP RankIC为0.04，ICIR为0.309，IC胜率为59.9%。
历年因子方向均为正，统计因子在全A上IC表现、10分组超额年化收益率（沪深300、中证A500、中证500、中证1000和万得全A）、10分组超额净值和多空净值如图6至图9：
委卖主要手数占比因子在全A上IC累计曲线和多空净值稳定单调向上，超额收益分组明显。因子在沪深300、中证A500、中证500、中证1000和万得全A多头年化超额收益分别为0.9%、5.5%、9.7%、13.6%、11.5%，多空年化收益分别为4.0%、11.2%、14.3%、22.2%、24.0%。
PART3
投资者类型因子
除却测算常规的挂单因子，我们尝试从固定的挂单手数转化为投资者参与主体身份的识别。基于交易习惯与资金门槛差异，我们主观的构建了以下4类投资者识别方式：
1) 机构投资者：挂单手数以100——900的3位数为主，且均为100的整数倍。核心特征是资金体量较大，挂单金额集中，体现出规模化交易的属性；
2) 游资：挂单手数聚焦111-999的3位数“豹子号”（如111、666、888 等）。这类挂单兼具一定资金规模与辨识度，符合游资灵活博弈、追求短期交易机会的风格；
3) 量化：挂单手数为10-90的2位数，且统一为10的整数倍。以整十数挂单为典型标志，背后是算法驱动的自动化交易，具备交易频率高、挂单格式规整的特点；
4) 散户：挂单手数多为2-9的个位数。受资金量有限、交易分散的影响，挂单规模偏小，体现出小额零散交易的特征。
围绕上述挂单手数特征，可从投资者结构视角挖掘三类信息因子，捕捉交易行为中的有效信号：
1) 挂买比挂卖：单类型投资者内部对比，计算其买单手数与卖单手数的比值，反映该类投资者对标的的多空倾向；
2) 撤单比非撤单：单类型投资者订单结构，统计其撤单手数与非撤单手数的比例，衡量该类投资者交易决策的稳定性；
3) 投资者比较：不同类型投资者间相互比较，跨投资者类型开展对比分析，挖掘各类投资者的行为差异与市场博弈逻辑。
3.1 挂买比挂卖
挖掘的因子中，与游资相关的因子取得更好的效果。合成游资的非撤单及撤单的挂买比挂卖因子，统计2015至2025年，因子T1-T6 VWAP RankIC为-0.031，ICIR为-0.499，IC胜率为29%。游资挂买与挂卖比与未来收益率呈显著负相关。
历年因子方向均为负，统计因子在全A上IC表现、10分组超额年化收益率（沪深300、中证A500、中证500、中证1000和万得全A）、10分组超额净值和多空净值如图10至图13：
游资挂买比挂卖因子在全A上IC累计曲线稳定单调向下，多空净值稳定单调向上，超额收益分组明显。因子在沪深300、中证A500、中证500、中证1000和万得全A多头年化超额收益分别为2.4%、2.7%、2.3%、3.1%、4.0%，多空年化收益分别为3.9%、3.2%、4.5%、10.7%、18.5%。
因子空头选股能力较强，多头能力较弱，呈现出明显的类似波动率因子的特征。因子不具备多头选股能力，仅适合剔除空头股票。
3.2 撤单比非撤单
挖掘的因子中，与游资相关的因子取得更好的效果。合成游资的挂买及挂卖的撤单比非撤单因子，统计2015至2025年，因子T1-T6 VWAP RankIC为-0.018，ICIR为-0.497，IC胜率为30.4%。游资撤单与非撤单比与未来收益率呈显著负相关。
历年因子方向均为负，统计因子在全A上IC表现、10分组超额年化收益率（沪深300、中证A500、中证500、中证1000和万得全A）、10分组超额净值和多空净值如图14至图17：
游资撤单比非撤单因子在全A上IC累计曲线稳定单调向下，多空净值稳定单调向上，超额收益分组较为明显。因子在沪深300、中证A500、中证500、中证1000和万得全A多头年化超额收益分别为4.2%、3.2%、1.8%、2.4%、4.0%，多空年化收益分别为4.5%、3.4%、1.4%、5.6%、11.4%。
因子空头选股能力较强，多头能力较弱，单调性一般。呈现出明显的类似波动率因子的特征。因子不具备多头选股能力，仅适合剔除空头股票。
3.3 投资者比较
挖掘的因子中，游资比机构挂单因子取得更好的效果。合成挂买/挂卖及撤单/非撤单4类游资比机构挂单手数因子，统计2015至2025年，因子T1-T6 VWAP RankIC为-0.032，ICIR为-0.863，IC胜率为18.1%。游资与机构参与度比与未来收益率呈显著负相关。
历年因子方向均为负，统计因子在全A上IC表现、10分组超额年化收益率（沪深300、中证A500、中证500、中证1000和万得全A）、10分组超额净值和多空净值如图18-图21：
游资比机构挂单手数因子在全A上IC累计曲线稳定单调向下，多空净值稳定单调向上，超额收益分组明显。因子在沪深300、中证A500、中证500、中证1000和万得全A多头年化超额收益分别为0.4%、5.3%、4.9%、10.8%、10.6%，多空年化收益分别为-0.4%、6.5%、5.1%、14.8%、15.2%。
游资比机构挂单手数因子历年选股能力特别稳定，累计IC趋势上看几乎无失效的时间段。全A上多头选股能力较好，多头分组强于空头分组。全A回测中组1-组9呈现出单调递减特征，但在空头组中组10的超额收益高于组6至组9。
我们认为，纯机构标的（组1）展现出稳健的趋势性上涨潜力，而纯游资标的（组10）虽因博弈剧烈导致超额为负，但其负超额非10分组之最，暗示了游资介入仍能提供一定的流动性支撑。
PART4
投资者活跃度
除构建横截面选股因子外，进一步拓展至动态监测个股时序上不同投资者主体活跃度。通过量化不同投资者类型的挂单占比，我们可以实时刻画各类资金的参与强度，其计算逻辑如下：
10日平滑以消除随机扰动并捕捉趋势性信号，可更好观测资金流动趋势。以寒武纪（688256.SH）和新易盛（300502.SZ）为例，二者均属沪深300指数成分股，且2025年7至8月股价均大幅上涨。统计2025年以来机构、游资、量化、散户活跃度指标和收盘价曲线如下图：
观察2025年7-8月大幅拉升过程中，寒武纪（688256.SH）机构和量化活跃度显著上升，散户活跃度显著下降，游资活跃度无明显趋势。10月末，机构参与度短期放量提升后迅速下降。股价到达高点后，散户活跃度逐渐上升，12月末创下2025年以来新高。新易盛（300502.SZ）机构活跃度恰好相反。
7月开启拉升时，机构活跃度达到最高值，后续逐渐下降。游资和量化活跃度均自4月达到最高值后缓慢下降。散户活跃度在开启上涨行情前反而逐渐下降，上涨过程中显著上升。
我们认为，2025年7-8月大幅拉升过程中，寒武纪或由机构主导的行情，新易盛则或由散户主导的行情。
继续观察价格较低的农业银行（601288.SH）和上海建工（600170.SH）的同期活跃度情况，均呈现较明显的散户追涨特征。
观察散户活跃度情况，农业银行和上海建工的股价走势几乎与其重叠。说明价格上涨或下跌会吸引散户涌入或流出。量化（整10手，小于100手）在个位数股价的股票中，挂单金额实则不高，仍大有可能是散户行为，其活跃度趋势和股价走势仍高度相似。
机构在上海建工2025年9月股价暴涨过程中几乎没有参与，反而在随后下跌过程中，整100手订单涌入的趋势逐渐明显。游资在农业银行2025年11月股价到达最高点时流动性亦大幅增加，随后股价下跌，游资活跃度也迅速回落到一般水平。
PART5
游资股票池
游资通常利用异常手数的委托单向市场传递信号，旨在吸引散户关注并触发其余游资的接力共振，从而主导短期价格走势。将异常委托手数提升至4位数，筛选出更稀疏的“游资股票池”。由于科创板股票最多可挂1000手，因此无法覆盖科创板股票。具体异常识别模式包括：
1） AAAA型：1111、2222、3333...
2） ABBB型：1222、1333、1444...
3） AABB型：1122、1133、1144...
4） ABCD型：1234、2345、3456...
筛选标准：在过去120个交易日的滚动窗口内，若个股出现上述异常委单的天数超过30日，则将其纳入“游资股票池”。
在“游资股票池”基础上，构建“游资吸筹组合”。假设“游资”票需要经历“吸筹——拉升——砸盘”阶段，通过叠加波动率（Volatility）与换手率（Turnover）双因子进行逻辑过滤。筛选池内每期波动率与换手率最低的前50%标的，旨在捕捉尚未启动、正处于低位吸筹阶段的潜在标的，规避高位震荡与砸盘风险，由此构建“游资吸筹组合”。
为进一步提升策略的超额获取能力，本研究在“游资吸筹组合”基础上，引入深度学习因子进行增强。通过筛选机器学习因子（详见《多模式合成的GRU因子——国海金工机器学习系列专题1》）值排名Top100的标的，最终形成“游资吸筹+机器学习增强组合”。
回测框架与绩效表现策略设置如下：全样本等权配置，双周频调仓，费用千分之3。样本剔除北交所、科创板、360日内次新股及涨停受限股。对比万得全A（881001.WI），“游资股票池”增强净值如图38。
“游资股票池”增强超额净值如图39。
“游资股票池”增强的超额收益回测结果统计如表7。
全历史样本下，“游资股票池”的年化超额仅为2.2%，而在叠加了低波动、低换手的逻辑过滤后，“游资吸筹组合”的年化超额提升至8.6%，信息比率显著改善至0.804。引入深度学习因子后，“游资吸筹+机器学习组合”的年化超额进一步升至 14.7%，信息比率为1.083。
“游资吸筹+机器学习组合”受1-2月微盘股剧烈下行、9-10月全A大幅上涨导致机器学习因子短期失效影响，在2024年表现乏力（仅1.8%），显著弱于纯吸筹组合（10.6%）。2025年的超额收益回归，即使“游资股票池”无覆盖科创板股票，仍录得10.7%的超额收益。
PART6
结论
本报告挖掘 Level2 逐笔委托数据挂单手数中的微观结构信息，核心结论如下：
挂单规模有效映射了差异化的投资者画像。实证显示，挂单手数的分布并非随机，而是蕴含了清晰的角色标签。极小额挂单（1手）与大额挂单（50-200手）占比因子表现出显著的正向选股效能，前者映射了算法交易隐蔽拆单的活跃度信息，后者则反映了具备资金优势的主体的积极参与。相比之下，带有强烈“整数偏好”特征的小额挂单（5-15手）呈现显著的负向选股效应，说明散户参与度过高对短期股价形成压制作用。
核心挂单因子具备较稳健的选股能力。基于部分核心手数合成的委买主要手数占比因子2015至2025年间显著性较好，全市场T1-T6 VWAP RankIC为0.048，全A内多头年化超额18.6%，多空年化收益30.6%。
投资者比较因子提供了稳定性的博弈信号。游资比机构挂单因子较为突出，全市场RankIC为-0.032，ICIR为-0.863。该因子的累计IC趋势几乎未见失效期，展现出极强的鲁棒性。10分组回测结果显示，纯机构主导的标的（组1）往往具备更稳健的趋势性上涨潜力，而纯游资主导的标的（组10）虽因博弈剧烈导致超额收益受损，但其提供的流动性支撑使得其表现并非分组最差。
投资者活跃度指标实现了从横截面选股到时序择时的维度延伸。投资者活跃度指标能够动态刻画各类资金的参与强度，有效辅助个股画像与趋势识别。2025年7-8月的行情中，我们认为寒武纪或由机构力量主导的拉升，而新易盛及农业银行、上海建工等标的则表现出明显的散户追涨特征。
“游资吸筹”组合具备一定的防御属性与增强能力。针对4位数异常委托单（如AAAA、AABB型）构建的“游资股票池”，在叠加低波动、低换手逻辑过滤后形成的“游资吸筹组合”，年化超额收益8.6%。在此基础上引入机器学习增强后，年化超额收益进一步提升至14.7%，信息比率改善至1.083。该策略在市场下行期表现出良好的净值韧性，能够有效捕捉处于低位隐蔽吸筹阶段的标的机会，具备较强的抗风险能力。
综上所述，委托挂单数据作为更底层的微观结构信息，在刻画不同类型资金行为方面具备独特优势，不仅有助于构建具备稳定选股能力的因子，也可为个股活跃度监测与资金结构分析提供有价值的补充视角。
PART7
风险提示
（1）模型失效风险：所采用的量化模型或因子体系，可能由于市场结构变化、极端行情或其他不可预见因素而失效，导致预测偏差与投资效果下滑。
（2）市场风格变化风险：市场投资风格可能在不同阶段发生切换，当前因子在历史环境下表现良好，但在新风格下效果可能显著减弱。
（3）数据测算误差风险：在数据采集、清洗、处理及模型回测过程中，可能存在测算误差、样本代表性不足等问题，从而影响模型分析结果的准确性与稳定性。
（4）数据或资料更新不及时风险：研究或投资决策所使用的数据可能存在滞后，当最新市场信息未能及时纳入模型时，可能导致预测结果与市场实际情况出现偏差，甚至发生反转风险。
（5）政策变化风险：宏观经济政策、货币政策、财政政策以及行业监管政策等的调整，可能对市场环境与相关资产价格产生重大影响，从而导致策略有效性下降或失效。
= END =
【报告信息】
证券研究报告：《委托挂单手数蕴含的选股信息——国海金工因子研究系列专题1》
对外发布时间：2026年1月28日
发布机构：国海证券股份有限公司
分析师：王治舜
SAC编号：S0350525080006
邮箱：wangzs03@ghzq.com.cn
【国海金工·团队介绍】
林宸星，国海证券研究所金融工程负责人，美国威斯康辛麦迪逊分校硕士，计量与数量经济专业，6年二级市场从业经验，曾先后就职于德邦证券、华福证券。主要负责国内外大类资产配置、机器学习选股策略开发、数据爬虫和软件开发等工作。
张雨蒙，国海证券研究所基金研究负责人，毕业于英国布里斯托大学，拥有8年卖方研究经验，曾就职于华福证券、上海证券等机构。
路景仪，分析师，上海财经大学硕士，吉林大学本科。曾就职于德邦证券，主要负责行业轮动、Smart Beta、基金产品研究。
王治舜，分析师，香港中文大学金融科技硕士，电子科技大学金融+计算机双学士，曾就职于西部证券、德邦证券，主要负责深度学习、指数增强和高频因子研究。
【重要提示】
本公众号推送观点和信息仅供国海证券股份有限公司（下称“国海证券”）研究服务客户参考，完整的投资观点应以国海证券研究所发布的完整报告为准。若您非国海证券研究服务客户，为控制投资风险，请取消订阅、接受或使用本公众号中的任何信息。本公众号难以设置访问权限，若给您造成不便，敬请谅解。国海证券不会因订阅本公众号的行为或者收到、阅读本公众号推送内容而视相关人员为客户。
本公众号不是国海证券的研究报告发布平台，只是转发国海证券已发布研究报告的部分观点，订阅者有可能会因缺乏对完整报告的了解或缺乏相关的解读而对资料中的关键假设、评级、目标价等内容产生理解上的歧义，应以国海证券研究所发布的完整报告为准，且须寻求专业人士的指导及解读。
本公众号及国海证券研究报告所载资料的来源及观点的出处皆被国海证券认为可靠，但国海证券不对其可靠性、准确性、时效性或完整性做出任何保证。本微信号推送内容仅反映国海证券研究人员于发出完整报告当日的判断，本公众号所载的资料、意见及推测有可能因发布日后的各种因素变化而不再准确或失效，国海证券不承担更新不准确或过时的资料、意见及推测的义务，在对相关信息进行更新时亦不会另行通知。
在任何情况下，本公众号所载信息、意见不构成对任何人的投资建议，所述证券或金融工具买卖的出价或征价，评级、目标价、估值、盈利预测等分析判断亦不构成对具体证券或金融工具在具体价位、具体时点、具体市场表现的投资建议。对任何直接或间接使用本公众号所载信息和内容或者据此进行投资所造成的任何一切后果或损失，国海证券及/或其关联人员均不承担任何形式的法律责任。
本微信号及其推送内容的版权归国海证券所有，国海证券对本微信号及其推送内容保留一切法律权利。未经国海证券事先书面许可，任何机构或个人不得以任何形式转载、翻版、复制、刊登、发表、修改、仿制或引用本订阅号中的内容，否则将承担相应的法律责任，国海证券就此保留一切法律权利。
