高頻數據存在哪些優勢與難點？

與低頻因子相比，高頻數據在用于量化投資中存在一定優勢。

首先，高頻價量數據的體量明顯大于低頻數據。以分鐘行情為例，用壓縮效果 較好的mat格式存儲2020年全市場股票的分鐘行情數據（包括分鐘頻的開高低收價 格數據、買賣盤掛單數據等），約為12GB。如果是快照行情（目前上交所和深交所 都是3秒一筆）或者level 2行情，數據量要大很多。因此，高頻數據因子挖掘對信息 處理能力和處理效率的要求較高。而且，日內數據，尤其是level 2數據，一般要額 外付費，甚至需要自行下載存儲實時行情，在此基礎上構建的因子擁擠度較低。

其次，高頻價量數據一般是多維的時間序列數據，數據中噪聲比例較高，而且 與ROE、PE這類低頻指標本身就具有選股能力不同的是，原始的高頻行情數據一般 不能直接用作選股因子，而要通過信號變換、時間序列分析、機器學習等方法從高 頻數據中構建特征，才能作為選股因子。此類因子與低頻信號的相關性較低，而且 由于因子開發流程相對復雜，不同投資者構建的因子更具有多樣性。

此外，高頻數據開發的因子一般調倉周期較短，意味著在檢驗因子有效性的時 候，同一段測試期具有更多的獨立樣本。例如，在一年的測試期內，只有12個獨立 的樣本段用于檢驗月頻調倉的因子，與之相比，有約50個獨立的時段用于檢驗周頻 調倉因子，有超過240個獨立的時段用于檢驗日頻調倉的因子。獨立樣本的增多有助 于檢驗高頻因子的有效性。

高頻數據挖掘因子的難點在于數據維度大、噪聲高。憑借專業投資者的經驗或 者是參閱已發表的文獻，可以從高頻數據中提煉出一部分有選股能力的特征。此外， 機器學習方法擅長從數據中尋找規律和特征，是高頻數據因子挖掘的有力工具。