【方正金工|曹春晓团队】个股交易放量期间的买入强度刻画与“激流勇进”因子构建——多因子选股系列研究之十九

方正曹春晓 2026-06-30 置信度: high

综合质量 5 /5

新颖性 4 /5

可复现性 4 /5

核心内容

研究利用分钟频数据识别日内放量下跌状态，通过计算放量下跌时段成交金额占比与成交量占比的差值，刻画投资者的逆势买入意愿。取过去20个交易日均值作为月频“激流勇进”因子。该因子在全市场及各宽基指数内均表现优异，且与已有量价因子正交合成后效果大幅提升。

经济逻辑

放量下跌期间多空双方博弈激烈，此时产生的价格下跌容易导致过度反应，存在反转机会；另一方面，敢于在此期间逆势买入的资金对后市相对乐观，其付出的额外流动性成本（成交金额比例与成交量比例之差）反映了买入意愿的强弱，买入意愿越强，后续获取超额收益的概率越高。

超额收益逻辑

放量下跌代表多空博弈激烈，容易产生过度反应带来后续反转；同时逆势买入者承担了更高的流动性成本，其买入意愿的强度预示着资金的认可与对后市的乐观预期，买入力量越强的股票未来收益表现越好。

构造细节 [factor]

因子定义

1. 剔除开盘和收盘数据，计算个股每分钟及其前4分钟的成交量总和，记为“邻域成交量”。2. 若当前分钟的邻域成交量大于前一分钟的邻域成交量，则当前分钟为“放量”状态，反之则为“缩量”状态。3. 依据过去5分钟内高、开、低、收数据计算近期收益率趋势，趋势为正则为“上涨”状态，反之则为“下跌”状态。4. 识别出处于“放量下跌”状态的分钟。5. 在放量下跌状态下，计算买入强度 = 该时段成交金额占比 - 成交量占比。6. 将日内所有放量下跌分钟的买入强度特征汇总，得到“日激流勇进”因子。7. 每月月底计算过去20个交易日“日激流勇进”因子的均值，得到“激流勇进”因子。

处理流程

提取日内分钟频OHLCV数据，剔除首尾分钟数据
滚动计算5分钟邻域成交量，并比较前一刻大小判定放量/缩量状态
滚动计算5分钟窗口内的收益率趋势，判定上涨/下跌状态
筛选出处于“放量下跌”状态的分钟数据
按公式计算放量下跌分钟的成交金额占比与成交量占比之差作为买入强度
日内聚合得到日频“激流勇进”因子
滚动取过去20个交易日日频因子的均值得到月频因子
使用常用风格因子及行业因子对其进行正交化得到纯净因子

参数

邻域窗口长度: 5因子平滑天数: 20

数据输入

: (分钟频（1分钟）)

组合方式

与前期13个量价因子正交化后简单等权合成为综合量价因子

绩效

8.00%

Rank IC均值

4.30

Rank ICIR

38.94%

多空组合年化收益率

4.30

信息比率

2.87%

纯净因子Rank IC均值

-12.37%

综合量价因子Rank IC均值

48.54%

综合量价因子多空组合年化收益率

基准: 全市场等权, 沪深300/中证500/中证1000

回测期: 2013年1月至2024年7月

“激流勇进”因子刻画放量下跌期间的买入强度，在全市场表现优异，Rank IC均值8.00%，多空年化38.94%。综合14个量价因子后Rank IC均值提升至-12.37%，多空年化达48.54%，在沪深300/中证500/中证1000指数增强中均获得显著超额收益。

收益归因 ✓ 已完成

剔除了常用的风格因子影响后，“激流勇进”因子仍然具有不错的选股能力，Rank IC均值为2.87%，Rank ICIR为1.56，多空组合年化收益率为21.32%，信息比率2.68。

方法: 使用常用风格因子及行业因子正交化处理

缺口: 与流动性、波动率因子相关性相对较高，分别为-26.78%和-23.60%，与其余因子相关性普遍较低。

稳健性

子样本稳定性: 在沪深300、中证500、中证1000成分股中均有效，其中在中证1000成分股内表现最为强势，Rank IC均值为6.88%。

风格偏差: 与流动性、波动率因子相关性相对较高，分别为-26.78%和-23.60%，与其余因子相关性普遍较低。

因子在全市场及各宽基指数内表现稳健，剥离常见风格因子后Rank IC均值仍有2.87%，与已有13个量价因子相关性适中，正交合成后能显著提升整体选股效果。

数据依赖

所需数据: 分钟频量价数据（成交量、成交金额、高开低收）

可复现性: medium

需获取分钟频数据并做一定滑动窗口计算，数据处理逻辑清晰，可复现性中等偏上，主要难点在于分钟级数据的处理量较大以及前期13个系列因子的完整复现。

新颖性评估 [新组合]

巧妙结合“放量下跌”状态划分与“买卖流动性成本”刻画，将原有的算子应用于特定市场微观状态提取alpha，构造思路新颖，但核心算子基于前期研究。

不足与缺陷

分钟级别仅比较前后邻域成交量大小来划分放量与缩量，受高频噪音影响可能导致状态频繁切换
未详细提供单因子在指数增强策略中扣费后的实际换手率与净值表现
因子计算高度依赖日内分钟数据，受市场微观结构变化及参与者结构变迁导致失效的风险较大

可复用元素

基于5分钟邻域成交量与收益率趋势划分放量/缩量、上涨/下跌四种状态的方法
使用成交金额占比与成交量占比差值刻画特定状态下买卖力量强度的算子
高频因子低频化的20日均值平滑处理

启发

基于市场微观状态划分（放量下跌）提取特定时段特征是一种非常有效的高频因子构建范式
通过流动性成本指标（金额占比-成交量占比）可以反映投资者真实交易意愿的强弱

改进方向

结合Level-2主买/主卖订单流数据，用主买金额占比与主买成交量占比的差值替代原始的成交金额占比与成交量占比差值，或在放量状态判定中引入剔除虚假撤单的大单委托特征

基于: 放量下跌期间买入强度刻画预期收益: 进一步过滤市场噪音，提升买入意愿刻画的精准度，大概率能提升纯净因子表现及在沪深300内的选股效果

复现计划

1. 获取全市场股票分钟频OHLCV数据并剔除首尾；2. 实现5分钟窗口的邻域成交量及收益率趋势判定；3. 标记“放量下跌”分钟；4. 按公式计算单分钟的成交金额占比与成交量占比差值；5. 日内聚合得到日频因子；6. 滚动20日取均值得到月频因子；7. 进行月频分组回测验证Rank IC及收益指标；8. 复现常见风格因子正交化检验增量信息。