基于高频快照数据的量价背离选股因子

国金高智威 2026-06-11 置信度: high

综合质量 4 /5

新颖性 3 /5

可复现性 4 /5

核心内容

研报利用3秒高频快照数据构建6个日内量价相关系数因子，捕捉量价背离特征。日频下，通过单因子分位数标准化等权合成及行业市值中性化，因子表现出色。为降低高频交易成本及因子拥挤影响，采用整体法将因子降频至周频，显著提升了预测稳健性。最终将周频量价背离增强因子与传统因子结合，构建了中证1000指数增强策略，在扣除较高手续费后仍获得显著超额收益。

经济逻辑

当股票价格上涨而成交量减少（量价背离）时，说明市场参与各方预期一致，股价未达预期，未来上涨可能性大；当量价趋同（如放量上涨）时，分歧加大，股价到拐点可能性大，未来下跌可能性高。因此，日内量价相关系数（量价背离因子）与未来收益率呈负相关。

超额收益逻辑

量价背离现象反映了市场参与者预期的一致性。通过高频快照数据计算的量价相关系数能精准刻画日内微观博弈状态。降频至周频平滑了高频噪声和因子拥挤带来的波动，结合传统因子能提供与传统量价不同的增量Alpha信息，从而实现稳健的超额收益。

构造细节 [factor]

因子定义

1. 定义基础变量: P_i为i时刻快照成交价, V_i为快照成交量, M_i为快照成交笔数。 2. 计算衍生变量: 快照收益率 R_i = (P_i - P_{i-1}) / P_{i-1}; 每笔成交量 VPM_i = V_i / M_i。 3. 构建6个日内相关系数因子: - CorrPV = Corr(P, V) - CorrRV = Corr(R, V) - CorrPM = Corr(P, M) - CorrRM = Corr(R, M) - CorrPVPM = Corr(P, VPM) - CorrRVPM = Corr(R, VPM) 4. 日频合成: 对表现较好的CorrPM、CorrPV、CorrPVPM、CorrRV进行分位数变换标准化，等权合成得到CorrFactor。 5. 周频降频: 采用整体法，使用过去一周单一股票所有的日内快照数据，按上述公式直接计算得到周频因子（如CorrPVW等），再合成为周频因子。

处理流程

获取3秒高频快照数据
计算衍生变量（快照收益率、每笔成交量）
计算日内6个量价相关系数因子
日频合成：对4个单因子进行分位数变换标准化后等权合成
中性化：进行行业和市值中性化处理
周频降频：使用过去一周所有交易日的日内快照数据，整体计算周频量价背离因子
策略构建：将周频量价背离因子与传统因子结合构建增强策略

参数

快照收益率: R_i每笔成交量: VPM_i

数据输入

: (3秒快照)

组合方式

日频取CorrPM、CorrPV、CorrPVPM和CorrRV因子，进行分位数变换标准化后等权合成得到CorrFactor，再进行行业市值中性化得到CorrFactorAdjCI。周频同样采用整体法合成。策略端将量价背离增强因子与传统因子结合。

绩效

4%以上

日频合成因子IC均值

41.19%

日频合成因子多空年化收益率

3.80

日频合成因子夏普比率

49.83%

中性化后日频合成因子多空年化收益率

5.74

中性化后日频合成因子夏普比率

6.27%

周频合成因子IC均值

38.88%

周频合成因子多空年化收益率

4.08

周频合成因子夏普比率

11.90%

增强策略年化超额收益率

2.27

增强策略信息比率

基准: 中证1000指数

回测期: 2016年1月至2022年8月

基于高频快照数据构建量价背离因子并降频至周频，结合传统因子构建中证1000指数增强策略。周频中性化合成因子IC均值为6.27%，多空年化收益率38.88%；增强策略年化超额收益率11.90%，信息比率2.27。

收益归因

缺口: 报告未对策略的超额收益进行基于Barra等风险模型的归因分析，仅进行了行业市值中性化处理。

稳健性

子样本稳定性: 大部分因子在2020年前表现较好，2020年后因高频因子逐步拥挤收益有所下降；CorrRV和CorrRVPM因子持续性相对较好；周频因子在近几年依然持续有效，表现优于日频。

风格偏差: 量价因子在市值相对较小的股票上表现更好，在中证500和中证800成分股中同样具有显著的选股能力。

因子在小市值股票表现更佳，周频因子相比日频因子在近两年策略拥挤加剧的情况下依然保持了较好的持续性和稳健性。

数据依赖

所需数据: 3秒级别的Level-2快照数据（包含成交价、成交量、成交笔数等）

可复现性: hard

高度依赖3秒高频快照数据，数据量大且需要精确的微观结构处理。虽然因子逻辑仅为皮尔逊相关系数，但高频数据的存储、清洗和计算对基础设施要求极高，复现难度较大。

新颖性评估 [新数据]

利用3秒快照数据构建日内相关系数因子，并采用整体法将高频因子降频至周频，是高频数据在低频领域的有效应用创新，解决了高频因子衰减快、交易成本高的问题。

不足与缺陷

因子IC为负，但报告中周频合成因子IC均值表述为6.27%正值，可能存在符号处理不一致或表述不严谨的问题。
策略换手率极高（周度双边92.43%），对交易成本极度敏感，在千三费率下超额收益大幅压缩至6.73%。
缺乏基于Barra等风险模型的严格收益归因分析，仅进行了行业市值中性化处理。

可复用元素

使用3秒快照数据计算日内价格与量价相关系数的因子构造方法
分位数变换标准化后等权合成单因子的方法
采用整体法将高频日内因子降频至周频的思路，保留了局部信息并平滑了波动

启发

高频微观量价关系可以通过降频平滑应用于中低频策略，缓解高频因子拥挤问题
量价背离逻辑在不同周期下均有效，但需注意防范因子拥挤导致失效

改进方向

使用快照数据的买卖盘深度构建订单簿不平衡度与价格变化的相关系数因子，替换纯成交量的相关系数

基于: 报告中的量价因子主要依赖成交价和成交量，未利用挂单深度数据预期收益: 买卖盘挂单包含更多未成交的潜在供需信息，可能比已成交量更能反映市场分歧，有望提升因子IC和多头收益

复现计划

1. 准备2016-2022年中证1000成分股的3秒快照数据；2. 提取快照成交价、成交量、成交笔数，计算快照收益率和每笔成交量；3. 按日内计算6个Corr因子；4. 对日频因子分位数标准化后等权合成，并进行行业市值中性化；5. 采用整体法，使用过去一周的快照数据计算周频因子；6. 每周首个交易日以开盘价调仓，测试不同费率下的多空组合与增强策略表现。