【国盛金工量价选股】“高频数据+离散化构建方式”在因子研究中的重要性

国盛沈芷琦阮俊烨 2026-05-23 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

报告通过对比不同数据源（日频、分钟、逐笔）与不同构建方式（连续性、离散化）组合生成的量价相关性因子簇，发现在因子簇合成回测中连续性因子表现较好，但在实际组合优化中存在增量瓶颈。而采用离散化方式（如基于放量时间点）结合高频逐笔数据构建的因子，因避开了机器学习的内卷且包含更真实的微观交易行为，能在组合层面提供显著的低相关增量收益。

经济逻辑

随着机器学习模型普及，连续性因子和分钟级离散化因子容易被批量挖掘，导致因子拥挤度上升、有效性衰减，且与低频因子同质化严重。逐笔数据由于数据量庞大且不规整，难以直接输入常规机器学习模型，因此通过离散化提取特定事件驱动（如放量）时间点附近的微观交易行为特征，能够获取未被市场充分定价的低相关增量信息。

超额收益逻辑

基于高频逐笔数据的离散化因子捕捉了特定事件（如放量）触发的微观交易行为特征，这些特征在低频数据和常规机器学习连续挖掘中难以被覆盖，因子拥挤度低，从而在组合层面提供真实的、与现有模型低相关的增量超额收益。

构造细节 [factor]

因子定义

1. 指标设计：(1)日频：56种指标（包含量价及大小单）；(2)分钟：1分钟资金流指标；(3)逐笔：量、价格、方向等9种原始指标。 2. 相关性计算：(1)连续性：计算全天或日内连续时间段内，指标两两之间或单一指标的自相关系数/与收益率的相关系数，根据是否计算变化率、是否错位产生多组因子；(2)离散化：在过去一段时间内，基于某些特征（如放量时间点）抽取几个离散时间点，只用这些时间点相关的原始逐笔数据计算量价相关性。 3. 因子簇合成：综合考虑IC、ICIR、多头超额等指标筛选有效且低相关因子，横截面标准化后等权合成。

处理流程

设计量价指标(日频56种/分钟资金流/逐笔9种)
连续性提取：计算全天或日内连续时间段的相关系数；离散化提取：基于特征（如放量）定位离散时间点，截取附近数据计算相关性
批量生成因子(日频18760个/逐笔连续477个等)
因子筛选：综合考虑因子的IC、ICIR、10分组多头超额收益及因子相关性，挑选效果较优且相关性较低的因子
横截面标准化后等权合成得到综合因子
构建带有行业及权重约束的沪深300指数增强组合

参数

指数成分股权重下限: 85%中信一级行业权重偏离上限: 1%个股权重偏离上限: 0.5%

数据输入

: (日频): (分钟): (逐笔)

组合方式

因子簇内因子各自横截面标准化后等权合成；不同因子簇合成时先各自横截面标准化再等权合成

绩效

8.15%

沪深300指增超额年化收益(连续+逐笔离散)

2.14

沪深300指增信息比率(连续+逐笔离散)

75.68%

沪深300指增月度胜率(连续+逐笔离散)

0.073

逐笔离散因子月度IC均值

2.87

逐笔离散因子年化ICIR

38.30%

逐笔离散因子多空年化收益

3.22

逐笔离散因子多空信息比率

基准: 沪深300

回测期: 2016/01/01-2025/04/30

报告论证了高频（逐笔）数据结合离散化构建方式在量价因子研究中的重要性。逐笔离散因子在因子分组回测及沪深300指数增强组合中均表现优异，相较于连续性因子能提供显著的组合层面增量收益。

收益归因

稳健性

子样本稳定性: 2022年开始为样本外，因子依然有效

风格偏差: 剔除常用风格与行业的影响后，逐笔离散因子年化ICIR仍达2.84，依然有效

因子在样本外期间及剔除常见风格行业暴露后表现稳健，具备较强的抗干扰能力。

数据依赖

所需数据: 日频行情及大小单数据、分钟行情数据、Level-2逐笔成交/委托/撤单原始数据

可复现性: hard

需要海量Level-2逐笔数据支持，且提取离散时间点（如放量点）逻辑较为复杂，数据处理量和计算成本极高，复现难度较大。

新颖性评估 [新组合]

将高频（逐笔）数据与离散化因子构建方式相结合，指出该组合是未来量价因子增量的核心方向，区别于常规的连续性高频因子或易被过度挖掘的分钟离散化因子。

不足与缺陷

未详细展开逐笔离散因子提取‘放量时间点’的具体数学定义和代码实现逻辑，黑盒成分较高
因子簇生成动辄上万，多重检验与筛选过程易引入过拟合风险
高频逐笔数据的处理和回测成本极高，普通研究者难以独立复现验证
未讨论交易成本（滑点、冲击成本）对高频特征在月度指增组合中的损耗影响

可复用元素

日频、分钟、逐笔量价相关性因子的分类与构建框架
连续性与离散化构建方式的对比评估方法，强调组合层面验证的重要性
通过带约束的优化组合（85%成分股、1%行业偏离、0.5%个股权重偏离）验证因子实际增量价值的回测体系

启发

因子有效性的检验不能仅停留在因子IC和多空净值层面，必须落实到带约束的优化组合中验证增量
离散化提取特定事件时间点数据构建因子的思路，可有效规避数据规整化带来的信息同质化
高频数据不降频直接构建离散特征，是避开机器学习内卷的有效途径

改进方向

构建基于‘大单净买入量突变点’的离散化量价因子

基于: 文中提到的基于‘放量时间点’的离散化构建逻辑预期收益: 相比一般放量点，大单突变更能反映主力资金的主动交易意图，可能进一步提升因子的信息比率及行业中性化后的纯度

复现计划

1. 获取A股日频及Level-2逐笔数据；2. 复现日频连续、分钟连续和逐笔连续因子，完成基础合成与回测；3. 定义‘放量时间点’（如过去N分钟内成交量超过历史均值的M倍），截取该时间点前后K秒的逐笔量价数据；4. 计算该窗口内的量价相关性等特征构建逐笔离散因子；5. 按照文中标准筛选有效低相关因子合成综合因子；6. 使用二次规划器构建带约束的沪深300指增组合并对比超额收益。