【方正金工】波动率的波动率与投资者模糊性厌恶——多因子选股系列研究之五

方正方正金工 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

本报告基于分钟数据计算个股波动率的波动率作为模糊性指标。研究发现投资者厌恶模糊性，在模糊性较高的时段倾向于抛售。报告通过三个维度刻画这一行为：模糊性与成交金额的相关系数（模糊关联度）、起雾时段成交金额占比（模糊金额比）、以及两者差值经稳定性和标准化调整后的修正模糊价差。三个子因子等权合成得到云开雾散因子。

经济逻辑

行为金融学中的模糊性厌恶表明，投资者在面对不确定的波动率环境时会降低风险资产配置。当波动率的波动率（模糊性）突增时，投资者急切抛售导致量价产生微小割裂：成交数量激增的程度大于成交金额激增的程度（即抛售价格偏低）。这种流动性成本付出反映了投资者的恐慌性反应过度，由于基本面并未实质性恶化，未来大概率发生补涨。通过对负向价差按历史波动稳定性进行修正，可剔除因突发利空造成的永久性下跌标的，纯化反应过度逻辑。

超额收益逻辑

当模糊性增大时，投资者恐慌性抛售导致量价关系割裂（成交量激增大于成交金额激增），即抛售挂单价格偏低，付出了额外的流动性成本。这反映了短期的反应过度。由于此类股票并非全部基本面恶化，利用历史波动稳定性剔除突发利空股后，剩余股票表现出明显的补涨效应，带来超额收益。

构造细节 [factor]

因子定义

1.计算分钟收益率 r_t = ln(C_t / C_{t-1})。2.第t分钟波动率 sigma_t = std(r_{t-4}, r_{t-3}, r_{t-2}, r_{t-1}, r_t)。3.第t分钟模糊性 A_t = std(sigma_{t-4}, sigma_{t-3}, sigma_{t-2}, sigma_{t-1}, sigma_t)。4.日模糊关联度 C_amt = corr(A_t, Amount_t)。5.日模糊金额比 R_amt = mean(Amount_t | A_t > mean(A)) / mean(Amount_t)。6.日模糊数量比 R_vol = mean(Volume_t | A_t > mean(A)) / mean(Volume_t)。7.日模糊价差 D = R_amt - R_vol。8.修正逻辑：若 D_t < 0, D'_t = D_t / std_10(D_t)；若 D_t >= 0, D'_t = D_t。9.截面调整：s_1 = sum(D_t<0的D_t), s_2 = sum(D'_t<0的D'__t)，若 D'_t<0，D''_t = D'_t * (s_1/s_2)，否则 D''_t = D'_t。10.修正模糊价差因子 = mean_20(D''_t) 与 std_20(D_t) 等权合成。11.模糊关联度因子 = mean_20(C_amt) 与 std_20(C_amt) 等权合成。12.模糊金额比因子 = mean_20(R_amt) 与 std_20(R_amt) 等权合成。13.云开雾散因子 = 模糊关联度因子 + 模糊金额比因子 + 修正模糊价差因子等权合成。所有因子在截面上进行市值与行业正交化。

处理流程

步骤1: 获取分钟频收盘价、成交量、成交金额，剔除首尾分钟。
步骤2: 计算5分钟滚动窗口的分钟收益率标准差作为分钟波动率。
步骤3: 计算5分钟滚动窗口的分钟波动率标准差作为分钟模糊性。
步骤4: 每日计算模糊性与成交金额的皮尔逊相关系数，得日模糊关联度。
步骤5: 确定起雾时刻（模糊性大于日内均值），计算起雾时刻成交金额均值与全天均值的比值，得日模糊金额比。
步骤6: 同上，计算日模糊数量比。
步骤7: 计算日模糊金额比与日模糊数量比之差，得日模糊价差。
步骤8: 对日模糊价差为负的样本，除以过去10天的日模糊价差标准差，并在截面上按负值总和比例进行还原调整，得修正日模糊价差。
步骤9: 将修正日模糊价差、日模糊金额比、日模糊关联度分别取过去20天均值与标准差等权合成为各子因子。
步骤10: 将三个子因子等权合成为云开雾散因子，进行市值行业中性化处理。

参数

日内收益率窗口: 5分钟日内波动率窗口: 5分钟月度窗口: 20个交易日修正标准差窗口: 10个交易日

数据输入

: (分钟): (分钟): (分钟)

组合方式

子因子等权合成；日频特征合成月频因子时，均值与标准差等权合成

绩效

-9.81%

Rank IC

-4.48

Rank ICIR

30.89%

多空组合年化收益率

3.29

信息比率

82.46%

月度胜率

-3.95%

纯净因子Rank IC

-3.22

纯净因子Rank ICIR

13.38%

纯净因子多空年化收益率

2.17

纯净因子信息比率

5.75%

沪深300多头年化超额

6.39%

中证500多头年化超额

10.59%

中证1000多头年化超额

基准: 全A（市值行业正交化）

回测期: 2013年1月至2022年7月

云开雾散因子由模糊关联度、模糊金额比、修正模糊价差三个子因子等权合成，月频Rank IC达-9.81%，ICIR-4.48，多空年化30.89%，信息比3.29，月度胜率82.46%。剥离常用风格因子后仍保持Rank IC -3.95%、ICIR -3.22的增量选股能力。在沪深300/中证500/中证1000中多头超额分别为5.75%/6.39%/10.59%，中小盘表现更突出。

收益归因 ✓ 已完成

报告使用Barra类常用风格因子及行业因子对云开雾散因子进行正交化处理，得到纯净因子后仍保持显著选股能力（Rank IC -3.95%, ICIR -3.22）。相关性分析显示该因子与流动性、波动率、估值、盈利因子相关性较高，与其余因子相关性较低。

方法: 回归正交化（使用常用风格因子及行业因子对目标因子回归取残差）

缺口: 未对因子进行纯因子收益的时间序列归因分析，未分解因子收益来源（如行业贡献、风格暴露贡献等），未提供换手率、容量及交易成本敏感性的详细测算。

稳健性

子样本稳定性: 因子在沪深300、中证500、中证1000成分股内均表现不俗，多头组合年化超额收益分别为5.75%、6.39%、10.59%，中小盘表现更突出。各年份均表现显著且分组单调性较好。

风格偏差: 与流动性、波动率、估值和盈利因子相关性较高，与其余因子相关性较低。在剔除常用风格因子后仍保持Rank IC -3.95%、ICIR -3.22的纯净选股能力。

因子在不同市值样本空间和不同年份均展现出良好的稳定性和单调性，且对常见风险因子有较强的免疫力，提供显著的增量信息。

数据依赖

所需数据: 全市场A股分钟级行情数据（分钟收盘价、分钟成交金额、分钟成交量）

可复现性: medium

依赖高质量分钟级数据，数据处理涉及多步滚动标准差计算与截面调整，计算量中等偏高。因子公式清晰明确，具备可复现性，但分钟数据的质量和清洗细节对结果有一定影响。

新颖性评估 [新组合]

基于已有模糊性概念，创新性地挖掘成交量比与金额比的微小差异来刻画投资者急切抛售的流动性成本，并使用波动率稳定性来修正区分反应过度与基本面恶化。属于较为巧妙的高频微观结构因子新组合。

不足与缺陷

计算逻辑复杂，特别是修正模糊价差因子中的除以10日标准差及截面总和还原调整，存在过拟合风险。
依赖分钟级数据，未讨论高频数据的幸存者偏差、停牌处理及异常值清洗细节。
未提供因子换手率、交易成本敏感性及组合容量测算，对于高抛低吸的补涨逻辑，换手可能偏高，实际扣费后收益存疑。
对于起雾时刻的定义仅以模糊性大于日均值为界，阈值选择缺乏敏感性分析和理论支撑。

可复用元素

使用波动率的波动率（5分钟滚动标准差的5分钟滚动标准差）刻画日内模糊性。
利用成交金额比与成交量比之差直接剥离纯价格变动影响，刻画流动性成本和挂单折让。
通过10日标准差调整负向价差，区分持续性反应过度与突发利空，提升多头质量。

启发

微观结构中量价背离可用于刻画投资者情绪和流动性冲击成本。
利用历史波动稳定性作为基本面恶化与短期情绪波动的过滤器，是一个高效的因子提纯手段。

改进方向

使用起雾时刻的分钟VWAP与全天VWAP的偏离度，或起雾时段的买卖价差（High-Low相对于成交价的比率）直接替换原有的'成交量比-金额比'间接刻画法，更直观反映流动性折价。

基于: 相似逻辑（刻画起雾时流动性成本付出）+ 不同构造（直接使用价格类微观结构指标）预期收益: 减少多步截面调整带来的信息损耗和过拟合风险，提升因子直接性和鲁棒性。

复现计划

1. 准备A股全市场分钟级数据（剔除开盘收盘首尾）。2. 滚动计算5分钟收益率标准差及二次标准差得模糊性。3. 计算日模糊关联度、日模糊金额比、日模糊数量比。4. 求差得日模糊价差，按10日标准差和截面比例进行修正。5. 分别按20日窗口求均值、标准差并等权合成子因子。6. 等权合成云开雾散因子，进行市值与行业中性化。7. 按月调仓分5组测试Rank IC及多空收益。