【方正金工】股票日内多空博弈激烈程度度量与“多空博弈”因子构建——多因子选股系列研究之十四

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

本文从日内分钟频交易数据出发，通过日内量价特征的排序累加差值来刻画多空双方投资者的博弈激烈程度，据此构建“多空博弈”因子。因子核心步骤是将日内成交量或振幅按照收益率方向或相对位置排序，计算正序和与倒序和的差异，并进行均值距离化处理与20日滚动平滑，最终合成选股因子。

经济逻辑

行为金融学视角下，当多空分歧极大、博弈过于激烈时，股票易出现短期过度反应，未来大概率发生反转；反之，若多空分歧极低、博弈极度萎靡，则说明股票已处于合理价格区间，缺乏预期差，难以获取超额收益。因此，博弈激烈程度的极值（无论极高或极低）均预示未来收益不佳，呈现出类U型的负向预测关系，通过“均值距离化”取绝对值可有效捕捉该特征。

超额收益逻辑

因子值越大（偏离均值越远），代表多空博弈越激烈或越萎靡，预示着短期的过度反应或缺乏预期差，未来收益更可能走弱，从而呈现显著的负向预测能力（Rank IC为-9.73%）。通过剔除流动性、波动率等常见风格，纯因子仍保持负向选股能力，证实了博弈极端性蕴含独立的反转超额收益。

构造细节 [factor]

因子定义

1. 日频成交量博弈-收益率因子: 对每日剩余分钟成交量，按过去5分钟收益率从小到大排序并累加得正序和，从大到小排序累加得倒序和，两者差值累加得日频因子。2. 日频成交量博弈-日内相对位置因子: 计算日内相对位置=(相对最低位涨幅+相对最高位跌幅)/2，按相对位置从小到大对成交量排序得正序和，反之得倒序和，两者差值累加得日频因子。3. 日频振幅博弈因子: 振幅=(最高价-最低价)/收盘价，按过去5分钟收益率从小到大对振幅排序得正序和，反之得倒序和，两者差值累加得日频因子。4. 均值距离化: 对日频因子进行截面标准化后减去均值并取绝对值。

处理流程

1. 数据清洗: 剔除每日开盘前5分钟及收盘前3分钟数据，计算1分钟过去5分钟收益率、日内相对位置与1分钟振幅。
2. 日频因子计算: 分别针对量/振幅与收益率/相对位置，计算正序和与倒序和的差值，得到三个日频基础因子。
3. 均值距离化: 每个交易日，对日频基础因子进行截面标准化处理，减去截面均值并取绝对值，得到日频调整因子。
4. 月频平滑: 计算日频调整因子过去20天的移动平均值(月均)与标准差(月稳)。
5. 细分合成: 将月均与月稳等权合成，得到“成交量博弈-收益率”、“成交量博弈-日内相对位置”与“振幅博弈”三个细分因子。
6. 最终合成: “成交量博弈-收益率”与“成交量博弈-日内相对位置”等权合成“成交量博弈”，再与“振幅博弈”等权合成“多空博弈”因子。

参数

剔除首尾分钟数: 5, 3收益率窗口: 5滚动平滑窗口: 20

数据输入

: (1分钟)

组合方式

细分因子均先等权合成均值因子与稳定因子，随后“成交量博弈-收益率”与“成交量博弈-日内相对位置”等权合成“成交量博弈”因子，最后与“振幅博弈”因子等权合成“多空博弈”因子。

绩效

-9.73%

Rank IC

-5.51

Rank ICIR

40.12%

多空组合年化收益率

4.51

信息比率

-5.19%

纯净Rank IC

23.61%

纯净多空组合年化收益率

基准: 沪深300、中证500、中证1000、中证2000

回测期: 2013年1月至2023年10月底

基于分钟频交易数据构建“多空博弈”因子，月频下Rank IC为-9.73%，多空组合年化收益40.12%，信息比率4.51；剥离常用风格因子后仍然具有较强选股能力；在各宽基指数成分股内及指数增强中均表现优异。

收益归因 ✓ 已完成

与流动性、波动率因子相关性较高，与其他因子相关性较低。剔除常用风格因子影响后，Rank IC均值为-5.19%，Rank ICIR为-3.52，多空组合年化收益率23.61%，信息比率3.12，具有显著增量信息。

方法: 使用常用风格因子及行业因子进行正交化处理

缺口: 未对基本面因子进行更详细的归因或剥离测试。

稳健性

子样本稳定性: 在沪深300、中证500、中证1000指数成分股中均表现稳健，Rank IC分别为-5.08%、-6.57%、-8.64%；分年度看各年份均保持显著单调性；分行业看全部一级行业均有效；指增超额收益明显。

风格偏差: 与流动性、波动率因子相关性较高，与适度冒险、云开雾散因子相关性达67.41%和61.80%，与其他风格因子相关性较低。

因子在大中小盘及各行业中均表现出色，经过风格与行业正交化剥离后依然具有极强的选股能力，充分证明其增量信息稳健，并非单纯的高波动或高流动性溢价的代理变量。

数据依赖

所需数据: 分钟频OHLCV量价数据

可复现性: medium

依赖分钟级别数据，计算逻辑涉及日内特征排序、正序倒序累加及截面标准化，计算较复杂但规则明确，只要具备分钟频数据库即可复现。

新颖性评估 [新组合]

通过量能/振幅与价格方向的排序差值构建日内博弈激烈程度代理变量，并巧妙运用“均值距离化”捕捉“过度反应与缺乏预期差”两端的U型反转逻辑，在微观结构因子构造思路上具有较好的新颖性与实用性。

不足与缺陷

“均值距离化”直接取绝对值，未区分“博弈极高”与“博弈极低”在反转幅度与时点上的逻辑差异，可能损失部分方向性信息。
因子计算高度依赖分钟级数据的严格排序与累加，对异常停牌、一字板涨跌停等极端分钟数据的清洗机制交代不足。
未详细披露月频调仓的具体交易成本与滑点假设，高换手微观因子在实盘扣费后的收益可能有所衰减。

可复用元素

利用价格方向对量能/振幅进行排序并计算正倒序累加差值的微观构造算子，可广泛迁移至其他高频特征提取。
“均值距离化”（截面减均值取绝对值）处理U型收益分布的方法，可推广至情绪、换手率等呈现过度反应特征的因子优化。

启发

对于具有过度反应特征的因子，单纯的线性标准化可能不足，取绝对值距离或平方距离能更好地捕捉尾部风险。
量价协同排序算子可以用于挖掘更多类似微观多空力量博弈的代理指标，如结合换手率或单笔均量构造新的排序特征。

改进方向

基于主买卖单方向与订单流失衡(OFI)重构博弈因子

基于: 相似逻辑：依然利用价格方向对成交量进行加权与正倒序累加差值衡量博弈激烈程度；不同构造：将简单1分钟总成交量替换为利用Tick数据拆分出的主动买入量与主动卖出量，或使用订单流不平衡(OFI)指标替代原始量能。预期收益: 原始成交量无法区分多空双方的主动进攻意愿，替换为主动买卖单后能更精准刻画真实多空力量对抗，预期可显著提升因子的信噪比与纯净Rank IC。

复现计划

1. 获取全A股分钟频OHLCV数据；2. 剔除每日开盘前5分钟与收盘前3分钟数据；3. 计算1分钟过去5分钟收益率、日内相对位置与振幅；4. 对量价排序计算正序和与倒序和，作差累加得三个日频基础因子；5. 截面上将日频因子减均值取绝对值，滚动20天求均值与标准差并等权合成；6. 月末调仓，十分组测试并使用常用风格因子及行业因子回归取残差验证纯净IC。