资金流潮汐与“引力场”因子构建 | 民生金工

国联民生叶尔乐 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

报告通过分析逐笔成交数据合成的分钟频主买与主卖成交量，发现二者能更好地反映市场供需关系。据此构建“主买成交特异性”因子（刻画特异且持续的买盘流入）和“虹吸效应”因子（刻画资金被虹吸后的回流残差）。两者方向相反，相关性-33.2%，等权合成得到“引力场”因子。

经济逻辑

大资金的流动会产生“引力场”：特异性的主买资金流入代表知情交易者掌握关键信息，吸引跟风资金推高股价；市场热点炒作导致资金被虹吸出非热点股票，待炒作结束后资金回流引发股价反弹。一买一卖形成资金流潮汐，通过刻画这两种极端供需力量变化预测未来收益。

超额收益逻辑

主买特异性资金代表知情交易者特异且持续的需求，引发资金跟风产生“引力势阱”推高股价；虹吸效应捕捉资金因市场热点被抽离后，在日内尾盘或后续发生回流残差导致的反转反弹。两者分别对应需求扩张和供给收缩的资金潮汐，合成后实现双向收益预测。

构造细节 [factor]

因子定义

1. **主买成交特异性**：a. 计算个股t分钟主买成交量占全市场比例；b. 找出大于该股当日占比序列80%分位数的“主买时刻”；c. 修正主买时刻：剔除前后分钟比当前大的时刻（非局部极值）；d. 剔除开盘前15分钟和收盘前15分钟，统计剩余210分钟内“修正主买时刻”次数；e. 月底截面标准化，计算过去20日均值。 2. **虹吸效应**：a. 成交量放大倍数AM = t分钟成交量 / t-1分钟成交量；b. 修正RAM：若个股当期收益率 < 市场TA加权平均收益率，则RAM=0；否则RAM=AM；c. 市场炒作热度：TA加权的个股每分钟RAM之和；d. 热度时间：剔除下午第1分钟和收盘前3分钟，选市场炒作热度最大的23分钟；e. 虹吸效应：计算这23分钟内“个股每分钟主卖成交额占比”与“市场每分钟主卖成交额占比”的相关系数；f. 虹吸回流综合效应：将收盘前最后5分钟视为1根K线，计算“热度时间23分钟+回流1分钟”共24根K线中两占比序列的相关系数；g. 净虹吸效应：将“虹吸回流综合效应”对“虹吸效应”进行带常数项回归取残差；h. 取过去20天净虹吸效应的均值。因子方向为反向。 3. **引力场**：主买成交特异性（正向） + 虹吸效应（反向），等权合成。

处理流程

获取分钟频量价及逐笔主买卖成交数据
计算主买成交占比序列，过滤局部极值并剔除头尾15分钟后统计频次
截面标准化后取过去20日均值得“主买成交特异性”因子
计算个股成交量放大倍数，并经收益率和市场均值过滤得修正RAM
提取全市场TOP23炒作热度分钟及收盘前5分钟的回流时刻
计算个股与市场主卖成交额占比在热度时间的Pearson相关系数(虹吸效应)，以及加入回流时刻后的相关系数(虹吸回流综合效应)
将后者对前者做带常数项线性回归取残差得净虹吸效应，取过去20日均值得“虹吸效应”因子
两因子等权合成为“引力场”因子
进行市值行业中性化处理

参数

主买时刻分位数阈值: 80%剔除时间段: 前15min, 后15min低频化窗口: 20日热度时间长度: 23min回流时刻: 收盘前5min

数据输入

: (分钟): (分钟): (分钟)

组合方式

“主买成交特异性”与“虹吸效应”因子等权合成

绩效

42.55%

引力场因子月频多空年化收益

3.64

引力场因子月频多空年化夏普

10.71%

引力场因子月频多头年化超额

66.28%

引力场因子周频多空年化收益

14.21%

引力场因子周频多头年化超额

7.68%

纯净引力场因子多头年化超额

43.00%

主买成交特异性因子月频多空年化收益

29.45%

虹吸效应因子月频多空年化收益

基准: 全市场等权

回测期: 2012年12月31日至2024年12月31日

引力场因子由主买成交特异性与虹吸效应等权合成，月频多空年化夏普3.64，多头超额年化夏普2.42，分年度多头超额均为正。周频表现更优，多空年化夏普达4.73。在各宽基指数中均有效且随市值下沉收益提升。

收益归因 ✓ 已完成

因子偏向低波动和低流动性，与波动率、流动性因子呈显著负相关，与价值因子正相关。纯净后多头年化超额收益降至7.68%。

方法: 与波动率、流动性、价值等常用风格因子计算截面相关系数，并进行回归取残差得到纯净因子

缺口: 低波动特性导致因子在2024年9-10月等特殊行情下超额收益产生回撤。

稳健性

子样本稳定性: 在沪深300、中证500、中证1000、国证2000各样本空间中均有效，Rank IC随市值下沉稳步提升（7.43%至11.90%），多空收益从24.92%提升至39.13%。

风格偏差: 偏向低波动、低流动性、低估值股票。与波动率、流动性因子负相关（约-47%、-48%），与价值因子正相关（22.6%）。

因子表现稳健，但在2024年9-10月特殊行情下由于低波风格暴露导致回撤。纯净因子多头年化超额降至7.68%，表明部分收益源于传统价量风格暴露。

数据依赖

所需数据: 分钟频量价数据、逐笔成交数据（合成主买卖成交量）

可复现性: medium

依赖分钟频主买卖成交数据，需精确清洗合成分笔数据，逻辑较复杂但规则明确，可复现度中等。

新颖性评估 [新组合]

创新点在于将主买特异性和主卖虹吸效应通过“引力场”概念组合，并用威科夫原则修正量比，提取“热度时间”与“回流时刻”的回归残差作为反转代理变量，逻辑构思较新颖。

不足与缺陷

计算逻辑包含多个硬编码阈值（如80%分位、15分钟剔除、23分钟热度、5分钟回流等），存在过拟合风险。
低波动和低流动性风格暴露严重，在2024年9-10月等风格突变行情下回撤明显。
纯净因子收益衰减显著（多头超额从10.71%降至7.68%），说明实际Alpha有一部分来自传统价量风格。
未提及交易成本，周频换手率高达36倍，扣费后实际多头超额收益可能大幅衰减。

可复用元素

利用威科夫交易法原则对成交量放大倍数进行修正，剔除“有量无价”的无效放量。
提取日内局部极值过滤连续脉冲，保留持续且特异的资金行为特征。
计算个股资金流占比与市场占比在不同时间段（热点 vs 尾盘回流）的相关系数，并通过回归残差剥离纯粹虹吸部分。

启发

资金流向在截面上损益相济，可以将个股的资金流占比视为概率分布，并计算其与市场分布在特定时间段的交叉熵或相关系数。
通过回归残差剥离常规资金行为与异常资金行为的设计，可以推广到其他高频特征的提纯上。

改进方向

基于相似逻辑（主买特异与主卖虹吸），使用图神经网络(GNN)刻画资金在股票间的动态虹吸与回流图谱

基于: 当前因子通过固定阈值和分位数离散提取特征，忽略了股票间资金流的动态网络溢出效应预期收益: 利用GNN捕捉非热点股资金被抽离及回流的复杂非线性传导路径，减少人为参数设定，提升对复杂资金潮汐的泛化预测能力。

复现计划

1. 获取A股逐笔成交数据合成分钟频主买主卖量及量价数据；2. 按公式实现主买占比、局部极值过滤、头尾剔除并统计20日均值；3. 计算修正成交量放大倍数RAM，筛选全市场TOP23炒作分钟及收盘前5分钟；4. 计算主卖额占比与市场占比在热度时间及回流时间的Pearson相关系数，取回归残差得净虹吸因子；5. 将主买特异性与净虹吸（反向）等权合成，做市值行业中性化，在十分组中验证多空收益及IC。