【国盛金工量价选股】高/低位放量：从事件驱动到选股因子

国盛沈芷琦刘富兵 2026-05-23 置信度: high

综合质量 5 /5

新颖性 4 /5

可复现性 5 /5

核心内容

报告首先验证了高/低位放量事件的有效性，发现将放量指标从换手率替换为日内波动率（1分钟收益率序列的标准差）后，低位放量的正向超额和高位放量的负向超额均更加显著。随后，报告将事件驱动逻辑拓展至横截面选股，通过在日频和分钟频维度上，对价格和波动率进行交叉排序分组，计算局部占比，构建了“高位波动占比”、“高波价格占比”等因子。最终选择“日频_高位波动占比”与“日频_高波价格占比”等权合成综合因子。

经济逻辑

高位放量往往预示主力资金在高位派发筹码，引发后续下跌；低位放量表明主力资金在低位吸筹，预示后续上涨。通过计算高价格对应的高波动占比（或高波动对应的高价格占比），能够量化这种“出货”形态的强度，占比越高说明主力在高位出货越猛烈，未来下跌概率越大，因此因子值为负向预期。

超额收益逻辑

因子截面上区分了资金在不同价格阶段的博弈行为。高价格伴随高波动的股票，反映了高位筹码松动和主力出货，未来存在负向超额；反之则表明资金在低位介入，未来存在正向超额。这种微观结构的量价背离现象在横截面上具有持续性，提供了稳定的Alpha收益。

构造细节 [factor]

因子定义

1. 日频_高位波动占比因子：取过去20个交易日的日收盘价与日波动率。按日收盘价从低到高排序等分为5组，取第5组（最高价组）的日波动率平均值，除以20日总的日波动率平均值。 2. 日频_高波价格占比因子：取过去20个交易日的日收盘价与日波动率。按日波动率从低到高排序等分为5组，取第5组（最高波动率组）的日收盘价平均值，除以20日总的日收盘价平均值。

处理流程

数据过滤：剔除ST股、停牌股、上市未满60个交易日的次新股。
计算日波动率：使用当日1分钟收益率序列的标准差。
因子计算：每月月底，基于过去20个交易日数据，分别按价格排序和按波动率排序，计算“高位波动占比”和“高波价格占比”。
因子标准化：对计算得到的原始因子值进行横截面去极值、标准化处理。
因子中性化：对标准化后的因子进行横截面市值中性化处理（回归取残差）。
因子合成：将处理后的“日频_高位波动占比”与“日频_高波价格占比”等权相加，得到综合因子。

参数

回看窗口N: 20分组数: 5事件回看窗口: 120日波动率定义: 1分钟收益率序列的标准差

数据输入

: (日频): (分钟): (日频): (日频)

组合方式

选取“日频_高位波动占比”与“日频_高波价格占比”等权合成高/低位放量综合因子。

绩效

-0.066

月度IC均值

-3.00

年化ICIR

-0.091

月度RankIC均值

-4.13

年化RankICIR

24.68%

5分组多空对冲年化收益

8.52%

年化波动

2.90

信息比率

78.38%

月度胜率

7.70%

最大回撤

-2.06

纯净综合因子年化ICIR

基准: 全体A股（剔除ST、停牌、次新股）

回测期: 2014/01/01-2023/10/31

综合因子（日频高位波动占比与日频高波价格占比等权合成）在全体A股中表现出色，月度IC均值为-0.066，年化ICIR为-3.00，5分组多空对冲年化收益达24.68%，信息比率为2.90，最大回撤仅7.70%。剔除常用风格和行业影响后，纯净因子年化ICIR仍达-2.06。

收益归因 ✓ 已完成

在剔除了市场常用风格和行业的影响后，纯净综合因子的年化ICIR达到-2.06，仍然具备有效的选股能力。

方法: 横截面市值中性化、风格与行业中性化

缺口: 仅进行了简单的风险中性化处理以检验纯净因子收益，未进行详细的Brinson或Barra风险归因分解。

稳健性

子样本稳定性: 在2014至2023近10年的回测期内表现稳定，月度胜率达78.38%，最大回撤控制在7.70%。

风格偏差: 因子经过了横截面市值中性化处理；且在剔除市场常用风格和行业影响后，纯净综合因子的年化ICIR仍达-2.06，说明其收益并非来自传统风格暴露。

因子在长周期内表现稳健，且不受市值等常见风格因子的干扰，具有较强的独立选股能力。

数据依赖

所需数据: 日频收盘价、日内1分钟高频收盘价数据（用于计算日波动率）、流通市值数据、ST及停牌标记。

可复现性: medium

因子构造逻辑清晰且参数简单，复现难度主要在于需要获取和处理全A股日内1分钟高频数据以计算日波动率。

新颖性评估 [新组合]

报告创新性地将传统的技术分析形态转化为横截面排序因子，通过“按价格排序求波动占比”与“按波动排序求价格占比”的交叉分组方法，巧妙地捕捉了主力资金高位出货与低位吸筹的微观特征，逻辑新颖且具实操性。

不足与缺陷

日波动率的计算依赖1分钟高频数据，对数据质量和算力有一定要求，且可能存在幸存者偏差或未来函数风险（若处理不当）。
报告中未提及交易成本（滑点、手续费），对于基于日频量价的高换手因子，实际扣费后收益可能大幅缩水。
分组逻辑为固定数量等分（20日分5组，每组4天），对于价格或波动率分布极不均匀的样本，可能无法准确刻画极端情况。

可复用元素

将形态识别转化为二维分布占比的因子化思路（按A排序求B占比）
用日内波动率放大替代换手率放大来定义“放量”
按价格排序求波动占比与按波动排序求价格占比的双重验证逻辑

启发

可以将该“二维分布占比”的逻辑推广至其他量价指标对，如按价格排序求成交额占比、按成交量排序求收益率占比等，以挖掘更多微观结构Alpha。
除了等分5组，可以尝试使用分位数阈值（如前10%和后10%）来更极端地刻画主力资金的进出行为。

改进方向

构建“主力资金流净额占比”因子

基于: 相似逻辑（高低位放量） + 不同构造（将波动率替换为大单资金流向）预期收益: 波动率放大只是价格变化的表象，直接使用大单资金流向（如特大单净额）在高低价格区间的占比，能更精准、直接地刻画主力资金“高位出货、低位吸筹”的真实意图，预期可进一步提升因子的ICIR和单调性。

复现计划

1. 数据准备：获取全A股日频收盘价、1分钟收盘价、流通市值、交易状态。2. 数据清洗：剔除ST、停牌、次新股。3. 日波动率计算：计算每日1分钟收益率序列的标准差。4. 日频_高位波动占比：每月底取过去20日数据，按收盘价排序分5组，取最高价组的波动率均值/20日波动率均值。5. 日频_高波价格占比：每月底取过去20日数据，按波动率排序分5组，取最高波动组的收盘价均值/20日收盘价均值。6. 因子处理：对上述两因子进行去极值、标准化、市值中性化。7. 合成与回测：等权合成两因子，进行月度5分组IC分析和多空对冲回测。

实体

高/低位放量 [concept]事件驱动 [method]日频_高位波动占比 [factor]日频_高波价格占比 [factor]日频_低位波动占比 [factor]分钟_高位波动占比 [factor]分钟_低位波动占比 [factor]波动率放大 [concept]横截面市值中性化 [method]

查看原文 → 模型: glm-5-2-260617 分析时间: 2026-07-13

LOCAL SIMILARITY