【方正金工】30秒、15秒频数据对分钟频因子能否带来信息增量？——多因子选股系列研究之二十

方正曹春晓 2026-06-30 置信度: high

综合质量 4 /5

新颖性 4 /5

可复现性 4 /5

核心内容

报告探讨了将传统1分钟高频数据细化至30秒、15秒频率对因子表现的提升作用。通过保留原有因子计算逻辑，在更细时间切片上提取日内微观交易特征，并将不同频率计算的因子值进行简单等权合成。研究表明，由于30秒、15秒切片更能精确定位放量、缩量及买入卖出时刻，合成后的因子能有效消除单一频率的噪音并保留增量信息，从而显著提升Rank IC、ICIR及分组单调性。

经济逻辑

市场交易包含信息优势者与普通投资者。信息优势者的交易往往引发短时间内的成交量激增（大单），普通投资者容易产生跟随交易导致价格短期反应过度（待著而救逻辑）。同时，在放量下跌期间，部分投资者逆势买入，体现出强烈的看多意愿和对后市的乐观预期，这类股票后续反转及超额收益概率较高（激流勇进逻辑）。更细频率的数据能更敏锐地捕捉这些瞬时微观交易行为，减少由于时间切片过宽导致的信息平均化损失。

超额收益逻辑

通过更细颗粒度的数据（30s/15s），能够更精准地识别知情交易者入场的“优势时刻”以及随后的散户“跟随时刻”，更敏锐地捕捉“放量下跌”时的“逆势买入”行为特征。多频率等权合成平滑了单一频率可能产生的噪音和误判，综合了不同时间窗口微观结构的交易信息，从而在横截面上更好地区分反应过度（反转风险）和反应不足（超额收益）的股票，实现稳健的Alpha获取。

构造细节 [factor]

因子定义

1)【待著而救因子】: 对于单个频率(1m/30s/15s): Step1: 剔除9:45前数据。Step2: 选出当日成交量最大的10个时刻(海量时刻)。Step3: 按时间排序，若相邻两个海量时刻间隔<=5分钟，则剔除后者，得到'优势时刻'。Step4: 定义优势时刻后的5分钟为'跟随时刻'，计算跟随系数 = 跟随时刻成交量总和 / 优势时刻成交量。Step5: 日内所有跟随系数求均值得'日跟随系数'。Step6: 月底取过去20天'日跟随系数'的均值和标准差，等权合成得该频率下的'待著而救'因子。多频率合成: 将1m、30s、15s计算出的因子等权合成。 2)【激流勇进因子】: 对于单个频率: Step1: 剔除开盘收盘。Step2: 计算邻域成交量=当前切片成交量+前4个切片成交量。Step3: 当前邻域成交量>前一切片邻域成交量，记为'放量'，反之'缩量'。Step4: 根据过去5分钟OHLC计算收益率趋势，正为'上涨'，负为'下跌'。Step5: 划分为放量上涨、放量下跌、缩量上涨、缩量下跌。Step6: 对于'放量下跌'时刻，计算买入意愿强度 = (该时刻成交金额 / 全天放量下跌总成交金额) - (该时刻成交量 / 全天放量下跌总成交量)。Step7: 日内所有放量下跌时刻的买入意愿强度求均值得'日激流勇进'。Step8: 月底取过去20天'日激流勇进'的均值，得该频率下的'激流勇进'因子。多频率合成: 将1m、30s、15s计算出的因子等权合成。

处理流程

切片数据清洗(剔除早盘前15分钟和收盘数据)
按各因子定义计算日内因子值(待著而救/激流勇进)
计算过去20个交易日日内因子值的均值(及标准差)，低频化至月频因子
对1分钟、30秒、15秒频率计算的月频因子进行等权合成，得到多频率合成因子
多频率合成因子正交化后等权合成'综合量价'因子

参数

早盘剔除时间: 9:45前海量时刻数量: 10海量时刻去重间隔: 5分钟跟随时刻窗口: 5分钟邻域成交量窗口: 当前及前4个切片趋势计算窗口: 过去5分钟因子平滑周期: 20个交易日

数据输入

: (1分钟/30秒/15秒): (1分钟/30秒/15秒): (1分钟/30秒/15秒)

组合方式

单一频率因子在不同频率（1分钟、30秒、15秒）上分别计算，然后简单等权合成多频率因子；14个多频率合成因子正交化后等权合成为综合量价因子。

绩效

-9.36%

待著而救多频率合成Rank IC

-3.59

待著而救多频率合成年化Rank ICIR

31.24%

待著而救多频率合成多空年化收益率

8.97%

激流勇进多频率合成Rank IC

4.00

激流勇进多频率合成年化Rank ICIR

-12.27%

综合量价因子Rank IC

46.98%

综合量价因子多空年化收益率

4.11

综合量价因子信息比率

回测期: 2013年至2024年11月22日

多频率合成后的因子表现相较于单分钟频因子均有显著改善。其中'待著而救'因子Rank IC从-8.27%提升至-9.36%，多空年化收益率提升至31.24%；'激流勇进'因子Rank IC从6.35%提升至8.97%，年化Rank ICIR提升至4.00。14个因子正交化等权合成的综合量价因子Rank IC为-12.27%，多空组合年化收益率为46.98%。

收益归因

报告主要进行因子选股能力测试和信息增量对比，未涉及组合收益归因分析。

缺口: 未进行基于Barra或Brinson等模型的收益归因。

稳健性

子样本稳定性: 因子在2024年初及9月底的极端行情中虽遭遇回撤，但进入三季度后快速修复，周频调仓下表现显著优于月频调仓，显示出一定韧性。

风格偏差: 无明显大盘/小盘或价值/成长偏好，主要表现为量价微观结构特征。

多频率合成因子在长周期（2013-2024）内表现稳定，大部分因子在合成后Rank IC和ICIR均得到提升。但在市场风格剧变期（如2024年初）仍会失效，需要关注调仓频率对因子衰减的影响。

数据依赖

所需数据: A股全市场1分钟、30秒、15秒频率的日内OHLCV数据

可复现性: medium

计算逻辑明确，参数清晰，但30秒和15秒数据需要较高的数据存储和算力支持，普通用户获取和处理的成本较高。

新颖性评估 [新组合]

并非提出全新的单因子逻辑，而是将成熟的1分钟频因子直接映射到30秒和15秒频，采用多频率等权融合的方式降低噪音并提取更微观的交易信息增量，属于工程与数据处理层面的创新。

不足与缺陷

多频率合成方法较为简单（简单等权），未探讨不同频率的最佳权重分配或基于ICIR等的动态加权方式。
虽然提到使用周频调仓表现更好，但未考虑高频换手带来的交易成本（滑点、手续费）对净值的影响。
30秒和15秒数据量庞大，报告未讨论在实际生产环境中因子计算的耗时和算力消耗对实盘的限制。

可复用元素

大单成交（海量时刻）及其去重筛选的算法逻辑，能有效识别知情交易时刻。
利用成交金额比例与成交量比例的差值刻画买入意愿强度，巧妙反映了流动性溢价和投资者急迫性。
多频率等权合成提升因子表现的范式，具有很强的工程通用性。

启发

对于依赖特定状态（如放量、缩量）划分的因子，提高数据频率可能改变状态划分结果，从而提供增量信息。
将日频或低频因子逆向推导到Tick级别，利用微观结构变量重新构建指标，可能进一步提升因子表现。

改进方向

在“激流勇进”因子的放量状态识别中，结合Tick级的主被动单拆单数据（如大单主动买入占比）来直接刻画买入强度，而非使用金额与量比例的差值近似。

基于: 相似逻辑（寻找放量下跌时的逆势买入者），不同构造（利用更深度的盘口委托数据替代量价近似）。预期收益: 更直接精准地刻画主力资金意图，减少估算噪音，提升因子单调性和稳定性。

复现计划

1. 获取2013-2024全A股1m、30s、15s的OHLCV切片数据。2. 清洗并剔除早盘9:45前及收盘数据。3. 编写“待著而救”因子算法：寻找日Top10成交量时刻，按5分钟间隔过滤得优势时刻，计算后5分钟跟随系数，月度平滑并合成多频率因子。4. 编写“激流勇进”因子算法：计算邻域成交量判定放量缩量，过去5分钟收益率判定涨跌，针对放量下跌时刻计算金额比与量比差值，月度平滑并合成多频率因子。5. 截面去极值、标准化、正交化后分10组测试。