综合质量 4 /5
新颖性 4 /5
可复现性 4 /5
分类
技术面(量价)高频·微观结构 分钟 反转 A股 统计线性
ERR因子通过合成日内最极端收益率及其前1分钟收益率（排序相加），有效提取了微观层面的反转Alpha，多空信息比率高达3.01。
关键结论
ERR因子RankIC均值-7.08%，RankICIR-3.18，10分组多空对冲年化收益19.58%，信息比率3.01；行业风格中性化后信息比率1.88。
核心要点
- 以S=|x-median(x)|定义日内极端收益，提取最极端bar的收益率作为基础反转因子
- 极端收益前1分钟呈现反转特性，后呈现动量特性，动量效应可由ERR因子完全解释
- 采用排序相加方式合成最极端收益与前1分钟收益，解决量级差异问题
- ERR因子在中小盘表现更好，与流动性和波动率因子相关性较高
核心内容
报告从日内分钟数据出发探寻极端收益的Alpha信息。通过定义日内偏离中位数绝对值S最大的分钟bar为最极端收益，发现其具有强反转特性。进一步分析发现，最极端收益前呈现反转效应，后呈现动量效应，且后者可由前者解释。最终将最极端收益与其前1分钟收益在截面上排序相加，构建出极端收益率反转因子（ERR因子），相比传统反转因子在信息比率、胜率和回撤控制上均有显著提升。
经济逻辑
传统反转因子均等使用过去20日收益，但并非所有时段都存在市场情绪过度反应。聚焦于日内极端收益时刻能更精准地捕捉非理性超涨或超跌的均值回归机会。极端收益前的反转源于弱反转至强反转为情绪积聚过程；极端收益后的动量效应实为极端收益本身反转特性的相关性传导（Alpha传导链），并非独立的Alpha来源。
超额收益逻辑
传统反转因子的alpha源于市场对过度反应的修复。本因子通过微观切割，只提取日内情绪极端反应时刻的收益及其前续收益，剔除了无极端情绪时段的噪音，从而更纯粹地捕捉均值回归的Alpha。排序相加解决了不同时段收益率的量级差异，使得反转效应在截面上更具可比性。
构造细节 [factor]
因子定义
1. 每月底回看过去20个交易日；2. 对于每个交易日，计算所有分钟频bar的偏离度 S = |ret_minute - median(ret_minute)|；3. 找出S最大的那根bar，定义其收益率为R_extreme，其紧邻的前1根bar的收益率为R_prev1；4. 分别计算过去20天R_extreme的均值 AVG(R_extreme) 和 R_prev1的均值 AVG(R_prev1)；5. 在截面上对AVG(R_extreme)和AVG(R_prev1)分别进行排序（Rank），并将两个排序值相加得到ERR因子值。
处理流程
- 剔除ST、停牌、次新股
- 计算每日分钟收益率偏离中位数的绝对值S
- 提取每日S最大bar及其前1分钟bar的收益率
- 对过去20天提取的特征收益率分别求均值
- 对两个均值在截面上进行Rank排序并相加合成因子
- 对合成的因子进行市值行业中性化（或进一步Barra风格中性化）
参数
回看天数: 20极端收益衡量标准S: |x-median(x)|前t分钟参数: 1
数据输入
: (分钟)
组合方式
截面排序相加
绩效
-7.08%
RankIC均值
-3.18
RankICIR
19.58%
10分组多空对冲年化收益率
3.01
信息比率
81.90%
胜率
5.71%
最大回撤
基准: 全A股（剔除ST、停牌及次新股）市值行业中性化
回测期: 2014/01/01-2022/09/30
构建极端收益率反转因子（ERR因子），结合日内最极端收益与前1分钟收益，回测期内多空对冲年化收益19.58%，信息比率3.01。纯净ERR因子年化收益9.49%，信息比率1.88。
收益归因
报告未进行严格的收益归因分析，但测试了ERR因子与传统Barra风格因子的相关性，发现与流动性和波动率因子相关性较高，并进行了行业风格中性化处理以验证纯净因子表现。
缺口: 缺乏基于风险模型或因子分解的系统性收益归因分析。
稳健性
子样本稳定性: 在沪深300、中证500、中证1000中多空收益波动比分别为1.13、0.94、1.82，在中小盘股中表现更好，具有普适性。
风格偏差: 与流动性、波动性因子相关性较高。进行Barra风格及行业中性化后，纯因子多空年化收益9.49%，信息比率1.88，胜率68.57%，最大回撤4.84%，仍有稳定Alpha。
因子对前t分钟参数敏感性低，在不同市值样本空间均有效，且经过风格中性化后依然稳健，表现出较好的泛化能力和较低的拥挤度风险。
数据依赖
所需数据: A股分钟级别量价数据（计算分钟收益率）
可复现性: medium
依赖分钟级别数据，需精确计算每日中位数及寻找极值bar，数据处理有一定计算量，但因子逻辑清晰无黑盒，可复现性较好。
相关研究
传统反转因子（过去20日总收益率） — ERR因子是其微观结构的改进，通过聚焦极端收益显著提升了信息比率和胜率
理想反转因子、APM因子 — 同属开源金工微观切割视角的反转因子改进方案，理念一脉相承
新颖性评估 [新组合]
创新性地定义了日内极端收益的识别标准（偏离中位数最大），揭示了极端收益前后微观Alpha方向的反转与动量差异及其传导机制，并巧妙使用排序相加合成前1分钟收益构建ERR因子。
不足与缺陷
- 未考虑交易成本和冲击成本，日内极端收益往往伴随高波动和低流动性，实盘中冲击成本可能大幅侵蚀收益
- 因子定义中最极端收益及其前1分钟的数据可能存在异常值或数据缺失，未提及异常值的处理细节
- 虽然分析了与Barra因子的相关性，但缺乏对换手率的讨论，高频特征提取通常导致高换手
可复用元素
- 极端收益前后微观结构Alpha方向反转的传导链分析逻辑
- S=|x-median(x)|作为日内极端bar的衡量标准
- 处理不同量级因子时的截面排序相加法
启发
- 将微观切割视角应用于其他量价因子（如成交量异常），寻找异常量价前后的微观Alpha传导链
- 使用绝对偏离中位数的方法提取极端值，可以推广至逐笔数据或Tick数据以捕捉更微观的市场情绪
改进方向
将最极端收益替换为'最极端量价背离时刻'的收益，即寻找日内量价相关性偏离最大的bar，提取其前后收益构建因子
基于: 相似逻辑 + 不同构造：价格极端反转可能受流动性冲击影响，结合成交量极端点能更好过滤虚假突破 预期收益: 提升因子在实盘中的稳定性，降低被非理性微小波动污染的概率，可能改善换手率和冲击成本
复现计划
1. 获取全A股分钟数据(剔除ST/停牌/次新)；2. 每日计算分钟收益偏离中位数的绝对值S，提取最大值bar收益率R_extreme及前1分钟R_prev1；3. 滚动20天取均值；4. 截面Rank相加合成ERR因子；5. 市值行业中性化后进行10分组回测验证IR与收益。
实体
ERR因子 [concept]魏建榕 [person]开源证券 [person]
LOCAL SIMILARITY