聪明钱因子模型的2.0版本

开源魏建榕、高鹏 2026-07-08 置信度: high

综合质量 4 /5

新颖性 3 /5

可复现性 4 /5

核心内容

本报告对2016年提出的聪明钱因子模型进行系统性改进。核心改进有两方面：(1)将S指标公式S=|R|/(V^0.5)中的指数参数β从0.5优化至0.1，全市场多空IR从1.69提升至3.67；(2)将成交量V改为对数变换ln(V)构造新S指标S=|R|/ln(V)，IR达3.74。还测试了S1=V（纯成交量，IR=2.03）、S2=rank(V)+rank(|R|)（综合排名，IR=2.61）等替代构造。20%成交量累积占比截止值经实证合理。回测区间2013.04-2019.12，全A股剔除ST和上市60日内新股，月度调仓，费率千三。

经济逻辑

聪明钱（机构投资者）交易特征为单笔订单数量更大、订单报价更激进。在分钟数据中表现为高成交量和大幅价格变动。S指标=|R|/(V^β)度量价格变动相对于成交量变化的比率，S值大代表单位成交量带来更大价格变动，反映聪明资金激进交易。β从0.5降至0.1时，S指标对成交量惩罚力度减小，使得高成交量+高价格变动的分钟更易被选为聪明钱交易，更符合机构大单交易的量价特征。IC为负说明聪明钱越激进的股票短期过度反应后反转，因子值越大未来收益越低。

超额收益逻辑

聪明钱因子利用分钟级高频数据识别机构交易行为。机构投资者具有信息优势，其交易方向对未来收益有预测力。S值高的分钟代表单位成交量带来更大价格变动，反映聪明资金激进报价。通过筛选S值最高的前20%成交量分钟，提取聪明钱交易方向信号。IC为负说明聪明钱越激进交易的股票短期过度反应后反转回调，因子值越大未来收益越差。β从0.5降至0.1改进的逻辑在于：原始β=0.5过度惩罚高成交量分钟，使得真正大单交易（高V+高|R|）被低估；β=0.1更接近线性关系，保留了成交量信息，使大单交易更易被识别为聪明钱。

构造细节 [factor]

因子定义

对每只股票每个交易日：Step1: 计算所有分钟K线的S指标，S=|R|/(V^β)，最优β=0.1；或S=|R|/ln(V)。Step2: 将当日所有分钟按S值从大到小降序排列。Step3: 从S值最大的分钟开始累加成交量，直到累积成交量达到当日总成交量的20%，这些分钟被标记为聪明钱交易分钟。Step4: 计算聪明钱因子日度值 = Σ(聪明钱分钟R_i × V_i) / Σ(所有分钟V_i)，即聪明钱分钟的成交量加权涨跌幅占全部成交量的贡献比例。Step5: 月内日度因子值取均值作为月度因子值。因子值越小（IC为负），未来收益越好。

处理流程

1. 获取全A股分钟K线数据，剔除ST股和上市未满60日的新股
2. 计算每分钟涨跌幅R=（收盘价-开盘价）/开盘价，取绝对值|R|；取分钟成交量V
3. 计算每分钟的S指标：S=|R|/(V^0.1)（最优β=0.1版本）或S=|R|/ln(V)（对数变换版本）
4. 对每只股票每个交易日，将所有分钟按S值降序排列
5. 从S值最大分钟开始累加成交量，当累积成交量占当日总成交量达20%时停止，这些分钟为聪明钱交易分钟
6. 计算聪明钱交易分钟的成交量加权涨跌幅：factor_daily = Σ(R_smart_i × V_smart_i) / Σ(V_all_i)
7. 月内日度因子值取均值得到月度因子值
8. 对月度因子值进行行业和市值中性化处理（剔除主要风格因子暴露）
9. 全市场按因子值五分组，做多最低组（因子值小）做空最高组（因子值大）
10. 月度调仓回测，费率千三，计算多空IR和年化收益

参数

β: 0.1截止值: 0.2分组数: 5新股剔除天数: 60

数据输入

: (分钟): (分钟)

组合方式

单因子五分组多空，额外测试了剔除主要风格因子后的纯净因子

绩效

3.67

全市场多空信息比率(β=0.1)

3.74

全市场多空信息比率(S3对数变换)

1.69

原始模型多空信息比率(β=0.5)

26.3%

中证1000多空年化收益(β=0.1)

3.81

中证1000多空信息比率(β=0.1)

17.2%

中证500多空年化收益(β=0.1)

14.5%

沪深300多空年化收益(β=0.1)

0.1

最优β参数

基准: 全市场五分组多空对冲

回测期: 2013-04-30至2019-12-31

改进后的聪明钱因子将S指标中成交量指数β从原始0.5优化至0.1，或将成交量作对数变换，全市场多空信息比率从1.69提升至3.7左右，选股能力显著增强。因子在中小市值股票中表现更稳健，中证1000信息比率达3.81。

收益归因

报告未做系统的收益归因分析，但进行了风格因子中性化测试以排除聪明钱因子在其他因子上暴露的干扰，且在不同样本池(沪深300/中证500/中证1000)上分别测试了因子表现。

缺口: 缺少Barra风格因子归因、行业归因及换手率/流动性等风险暴露的系统性分解。

稳健性

子样本稳定性: 因子在不同样本空间均有效：沪深300(IR=1.65,年化14.5%,胜率74.7%)、中证500(IR=2.11,年化17.2%,胜率74.7%)、中证1000(IR=3.81,年化26.3%,胜率82.3%)。中小市值表现更稳健。对数变换版本：沪深300(IR=1.75)、中证500(IR=2.18)、中证1000(IR=3.65)。

风格偏差: 报告进行了风格因子中性化测试，剔除了主要风格因子后的聪明钱因子回测结论依旧稳健。但缺少Barra风格因子系统性归因分析。

多维度稳健性验证：(1)不同β值在0.1附近达到最优，β<0.5整体均优于β=0.5；(2)不同截止值15%-20%差异小；(3)不同样本空间均有效；(4)四个调仓时点排除路径依赖；(5)风格中性化后结论稳健。主要不足是回测仅到2019.12，缺少2020年后样本外验证。

数据依赖

所需数据: 全A股分钟K线数据（分钟成交量V、分钟开盘价/收盘价计算涨跌幅R），需剔除ST股和上市未满60日新股

可复现性: medium

数据需求为标准分钟K线，数据获取相对容易。S指标计算逻辑清晰，聪明钱筛选方法明确。主要难点在于：(1)报告未明确给出最终聪明钱因子值的计算公式（仅描述了S指标和筛选过程），因子值的具体聚合方式需参考2016原始研报；(2)分钟数据处理量和回测框架搭建有一定工程量。

新颖性评估 [新方法]

核心创新在于对S指标参数β的系统性优化和发现对数变换S=|R|/ln(V)优于幂律变换。属于对已有模型的参数和方法改进，非全新框架。创新点包括：(1)β参数扫描发现0.1为最优；(2)引入对数变换构造S3指标；(3)不同S指标构造方式(S1/S2/S3)的系统比较。整体属于增量式改进而非突破性创新。

不足与缺陷

报告未明确给出最终聪明钱因子值（从聪明钱分钟到因子值）的计算公式，仅描述了S指标和筛选过程，影响完全复现
缺少系统性Barra风格因子归因分析，难以判断超额收益是来自alpha还是风格暴露
β=0.1参数选择可能存在过拟合风险，β在0.1附近IR=3.67但缺少统计显著性检验
IC均值绝对值较小（-0.036至-0.050），单因子选股能力有限，多空IR高可能部分来自分组效应
对数变换S=|R|/ln(V)在V很小时S值趋于无穷大，缺少异常值处理和边界情况说明
回测仅到2019.12，缺少2020年后的样本外验证，而2017年后原始因子已明显衰减，改进版是否同样衰减未知
缺少换手率分析、容量分析和交易成本敏感性测试
S1/S2/S3三种替代构造缺乏经济学解释，仅以回测结果最优为准

可复用元素

S指标参数β的系统扫描方法，可推广到其他高频量价因子的参数优化
对数变换优于幂律变换的发现，提示成交量与价格变动的关系可能更接近对数而非平方根
多调仓时点排除路径依赖的验证方法
不同截止值的敏感性分析框架
机构交易占比数据验证截止值合理性的思路
量价相空间视角（V-|R|散点图+分界线）直观展示S指标划分效果的图示方法

启发

S指标本质是量价弹性的变形，β参数可理解为量价弹性系数；不同市场状态/行业可能存在不同最优β，可尝试动态β或分行业β
对数变换优于幂律变换，提示可尝试其他非线性变换如logistic、分位数变换等
聪明钱识别思路可扩展至Tick级数据，结合订单簿不平衡OFI、买卖价差等微观结构指标
可考虑将聪明钱因子与反转因子结合，因IC为负的聪明钱因子本质上捕捉的是短期过度反应反转
β参数的市场状态依赖性值得研究：牛市/熊市/震荡市中最优β是否不同

改进方向

使用净主动买入额替代总成交量V构造S指标：S=|R|/ln(|net_active_buy|+1)，其中net_active_buy=主动买入量-主动卖出量。原始S指标仅用总成交量未区分买卖方向，加入方向性信息可能提升识别精度

基于: 报告中对数变换S=|R|/ln(V)效果最优(IR=3.74)，但总成交量未区分主动买卖方向；聪明钱激进买入和激进卖出应分别对待预期收益: 通过引入方向性成交量信息，预期全市场IR可提升至4.0+，尤其改善震荡市中的区分度

按市场状态动态调整β参数：用近期市场波动率/换手率划分牛熊震荡状态，分别选取最优β，构造自适应聪明钱因子

基于: 报告中β参数扫描在0.1附近达到最优，但不同市场状态下机构交易行为模式可能不同，最优β可能变化预期收益: 预期可提升因子在不同市场状态下的稳定性，减少因子效果的时变衰减

复现计划

1. 数据准备：获取2013.04-2019.12全A股分钟K线数据（分钟成交量V、分钟开盘价、分钟收盘价），标记ST股和上市日期。2. 样本筛选：剔除ST股、上市未满60日新股。3. 计算分钟涨跌幅R=（收盘-开盘）/开盘，取|R|。4. 计算S指标：主版本S=|R|/(V^0.1)，对比版本S=|R|/ln(V)和原始S=|R|/(V^0.5)。5. 聪明钱筛选：每只股票每日按S降序排列，累加成交量至20%截止。6. 因子值计算：日度factor=Σ(R_smart×V_smart)/Σ(V_all)，月内取均值。7. 中性化：对因子值做行业+市值中性化。8. 回测：月度调仓五分组，费率千三，计算多空IR/年化/胜率。9. 验证：全市场IR是否达3.7左右，分沪深300/中证500/中证1000对比。10. 稳健性：四个调仓时点、不同截止值10%-50%、不同β值扫描。