【广发金融工程】基于股价跳跃模型的因子研究：高频数据因子研究系列九

广发周飞鹏罗军安宁宁 2026-06-11 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

研报基于高频数据（5分钟）和跳跃-扩散模型，利用多幂次变差从已实现波动率中分离出跳跃波动分量。进一步结合方向（上行/下行）与规模（大程/小程）将跳跃波动拆分为多种类型，构建了26种日度因子及对应的周度、月度均值因子。实证发现周度未归一化跳跃因子的选股能力最强，特别是SRJV_week（小程跳跃波动因子）等4个因子在扣费后仍能获得40%以上的多空年化收益。

经济逻辑

资产价格的非连续变化（跳跃）通常由新息冲击或流动性突变引起，蕴含着更显著的Alpha信息。将跳跃按规模拆分，大程跳跃可能反映系统性宏观冲击，小程跳跃则更可能反映个股特质信息或知情交易者的隐蔽交易行为。按方向拆分则刻画了跳跃的不对称性。小程跳跃波动因子（SRJV）具有显著的负向预测力，说明日内频繁发生小幅跳跃的股票未来收益往往较低，这可能与微观结构中的流动性溢价或过度反应后的反转有关。

超额收益逻辑

高频跳跃反映了非连续的价格冲击。小程跳跃波动（SRJV）捕捉了未被大单冲击驱动的、可能由高频量化或散户频繁摩擦产生的小幅跳跃。SRJV越大，说明微观结构越不稳定或存在隐蔽的信息交易，未来收益预期越低（负IC）。通过提取此类特质波动分量并剥离连续波动和系统性跳跃，能更纯粹地捕捉定价偏差。

构造细节 [factor]

因子定义

1. 日内5分钟对数收益率 r_ti。2. 已实现波动率 RV_t = Σ(r_ti^2)。3. 三幂次变差 BPV_t = μ1^(-1) * Σ|r_ti * r_(t(i-1)) * r_(t(i-2))| (近似积分波动率IV)。4. 跳跃波动 RJV_t = max(0, RV_t - BPV_t)。5. 阈值 γ = α * sqrt(BPV_t / N)。6. 小程跳跃波动 SRJV_t = Σ I(|r_ti| ≤ γ) * r_ti^2。7. 方向拆分：根据r_ti正负分为上行/下行小程跳跃。8. SRJV_week = mean(SRJV_t, 过去5日)。

处理流程

股票池过滤：剔除ST、涨跌停、次新股（上市<60日）
计算日内5分钟对数收益率
计算每日已实现波动率RV
计算每日三幂次变差BPV估计连续波动
提取每日跳跃波动RJV = max(0, RV - BPV)
使用动态阈值γ拆分每日高频收益为大程和小程跳跃
根据收益正负计算各类型跳跃分量（如小程跳跃SRJV等）
生成日度因子及归一化因子（除以RV）
计算过去5个交易日日度因子的均值得到周度因子
因子预处理：去极值(MAD)、标准化(Z-score)
因子中性化：行业哑变量+市值对数回归取残差

参数

数据频率: 5分钟多幂次变差阶数: 三幂次变差(k=3, m=2/3)大/小程跳跃阈值参数α: 4均值窗口: 5个交易日

数据输入

: (5分钟)

组合方式

日度因子值取过去5个交易日均值构建周度因子，过去20个交易日均值构建月度因子

绩效

-8.76%

IC均值

-8.91

年化ICIR

45.97%

扣费后多空年化

4.40

多空夏普

9.58%

多空最大回撤

基准: 全A十分组多空

回测期: 2010.01.01 - 2022.07.29

基于5分钟高频数据构建跳跃波动因子，绩优因子SRJV_week行业市值中性化后IC均值为-8.76%，年化ICIR为-8.91，扣费后多空年化为45.97%，且在2022年保持多空稳健增长。

收益归因 ✓ 已完成

SRJV_week与SRLJV_week因子与主要风格因子相关性较低；RJVP_week和RLJVP_week与残差波动率、BP、流动性因子存在一定相关性。4类绩优因子的行业偏离均不明显。

方法: 风格相关性及行业暴露分析

稳健性

子样本稳定性: 全历史表现稳定，但在2020和2021年多空净值波动较往年有所放大，2022年以来回归正常并保持多空稳健增长。

风格偏差: SRJV_week与SRLJV_week与主要风格因子相关性较低；RJVP_week和RLJVP_week与残差波动率、BP、流动性因子存在一定相关性。4类绩优因子的行业偏离均不明显。

因子在样本外及不同市场环境下整体稳健，对参数（如α=4，5分钟频率）的敏感性较低，风格暴露干净，具备较强的实战配置价值。

数据依赖

所需数据: 全A股2010年以来完整的5分钟级别高频量价数据（开高低收或直接提供5分钟对数收益率）

可复现性: medium

数据需求为常规5分钟Bar数据，获取难度适中。因子构造涉及三幂次变差计算及大小程阈值动态判断，计算复杂度中等，逻辑清晰可复现，但需注意处理停牌、涨跌停导致的高频数据缺失或不连续问题。

新颖性评估 [新组合]

本研报并非提出全新的理论模型，而是将学术界跳跃-扩散模型的多维拆分方法（方向+规模+归一化）系统性地整合并应用于A股实证，构建了包含26种因子的完整测试库。属于学术前沿理论在A股市场的系统性工程化落地与验证，在因子构造维度上具有完备性。

不足与缺陷

周度调仓结合高频因子可能导致双边换手率极高（研报提及周均双边换手1.63），对交易成本极度敏感，实际交易中滑点可能显著侵蚀45%的多空年化收益。
因子构造涉及多步非线性计算（绝对值、幂次、动态阈值判断），计算开销大，且对高频数据的清洗质量（如缺失值插值、异常Tick处理）要求极高。
大/小程跳跃阈值依赖BPV和参数α，在极端波动期（如千股跌停）BPV失真可能导致跳跃分类漂移，2020-2021年波动放大可能与此有关。

可复用元素

利用三幂次变差剥离连续波动以提取纯跳跃波流的计算逻辑
动态阈值 γ = α * sqrt(BPV / N) 区分大程和小程跳跃的方法
将日内跳跃从方向和规模两个维度交叉拆分的因子树构建框架

启发

跳跃行为往往伴随知情交易，可将跳跃因子与成交量异常或大单流向结合，构建价量复合跳跃因子。
小程跳跃可能反映了机构拆单隐蔽交易的痕迹，可结合Level-2逐笔成交流单数据，进一步细化小程跳跃的微观结构归因。

改进方向

结合成交量构建价量联合跳跃因子

基于: 原研报仅利用收益率平方度量跳跃，未结合成交量信息。相同逻辑下，可构造带成交量加权的跳跃因子，例如将高频收益率平方乘以对应高频成交量占比再求和。预期收益: 能有效区分由流动性冲击驱动的跳跃与由信息驱动（放量）的跳跃，可能提升因子对知情交易的捕捉能力，提高IC并改善换手率。

复现计划

1. 准备全A股2010-2022年的5分钟高低收数据，过滤ST、涨跌停、次新股。2. 计算每日5分钟对数收益率r_ti。3. 计算日RV=Σr_ti^2。4. 计算三幂次变差BPV（使用k=3,m=2/3公式）。5. 提取RJV=max(0, RV-BPV)。6. 计算日阈值γ=4*sqrt(BPV/N)，拆分日内5分钟收益为大于γ（大程）和小于等于γ（小程）。7. 根据r_ti正负及大小程属性，计算SRJV等9个基础日度因子及对应归一化因子。8. 用过去5个交易日均值合成周度因子。9. 对周度因子进行MAD去极值和Z-score标准化。10. 用Barra风格因子及行业哑变量、对数市值进行回归取残差完成中性化。11. 全市场分10组，每周最后一个交易日收盘价调仓，双边千三计费，统计IC及多空表现。