综合质量 5 /5
新颖性 4 /5
可复现性 4 /5
分类
高频·微观结构技术面(量价) 分钟 波动率 A股 统计线性
基于分钟级收益波动比与更优波动率的协方差，提取异常高波动时段的风险补偿作为“勇攀高峰”因子，实现显著多头超额收益。
关键结论
全A样本Rank IC 5.62%，多空年化19.76%；中证1000多头超额8.67%；正交化后Rank IC 1.95%。
核心要点
- 使用分钟OHLC数据构造更优波动率，减少分钟内信息丢失
- 通过异常高波动时段的收益波动比与波动率的协方差衡量风险补偿
- 因子在全A和中证1000中表现优异且具备正交化后的增量信息
核心内容
报告通过分析股票波动率变动与收益率的关系，构造了“灾后重建”和“勇攀高峰”两个分钟级因子。核心在于使用“更优波动率”（基于5分钟窗口的OHLC数据计算标准差的平方除以均值）与收益波动比的协方差。区别在于，“灾后重建”使用全天数据，而“勇攀高峰”仅提取当日波动率大于均值+标准差的异常高波动时段数据。最终因子由最近20天协方差的均值和标准差等权合成。
经济逻辑
当股票波动异常大时，投资者风险厌恶快速增加。如果此时股票能提供充足的风险补偿（表现为收益波动比随波动率上升而上升），说明其具有非凡的盈利能力，向好势头将持续，未来具有超额收益。
超额收益逻辑
在异常高波动时段，收益波动比与波动率的正协方差意味着收益率随波动率提高而提升，即提供了充足的风险补偿，表明该股票基本面强劲或存在利好支撑，未来将持续向好，带来超额收益。
构造细节 [factor]
因子定义
1.计算分钟级“更优波动率”：t分钟的更优波动率 = (t-4至t分钟的OHLC共20个价格的 Std / Mean)^2；2.计算分钟收益波动比：t分钟收益率 / t分钟更优波动率；3.筛选异常高波动时段：选取当日更优波动率 >= 均值+标准差的分钟；4.计算日协方差：在异常高波动时段内，计算收益波动比序列与更优波动率序列的协方差；5.合成月度因子：取最近20天协方差的均值（月均攀登）和标准差（月稳攀登），等权合成得到“勇攀高峰”因子。
处理流程
- 提取日内分钟OHLC数据(剔除开盘收盘)
- 计算t分钟更优波动率(基于t-4到t的5分钟OHLC的20个点)
- 计算t分钟收益率
- 计算t分钟收益波动比
- 按日计算更优波动率的均值和标准差
- 筛选当日更优波动率>=均值+标准差的分钟数据
- 在异常高波动时段计算收益波动比与更优波动率的协方差
- 滚动20天计算日协方差序列的均值和标准差
- 均值与标准差等权合成得到勇攀高峰因子
参数
时间窗口: 20天更优波动率窗口: 5分钟异常高波动阈值: mean+std
数据输入
: (分钟)
组合方式
月均攀登（20天均值）与月稳攀登（20天标准差）等权合成
绩效
5.62%
Rank IC
4.47
Rank ICIR
19.76%
多空组合年化收益率
3.45
信息比率
83.02%
月度胜率
1.95%
纯净因子Rank IC
1.61
纯净因子Rank ICIR
9.04%
纯净因子多空组合年化收益率
1.52
纯净因子信息比率
8.67%
中证1000多头组合年化超额收益
基准: 全A/沪深300/中证500/中证1000
回测期: 2013年4月至2022年2月
“勇攀高峰”因子在全A样本中表现出色，Rank IC为5.62%，多空组合年化收益19.76%；剥离常用风格因子后仍具选股能力，Rank IC为1.95%；在中证1000成分股内表现更为出色，多头组合年化超额收益8.67%。
收益归因 ✓ 已完成
报告对“勇攀高峰”因子使用常用风格因子及行业因子进行正交化处理，得到纯净因子并验证了增量信息，纯净因子Rank IC为1.95%。
方法: 使用常用风格因子及行业因子进行正交化
缺口: 未进行详细的收益归因拆解，仅做了因子正交化处理。
稳健性
子样本稳定性: 在中证1000成分股内表现更为出色，多头组合年化超额收益达8.67%
风格偏差: 与常见风格因子相关性绝对值均在20%以下
因子表现稳定，Rank ICIR达4.47，剥离风格因子后仍具有选股能力。
数据依赖
所需数据: 日内分钟级OHLC数据
可复现性: medium
依赖分钟级数据，计算逻辑清晰明确，可复现性较强，但计算量较大。
相关研究
Moreira和Muir(2017)收益波动比与波动率的协方差 — 本报告在此基础上，引入分钟级数据、更优波动率指标，并仅提取异常高波动时段进行计算。
新颖性评估 [新组合]
结合了高频分钟数据、改进的波动率计算法以及针对极端波动时段的切片分析，是已有学术逻辑在A股高频量价特征上的创新应用。
不足与缺陷
- 计算逻辑复杂，涉及分钟级协方差计算，可能存在较高的计算延迟和过拟合风险
- 未考虑交易成本对多头组合实际收益的影响
- 异常高波动常伴随涨跌停或停牌，分钟级协方差可能受极端异常值影响较大
- 剔除开盘和收盘的具体分钟数未严格说明，可能影响复现细节
可复用元素
- 使用OHLC构造更优波动率的方法，有效捕捉分钟内价格震荡信息
- 对日内波动进行切片，提取异常高波动时段的特定行为模式
- 用均值和标准差等权合成，兼顾因子的水平与稳定性
启发
- 通过均值+标准差划分不同波动状态，分离出不同风险偏好下的定价特征
- 协方差不仅是衡量线性关系，还可以通过时间切片寻找特定状态下的alpha
改进方向
改进波动状态划分方法，使用固定分位数（如前10%或后10%）或隐马尔可夫模型(HMM)状态划分替代均值+标准差，以增强对不同股票波动特性的适应性
基于: 相似逻辑（提取异常高波动时段的风险补偿）+不同构造（非参数分位划分/HMM状态识别） 预期收益: 提升因子在各类波动特性股票上的稳健性和普适性
复现计划
1.获取A股分钟级OHLC数据，过滤非日内数据(如剔除前几分钟和后几分钟)；2.编写函数计算t-4至t分钟的20个OHLC价格的Std/Mean的平方作为‘更优波动率’；3.计算分钟收益率并得到收益波动比；4.按日计算更优波动率均值与标准差，筛出更优波动率>=均值+标准差的时间点；5.在这些时间点内计算收益波动比与更优波动率的协方差；6.按月滚动20天计算协方差均值与标准差，等权相加得因子值；7.按全A和中证1000分层回测验证Rank IC等指标。
实体
勇攀高峰因子 [factor]灾后重建因子 [factor]更优波动率 [method]收益波动比 [concept]曹春晓 [person]
LOCAL SIMILARITY