高频价格跳跃的峰、岭、谷信息 | 开源金工

开源开源金工 2026-07-08 置信度: high

综合质量 5 /5

新颖性 4 /5

可复现性 4 /5

核心内容

研报以股票分钟振幅为价格跳跃代理变量，将振幅在1倍标准差之上的时点作为价格跳跃时点，之下的作为价谷时点。对于跳跃时点，利用跳跃前后时点振幅高低划分局域情绪（低迷、高涨、适中），利用跳跃前后时点价格震荡区间是否重叠判断跳跃结果（有缺口、无缺口）。将非高涨状态下的无缺口跳跃时点取并集作为价峰时点，非低迷状态下的有缺口跳跃时点取并集作为价岭时点。基于峰岭谷三类时点的量价数据，构建17个因子，最终筛选6个独立因子等权合成。

经济逻辑

资产价格的瞬时跳跃伴随知情交易或情绪冲击。价峰代表无缺口的、局域情绪温和的跳跃，反映理性的信息扩散，预示正向Alpha；价岭代表有缺口的、局域情绪非低迷的跳跃，反映过度反应或流动性冲击，呈现反转负向Alpha；价谷代表非跳跃时段，通过计算价谷聪明钱VWAP相对全日VWAP的比值，可识别机构在低波动期的隐蔽建仓方向，具有前瞻性。

超额收益逻辑

价峰跳跃反映了平稳的信息融入，情绪适中且无缺口，具有预测未来上涨的正向动量效应；价岭跳跃伴随价格不重叠缺口且非低迷情绪，反映过度反应或非理性冲击，呈现显著的负向反转效应；价谷时段的聪明钱相对加权价揭示了机构在低波动期的交易方向，对未来价格有正向指引。三者融合了微观结构中的情绪与信息传递机制，产生稳定的超额收益。

构造细节 [factor]

因子定义

1. 跳跃划分：分钟振幅 > 过去20天该分钟振幅的1倍标准差为跳跃时点，否则为价谷时点。2. 局域情绪：根据跳跃时点t-1和t+1的振幅高低，分为前低后低(低迷)、前高后高(高涨)、前高后低/前低后高(适中)。3. 缺口判断：若t-1与t+1时点的价格区间(最高价与最低价)存在重叠则为无缺口，否则为有缺口。4. 状态集合：价峰=(非高涨)且(无缺口)的跳跃时点；价岭=(非低迷)且(有缺口)的跳跃时点。5. 因子构建：(1)价峰分钟数：过去20日价峰时点总数；(2)价岭分钟收益：过去20日价岭时点分钟涨跌幅加总；(3)价谷相对加权价：(每日价谷VWAP / 当日全量VWAP)的20日均值；(4)价谷加权价格分位点：价谷VWAP在当日价格区间分位点的20日统计量；(5)价岭间隔偏度：过去20日日内前后两个价岭时间间隔分布的偏度；(6)价格跳跃成交额相关性：过去20日跳跃时点成交额与下一分钟成交额的错位相关系数。

处理流程

计算分钟振幅并按历史标准差识别跳跃时点与价谷时点
遍历跳跃时点，比较t-1与t+1振幅高低确定局域情绪状态
比较t-1与t+1价格区间重叠情况确定跳跃结果(有无缺口)
组合情绪与结果双特征，标记价峰与价岭时点集合
基于价峰、价岭、价谷时点的量价序列计算6个核心因子
因子进行极值处理、标准化、市值与行业中性化
将6个因子等权合成构建最终选股因子

参数

振幅阈值: 1倍标准差回看窗口: 20天

数据输入

: (分钟)

组合方式

筛选6个独立alpha因子（价峰分钟数、价岭分钟收益、价谷相对加权价、价谷加权价格分位点、价岭间隔偏度、价格跳跃成交额相关性）简单等权合成

绩效

32.86%

合成因子多空年化收益

3.34

合成因子年化IR

10.64%

合成因子最大回撤

78%

合成因子月度胜率

17.65%

合成因子多头年化收益

10.72%

合成因子RankIC均值

4.1

合成因子RankICIR

16.37%

价峰分钟数因子多空年化收益

25.93%

价岭分钟收益因子多空年化收益

18.37%

价谷相对加权价因子多空年化收益

21.69%

价岭间隔偏度因子多空年化收益

31.17%

价格跳跃成交额相关性因子多空年化收益

5.9%

沪深300增强超额年化收益

1.38

沪深300增强年化IR

11%

中证500增强超额年化收益

1.32

中证500增强年化IR

10.7%

中证1000增强超额年化收益

1.37

中证1000增强年化IR

基准: 沪深300/中证500/中证1000

回测期: 20130101-20260430

以分钟振幅为价格跳跃代理变量，按局域情绪与跳跃结果双特征将日内跳跃划分为价峰、价岭、价谷三类，构建17个有效因子。筛选6个独立alpha因子等权合成，合成因子多空年化收益32.86%，IR3.34。因子在小市值股票池表现更优；指数增强方面沪深300超额5.9%、中证500超额11%、中证1000超额10.7%。

收益归因 ✓ 已完成

对比了Barra风格因子剔除前后的因子有效性，大部分因子在剔除Barra风格因子后仍有效。分钟数及成交额类因子在波动率、流动性风格暴露较多，基于收益与价格的因子Barra风格暴露相对较低。对17个因子做两两剔除处理，筛选出6个具备独立alpha的因子。

方法: Barra风格因子剔除与中性化

缺口: 未对因子在不同市场环境（牛熊/波动率regime）下的归因表现做深入分析，未涉及因子衰减速度与持仓周期优化。

稳健性

子样本稳定性: 因子在全市场各年份均录得正收益，但呈现明显的小市值效应，在中证1000中表现最强，沪深300中最弱且部分年份出现负收益

风格偏差: 分钟数与成交额类因子在波动率、流动性风格暴露较多，基于收益与价格的因子Barra风格暴露较低，大部分因子在剔除Barra风格后仍有效

因子微观逻辑扎实，回测表现稳健，对常见风险因子有较好正交性，但在大市值股票池中效果衰减明显。

数据依赖

所需数据: A股分钟级别OHLCV数据

可复现性: medium

数据需求为常规分钟量价数据，但需精确计算每日各分钟的振幅标准差并识别前后时点的局域状态与价格区间重叠，代码实现有一定复杂度但逻辑清晰可复现。

新颖性评估 [新组合]

将地理学峰岭谷概念与高频价格跳跃局域情绪、缺口特征结合，创新性地从价格微观结构而非单纯成交量维度构建多维度特征组合。

不足与缺陷

对大市值股票（沪深300）的适用性较弱，2019-2021、2025-2026年出现负收益，可能受机构博弈效率提升影响
1倍标准差的阈值划分较为生硬，未考虑不同股票或不同市场状态下振幅分布的偏态特征
缺口判断依赖t-1与t+1时点的价格最高最低值重叠，容易受到单分钟异常高低价的噪音干扰

可复用元素

利用跳跃前后时点的振幅状态定义局域情绪的二维划分法
通过价格区间重叠判定微观跳跃缺口的方法
将价谷时段的聪明钱VWAP与全日VWAP做比构造相对加权价因子

启发

‘峰岭谷’的状态划分框架可推广至其他微观特征（如大单成交、盘口失衡）的状态识别
跳跃前后的局域状态分析可引入更高频维度（如秒级或Tick级）的订单流特征进行增强

改进方向

引入订单流不平衡(OFI)或主动买卖单方向替代简单的成交额相关性

基于: 价格跳跃成交额相关性因子预期收益: 提升因子对跳跃时知情交易方向的识别精度，增强在大市值股票池的Alpha表现

将1倍标准差阈值替换为基于日内波动率分布的动态分位数阈值

基于: 跳跃时点与价谷时点划分预期收益: 适应不同市场波动率regime，降低极端行情下的噪音干扰

复现计划

1. 提取A股分钟级OHLCV数据；2. 计算每日各分钟振幅及过去20日振幅均值与标准差，标记跳跃与价谷时点；3. 遍历跳跃点，对比t-1与t+1振幅与标准差关系判断情绪，对比t-1与t+1价格高低点重叠判断缺口；4. 汇总生成价峰与价岭时点标签；5. 按定义提取6个核心因子值；6. 因子去极值、标准化、市值行业中性化；7. 等权合成构建选股策略，进行10分组回测及指数增强约束优化求解。

实体

价峰时点 [concept]价岭时点 [concept]价谷时点 [concept]局域情绪 [concept]跳跃缺口 [concept]聪明钱因子 [method]约束优化 [method]价峰分钟数因子 [factor]价岭分钟收益因子 [factor]价谷相对加权价因子 [factor]价岭间隔偏度因子 [factor]价格跳跃成交额相关性因子 [factor]价谷加权价格分位点因子 [factor]合成因子 [factor]魏建榕 [person]王志豪 [person]开源证券 [person]

查看原文 → 模型: glm-5-2-260617 分析时间: 2026-07-13

LOCAL SIMILARITY