高频成交量的峰、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 5 /5

可复现性 4 /5

核心内容

报告提出一种日内分钟成交量的状态划分方法：首先基于过去20日同时点成交量的均值与1倍标准差，将分钟成交量划分为高于标准的喷发量与低于标准的温和量；再根据喷发的连续性分为孤立喷发的“量峰”与连续喷发的“量岭”，温和量则称为“量谷”。基于此划分，提取分钟数、收益、价格分位点、时间间隔统计等特征，构建了20个有效因子，分别刻画知情交易与个人投资者的行为特征及价格过度反应。

经济逻辑

量峰的大额交易缺乏资金跟随，发生在情绪低迷处，与知情交易者的隐蔽交易特征相符，预示未来正向收益；量岭有资金跟随，情绪高涨，与个人投资者的跟风交易相符，易产生过度反应，预示未来负向收益；量谷为情绪低迷时点，价格过度反应概率低，其相对价格水平对未来具有正向预测力。

超额收益逻辑

量峰反映知情交易者在低迷时点的隐蔽大额交易，未来价格修复带来正向超额；量岭反映个人投资者的羊群效应与过度反应，导致价格偏离基本面，未来均值回复带来负向超额；量谷反映情绪低迷的有效定价区间，其相对价格水平越高说明隐藏价值越大，带来正向超额。三者组合（如谷岭价格比、峰岭成交比）则通过多空相对强弱放大了这种投资者行为差异带来的定价偏差。

构造细节 [factor]

因子定义

1. 状态划分：计算过去20日同时点分钟成交量均值μ_t和标准差σ_t。若当日某分钟成交量v > μ_t + σ_t则为喷发量；若v ≤ μ_t + σ_t为温和量。 2. 量峰/量岭定义：若当前为喷发量且前后1分钟均为温和量，则为量峰；若当前为喷发量且前后1分钟存在喷发量，则为量岭。温和量则为量谷。 3. 量峰分钟数因子：统计过去20日每日量峰的分钟数，取均值。 4. 量谷相对加权价格因子：计算每日量谷的成交量加权价格(VWAP_谷)与当日总成交量加权价格(VWAP_总)的比值，取过去20日均值。 5. 量谷加权价格分位点因子：计算每日量谷VWAP在[min(日内最低价,昨收), max(日内最高价,昨收)]区间的相对分位点，取20日均值。 6. 量峰间隔峰度因子：对过去20日同日前后两个量峰之间的时间间隔序列，计算其峰度。 7. 谷岭加权价格比因子：计算每日量谷VWAP与量岭VWAP的比值，取20日均值。 8. 峰岭成交比因子：计算过去20日量峰总成交额与量岭总成交额的比值。

处理流程

提取个股分钟级成交量与价格数据
计算过去20日同时点成交量均值及1倍标准差
逐分钟对比阈值，判定为喷发量或温和量
结合前后1分钟状态，最终标记每分钟为量峰、量岭或量谷
按因子定义，分别提取分钟数、VWAP、收益、间隔时间等底层数据进行计算
计算各指标过去20日的滚动均值或统计矩，得到日频因子值
对原始因子进行市值与行业中性化（部分需反转中性化）
分10组进行月频调仓回测

参数

历史窗口: 20日标准差倍数: 1倍前后观察窗口: 1分钟

数据输入

: (分钟): (分钟/日): (分钟): (日)

组合方式

因子均经过市值与行业中性化处理，对于存在风格暴露的因子（如量谷加权价格分位点因子）进一步做反转因子中性化。

绩效

31.58%

量峰分钟数因子多空年化收益

3.22

量峰分钟数因子年化IR

25.35%

量谷相对加权价格因子多空年化收益

20.22%

量谷加权价格分位点因子多空年化收益

23.30%

量峰间隔峰度因子多空年化收益

27.13%

峰岭成交比因子多空年化收益

基准: 全市场

回测期: 20130101-20250531

报告基于日内分钟成交量的局域分布特征，将其划分为峰、岭、谷三种状态，构建了20个有效因子。因子在全市场10分组中表现稳健，多空年化收益普遍在15%-30%之间，年化IR多在2.5以上，且在小市值股票池中表现更优。

收益归因

报告未进行详细的收益归因分解，仅在补充章节提及讨论了因子与Barra风格因子的相关性。

缺口: 缺乏对因子超额收益来源的系统性风险归因和收益归因分析。

稳健性

子样本稳定性: 全市场各年份多空收益多为正；在沪深300等大市值池中部分因子表现较弱，如量峰分钟数因子在2019、2021年出现负收益，但在中证1000中所有年份均录得正收益。

风格偏差: 因子整体偏好小市值股票池，在沪深300、中证500、中证1000中的表现呈递增趋势，IR与多空收益随市值下沉而显著提升。

因子在中小市值股票池中表现极其稳健，多空年化收益普遍在15%以上，但存在明显的小市值风格暴露，大市值环境下有效性衰减。

数据依赖

所需数据: 分钟级量价数据(成交量、最高价、最低价、收盘价、成交额)、日频行情数据(昨收)、Barra风格因子及行业分类。

可复现性: medium

依赖分钟级高频数据，逻辑清晰，但由于日内状态划分涉及逐股逐分钟的历史分布计算，对数据处理效率和内存有一定要求，整体复现难度中等。

新颖性评估 [新组合]

通过统计分布将日内成交量微观结构划分为'峰、岭、谷'三种状态，创新性地将不同成交量形态与特定投资者行为(知情交易vs散户跟风)绑定，并以此切片提取多维特征构建因子，是对高频微观结构因子有效的新组合与拓展。

不足与缺陷

对处于均值与均值+1倍标准差之间的成交量状态未明确说明归类，可能存在信息遗漏
部分因子（如量峰间隔峰度因子）在日内量峰数量较少时，统计指标易失真，稳健性下降
因子表现出强烈的小市值风格偏好，在沪深300等大市值股票池中适用性较差
缺乏对量价微观机制动态变化的适应，固定20日窗口和1倍标准差阈值可能无法适应不同市场环境

可复用元素

按成交量局域分布划分'峰、岭、谷'的方法论，物理意义清晰
通过量谷VWAP占比及分位点提取有效定价信息的思路
利用量峰与量岭的成交比/价格比来度量知情交易与散户跟风的相对强弱

启发

可以将高频时间维度的量价微观特征，切片后降频至日频构建选股因子
将投资者结构异质性（知情vs散户）与日内特定成交量状态绑定的行为金融学分析框架

改进方向

基于日内成交量分位数与Hawkes自激过程的量峰建模

基于: 量峰间隔峰度因子预期收益: 用日内成交量95%分位数自适应划定喷发量，解决不同股票量价分布右偏导致固定标准差阈值不适用的问题；引入Hawkes过程对量峰到达时间建模，提取自激强度因子替代简单的间隔峰度，能更稳健地刻画量峰聚集性与知情交易连续性，有望显著提升因子在大市值股票池的表现与稳健性。

复现计划

1. 获取全A股2013-2025分钟级量价数据；2. 逐股计算过去20日同时点成交量均值与标准差；3. 按规则逐分钟标记量峰、量岭、量谷状态；4. 计算量峰分钟数、量谷相对加权价格等核心因子的日频原始值；5. 计算因子20日滚动均值并进行市值、行业（及反转）中性化；6. 月频调仓，分10组测试多空收益、IC及IR。