高频因子：单笔成交金额序列中的主力行为刻画 | 开源金工

开源开源金工 2026-07-08 置信度: high

综合质量 4 /5

新颖性 4 /5

可复现性 4 /5

核心内容

报告以分钟单笔成交金额（分钟成交额/分钟成交量）为核心代理变量，从分布特征、时序特征和反转效应三个维度提炼选股因子。分布维度基于“相对大单”逻辑构造分位数因子（QUA）；时序维度通过单笔金额与分钟成交额及收盘价的皮尔逊相关系数，构造主力交易强度因子（MTS）与主力交易情绪因子（MTE）；反转维度则将20日窗口内的分钟涨跌幅按单笔成交金额分为10组，提取大单组累计涨跌幅作为强反转因子。

经济逻辑

单笔成交金额分布的右偏程度反映了主力资金（相对大单）的关注度，右偏程度越高未来表现越好；单笔金额与成交额的相关性反映了主力对成交节奏的主导能力（MTS）；单笔金额与价格的相关性反映了主力交易的相对价位，低价位吸筹为乐观情绪，高价位出货为悲观情绪（MTE）；大单成交是A股反转力量的微观来源，单笔金额越大的分钟涨跌幅反转效应越强。

超额收益逻辑

超额收益来源于对主力资金行为的微观刻画。大单相对小单偏离度（QUA）、大单对成交额的占比影响度（MTS）、大单介入的价位特征（MTE），以及大单引发的反转效应（强反转），均能有效反映主力资金的关注度、主导力与情绪，这些未被传统量价指标充分挖掘的微观信息提供了显著的增量Alpha。

构造细节 [factor]

因子定义

1. QUA因子：计算日内所有分钟单笔成交金额的90%和10%分位值A_90%与A_10%，计算比值A_90%/A_10%，取过去20日均值，最后在横截面上回归20日均价取残差作为因子值。 2. MTS因子：计算日内分钟单笔成交金额序列与分钟成交额序列的皮尔逊相关系数，取该相关系数过去20日的均值作为因子值。 3. MTE因子：计算日内分钟单笔成交金额序列与分钟收盘价序列的皮尔逊相关系数，取该相关系数过去20日的均值作为因子值。 4. 强反转因子：取过去20个交易日内的所有分钟涨跌幅数据，按其对应的单笔成交金额由大到小分为10组，取金额最大组的分钟涨跌幅进行累加，得到强反转因子值。

处理流程

1. 基于逐笔数据聚合计算分钟成交额与分钟成交量，相除得到分钟单笔成交金额序列。
2. 计算各因子的日频基础指标：QUA日频值为日内A_90%/A_10%；MTS日频值为日内单笔金额与成交额的相关系数；MTE日频值为日内单笔金额与收盘价的相关系数；强反转日频值为日内按金额分组后最高组的累计涨跌幅。
3. 时序降频：QUA、MTS、MTE均取日频指标过去20日的均值；强反转因子取20日累计值。
4. 截面处理：所有因子进行去极值与行业市值中性化处理。其中，QUA因子需额外对20日均价回归取残差以剔除绝对价格干扰。
5. 分组回测：全市场股票按因子值分为10组，进行多空对冲与多头超额测试。

参数

分组数N: 10回看窗口T: 20分位数参数: 10%与90%

数据输入

: (分钟频): (分钟频): (分钟频): (分钟频)

组合方式

因子主要进行独立测试或正交测试，未提及多因子线性合成；通过横截面回归剔除已知风格或因子取残差进行正交化分析。

绩效

-0.072

QUA因子 Rank IC

3.57

QUA因子 Rank ICIR

24.69%

QUA因子多头年化收益

0.065

MTS因子 Rank IC

3.18

MTS因子 Rank ICIR

-0.039

MTE因子 Rank IC

-0.055

强反转因子 Rank IC

24.19%

强反转因子多头年化收益

基准: 万得全A

回测期: 20130104-20220408

报告基于分钟频单笔成交金额序列，从分布特征、时序特征及反转效应三个维度提炼因子。核心因子表现优异且稳定，QUA因子多头年化收益达24.69%，强反转因子多头年化收益达24.19%。在中证1000成分股中年化超额收益达12.01%，并在机械、电子等行业赛道表现出显著的增强效果。

收益归因 ✓ 已完成

对因子进行了行业市值中性化处理，并测试了与Barra风格因子及已有交易行为因子（如理想反转、聪明钱因子等）的相关性。通过横截面回归取残差，验证了因子在剔除已知风险因子后的增量Alpha贡献。

方法: 横截面回归

稳健性

子样本稳定性: 因子在不同宽基指数中表现分化，在中证1000成分股中年化超额收益达12.01%且回撤较小，在机械、电子、计算机行业赛道增强效果显著，但在沪深300和沪深500中效果相对偏弱。

风格偏差: 因子与Barra风格因子相关性整体不高，尤其是与流动性因子相关系数低于0.45。剔除Barra风格因子后，虽然空头Alpha有所减弱，但多头Alpha仍能保持较高收益。

因子在中小盘股池及科技制造行业表现优异且风格独立，但因子收益对流动性环境有一定依赖，大盘股池表现相对较弱。

数据依赖

所需数据: A股全市场逐笔成交明细数据（Level-2）、分钟行情数据（收盘价、成交量、成交额）。

可复现性: medium

因子构造逻辑和数学定义清晰，但高度依赖高质量的逐笔成交数据聚合，数据存储与处理成本较高。

新颖性评估 [新组合]

将高频逐笔数据降维为分钟单笔成交金额序列，创新性地从分布形态（分位数比值）、时序相关性（与量价的相关系数）和微观结构切割反转三个维度刻画主力行为，是对高频低频化方法论的深度拓展。

不足与缺陷

因子在沪深300等大盘股池表现较弱，可能由于大盘股机构参与者众多，单笔成交金额方差相对较小，主力痕迹易被稀释。
未考虑实际交易成本与滑点，强反转类策略在实际落地时换手率较高，扣费后收益可能显著衰减。
部分因子如强反转因子的Alpha近年有减弱趋势，需动态验证其持续性。

可复用元素

相对大单的概念：将大单判别基于与小单的相对比较而非绝对金额，有效剔除了不同股价水平带来的规模干扰。
按单笔成交金额分组切割涨跌幅的方法，能高效分离纯粹的强反转部分与噪音/动量部分。
利用微观代理变量与量价指标的相关性来构建情绪与强度因子的视角。

启发

高频特征低频化处理时，通过计算日内分布特征（偏度、分位数比值）再取过去N日均值，能有效保留微观结构信息并适应低频调仓。
利用代理变量的分组切片技术，可以广泛应用于其他微观特征（如买卖单大小、主动占比）的提纯中。

改进方向

将分钟单笔成交金额替换为分钟单笔主动买入净额或大单主买占比，构造分布分位数因子及主买强反转因子。

基于: 单笔成交金额未区分主动方向，大单成交既可能是主力买入也可能是主力卖出，若引入主买方向标签，理论上能更精准刻画主力意图。预期收益: 预期可提升强反转因子与QUA因子在沪深300等大盘股池的选股效果，并增强因子对未来涨跌的方向性预测能力。

复现计划

1. 获取A股全市场Level-2或分钟频逐笔数据及分钟Bar数据（2013-2022）；2. 计算每日每分钟的“单笔成交金额”（=分钟成交额/分钟成交量）作为核心代理变量；3. 按照公式分别计算日频指标：QUA（A_90%/A_10%比值）、MTS（与分钟成交额相关系数）、MTE（与分钟收盘价相关系数）以及20日窗口分组累加的强反转因子；4. 以上日频指标取过去20日均值（强反转除外，直接取20日累计），除极值后按行业、市值回归取残差进行中性化；5. 分10组测试Rank IC、Rank ICIR、分组单调性及多头超额收益。

实体

魏建榕 [person]苏良 [person]分位数因子(QUA) [factor]主力交易强度因子(MTS) [factor]主力交易情绪因子(MTE) [factor]强反转因子 [factor]理想反转因子 [factor]聪明钱因子 [factor]分钟单笔成交金额 [dataset]相对大单 [concept]

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

LOCAL SIMILARITY