量化因子与构建方式 1 因子名称：换手率分布均匀度UTD因子 因子构建思路：通过分钟成交量数据改进传统换手率因子，解决传统因子对高换手率股票未来收益误判的问题[6][7] 因子具体构建过程： - 基于个股分钟成交量数据，计算换手率分布的均匀度 - 传统换手率因子（Turn20）仅计算过去20日日均换手率，而UTD因子通过分钟数据细化分布特征，降低高换手率组内收益标准差的分化[7] - 具体公式未在报告中明确给出，但核心逻辑是通过分钟数据分布均匀性修正传统换手率的线性假设[7] 因子评价：UTD因子显著降低误判，选股效果优于传统因子，且在剔除风格、行业干扰后仍保持稳健[7] 2 因子名称：传统换手率因子（Turn20） 因子构建思路：过去20日日均换手率反映短期交易活跃度，低换手率股票未来可能上涨[6] 因子具体构建过程： - 每月月底计算个股过去20个交易日的日均换手率 - 对换手率做市值中性化处理，消除市值影响[6] 因子评价：逻辑简单但存在高换手率组内收益分化问题，导致误判[7] --- 因子的回测效果 1 UTD因子（2014/01-2025/03，全市场10分组多空对冲）： - 年化收益率：19.83%[1][7][11] - 年化波动率：7.42%[1][7][11] - 信息比率（IR）：2.67[1][7][11] - 月度胜率：76.87%[1][7][11] - 最大回撤率：5.51%[1][7][11] - 2025年3月多空对冲收益率：3.12%（多头1.40%，空头-1.72%）[10] 2 传统换手率因子（Turn20）（2006/01-2021/04，全市场）： - 月度IC均值：-0.072[6] - 年化ICIR：-2.10[6] - 多空对冲年化收益率：33.41%[6] - 信息比率（IR）：1.90[6] - 月度胜率：71.58%[6] --- 补充说明 - UTD因子通过分钟数据优化了传统换手率因子的分布假设，解决了高换手率组内收益标准差递增的问题[7] - 传统换手率因子虽有多空收益，但高换手率组内股票未来涨跌分化严重，导致逻辑缺陷[7]