量化因子与构建方式 1. 因子名称：时间段切割因子（范式）[3][6] * 因子构建思路：高频因子计算可拆解为数据变换和K线聚合步骤。时间段切割因子是维度匹配因子的一个子类，其核心特征是在最后一步的匹配K线算子中，使用一个离散向量（如0-1化的阈值划分结果）与一个连续向量进行匹配聚合。通过离散化对数据进行划分，可以达到去噪或提取不同逻辑信息的目的[6][14][16]。 * 因子具体构建过程：构建过程遵循“离散向量构建 -> 连续向量选取 -> 匹配聚合”的范式。 1. 离散向量构建：选取一个基础维度（如振幅、价格），通过时序变换算子（如时间滞后、减法、绝对值）和时序K线算子（如平均值、标准差）进行处理，最后通过阈值函数（如大于0-1化）将其转化为离散的0-1向量。该向量代表了交易性质的划分[16][28]。 2. 连续向量选取：选取另一个基础维度（如收益率、换手率）作为信息表达维度[16][27]。 3. 匹配聚合：使用匹配K线算子（如加权波动、加权求和）将离散向量与连续向量进行聚合，最终得到一个标量因子值[16]。 2. 因子名称：振幅边际异常相对波动因子[7][28] * 因子构建思路：以“振幅边际异常”作为离散向量（交易性质划分），以“收益率”作为连续向量（信息表达），通过加权波动算子进行匹配聚合，构建一个反映在振幅异常边际区间内相对波动情况的因子[28]。 * 因子具体构建过程： 1. 构建离散向量（振幅边际异常）： * 计算振幅滞后值：$Amplitude_{lag} = lag(Amplitude)$ * 计算振幅边际：$AmplitudeMargin = Amplitude - Amplitude_{lag}$ * 计算振幅边际绝对值（异常）：$AmplitudeMarginAbs = |AmplitudeMargin|$ * 计算振幅边际异常的均值和标准差：$Mean_{AMA} = mean(AmplitudeMarginAbs)$, $Std_{AMA} = std(AmplitudeMarginAbs)$ * 生成0-1离散信号：$DiscreteSignal = I(AmplitudeMarginAbs > Mean_{AMA} + k * Std_{AMA})$，其中I为指示函数，k为阈值参数（报告中未明确，通常为1或2）[28]。 2. 选取连续向量：收益率（$Return$）[28]。 3. 匹配聚合：使用加权波动算子对离散信号区间内的收益率进行聚合：$Factor = WeightedVolatility(DiscreteSignal, Return)$[28]。 * 因子评价：该因子属于低波价值收益来源，与波动率、BP、换手率因子相关性较高，与规模因子呈一定负相关（偏小市值）。在量价中性后，因子信息部分来自低波收益来源[29][30]。 3. 因子名称：振幅边际异常相对换手因子[7][47] * 因子构建思路：以“振幅边际异常”作为离散向量，以“换手率”作为连续向量，通过加权求和算子进行匹配聚合，构建一个反映在振幅异常边际区间内相对换手情况的因子[47]。 * 因子具体构建过程： 1. 构建离散向量（振幅边际异常）：构建过程同“振幅边际异常相对波动因子”[47]。 2. 选取连续向量：换手率（$Turnover$）[47]。 3. 匹配聚合：使用加权求和算子对离散信号区间内的换手率进行聚合：$Factor = WeightedSum(DiscreteSignal, Turnover)$[47]。 * 因子评价：该因子与风格因子的相关性较低[47][48]。 4. 因子名称：价格异常相对换手因子[8][65] * 因子构建思路：以“价格异常”作为离散向量，以“换手率”作为连续向量，通过加权求和算子进行匹配聚合，构建一个反映在价格异常区间内相对换手情况的因子[65][66]。 * 因子具体构建过程： 1. 构建离散向量（价格异常）： * 计算收盘价的均值和标准差：$Mean_{Price} = mean(Price)$, $Std_{Price} = std(Price)$ * 生成0-1离散信号：$DiscreteSignal = I(Price > Mean_{Price} + k * Std_{Price})$，其中I为指示函数，k为阈值参数[65]。 2. 选取连续向量：换手率（$Turnover$）[65]。 3. 匹配聚合：使用加权求和算子对离散信号区间内的换手率进行聚合：$Factor = WeightedSum(DiscreteSignal, Turnover)$[66]。 * 因子评价：该因子与风格因子的相关性较低[66][69]。 因子的回测效果 测试区间：2010年至2026年4月16日[32]。指标均为年化值。 1. 振幅边际异常相对波动因子 * IC：中证800内市值行业中性后IC为4.11%，全市场内为5.56%[7][31]。 * ICIR：中证800内市值行业中性后ICIR为65.85%，全市场内为108.71%[31]。 * 超额收益：中证800内市值行业中性后分组年化超额收益为4.85%，全市场内为6.53%[7][37]。 * 信息比率：中证800内市值行业中性后信息比率为1.18，全市场内为1.16[37]。 * 多空收益：中证800内市值行业中性后多空收益为12.36%，全市场内为19.72%[37]。 * 多空信息比率：中证800内市值行业中性后多空信息比率为2.04，全市场内为2.94[37]。 2. 振幅边际异常相对换手因子 * IC：中证800内市值行业中性后IC为2.46%，全市场内为3.68%[7][49]。 * ICIR：中证800内市值行业中性后ICIR为48.58%，全市场内为78.59%[49]。 * 超额收益：中证800内市值行业中性后分组年化超额收益为3.61%，全市场内为4.80%[7][52]。 * 信息比率：中证800内市值行业中性后信息比率为0.94，全市场内为1.07[52]。 * 多空收益：中证800内市值行业中性后多空收益为7.54%，全市场内为10.80%[52]。 * 多空信息比率：中证800内市值行业中性后多空信息比率为1.52，全市场内为2.06[52]。 3. 价格异常相对换手因子 * IC：中证800内市值行业中性后IC为2.69%，全市场内为3.70%[8][71]。 * ICIR：中证800内市值行业中性后ICIR为52.41%，全市场内为89.34%[71]。 * 超额收益：中证800内市值行业中性后分组年化超额收益为2.61%，全市场内为4.16%[8][74]。 * 信息比率：中证800内市值行业中性后信息比率为0.80，全市场内为1.06[74]。 * 多空收益：中证800内市值行业中性后多空收益为5.25%，全市场内为11.00%[74]。 * 多空信息比率：中证800内市值行业中性后多空信息比率为1.11，全市场内为2.21[74]。