量化因子与构建方式 高频价量相关性因子 1. 因子名称：CPV - 因子的构建思路：基于价格和成交量的相关性，价量配合同向变动时相关系数为正，价量背离反向变动时相关系数为负[4][5] - 因子具体构建过程：计算每只股票过去20个交易日的分钟收盘价与分钟成交量的相关系数，取20日相关系数的平均值和标准差，分别做横截面市值中性化处理，得到价量相关性平均数因子PV_corr_avg和价量相关性标准差因子PV_corr_std[6][7] - 公式： $\mathrm{PV\_corr\_avg}={\frac{1}{20}}\sum_{i=1}^{20}\mathrm{Corr}(P_{i},V_{i})$ $\mathrm{PV\_corr\_std}=\frac{1}{20}\sum_{i=1}^{20}(\mathrm{Corr}(P_{i},V_{i})-\mathrm{PV\_corr\_avg})^{2}$ 其中，Corr(P, V)表示第i天分钟收盘价序列与分钟成交量序列的相关系数[7] - 因子评价：PV_corr_avg因子在样本外失效，而PV_corr_std因子在样本内外均有效[8][9] 2. 因子名称：PV_corr_trend - 因子的构建思路：基于价量相关性的趋势，通过回归分析得到趋势因子[10] - 因子具体构建过程：计算每只股票过去20个交易日的价量相关性，将20个相关系数对时间t回归，回归系数记为β，对所有股票的回归系数β在横截面上对市值及传统价量类因子进行正交，得到趋势因子PV_corr_trend[10][11] - 公式： $\rho_{\mathrm{t}}=\beta\times\mathrm{t}+\varepsilon_{\mathrm{t}}$ 其中t = 1,2, ⋯ ,20[10] - 因子评价：PV_corr_trend因子在样本内外均有效，但效果不如PV_corr_std因子[11] CPV分时版因子 1. 因子名称：PV_corr_std_1430 - 因子的构建思路：基于最后30分钟的价量相关性标准差，作为CPV分时版的代理变量[1][2] - 因子具体构建过程：将日内交易时段等分为8份，计算每个30分钟的分钟收盘价与分钟成交量相关系数，取20日相关系数的平均值和标准差，分别做横截面市值中性化处理，得到价量相关性标准差因子PV_corr_std，选择最后30分钟价量相关性的标准差PV_corr_std_1430作为CPV分时版的代理变量[16][17][35] - 公式： $\mathrm{PV\_corr\_a\_b}\,=\,\mathrm{Corr}(P_{a\_b},V_{a\_b})$ 其中a和b分别代表时间段的起始和结束时间[16] - 因子评价：PV_corr_std_1430因子在样本内外均表现优异，且与Barra风格因子相关性较低，具有良好的选股表现[35][44][45] 因子的回测效果 1. PV_corr_avg因子 - 年化收益率：12.61% - 年化波动率：11.15% - 信息比率：1.13 - 月度胜率：62.81% - 最大回撤率：18.17%[8] 2. PV_corr_std因子 - 年化收益率：19.98% - 年化波动率：11.12% - 信息比率：1.80 - 月度胜率：69.42% - 最大回撤率：10.15%[9] 3. PV_corr_trend因子 - 年化收益率：10.15% - 年化波动率：8.63% - 信息比率：1.18 - 月度胜率：66.94% - 最大回撤率：30.19%[11] 4. PV_corr_std_1430因子 - 年化收益率：27.71% - 年化波动率：10.85% - 信息比率：2.55 - 月度胜率：75.63% - 最大回撤率：9.46%[38] 5. 纯净PV_corr_std_1430因子 - 年化收益率：13.66% - 年化波动率：5.62% - 信息比率：2.43 - 月度胜率：72.27% - 最大回撤率：4.91%[45]