量化因子与构建方式 聪明钱因子（原始模型） - 因子名称：聪明钱因子[5][15] - 因子的构建思路：通过分钟行情数据的价量信息，识别机构参与交易的多寡，构造跟踪聪明钱的选股因子[5][15] - 因子具体构建过程： 1. 回溯选定股票过去10个交易日的分钟行情数据[17] 2. 构造聪明度指标 $S_t = R_t / \sqrt{V_t}$，其中 $R_t$ 为第 $t$ 分钟涨跌幅，$V_t$ 为第 $t$ 分钟成交量[17] 3. 按 $S_t$ 从大到小排序，取成交量累积占比前20%的分钟视为聪明钱交易[16][17] 4. 计算聪明钱交易的成交量加权平均价 $VWAP_{smart}$[17] 5. 计算所有交易的成交量加权平均价 $VWAP_{all}$[17] 6. 构造聪明钱因子 $Q = VWAP_{smart} / VWAP_{all}$[17] - 因子评价：逻辑简洁，样本内表现良好，但样本外表现逐渐减弱[15][23] 聪明钱因子（改进模型） - 因子名称：改进后的聪明钱因子[7][23] - 因子的构建思路：通过重新考察聪明度指标 $S$ 的构造方式，优化聪明钱划分，提升选股能力[7][23] - 因子具体构建过程： 1. 将分钟成交量 $V$ 的指数项定义为可变参数 $\beta$，构造一般化公式 $S = |R| / (V^\beta)$[24] 2. 测试不同 $\beta$ 值下的因子选股能力，发现当 $\beta = 0.1$ 时信息比率达到最优[24][28] 3. 进一步尝试对分钟成交量作对数变换，构造公式 $S = |R| / \ln(V)$[31][32] - 因子评价：改进后的因子选股能力显著提升，尤其在中小市值股票中表现更优[7][28][43] 不同 $S$ 指标的构造方式 - 因子名称：基于不同 $S$ 指标的聪明钱因子[31][32] - 因子的构建思路：尝试不同的聪明度指标构造方式，优化因子选股能力[31][32] - 因子具体构建过程： 1. $S_1 = V$：单独考虑分钟成交量[32] 2. $S_2 = \text{rank}(R) + \text{rank}(V)$：分钟涨跌幅绝对值分位排名与分钟成交量分位排名之和[32] 3. $S_3 = R / \ln(V)$：分钟涨跌幅绝对值除以分钟成交量对数值[32] - 因子评价：对分钟成交量作对数变换构造的因子（$S_3$）选股能力最强[32] --- 因子的回测效果 原始聪明钱因子 - 信息比率：1.69[32] - IC均值：未明确列出[32] - 多空对冲净值：样本外表现逐渐减弱[23][27] 改进后的聪明钱因子（基于 $\beta = 0.1$） - 信息比率：3.67[28] - IC均值：未明确列出[28] - 多空对冲净值：显著提升，尤其在中证1000成分股中表现最佳[44][50] 改进后的聪明钱因子（基于对数成交量） - 信息比率：3.74[32] - IC均值：-0.050[32] - 多空对冲净值：对中小市值股票效果更优[48][50] 不同 $S$ 指标的回测效果 - $S_1 = V$： - 信息比率：2.03[32] - IC均值：-0.036[32] - 多空对冲净值：未明确列出[32] - $S_2 = \text{rank}(R) + \text{rank}(V)$： - 信息比率：2.61[32] - IC均值：-0.043[32] - 多空对冲净值：未明确列出[32] - $S_3 = R / \ln(V)$： - 信息比率：3.74[32] - IC均值：-0.050[32] - 多空对冲净值：未明确列出[32]