量化因子与构建方式 振幅因子 - 因子名称：振幅因子 - 因子的构建思路：振幅因子作为波动类因子的代理变量，用于衡量股票在过去一段时间内的振幅平均水平[15][16] - 因子具体构建过程：回看最近20个交易日，计算股票每日的振幅（最高价/最低价-1），取其均值作为振幅因子[16][18] - 因子评价：振幅因子具有一定负向选股能力，但选股效果的稳定性不佳[5][18] 高价振幅因子 - 因子名称：高价振幅因子 - 因子的构建思路：通过价格维度切割振幅因子，提取高价区域的振幅信息以增强选股能力[21][23] - 因子具体构建过程： 1. 回溯最近20个交易日的股票数据 2. 计算每日振幅（最高价/最低价-1） 3. 选择收盘价较高的λ（如40%）有效交易日，计算振幅均值得到高价振幅因子 $V_{high}(\lambda)$ 4. 剔除停牌和一字涨跌停后的交易日，若有效交易日小于10日，则因子值设为空值[24][25] - 因子评价：高价振幅因子具有更强的负向选股能力，但多空对冲净值波动性较高，分组收益非单调[26][28][29] 理想振幅因子 - 因子名称：理想振幅因子 - 因子的构建思路：通过高价振幅因子与低价振幅因子作差，标准化处理以提升选股稳定性[31][32] - 因子具体构建过程： 1. 在同一切割比例λ下，将高价振幅因子 $V_{high}(\lambda)$ 与低价振幅因子 $V_{low}(\lambda)$ 作差 2. 构造得到理想振幅因子 $V(\lambda)$，公式如下： $\mathrm{V(\lambda\,)=V_{\,\,\,h i g h(\lambda\,)}-V_{\,\,\,l o w(\lambda\,)}}$[31][32] - 因子评价：理想振幅因子选股能力显著优于高价振幅因子，表现稳定，分组收益单调排列[33][35] 换手率因子 - 因子名称：理想换手率因子 - 因子的构建思路：基于理想振幅因子的构造框架，对换手率因子进行切割以提取隐藏结构[45] - 因子具体构建过程： 1. 回看最近20个交易日，计算每日换手率均值作为换手率因子 2. 按价格维度切割，构造高价换手率因子与低价换手率因子 3. 将高价换手率因子与低价换手率因子作差，得到理想换手率因子 $T(\lambda)$[45][48] - 因子评价：理想换手率因子选股能力优于原始换手率因子，可视为改进方案[45][48] --- 因子的回测效果 振幅因子 - 月度IC均值：-0.035 - rankIC均值：-0.068 - ICIR：-0.77 - 月度胜率：59.2%[5][18] 高价振幅因子 - λ=20%时： - 多空对冲年化收益率：16.7% - 年化波动率：11.8% - 最大回撤：13.9% - IC均值：-0.062 - ICIR：-1.76[26][28] 理想振幅因子 - λ=25%时： - 多空对冲年化收益率：23.3% - IC均值：-0.067 - ICIR：-2.97 - 月度胜率：84.2%[35][39] 理想换手率因子 - λ=25%时： - 多空对冲年化收益率：优于原始换手率因子 - ICIR：显著提升[45][48]