量化模型与构建方式 1. 模型名称：回归模型 模型构建思路：基于个股日内高频数据，构建已实现波动（RVol）、已实现偏度（RSkew）、已实现峰度（RKurt）因子指标，并通过回归模型分析残差标准差对个股收益率的区分度[5] 模型具体构建过程： - 首先计算个股在交易日t的分钟级别收益率： $r_{t,i} = \ln(P_{t,i}) - \ln(P_{t,i-1})$ 其中，(P_{t,i})表示交易日t第i分钟的对数价格[32] - 计算已实现方差（Realized Variance）： $RDVar_t = \sum_{i=1}^{N} r_{t,i}^2$ - 计算已实现波动率（Realized Volatility）： $RDVol_t = \sqrt{RDVar_t}$ - 计算已实现偏度（Realized Skewness）和已实现峰度（Realized Kurtosis）： $RDSkew_t = \frac{\sum_{i=1}^{N} r_{t,i}^3}{(RDVar_t)^{3/2}}$ $RDKurt_t = \frac{\sum_{i=1}^{N} r_{t,i}^4}{(RDVar_t)^2}$ - 计算每日变化量： $\Delta Vol_t = RDVol_t - RDVol_{t-1}$ $\Delta Skew_t = RDSkew_t - RDSkew_{t-1}$ $\Delta Kurt_t = RDKurt_t - RDKurt_{t-1}$ - 将以上变量代入回归模型： $r_{t,i} = \alpha + \beta_1 RDVol_t + \beta_2 \Delta Vol_t + \beta_3 \Delta Skew_t + \beta_4 \Delta Kurt_t + \epsilon_{t,i}$ - 取回归模型的残差标准差作为因子指标，分析其对个股收益率的区分度[34] 量化因子与构建方式 1. 因子名称：已实现波动率（RVol） 因子构建思路：通过个股日内高频数据计算已实现波动率，衡量个股的波动性[5] 因子具体构建过程： - 计算个股在交易日t的分钟级别收益率： $r_{t,i} = \ln(P_{t,i}) - \ln(P_{t,i-1})$ - 计算已实现方差： $RDVar_t = \sum_{i=1}^{N} r_{t,i}^2$ - 计算已实现波动率： $RDVol_t = \sqrt{RDVar_t}$[31] 2. 因子名称：已实现偏度（RSkew） 因子构建思路：通过个股日内高频数据计算已实现偏度，衡量个股收益率的偏态分布[5] 因子具体构建过程： - 计算已实现偏度： $RDSkew_t = \frac{\sum_{i=1}^{N} r_{t,i}^3}{(RDVar_t)^{3/2}}$[33] 3. 因子名称：已实现峰度（RKurt） 因子构建思路：通过个股日内高频数据计算已实现峰度，衡量个股收益率的峰态分布[5] 因子具体构建过程： - 计算已实现峰度： $RDKurt_t = \frac{\sum_{i=1}^{N} r_{t,i}^4}{(RDVar_t)^2}$[33] 模型的回测效果 1. 回归模型： - 全市场选股： - IC均值：-0.036 - 负IC占比：63.5% - 多头组合年化收益率：32.39% - 信息比率（IR）：0.91 - 相对中证800年化超额收益率：24.52% - 信息比率（IR）：1.89[6] - 中证500选股： - IC均值：-0.048 - 负IC占比：66.2% - 多头组合年化收益率：30.32% - 相对空头组合年化超额收益率：30.73% - 信息比率（IR）：2.76[6] 因子的回测效果 1. 已实现波动率（RVol）： - 全市场选股： - IC均值：-0.036 - 负IC占比：63.5%[6] - 中证500选股： - IC均值：-0.048 - 负IC占比：66.2%[6] 2. 已实现偏度（RSkew）： - 全市场选股： - IC均值：-0.036 - 负IC占比：63.5%[6] - 中证500选股： - IC均值：-0.048 - 负IC占比：66.2%[6] 3. 已实现峰度（RKurt）： - 全市场选股： - IC均值：-0.036 - 负IC占比：63.5%[6] - 中证500选股： - IC均值：-0.048 - 负IC占比：66.2%[6]