量化因子与构建方式 1. 因子名称：量峰分钟数因子 - **构建思路**：统计过去20日量峰的分钟数，衡量日内知情交易参与频率[24] - **构建过程**： 1. 对个股日内分钟成交量划分： - 喷发成交量：过去20日同时点成交量高于1倍标准差 - 温和成交量：低于1倍标准差 2. 进一步划分喷发成交量： - 孤立喷发（量峰）：当前喷发且前后1分钟均为温和成交量 - 连续喷发（量岭）：当前喷发且前后存在喷发成交量[15] 3. 计算量峰分钟数的20日均值 - **评价**：反映知情交易活跃度，因子值越高表明知情交易参与度越高[24] 2. 因子名称：量岭分钟收益因子 - **构建思路**：计算过去20日量岭时点的累计收益，衡量个人投资者交易的收益贡献及过度反应[32] - **构建过程**： 1. 按量岭划分标准筛选交易时点 2. 累计所选时点的分钟收益 3. 取20日均值 - **评价**：负向因子，反映个人投资者交易的过度反应[32] 3. 因子名称：量谷相对加权价格因子 - **构建思路**：计算量谷成交量加权价格与当日总成交量加权价格的比值，衡量交易低迷时点的价格相对水平[41] - **构建过程**： 1. 计算每日量谷成交量加权价格： $$ P_{\text{量谷}} = \frac{\sum (成交量_i \times 价格_i)}{\sum 成交量_i} $$ 2. 计算当日总成交量加权价格 3. 计算比值并取20日均值[41] - **评价**：正向因子，价格过度反应概率低时更有效[41] 4. 因子名称：量峰间隔峰度因子 - **构建思路**：统计量峰间时间间隔分布的峰度，反映知情交易的时间聚集特征[63] - **构建过程**： 1. 识别量峰时点 2. 计算相邻量峰间的时间间隔 3. 计算20日内间隔分布的峰度值 - **评价**：峰度越高表明知情交易时间分布越集中[63] 5. 因子名称：谷岭加权价格比因子 - **构建思路**：计算量谷与量岭的加权价格比，捕捉个人投资者导致的过度反应[79] - **构建过程**： 1. 分别计算量谷和量岭的成交量加权价格 2. 计算每日比值： $$ R = \frac{P_{\text{量谷}}}{P_{\text{量岭}}} $$ 3. 取20日均值[79] - **评价**：比值越高表明价格向下偏离程度越大[79] 6. 因子名称：喷发成交额跟随比例因子 - **构建思路**：衡量大额成交后资金跟随程度，反映个人投资者参与度[97] - **构建过程**： 1. 计算喷发成交时点总成交额（分母） 2. 计算下一分钟成交额（分子） 3. 取20日跟随比例均值[97] - **评价**：负向因子，跟随比例越高表明个人投资者交易占比越高[97] 7. 因子名称：同时点峰岭数相关性因子 - **构建思路**：统计同一时点的量峰与量岭样本数相关性，反映交易模式协同性[105] - **构建过程**： 1. 统计20日内各时点的量峰与量岭出现次数 2. 计算二者的相关系数[105] - **评价**：负向因子，相关性高可能预示市场情绪分化[105] --- 因子的回测效果 | 因子名称 | 年化收益率 | 年化IR | 最大回撤 | 月度胜率 | |------------------------------|------------|--------|----------|----------| | 量峰分钟数因子 | 31.58% | 3.22 | 9.43% | 79.73% | [24] | 量岭分钟收益因子 | 14.98% | 1.73 | 13.84% | 70.27% | [32] | 量谷相对加权价格因子 | 25.35% | 3.04 | 12.59% | 79.73% | [41] | 量峰间隔峰度因子 | 23.30% | 3.39 | 7.37% | 82.43% | [63] | 谷岭加权价格比因子 | 15.83% | 1.83 | 11.73% | 72.30% | [79] | 喷发成交额跟随比例因子 | 30.09% | 2.85 | 9.80% | 73.65% | [97] | 同时点峰岭数相关性因子 | 22.78% | 3.27 | 8.39% | 80.41% | [105] --- 补充说明 - **分域表现**：多数因子在小市值股票池（如中证1000）中表现更优，例如量峰分钟数因子在中证1000中年化收益达24.73%[29] - **相关性**：量峰间隔峰度与偏度因子相关性高达98%，峰岭成交比与喷发成交额跟随比例因子负相关69%[116][117]