量化因子与构建方式 1. **因子名称：理想振幅因子** - **构建思路**：通过价格维度切割日度振幅因子，刻画不同价格位置的资金多空博弈情况，构造高价振幅因子（V_high）和低价振幅因子（V_low），最终合成理想振幅因子[12][13] - **具体构建过程**： 1. 回溯股票最近N个交易日数据（默认N=20） 2. 计算每日振幅（最高价/最低价-1） 3. 选择收盘价较高的λ比例交易日，计算振幅均值得到V_high(λ) 4. 选择收盘价较低的λ比例交易日，计算振幅均值得到V_low(λ) 5. 取λ=25%，计算V=V_high(0.25)-V_low(0.25)作为最终因子[13] - **因子评价**：选股效果优异，但近两年表现略有波动[12] 2. **因子名称：分钟理想振幅因子** - **构建思路**：基于1分钟高频数据合并切割，通过分钟收盘价高低切割构造高价/低价分钟振幅因子[17][19] - **具体构建过程**： 1. 回溯股票最近N天（N=10）的1分钟数据 2. 计算每分钟振幅（最高价/最低价-1） 3. 选择分钟收盘价较高的λ比例（λ=25%）分钟数据，计算振幅均值得到V_high(λ) 4. 选择分钟收盘价较低的λ比例分钟数据，计算振幅均值得到V_low(λ) 5. 计算V=V_high(λ)-V_low(λ)作为最终因子[19] - **因子评价**：选股效果优于原始日度因子，分钟数据颗粒度更精细[17][21] 3. **因子名称：日内振幅切割因子** - **构建思路**：先对每日1分钟数据按情绪指标（如1分钟涨跌幅）切割，合成日度序列后再构造因子[27][28] - **具体构建过程**： 1. 对单日1分钟数据按情绪指标（如1分钟涨跌幅）排序 2. 选择指标较高的λ比例（λ=20%）分钟数据，计算振幅均值V_high 3. 选择指标较低的λ比例分钟数据，计算振幅均值V_low 4. 计算当日V=V_high-V_low 5. 回溯10个交易日计算V_mean和V_std，标准化后等权合成最终因子[28] - **因子评价**：1分钟涨跌幅切割效果最优，高频信息利用更充分[32][37] 4. **因子名称：高频振幅合成因子** - **构建思路**：将分钟理想振幅因子与日内振幅切割因子标准化后等权合成[43][44] - **具体构建过程**： 1. 分别计算分钟理想振幅因子（N=10, λ=25%）和日内振幅切割因子（N=10, λ=20%） 2. 对两因子横截面标准化 3. 等权合成最终因子[44] - **因子评价**：两类因子相关性低（30%），合成后选股效果显著提升[43][44] 因子的回测效果 1. **理想振幅因子** - IC均值：-0.051 - ICIR：-2.39 - 5分组多空年化收益：17%[12] 2. **分钟理想振幅因子（N=10, λ=25%）** - IC均值：-0.059 - ICIR：-3.1 - 5分组多空年化收益：19.5%[26] 3. **日内振幅切割因子（1分钟涨跌幅切割, λ=20%）** - RankIC均值：-0.067 - RankICIR：-3.82 - 5分组多空年化收益：16.7%[37] 4. **高频振幅合成因子** - RankIC均值：-0.086 - RankICIR：-4.58 - 5分组多空年化收益：22.4% - 沪深300样本： - RankICIR：-2.32 - 信息比率：1.53 - 中证500样本： - RankICIR：-2.13 - 信息比率：1.43[44][53]