兴业证券条件分位数残差因子 (cn_stock_factors_hf_xy_conditional_quantile_residual)

# cn_stock_factors_hf_xy_conditional_quantile_residual ## 文献来源 - **标题**: 《高频研究系列十——成交异常、分歧状态与成交分歧结合中的 Alpha》 - **作者**: 郑兆磊、陈子轩 - **机构**: 兴业证券 - **时间**: 2026-10-22 研报的核心不是问「成交量是否大」，而是问「在已知交易条件下成交量是否仍然异常」：对分钟相对成交量估计给定当分钟价格变化、上一分钟成交量、日内时段效应与个股流动性基底下的 20% 与 80% 条件分位数，用残差刻画真正的异常成交，再在日内求相关、做 10 日平滑得到日频因子。本表输出研报第一部分的两个条件分位数残差因子；同一篇研报中基于 CSAD 稀疏回归状态识别的贝叶斯放量分歧命中因子，公开内容缺少关键公式，不在本表范围内。 ## 表结构 - **表名**: `cn_stock_factors_hf_xy_conditional_quantile_residual` - **中文表名**: 兴业证券条件分位数残差因子 - **数据描述**: 用分钟成交量的条件分位数回归残差计算日内相关性并做 10 日平滑 - **主键**: `date` + `instrument` - **记录粒度**: 每个交易日每只股票一条记录 | 字段 | 类型 | 可空 | 含义 | | ---- | ---- | ---- | ---- | | `date` | `PlDatetime` | 否 | 交易日期 | | `instrument` | `PlString` | 否 | 股票代码 | | `vr_quantile_resid_corr` | `PlFloat64` | 是 | 高低分位残差相关，日内 20% 与 80% 条件分位数残差的相关系数取 10 日均值，值越大表示条件成交分布整体稳定位移，值越大未来收益越高 | | `vr_q80_ret_corr` | `PlFloat64` | 是 | 异常放量与收益相关，日内 80% 条件分位数残差与分钟收益的相关系数取 10 日均值，衡量异常放量与价格方向的同步程度 | ## 依赖数据 | 依赖表 | 频率 | 用到的字段 | 用途 | | ---- | ---- | ---- | ---- | | `cn_stock_bar1m_c` | 1 分钟 | `date`、`instrument`、`close`、`volume` | `date` 用于取交易日与分钟位置（时段哑变量）；`close` 计算分钟收益（集合竞价 bar 的 `close` 作第一根分钟的前收）；`volume` 计算分钟相对成交量及其滞后项 | | `cn_stock_prefactors` | 日频 | `date`、`instrument`、`volume`、`amount` | 过去 20 个交易日日成交量均值 ÷ 240 作为分钟相对成交量的分母；过去 20 个交易日日成交额均值的对数作为个股流动性基底 | 因子做 10 日平滑，输出区间之外需多读 9 个交易日的分钟数据；分位数模型每月用上月最后 5 个交易日的样本训练，月初还需额外读取上月末 5 个交易日（与回看区间重叠的部分不重复读）；日频表另回溯 30 个交易日用于 20 日均值。 ## 因子列表 ### vr_quantile_resid_corr **中文名**: 高低分位残差相关 **描述**: 高低分位残差同步，表示整个条件成交分布发生较稳定的位移，而非少数尾部分钟的偶发异常。研报 RankIC 均值为正。 **构建逻辑**: 1. 计算分钟相对成交量 $v$，以及条件变量 $X$：当分钟价格变化、上一分钟成交量、日内时段效应和个股流动性基底。 2. 只用当时可见的历史样本滚动训练条件分位数模型，估计 $\tau=0.2$ 与 $\tau=0.8$ 的条件分位数 $\widehat Q_\tau(v\mid X)$。 3. 残差 $\varepsilon^\tau=v-\widehat Q_\tau(v\mid X)$。 4. 每个交易日在个股的全部有效分钟上计算 $\varepsilon^{20}$ 与 $\varepsilon^{80}$ 的相关系数，再取最近 10 个交易日均值。 ```math f_{i,d}=\operatorname{Corr}_{m\in\mathcal M_{i,d}}(\varepsilon^{20}_{i,d,m},\varepsilon^{80}_{i,d,m}),\qquad F_{i,d}=\frac1{10}\sum_{t\in\mathcal D_{10}(d)}f_{i,t} ``` **项目实现说明**（研报原文无法公开访问，下列变量与训练细节均为本项目自定，与研报文字描述一致但未经原文核对）: - 计算频率：本项目按项目规范每个交易日输出 - 分钟口径：只取 `09:31` 起的 240 根连续竞价分钟，第一根分钟没有上一分钟成交量，只用第 2~240 根 - 被解释变量：分钟相对成交量 $v=\ln(1+V_m/\bar V)$，$\bar V$ 为该股过去 20 个交易日（不含当日）日成交量均值 ÷ 240，至少 10 个有成交的交易日才有定义 - 条件变量 $X$：截距；当分钟收益 $r_m$；$|r_m|$；上一分钟相对成交量 $v_{m-1}$；按 30 分钟切成 8 个时段、以开盘第一个时段为基准的 7 个时段哑变量；流动性基底 $\ln \bar A$，$\bar A$ 为过去 20 个交易日（不含当日）日成交额均值 - 滚动训练：全市场混合样本的线性分位数回归，每个自然月重新训练一次，训练样本为上一个月最后 5 个交易日的分钟数据，每个交易日按固定种子（由日期决定）随机抽 20000 行，共 10 万行；当月全部交易日都用该月模型，保证只用当时已知数据，且结果与取数区间无关；分位数回归用迭代重加权最小二乘求解，与线性规划精确解的 pinball 损失在 $10^{-6}$ 内一致 - 日内相关：有效分钟不足 60 根或任一序列方差为 0 时该日无定义；10 日均值窗口内至少 5 个有效日才输出 ### vr_q80_ret_corr **中文名**: 异常放量与收益相关 **描述**: 高分位条件残差衡量「超出正常放量上沿」的异常成交，它与分钟收益的相关刻画异常放量是否伴随上涨。 **构建逻辑**: 按 `vr_quantile_resid_corr` 第 1~3 步得到 $\varepsilon^{80}$，每个交易日在个股的全部有效分钟上计算 $\varepsilon^{80}$ 与分钟收益 $r$ 的相关系数，再取 10 日均值。 ```math f^{r}_{i,d}=\operatorname{Corr}_{m\in\mathcal M_{i,d}}(\varepsilon^{80}_{i,d,m},r_{i,d,m}),\qquad F^{r}_{i,d}=\operatorname{MA}_{10}(f^{r}_{i,d}) ``` **项目实现说明**: 分钟口径、变量定义、滚动训练与有效样本门槛同 `vr_quantile_resid_corr`。 ## 复现核对 **核对口径**: 研报样本 2017-08-29 ~ 2026-09-30，T+1 收盘成交；本项目研报口径子样本取同区间的月末截面，另给 2015-01 ~ 2026-10 全样本；全市场不做任何股票过滤；前向收益取次日开盘到 21 个交易日后开盘（后复权）；Rank IC 按截面 Spearman 计算。研报未写明截面频率与预处理，ICIR 约 0.59 看起来是未年化值，本项目同时给出未年化值。因子原值与换手率的月末秩相关均值为 -0.61、与流通市值的为 -0.08，因此另给两种月末截面回归中性化后的结果：申万一级行业哑变量 + 对数流通市值；再加对数换手率。 | 因子 | 口径 | 本项目（研报区间，月末） Rank IC | 本项目 ICIR（未年化） | 本项目（全样本，月末） Rank IC | 研报原文 | 出处 | | ---- | ---- | ---- | ---- | ---- | ---- | ---- | | vr_quantile_resid_corr | 原值 | +0.1212 | 0.74 | +0.1309 | Rank IC 0.048，ICIR 约 0.59 | 研报正文 | | vr_quantile_resid_corr | 行业 + 市值中性化 | +0.1004 | 0.89 | +0.1081 | 同上 | 研报正文 | | vr_quantile_resid_corr | 行业 + 市值 + 换手中性化 | +0.0469 | 0.79 | +0.0526 | 同上 | 研报正文 | | vr_q80_ret_corr | 原值 | +0.0251 | 0.26 | +0.0131 | 研报未披露，无法核对 | — | 逐日 20 日 Rank IC（原值）：`vr_quantile_resid_corr` 研报区间 +0.1251、全样本 +0.1348；`vr_q80_ret_corr` 研报区间 +0.0388、全样本 +0.0238。 差异说明： - 原值 IC 是研报的 2.5 倍，主要来自低换手暴露：因子与换手率高度负相关，只做行业市值中性化后仍有 0.100，再剔除换手率后降到 0.0469，与研报 0.048 基本一致。研报的变量与训练细节无法从原文核对（见「项目实现说明」），这一吻合只能说明增量部分的量级相符，不能证明实现口径和研报完全相同。使用时建议对换手率做中性化，否则它在很大程度上是低换手因子的替代 - `vr_q80_ret_corr` 的方向不稳定：2015-01 ~ 2017-08 月末 IC 为 -0.0292，2017-08 以后为 +0.0251，全样本只有 +0.0131，按研报原定义输出，未做调整 - 2015-07-17、2015-07-20 两天 `vr_q80_ret_corr` 的无效值占比分别为 20.1%、21.9%，略超入库前门禁上限。原因是股灾期间大量股票全天一字涨跌停，分钟收益恒为 0、方差为 0，相关系数没有定义。历史回填按年随机抽 1 天测试（2015 年抽到 2015-11-24），这两天随该年一并入库 ## 示例数据 按 `date`、`instrument` 排序后的前 5 行与后 5 行，由 `update_docs()` 推送文档时自动填充。 | date | instrument | vr_quantile_resid_corr | vr_q80_ret_corr | |---------------------|------------|------------------------|-----------------| | 2026-10-30 00:00:00 | 000001.SZ | 0.874957 | -0.034099 | | 2026-10-30 00:00:00 | 000002.SZ | 0.773566 | -0.057880 | | 2026-10-30 00:00:00 | 000006.SZ | 0.793137 | 0.009907 | | 2026-10-30 00:00:00 | 000007.SZ | 0.830991 | -0.071198 | | 2026-10-30 00:00:00 | 000008.SZ | 0.909426 | -0.072996 | | 2026-10-30 00:00:00 | 920978.BJ | 0.830631 | 0.025037 | | 2026-10-30 00:00:00 | 920981.BJ | 0.780640 | -0.069105 | | 2026-10-30 00:00:00 | 920982.BJ | 0.579219 | -0.121452 | | 2026-10-30 00:00:00 | 920985.BJ | 0.838625 | -0.053404 | | 2026-10-30 00:00:00 | 920992.BJ | 0.829463 | -0.035802 |