私享会因子库 (cn_stock_factors_salon)

# cn_stock_factors_salon ## 数据描述 仓库 78 张每日更新的高频因子表共 1393 个因子按统一口径去极值、中性化、标准化后的合成前宽表 ## 数据简介 本表把 BigQuant 高频因子仓库（`hfwarehouse/builder/output/`）里已入库、且有每日定时任务的 78 张研报因子表拼成一张「每个交易日 × 每只股票一行」的宽表，共 1393 个因子列，另附 9 个可交易掩码与中性化回归元列。每个因子在每个交易日的横截面上独立做四步预处理：覆盖率过滤 → 5 倍 MAD 去极值 → 申万一级行业哑变量 + ln(流通市值) 的 OLS 残差 → 截面 z-score。处理后的因子在同一天内均值为 0、标准差为 1，与行业和市值无线性暴露，可以直接横截面比较、跨期比较、放进同一个回归或同一个合成式。 处理口径取自研究报告《合成前的因子库治理：1000 个 A 股因子在滚动训练期内的收敛方案》（2026-11-10）第 1 章与第 5 章表 2（参数配置表）。报告的核心主张是：合成前必须先统一入场口径，否则后续 IC、分层、相关矩阵与合成权重都会失去可比性。另外两条规则也按报告执行：因子在最大可得样本上计算，停牌、ST、涨跌停、次新股只打掩码、不删行（报告 1.3 节）；缺失值不补 0（报告 1.1 节）。 本表是 DAI **视图**，不存物理数据。全部处理写在一条 SQL 里，只用 DAI 的 `c_` 截面算子，查询时现算。源表更新后视图自动同步，不需要回填。 数据区间：`2010-01-04` ~ `2026-11-10`（每个交易日一条记录；各因子的有效起点取决于各自的源表，见「依赖数据」）。 ## 文献来源 - **标题**: 《合成前的因子库治理：1000 个 A 股因子在滚动训练期内的收敛方案——从横截面预处理到每期九步流水线的证据综述与可执行参数表》 - **作者**: 原文未署名（用户提供的研究报告，本地文件 `/home/aiuser/work/量化多因子_合成前因子库处理_深度研究报告.md`） - **机构**: 原文未署名 - **时间**: 2026-11-10 - **本表采用的章节**: 第 1 章 1.1 节（预处理四步与次序）、1.2 节（标量化口径）、1.3 节（计算域与投资域分离、新股不限幅期）；第 5 章 5.2 节表 1 步 2（预处理与中性化）、5.3 节表 2（覆盖率门槛、去极值倍数、中性化回归元、标量化口径四项参数） 各因子自身的研报出处见每个源表文档的「文献来源」小节，也写在本表每个因子字段说明的末尾。 ## 表结构 - **表名**: `cn_stock_factors_salon` - **中文表名**: 合成前标准化因子大表 - **数据描述**: 仓库 78 张每日更新的高频因子表共 1393 个因子按统一口径去极值、中性化、标准化后的合成前宽表 - **类型**: DAI 视图（`DataSource.write_view` 注册，无物理存储） - **主键**: `date` + `instrument` - **记录粒度**: 每个交易日、每只当日在册的 A 股（`cn_stock_status` 中的股票，含停牌、ST、涨跌停）一条记录 - **字段命名**: 因子列一律为 `{源表名去掉 cn_stock_factors_hf_ 前缀}__{源字段名}`（双下划线分隔），例如 `fz_tide__full_tide` 对应 `cn_stock_factors_hf_fz_tide.full_tide`。加前缀是因为有 10 个字段名在不同源表中重名，而它们的取值并不相同（同一天截面相关只有 0.63~0.997） ### 辅助列（掩码与回归元） | 字段 | 类型 | 可空 | 含义 | | ---- | ---- | ---- | ---- | | `date` | `TIMESTAMP` | 否 | 交易日期 | | `instrument` | `VARCHAR` | 否 | 股票代码 | | `sw2021_level1` | `VARCHAR` | 是 | 申万 2021 版一级行业代码，即中性化回归所用的行业哑变量；为空的股票当天所有因子为空 | | `ln_float_cap` | `DOUBLE` | 是 | ln(流通市值)，即中性化回归所用的市值暴露 | | `is_st` | `INTEGER` | 否 | 是否 ST / *ST / 风险警示股（`st_status > 0` 或 `is_risk_warning = 1`），1 是 0 否 | | `is_suspended` | `INTEGER` | 否 | 当日是否停牌，1 是 0 否 | | `is_limit_up` | `INTEGER` | 否 | 当日是否收盘涨停（`price_limit_status = 3`），1 是 0 否 | | `is_limit_down` | `INTEGER` | 否 | 当日是否收盘跌停（`price_limit_status = 1`），1 是 0 否 | | `is_new_listing` | `INTEGER` | 否 | 上市不满 90 个自然日的次新股，1 是 0 否 | | `can_buy` | `INTEGER` | 否 | 可买入掩码：未停牌、非 ST、非涨停、非次新股同时成立时为 1，否则为 0 | | `can_sell` | `INTEGER` | 否 | 可卖出掩码：未停牌且非跌停时为 1，否则为 0 | 掩码只描述「当日收盘状态」，组合层用它把权重置零，**不要用它删行再算因子**。报告 1.3 节指出：涨停股往往是动量、资金流因子的最高分位，计算阶段删掉它们会把截面最高分位抽空，分层顶组收益随之有偏。 ### 因子列 1393 个因子列全部为 `DOUBLE`、可空，按源表名排序、表内按源表字段顺序排列。逐字段清单（视图字段、源表、源字段、原始含义）见文末「附录：因子字段清单」。平台字段说明里每个因子写成「源表中文名｜原始含义。本视图口径。原始字段。来源」。 **因子方向与源表一致**：中性化和标准化都是保序的仿射变换（对残差而言），原字段说明里的「值越大越好 / 越小越好」在本表照样成立。本表不翻转任何因子的符号；报告 2.5 节与 5.1 节要求因子方向在训练期定下后冻结，由使用方自己决定。 ## 依赖数据 | 依赖表 | 频率 | 用到的字段 | 用途 | | ---- | ---- | ---- | ---- | | `bq_factor_sxh_universe` | 日频 | `date`、`instrument`、`sw2021_level1`、`float_market_cap`、`st_status`、`is_risk_warning`、`suspended`、`price_limit_status`、`list_days` | 计算域（当日在册股票）；行业哑变量与 ln(流通市值) 回归元；覆盖率分母（当日未停牌股票数）；全部掩码列 | | 78 张 `cn_stock_factors_hf_*` 因子表 | 日频 | `date`、`instrument` 与全部 `DOUBLE` 因子字段 | 原始因子值，逐张清单见下表 | <!-- AUTO:DEPS:BEGIN --> | 源表 | 中文表名 | 因子数 | 数据区间 | 文献来源 | | ---- | ---- | ---- | ---- | ---- | | `cn_stock_factors_hf_aj_abnormal_minute` | 爱建证券高频异动与走势偏离因子 | 8 | 2011-01-04 ~ 2026-11-10 | 侯佳林, 方时. 2016-10-10. 《高频选股因子梳理与新因子探索》. 爱建证券 | | `cn_stock_factors_hf_cicc_handbook` | 中金公司高频因子手册分钟K线因子 | 77 | 2011-01-04 ~ 2026-11-10 | 周萧潇, 郑文才, 陈宜筠. 2024-01-15. 《量化多因子系列（12）：高频因子手册》. 中金公司 | | `cn_stock_factors_hf_citic_intraday_gp_alpha` | 中信证券日内分时特征遗传规划量价因子 | 10 | 2013-01-04 ~ 2026-11-10 | 王兆宇, 赵文荣, 马普凡, 张依文. 2020-12-31. 《多因子量化选股系列专题研究：结合日内分时特征的量价增强模型研究》. 中信证券 | | `cn_stock_factors_hf_cj_bvc_active_ratio` | 长江证券分布估计主动成交占比因子 | 13 | 2011-01-04 ~ 2026-11-10 | - **机构**: 长江证券. 2020-08. 《分布估计下的主动成交占比》 | | `cn_stock_factors_hf_cj_dimension_match` | 长江证券维度匹配因子 | 4 | 2014-01-02 ~ 2026-11-10 | 郑起, 刘胜利. 2026-02-27. 《高频因子（十八）：收益来源基础的因子挖掘方法论一——维度匹配因子》. 长江证券 | | `cn_stock_factors_hf_cj_intraday_interday` | 长江证券日内与日间高频因子 | 13 | 2011-01-04 ~ 2026-11-10 | 覃川桃, 郑起. 2021-06-06. 《基础因子研究（十八）：高频因子（十二），日内与日间》. 长江证券 | | `cn_stock_factors_hf_cj_struct_reversal` | 长江证券结构化反转因子 | 8 | 2011-01-04 ~ 2026-11-10 | 覃川桃, 郑起. 2019-06-01. 《基础因子研究（七）：高频因子（二），结构化反转因子》. 长江证券 | | `cn_stock_factors_hf_cj_trading_behavior` | 长江证券高频交易行为因子 | 13 | 2014-01-02 ~ 2026-11-10 | 覃川桃, 郑起. 2019-08-10. 《基础因子研究（十）：高频因子（五），高频因子和交易行为》. 长江证券 | | `cn_stock_factors_hf_csc_order_imbalance_spread` | 中信建投证券高频订单失衡及价差因子 | 14 | 2014-01-02 ~ 2026-11-10 | 中信建投证券金融工程研究团队（首页未署名）. 2021-01-29. 《高频订单失衡及价差因子——因子深度研究系列》. 中信建投证券 | | `cn_stock_factors_hf_csc_order_liquidity` | 中信建投证券买卖报单流动性因子 | 5 | 2014-01-02 ~ 2026-11-10 | 中信建投证券金融工程研究团队（首页未署名）. 2020-10-23. 《买卖报单流动性因子构建——因子深度研究系列》. 中信建投证券 | | `cn_stock_factors_hf_dfzq_apb` | 东方证券均价偏差买卖压力因子 | 6 | 2011-01-04 ~ 2026-11-10 | 朱剑涛. 2019-10-29. 《因子选股系列研究之六十：基于量价关系度量股票的买卖压力》. 东方证券 | | `cn_stock_factors_hf_dfzq_arpp` | 东方证券时间加权相对价格位置因子 | 6 | 2011-01-04 ~ 2026-11-10 | 朱剑涛. 2020-04-21. 《因子选股系列之六十六：基于时间尺度度量的日内买卖压力》. 东方证券 | | `cn_stock_factors_hf_dfzq_gamma_bias` | 东方证券价格冲击偏差因子 | 3 | 2014-01-02 ~ 2026-11-10 | 朱剑涛. 2016-11-10. 《非对称价格冲击带来的超额收益——因子选股系列研究之十六》. 东方证券 | | `cn_stock_factors_hf_dfzq_harvey_hf_illiq` | 东方证券买卖单非流动性因子 | 4 | 2014-01-02 ~ 2026-11-10 | 朱剑涛. 2017-02-17. 《技术类新 Alpha 因子的批量测试——因子选股系列研究之二十》. 东方证券 | | `cn_stock_factors_hf_dfzq_illiquidity` | 东方证券非流动性因子 | 7 | 2014-01-02 ~ 2026-11-10 | 朱剑涛. 2016-11-02. 《非流动性的度量及其横截面溢价——因子选股系列研究之十四》. 东方证券 | | `cn_stock_factors_hf_dfzq_intraday_stability` | 东方证券日内交易特征稳定性因子 | 42 | 2011-01-04 ~ 2026-11-10 | 朱剑涛. 2019-01-14. 《日内交易特征稳定性与股票收益——因子选股系列之四十九》. 东方证券 | | `cn_stock_factors_hf_dfzq_jump_beta` | 东方证券跳跃Beta与连续Beta因子 | 7 | 2011-01-04 ~ 2026-11-10 | 朱剑涛. 2019-08-01. 《跳跃 Beta 与连续 Beta——因子选股系列研究之五十九》. 东方证券 | | `cn_stock_factors_hf_dfzq_mild_extreme_return` | 东方证券温和收益与极端收益因子 | 8 | 2011-01-04 ~ 2026-11-10 | 朱剑涛. 2019-07-01. 《温和收益的动量与极端收益的反转效应——因子选股系列研究之五十七》. 东方证券 | | `cn_stock_factors_hf_dw_cpv` | 东吴证券高频价量相关性因子 | 11 | 2011-01-04 ~ 2026-11-10 | 高子剑、沈芷琦. 2020-02-23. 《“技术分析拥抱选股因子”系列研究（一）：高频价量相关性，意想不到的选股因子》. 东吴证券 | | `cn_stock_factors_hf_dw_cpv_uid_composite` | 东吴证券价量相关性与信息分布均匀度因子 | 8 | 2015-01-05 ~ 2026-11-10 | 高子剑. 2020-09-01. 《“波动率选股因子”系列研究（二）：信息分布均匀度，基于高频波动率的选股因子》. 东吴证券 | | `cn_stock_factors_hf_dw_day_night_momentum` | 东吴证券日与夜新动量因子 | 18 | 2015-01-05 ~ 2026-11-10 | 高子剑、庞格致. 2023-07-01. 《“日与夜的殊途同归”新动量因子绩效月报 20230630》. 东吴证券 | | `cn_stock_factors_hf_dw_ideal_reversal` | 东吴证券理想反转因子 | 9 | 2011-01-04 ~ 2026-11-10 | 魏建榕、高子剑、傅开波. 2018-12-13. 《"订单簿的温度"系列研究（一）：反转因子的精细结构》. 东吴证券 | | `cn_stock_factors_hf_dw_pareto` | 东吴证券帕累托因子 | 53 | 2021-08-02 ~ 2026-11-10 | 魏建榕、高子剑、傅开波. 2019-04-26. 《“订单簿的温度”系列研究（二）：逐笔成交中的帕累托因子》. 东吴证券 | | `cn_stock_factors_hf_dw_trader_structure` | 东吴证券交易者结构动量因子 | 130 | 2016-01-04 ~ 2026-11-10 | 高子剑、沈芷琦. 2020-08-18. 《“求索动量因子”系列研究（二）：交易者结构对动量因子的改进》. 东吴证券 | | `cn_stock_factors_hf_dw_volume_pulse_rv` | 东吴证券高量脉冲与成交额加权波动因子 | 3 | 2015-01-05 ~ 2026-11-10 | 于明明. 2026-06-23. 《从人工写因子到 AI 写因子：LLM-MCTS 驱动的可解释因子迭代框架》. 东吴证券 | | `cn_stock_factors_hf_fz_boat_in_water` | 方正证券水中行舟因子 | 9 | 2015-01-05 ~ 2026-11-10 | 曹春晓、陈宗伟. 2023-02-15. 《个股成交额的市场跟随性与“水中行舟”因子——多因子选股系列研究之九》. 方正证券 | | `cn_stock_factors_hf_fz_brave_climb` | 方正证券勇攀高峰因子 | 9 | 2015-01-05 ~ 2026-11-10 | 曹春晓. 2022-05-30. 《个股波动率的变动及“勇攀高峰”因子构建——多因子选股系列研究之三》. 方正证券 | | `cn_stock_factors_hf_fz_clouds_clear` | 方正证券云开雾散因子 | 21 | 2013-01-04 ~ 2026-11-10 | 曹春晓. 2022-08-04. 《波动率的波动率与投资者模糊性厌恶——多因子选股系列研究之五》. 方正证券 | | `cn_stock_factors_hf_fz_drip_stone` | 方正证券滴水穿石因子 | 3 | 2015-01-05 ~ 2026-11-10 | 曹春晓. 2025-12-17. 《个股日内成交量周期性节奏刻画与“滴水穿石”因子构建——多因子选股系列研究之二十四》. 方正证券 | | `cn_stock_factors_hf_fz_equal_treatment` | 方正证券一视同仁因子 | 12 | 2015-01-05 ~ 2026-11-10 | 曹春晓. 2024-05-23. 《成交量激增与骤降时刻的对称性与“一视同仁”因子构建——多因子选股系列研究之十八》. 方正证券 | | `cn_stock_factors_hf_fz_hidden_flower` | 方正证券花隐林间因子 | 9 | 2015-01-05 ~ 2026-11-10 | 曹春晓、陈宗伟. 2023-03-27. 《推动个股价格变化的因素分解与“花隐林间”因子——多因子选股系列研究之十》. 方正证券 | | `cn_stock_factors_hf_fz_institution_trace` | 方正证券机构痕迹因子 | 2 | 2015-01-05 ~ 2026-11-10 | 魏建榕、高子剑. 2017-08-13. 《本福特的启示：从分钟成交量看机构痕迹——“聆听高频世界的声音”系列研究（六）》. 方正证券 | | `cn_stock_factors_hf_fz_long_short_game` | 方正证券多空博弈因子 | 15 | 2015-01-05 ~ 2026-11-10 | 曹春晓. 2023-11-29. 《股票日内多空博弈激烈程度度量与“多空博弈”因子构建——多因子选股系列研究之十四》. 方正证券 | | `cn_stock_factors_hf_fz_moderate_risk` | 方正证券适度冒险因子 | 7 | 2013-04-01 ~ 2026-11-10 | 曹春晓. 2022-04-12. 《成交量激增时刻蕴含的alpha信息——多因子选股系列研究之一》. 方正证券 | | `cn_stock_factors_hf_fz_moth_to_flame` | 方正证券飞蛾扑火因子 | 14 | 2015-01-05 ~ 2026-11-10 | 曹春晓. 2022-09-22. 《个股股价跳跃及其对振幅因子的改进——多因子选股系列研究之六》. 方正证券 | | `cn_stock_factors_hf_fz_startled_by_grass` | 方正证券草木皆兵因子 | 22 | 2015-01-05 ~ 2026-11-10 | 曹春晓. 2022-12-13. 《显著效应、极端收益扭曲决策权重和“草木皆兵”因子——多因子选股系列研究之八》. 方正证券 | | `cn_stock_factors_hf_fz_synergy_effect` | 方正证券协同效应因子 | 10 | 2011-01-04 ~ 2026-11-10 | 曹春晓. 2024-03-19. 《日内协同股票性价比度量与“协同效应”因子构建——多因子选股系列研究之十六》. 方正证券 | | `cn_stock_factors_hf_fz_team_coin` | 方正证券球队硬币因子 | 12 | 2010-01-04 ~ 2026-11-10 | 曹春晓. 2022-06-11. 《个股动量效应的识别及“球队硬币”因子构建——多因子选股系列研究之四》. 方正证券 | | `cn_stock_factors_hf_fz_tide` | 方正证券潮汐因子 | 5 | 2013-04-01 ~ 2026-11-10 | 曹春晓. 2022-05-08. 《个股成交量的潮汐变化及“潮汐”因子构建——多因子选股系列研究之二》. 方正证券 | | `cn_stock_factors_hf_fz_wait_for_rescue` | 方正证券待著而救因子 | 5 | 2015-01-05 ~ 2026-11-10 | 曹春晓. 2023-06-11. 《大单成交后的跟随效应与“待著而救”因子——多因子选股系列研究之十一》. 方正证券 | | `cn_stock_factors_hf_gd_consistent_trade` | 光大证券一致交易因子 | 8 | 2011-01-04 ~ 2026-11-10 | 刘均伟. 2018-01-03. 《一致交易因子：挖掘集体行为背后的收益——多因子系列报告之九》. 光大证券 | | `cn_stock_factors_hf_gd_intraday_volume_ratio` | 光大证券日内分时成交量比值因子 | 12 | 2011-01-04 ~ 2026-11-10 | 刘均伟. 2017-11-23. 《高频因子：日内分时成交量蕴藏玄机——多因子系列报告之八》. 光大证券 | | `cn_stock_factors_hf_gd_shortcut_illiq` | 光大证券K线最短路径非流动性因子 | 13 | 2011-01-04 ~ 2026-11-10 | 刘均伟. 2017-11-22. 《基于K线最短路径构造的非流动性因子——多因子系列报告之七》. 光大证券 | | `cn_stock_factors_hf_gf_moment_resid_vol` | 广发证券高频矩变化残差波动因子 | 3 | 2011-01-04 ~ 2026-11-10 | 陈原文, 罗军, 安宁宁. 2019-08-15. 《基于日内高频数据的短周期选股因子研究——高频数据因子研究系列二》. 广发证券 | | `cn_stock_factors_hf_ha_day_night_split` | 华安证券昼夜分离反转因子 | 12 | 2011-01-04 ~ 2026-11-10 | 朱定豪, 严佳炜. 2020-09-01. 《昼夜分离：隔夜跳空与日内反转选股因子——市场微观结构剖析之九》. 华安证券 | | `cn_stock_factors_hf_ha_tail_amount` | 华安证券尾盘成交额占比因子 | 22 | 2011-01-04 ~ 2026-11-10 | 尹沿技. 2020-06-10. 《高频视角下成交额蕴藏的Alpha：市场微观结构剖析之七》. 华安证券 | | `cn_stock_factors_hf_ht_active_buy` | 海通证券主动买入行为因子 | 80 | 2014-01-02 ~ 2026-11-10 | 冯佳睿、袁林青. 2020-01-12. 《选股因子系列研究（五十七）——基于主动买入行为的选股因子》. 海通证券 | | `cn_stock_factors_hf_ht_hf_collection` | 海通证券分钟高频因子正交版 | 10 | 2011-01-04 ~ 2026-11-10 | 冯佳睿、袁林青、姚石、罗蕾、余浩淼. 2020-07-30. 《选股因子系列研究（六十九）——高频因子的现实与幻想》. 海通证券 | | `cn_stock_factors_hf_ht_hf_price_volume` | 海通证券高频量价因子 | 24 | 2011-01-04 ~ 2026-11-10 | 冯佳睿、姚石. 2018-11-01. 《高频量价因子在股票与期货中的表现》. 海通证券 | | `cn_stock_factors_hf_ht_informed_trade` | 海通证券知情交易与主买主卖因子 | 72 | 2014-01-02 ~ 2026-11-10 | 冯佳睿、袁林青. 2020-02-14. 《选股因子系列研究（五十八）——知情交易与主买主卖》. 海通证券 | | `cn_stock_factors_hf_ht_intraday_trade_count` | 海通证券日内分时成交因子 | 20 | 2015-01-05 ~ 2026-11-10 | 冯佳睿、姚石. 2019-04-16. 《选股因子系列研究（四十六）——日内分时成交中的玄机》. 海通证券 | | `cn_stock_factors_hf_ht_level2_trade_stats` | 海通证券Level2成交统计因子 | 5 | 2014-01-02 ~ 2026-11-10 | 高道德、袁林青. 2016-06-06. 《选股因子系列研究（十一）——Level2 行情选股因子初探》. 海通证券 | | `cn_stock_factors_hf_ht_order_big_ratio` | 海通证券买卖单大单占比因子 | 16 | 2014-01-02 ~ 2026-11-10 | 冯佳睿、袁林青、余浩淼. 2019-11-07. 《选股因子系列研究（五十六）——买卖单数据中的 Alpha》. 海通证券 | | `cn_stock_factors_hf_ht_realized_vol_decomp` | 海通证券高频已实现波动分解因子 | 36 | 2011-01-04 ~ 2026-11-10 | 冯佳睿、袁林青. 2017-09-09. 《选股因子系列研究（二十五）——高频因子之已实现波动分解》. 海通证券 | | `cn_stock_factors_hf_ht_return_distribution` | 海通证券高频收益分布因子 | 20 | 2011-01-04 ~ 2026-11-10 | 冯佳睿、袁林青. 2017-05-05. 《选股因子系列研究（十九）——高频因子之股票收益分布特征》. 海通证券 | | `cn_stock_factors_hf_intraday_microstructure` | 自研日内微观结构因子 | 42 | 2015-01-05 ~ 2026-11-10 | 仓库自研，无研报出处 | | `cn_stock_factors_hf_ky_active_trade` | 开源证券主动买卖切割因子 | 17 | 2016-01-04 ~ 2026-11-10 | 魏建榕、傅开波、苏俊豪. 2020-09-05. 《主动买卖因子的正确用法——市场微观结构研究系列（9）》. 开源证券 | | `cn_stock_factors_hf_ky_ideal_amplitude` | 开源证券理想振幅因子 | 17 | 2015-01-05 ~ 2026-11-10 | 魏建榕、傅开波. 2021-09-24. 《独家量价因子的高频测试——开源量化评论（36）》. 开源证券 | | `cn_stock_factors_hf_ky_industry_rotation` | 开源证券行业动量轮动因子 | 8 | 2015-01-05 ~ 2026-11-10 | 魏建榕、傅开波. 2020-03-02. 《A 股行业动量的精细结构——市场微观结构研究系列（4）》. 开源证券 | | `cn_stock_factors_hf_ky_intraday_behavior` | 开源证券分钟交易行为因子 | 36 | 2015-01-05 ~ 2026-11-10 | 魏建榕、苏良、盛少成. 2022-12-25. 《日内分钟收益率的时序特征：逻辑讨论与因子增强——市场微观结构研究系列（19）》. 开源证券 | | `cn_stock_factors_hf_ky_moneyflow_dynamics` | 开源证券资金流动力学因子 | 19 | 2016-01-04 ~ 2026-11-10 | 魏建榕、盛少成. 2022-06-02. 《新型因子：资金流动力学与散户羊群效应——市场微观结构研究系列（14）》. 开源证券 | | `cn_stock_factors_hf_ky_moneyflow_strength` | 开源证券资金流强度因子 | 17 | 2016-01-04 ~ 2026-11-10 | 魏建榕、苏良. 2022-09-04. 《大小单重定标与资金流因子改进——市场微观结构研究系列（16）》. 开源证券 | | `cn_stock_factors_hf_ky_order_size_structure` | 开源证券挂单规模成交占比因子 | 13 | 2016-01-04 ~ 2026-11-10 | 魏建榕、苏俊豪. 2020-05-12. 《交易者行为与市值风格——市场微观结构研究系列（6）》. 开源证券 | | `cn_stock_factors_hf_ky_price_jump_peak_ridge_valley` | 开源证券价格跳跃峰岭谷因子 | 6 | 2015-01-05 ~ 2026-11-10 | 魏建榕、王志豪. 2026-05-15. 《高频价格跳跃的峰、岭、谷信息》. 开源证券 | | `cn_stock_factors_hf_ky_reversal_siblings` | 开源证券理想反转衍生因子 | 17 | 2015-01-05 ~ 2026-11-10 | 魏建榕、王志豪. 2022-05-02. 《理想反转因子的 4 年总结，依旧理想——市场微观结构研究系列（13）》. 开源证券 | | `cn_stock_factors_hf_ky_reversal_siblings_ext` | 开源证券理想反转衍生因子补建 | 1 | 2011-01-04 ~ 2026-11-10 | 魏建榕、王志豪. 2022-05-02. 《理想反转因子的 4 年总结，依旧理想——市场微观结构研究系列（13）》. 开源证券 | | `cn_stock_factors_hf_ky_smart_money_minute_enhanced` | 开源证券分钟聪明钱增强因子 | 3 | 2015-01-05 ~ 2026-11-10 | 魏建榕等. 2026-08-28. 《聪明钱 3.0：AI 赋能从分钟至逐笔的精细切割》. 开源证券 | | `cn_stock_factors_hf_tf_formula_alpha` | 天风证券中高频公式化Alpha因子 | 10 | 2011-01-04 ~ 2026-11-10 | 吴先兴, 缪铃凯. 2020-05-14. 《市场微观结构探析系列之四：结合中高频信息的指数增强策略》. 天风证券 | | `cn_stock_factors_hf_tf_gep_alpha` | 天风证券基因表达式规划价量因子 | 5 | 2011-01-04 ~ 2026-11-10 | 吴先兴, 杨怡玲. 2020-02-20. 《基于基因表达式规划的价量因子挖掘》. 天风证券 | | `cn_stock_factors_hf_tf_gp_30min` | 天风证券分时K线遗传规划因子 | 99 | 2011-01-04 ~ 2026-11-10 | 吴先兴, 缪铃凯. 2020-02-25. 《市场微观结构探析系列之三：分时K线中的alpha》. 天风证券 | | `cn_stock_factors_hf_tsl_rd_factors` | 深圳天软科技高频因子 | 12 | 2011-01-04 ~ 2026-11-10 | 未署名. 2021-01-04. 《因子研究：高频因子算法与提取说明》. 深圳天软科技 | | `cn_stock_factors_hf_xd_minute_stats` | 信达证券分钟线高频选股因子 | 28 | 2011-01-04 ~ 2026-11-10 | 于明明. 2022-04-28. 《因子选股系列之一：基于分钟线的高频选股因子》. 信达证券 | | `cn_stock_factors_hf_xy_conditional_quantile_residual` | 兴业证券条件分位数残差因子 | 2 | 2015-01-05 ~ 2026-11-10 | 郑兆磊、陈子轩. 2026-10-22. 《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》. 兴业证券 | | `cn_stock_factors_hf_xy_return_distribution` | 兴业证券收益率分布因子 | 5 | 2011-01-04 ~ 2026-11-10 | 郑兆磊. 2022-01-23. 《高频研究系列二—收益率分布因子构建》. 兴业证券 | | `cn_stock_factors_hf_xy_return_distribution_alpha` | 兴业证券收益率混合高斯分布因子 | 7 | 2011-01-04 ~ 2026-11-10 | 郑兆磊. 2022-05-04. 《高频研究系列三—收益率分布中的 Alpha(2)》. 兴业证券 | | `cn_stock_factors_hf_xy_volume_distribution` | 兴业证券成交量分布因子 | 14 | 2011-01-04 ~ 2026-11-10 | 郑兆磊. 2022-08-29. 《高频研究系列四—成交量分布中的 Alpha》. 兴业证券 | | `cn_stock_factors_hf_zs_vpin` | 招商证券指令流毒性VPIN因子 | 3 | 2014-01-02 ~ 2026-11-10 | 任瞳、崔浩瀚. 2020-06-20. 《“高频寻踪”系列之一：交易指令流中的Alpha》. 招商证券 | | `cn_stock_factors_hf_zs_vwpin` | 招商证券成交量加权知情交易VWPIN因子 | 24 | 2014-01-02 ~ 2026-11-10 | 任瞳、崔浩瀚. 2021-01-07. 《“高频寻踪”系列之二：轻装上阵，高频数据因子的应用》. 招商证券 | <!-- AUTO:DEPS:END --> ### 辅助表 bq_factor_sxh_universe 平台不允许用户视图引用 `cn_stock_status`、`cn_stock_prefactors` 等行情表（注册时报「您没有权限将 cn_stock_status 保存为 view 的子数据」），所以视图要用的 9 个行情字段由 `universe.py` 用一条 DAI SQL 取出，写成 bdb 辅助表 `bq_factor_sxh_universe`，视图只引用这张表和 78 张因子表。辅助表从 2010-01-04 起每个交易日每只股票一行（截至 2026-11-10 共 14,897,908 行），**需要每日增量**：视图某天有没有行，取决于辅助表当天有没有写入。 | 辅助表的上游 | 频率 | 用到的字段 | 输出字段 | | ---- | ---- | ---- | ---- | | `cn_stock_status` | 日频 | `date`、`instrument`、`st_status`、`is_risk_warning`、`suspended`、`price_limit_status` | 同名字段；股票集合即计算域 | | `cn_stock_industry_component` | 日频 | `date`、`instrument`、`industry`（取 `'sw2021'`）、`industry_level1_code` | `sw2021_level1` | | `cn_stock_valuation` | 日频 | `date`、`instrument`、`float_market_cap` | `float_market_cap` | | `cn_stock_basic_info` | 静态 | `instrument`、`list_date` | `list_days` = 交易日 − 上市日（自然日） | 这四张表就是 `cn_stock_prefactors` 中对应字段的上游表。在 2012-06-01、2018-03-01、2024-02-06、2026-11-06 四个抽样日上，股票集合和 9 个字段都与 `cn_stock_prefactors` 逐行一致。辅助表每年写入前测试主键唯一、行数与 `cn_stock_status` 一致、行业与市值逐日覆盖 ≥ 95%，写入后读回核对行数。 源表按 `(date, instrument)` 左连接到计算域上：源表在某天没有某只股票的记录，该股票在本表当天的这个因子就是空值。源表比 `cn_stock_prefactors` 晚更新的那几天，对应因子全列为空（覆盖率为 0，被 ① 覆盖率门槛置空），不会拿旧值顶替。 ## 处理流程 每个因子、每个交易日独立处理，四步次序固定（报告 1.1 节、5.2 节表 1 步 2）。以下 x 表示某个因子在某一天的横截面。 ### 第 0 步：计算域与数据清洗 - **计算域**是当天 `cn_stock_status` 中的全部股票（约 5500 只；与 `cn_stock_prefactors` 中 `list_days` 非空的股票集合逐行一致），**包括**停牌、ST、涨跌停和次新股。这样做是报告 1.3 节「计算域与投资域分开」的要求：因子在最大可得样本上计算，以保留分布形态；可交易性另外用掩码列给出。 - 以下几类值记为空值，不参与当天任何统计：非有限值（`NaN`、`±inf`，用 `isfinite` 判定）；行业 `sw2021_level1` 为空；流通市值 `float_market_cap` 非正。缺行业或市值的股票没法进中性化回归，所以整行因子为空。 - 空值**不填充**。报告 1.1 节指出，把缺失补 0 等于把缺失样本放在截面均值处，若某因子早期只有少数股票有值，大量并列会人为制造出「单调性」。 ### 第 1 步：覆盖率过滤 - 覆盖率 = 当天该因子的有效值个数 ÷ 当天未停牌（`suspended = 0`）的股票数。 - **覆盖率 < 80% 的因子，当天整列置空**（报告 5.3 节表 2「覆盖率门槛：样本内有效值 ≥80%」）。分母用未停牌股票数，而不是全部在册股票数，因为多数源表对停牌股本来就不出值，用全部股票做分母会让停牌潮（如 2015-07 千股停牌）把正常因子误判为覆盖不足。 - 报告的原意是按训练窗整体判断后整列剔除；本表是逐日视图，只能逐日判断。效果是：某天源表数据缺口过大（如源表还没更新到最新交易日、或个别因子在某些年份有效样本不足），该因子当天全部为空，不会出现「只剩一小撮股票有值」的截面。 - 截面标准差为 0（全部取值相同）的因子当天也置空。 ### 第 2 步：5 倍 MAD 去极值 - 记 med = 当天有效值的中位数（`c_median`），MAD = 中位数绝对偏差 median(|x − med|)（`c_mad`）。 - 把 x 截断到 **[med − 5 × MAD, med + 5 × MAD]**（`clip`）。 - **MAD 不乘 1.4826**。报告 1.1 节要求「5 倍 MAD」必须连同是否乘 1.4826 一起声明：本表沿用券商口径（广发 2021、高频因子低频化公式全集 §1.5），不乘系数，正态下约相当于 3.37σ，截去约 0.075% 的样本；qlib 的 3 × 1.4826 × MAD 约 3.00σ，截去约 0.27%。两种口径对极端分位的处理不同，跨表对比时须注意。 - 按单日截面计算，不与全历史混算（报告 5.3 节表 2：全历史混算会让截尾比例随样本区间漂移）。 - **MAD 退化时跳过截尾**：MAD 小于当天截面标准差的 10⁻⁶ 倍时不截尾，直接进入第 3 步。触发场景有两类。一是过半样本取同一个值，MAD = 0，照常截尾会把整个截面压成中位数一个常数，中性化后只剩浮点噪声（仓库已有实测案例：101-026 因子单日 5577 只中 5497 只并列）。二是饱和型因子，例如 `tf_gp_30min` 中经 arctan 变换的 `gp30m_051`、`gp30m_073`、`gp30m_083`，过半样本贴在 −π/2 附近，MAD 只有标准差的 10⁻¹²~10⁻⁸。照常截尾会把截面压进一条约 10⁻¹¹ 宽的窄带，回归失去精度：实测 `gp30m_073` 中性化后与 ln(流通市值) 的相关仍有 −0.67。 ### 第 3 步：行业 + 市值中性化（OLS 残差） - 在当天有效样本上做横截面回归：x = Σ_k β_k · D_k + γ · ln(流通市值) + ε，D_k 为申万 2021 一级行业哑变量（全部行业各一列、不另设截距，与「截距 + 去掉一个行业」等价）。取残差 ε（`c_neutralize_resid(x, sw2021_level1, ln_float_cap)`）。 - 回归元按报告 5.3 节表 2「中性化回归元：行业哑变量（申万一级）+ ln(流通市值)」，没有加入其他风格因子。 - **行业层面因子只对市值回归**：有 9 个因子在同一行业内取值完全相同（3 个抽样日的行业内标准差都为 0），分别是 `ky_industry_rotation` 表的 `ind_common_ret_60pct`、`ind_golden_rule_score`、`ind_intraday_momentum_m0`、`ind_leader_ret_60pct`、`ind_leader_traction_40pct`、`ind_leader_traction_60pct`、`ind_leader_traction_80pct`、`ind_overnight_reversal_m1`，以及 `ky_moneyflow_dynamics` 表的 `ind_herding_corr_s`。行业哑变量会把它们完整吸收、残差恒为 0，所以这 9 个只对 ln(流通市值) 做一元回归取残差（`c_regr_residual`），保留行业之间的差异。它们处理后与市值正交，但**不是行业中性的**，行业内均值不为 0。这是本表唯一偏离报告回归元设定的地方。 - 用 `c_neutralize_resid` 而不是 `c_neutralize`：后者自带 MAD 4.4478 倍截尾和 z-score 预处理，会和第 2 步重复截尾、改变口径；`_resid` 版本跳过内置预处理，只做回归。已实测：传入 ln(市值) 时，`c_neutralize_resid` 与 numpy 最小二乘的残差逐值一致（最大偏差 1e-11），即它对第三个参数不再取对数。 - **空值分区**：`c_neutralize_resid` 的输入只要有一行空值，当天整个截面的结果都会变成空值，而且不报错。本表把空值行单独分到一个窗口分区（`pb := (date, x IS NULL)`），非空行在自己的分区里回归，空值行的残差仍为空。 - 报告 1.1 节说明：对纯 z-score 路径，先标准化还是先中性化不影响残差（含截距时残差逐元素相同），固定「先中性化后标准化」是为了可解释与跨期可比。 ### 第 4 步：截面 z-score - 对残差做 z = (ε − mean(ε)) / std(ε)（`c_normalize`，样本标准差）。残差本身均值为 0，所以这一步实际只是缩放到单位方差。 - 报告 5.3 节表 2 规定主口径全库统一用 z-score；rank 与正态得分只作敏感性口径，本表不提供。报告 1.2 节指出 qlib 的 `CSRankNorm` 输出近似单位方差的**均匀分布**而非正态分布，不能把 rank 当成正态变换。 - **残差退化保护**：若残差标准差 < 截尾后因子标准差的 10⁻⁶，说明因子几乎完全由行业和市值解释（例如因子本身就是行业或市值的函数），残差只剩浮点噪声，当天置空，不把噪声放大成正常尺度。 ### 处理后的数值性质 对每个因子、每个交易日（未被置空时）： - 截面均值 = 0，截面样本标准差 = 1； - 与 `ln_float_cap` 的截面相关 = 0；各申万一级行业内均值 = 0（OLS 残差与回归元正交），上述 9 个行业层面因子除外； - 取值没有上下限。截尾发生在中性化**之前**，残差经过缩放后仍可能落在 ±5 之外，需要再截尾的使用方请自行处理。 ### SQL 结构与两处引擎限制 视图 SQL 由 `builder.py` 的 `build_view_sql()` 生成，约 260 万字符，CTE 依次为： | CTE | 内容 | | ---- | ---- | | `univ` | 计算域：读辅助表 `bq_factor_sxh_universe`，起点 2010-01-04 | | `stacked` | 78 张源表各自投影出全部因子列（改名为视图字段名），`UNION ALL BY NAME` 纵向堆叠 | | `wide` | 按 `(date, instrument)` `GROUP BY` 拼成宽表（每个键在每张源表至多一行，`max()` 只是取出唯一的非空值） | | `joined` | `univ` 左连接 `wide`，不含任何 `c_` 算子 | | `clean` | 第 0 步清洗、覆盖率分母 | | `stat` | 每个因子的 `c_median` / `c_mad` / `c_count` / `c_std` | | `win` | 第 1 步覆盖率门槛、第 2 步 5×MAD 截尾 | | `res` | 第 3 步 `c_neutralize_resid`（行业层面因子用 `c_regr_residual`） | | 最外层 | 第 4 步 `c_normalize`、退化保护、掩码列 | 开发过程中实测到两处 DAI 查询引擎（bigdb）的限制，当前写法就是为绕开它们： 1. **计算域不能直接读 `cn_stock_prefactors`**：除了上面的权限限制，它本身是约 6900 列的大视图。拿它做基表、再左连接 10 张因子表，即使不含任何 `c_` 算子，同一进程重复查询也会随机段错误或报 `malloc(): unaligned tcache chunk detected`（4 次中崩 2 次）。 2. **不能用 91 路 `LEFT JOIN` 拼宽**：哪怕基表换成 `cn_stock_bar1d`、只做 JOIN，重复查询也 4/4 崩溃。改为 `UNION ALL BY NAME` + `GROUP BY` 后，全量 SQL 在 3 个独立进程里各重复查询 10 次，没有一次崩溃。 ## 参数卡 报告 1.5 节要求参数与分类表快照一起版本化。本表的全部参数都写在 `builder.py` 顶部常量里，改动任何一项都等于换了一套口径，须同步改本节并重新注册视图。 | 参数 | 本表取值 | 报告依据 | 备注 | | ---- | ---- | ---- | ---- | | 覆盖率门槛 | 有效值 ≥ 当日未停牌股票数 × 80% | 第 5 章表 2 | 报告注明此值为建议值、无公开实证，待第 5 章实验 7 标定 | | 去极值 | median ± 5 × MAD，不乘 1.4826，按单日截面 | 第 1 章 1.1 节、第 5 章表 2 | MAD < 标准差 × 10⁻⁶ 时跳过截尾 | | 中性化回归元 | 申万 2021 一级行业哑变量 + ln(流通市值) | 第 1 章表 1、第 5 章表 2 | 行业取 `cn_stock_industry_component`（`industry = 'sw2021'`）的一级行业代码；9 个行业层面因子只用 ln(流通市值) | | 标量化 | 截面 z-score（样本标准差） | 第 1 章 1.2 节、第 5 章表 2 | 不提供 rank / 正态得分口径 | | 残差退化阈值 | 残差标准差 < 截尾后标准差 × 10⁻⁶ 时置空 | 本表工程规则 | 避免把浮点噪声标准化 | | 行业层面因子 | 9 个，只对 ln(流通市值) 回归 | 本表工程规则 | 清单见 `builder.py` 的 `INDUSTRY_LEVEL_FACTORS` | | 次新股 | 上市不满 90 个自然日 | 第 1 章 1.3 节（广发取三个月） | 只影响 `is_new_listing` / `can_buy` 掩码，不影响因子值 | | 计算域 | 当日全部在册股票，含停牌、ST、涨跌停、次新股 | 第 1 章 1.3 节 | 掩码列替代删行 | | 视图起点 | 2010-01-04 | 最早源表起点 | 此前所有因子都为空 | ## 使用说明 ### 只取需要的列，不要 `SELECT *` 视图每次查询都现算。DAI 只计算被选中的列，所以按列取数很快；一次取全部 1393 列时，耗时大致随列数的平方增长。注册后直接查 `cn_stock_factors_salon` 的实测耗时（2026-11-10）： | 查询 | 耗时 | | ---- | ---- | | 1 列 × 1 个交易日 | 3.7 秒 | | 1 列 × 5 个交易日 | 3.0 秒 | | 50 列 × 1 个交易日 | 5.2 秒 | | 1 列 × 2025 全年（约 132 万行） | 13.4 秒 | | 全部 1498 列 × 1 个交易日，按 50 列一批分 30 批 | 约 2.5~3 分钟 | | 全部 1498 列 × 1 个交易日，一次取完 | 超过 30 分钟（未跑完） | 需要大量列时按 50~100 列一批分批取，再按 `(date, instrument)` 拼接。查询必须带日期过滤（`filters={"date": [...]}` 或 `WHERE date BETWEEN ...`）。 ```python from bigquant import dai df = dai.query( """ SELECT date, instrument, can_buy, can_sell, fz_tide__full_tide, dw_cpv__cpv, ht_hf_price_volume__improved_reversal_20_pure FROM cn_stock_factors_salon """, filters={"date": ["2025-01-01", "2025-12-31"]}, ).pl() ``` 视图里只有截面算子，没有时序算子，所以日期过滤会被下推到各源表的扫描层，不会截断任何回溯窗口，取一天和取一年得到的同一天的值完全相同。源表的时序窗口在源表加工时就已算好。 ### 算 IC 和分组收益时的收益口径 报告 5.2 节第一处：t 日因子要对齐 **t+2 日开盘价相对 t+1 日开盘价**的收益，不能用 t+1 收盘相对 t 收盘（中信 2020-12，第 12 页）。本表不提供前向收益列，以免把未来信息混进因子表；使用方自行从 `cn_stock_prefactors` 用 `m_lead(open, 2) / m_lead(open, 1) - 1` 计算，并放在单独的 CTE 里再 JOIN（`m_` 算子写在 JOIN 后的 SELECT 里会报 date 歧义）。 ### 掩码的用法 - 选股时用 `can_buy = 1` 限定可买入集合，卖出时用 `can_sell = 1` 判断能否卖出； - 计算 IC、分层收益时建议**不要**按掩码删行，而是保留全样本算因子统计、在组合层把不可交易股票的权重置零（报告第 5 章实验 3 把「删行 vs 掩码置零」列为待标定的对照项）； - 2026-07-06 起沪深主板风险警示股的涨跌幅限制由 5% 改为 10%（报告 1.3 节）。本表的涨跌停掩码直接读 `price_limit_status`（以当日实际涨跌停价判定），不硬编码限幅比例，因此不受这类制度变更影响。 ### 这张表没有做的事 本表只实现报告第 5 章九步流水线中的**步 2（预处理与中性化）**和步 3 所需的掩码。以下步骤属于每期滚动训练里的决策，依赖训练窗、持有期与样本隔离，不能做成固定的视图，须由使用方在自己的流水线中完成： - 步 3：IC / 分位加权 IC / 分组多头超额 / 最高分位残差统计； - 步 4：入库资格复核（长历史多重检验，m 取 m_sel 与 m_eff 复合）； - 步 5：滚动窗工程阈值入选； - 步 6：双闸门去冗余（因子值秩相关 + IC 时序相关）； - 步 7~9：权重确定、换手收缩、交接执行。 本表也**没有**按覆盖率、IC 或相关性剔除任何因子列：除下文「已知局限」里因没有每日定时任务而剔除的 13 张源表外，其余 1393 列全部保留，筛选是使用方的事。报告第 4 章特别提醒，同一个 0.70 相关阈值下保留数可以从 8 个到 100 个，而且删多删少会在不知情的情况下改写风格权重。 ## 已知局限 - **行业分类非时点（PIT）口径**：`cn_stock_prefactors.sw2021_level1` 是申万 2021 版分类，2021-06-23 之前的历史日期也用这套分类回填，不是当时实际生效的 2014 版。报告 1.5 节把这类口径漂移列为前视偏差来源。本表采用的是报告给出的三个方案里的近似做法：全历史用同一份分类，换来哑变量列数恒定（31 个行业）。 - **只对行业和市值中性化**：残差仍含其他风格暴露（估值、动量、波动率、流动性等）。报告 2.2 节提醒，中性化后 IC 上升不等于多头可赚，评价时要看分位加权 IC、分组多头超额与最高分位残差。 - **覆盖率门槛按单日判断**：报告原意是在训练窗内整体剔除覆盖不足的因子；逐日判断会让源覆盖率在 80% 附近的因子时有时无（2026-11-10 用户确认保持单日 80%）。全历史逐日统计：1393 列中 665 列至少有 1 天被置空（多为源表更新滞后的最近几天），123 列被置空的交易日超过 1%，**23 列超过 5%**： | 源表 | 字段 | 被置空交易日占比 | 最严重年份 | | ---- | ---- | ---- | ---- | | `ht_intraday_trade_count` | `amt_per_trd`、`apt_in_ratio`、`apt_out_ratio`、`apt_net_in_ratio`、`big_net_in_ratio_n10/n20/n30`、`mom_big_order_n10/n20/n30` 及各自 `_pure` 版本，共 20 列 | 约 35% | 2021 年（93%） | | `fz_drip_stone` | `drip_stone_pure` | 29% | 2017 年（80%） | | `ky_moneyflow_strength` | `nir_mod_large` | 14% | 2019 年（72%） | | `ky_reversal_siblings_ext` | `rev_split_combo` | 8% | 2011 年（73%） | 使用这些列前请先按日期检查非空率。 - **剔除了 13 张没有每日定时任务的源表**（2026-11-10 用 `bq task list` 核对，共 105 列）：`dw_uid`、`fz_apm_ext`、`fz_excess_doji`、`fz_hf_pv_music`、`fz_tide_ext`、`fz_vwar_cvar`、`fz_withered_tree`、`gd_call_auction_volume`、`gf_hf_short_cycle`、`ht_buy_intention`、`ht_hf_factor_suite`、`ky_moneyflow_dynamics_ext`、`ky_moneyflow_strength_ext`（均省略 `cn_stock_factors_hf_` 前缀）。它们的数据停在 2026-10-30 ~ 11-03，留在视图里，这些列之后每天都会被覆盖率门槛置空，每日增量也会一直等不到它们。清单写在 `builder.py` 的 `EXCLUDE_TABLES` 里；这些表补上定时任务、追平数据后，从清单里删掉并重新注册视图，就能加回来。 - **源表口径保持原样**：本表不修正源表自身的口径问题。一些源表本身已经输出过一次中性化或正交化的 `_pure` 版本，本表会在此基础上再做一次行业 + 市值中性化。源表的中性化回归元各不相同，两次处理叠加后的结果与只做一次不等价。 - **截尾在中性化之前**：标准化后的值没有 ±5 这样的硬上下限。 - **视图结构是注册时的快照**：视图注册时固化了当时 output 目录里的源表与字段。新增源表或源表新增字段后，须重新运行 `write_view()` 才会进入本表。 ## 复现核对 本表不是研报复现，没有「研报原文数值」可对照。下面核对的是视图 SQL 的实现是否与第 1 章四步的数学定义一致，以及全部因子列是否满足处理后的数值性质。 ### 与 numpy 参考实现逐值核对 用 numpy 独立实现同样的四步（覆盖率门槛 → `np.clip` 截尾 → `np.linalg.lstsq` 对「全部行业哑变量 + ln 市值」回归 → 样本标准差 z-score），与视图逐股票逐值比较。抽 8 个因子（覆盖 8 张源表，包括经常被覆盖率门槛置空的 `ht_intraday_trade_count__amt_per_trd`），在 2016-06-01 与 2024-02-06 两个交易日上核对： | 交易日 | 因子数 | 有效值个数一致 | 空值位置不一致 | 最大绝对偏差 | | ---- | ---- | ---- | ---- | ---- | | 2016-06-01 | 8 | 8/8 | 0 | 9.4 × 10⁻¹¹ | | 2024-02-06 | 8 | 8/8 | 0 | 1.2 × 10⁻¹⁰ | 另外单独核对过 `c_neutralize_resid` 的口径：传入 ln(市值) 时与 numpy 最小二乘残差的最大偏差为 1.3 × 10⁻¹²；用 `pb := (date, x IS NULL)` 分区后，含 10% 空值的截面上非空行的残差与 numpy 最大偏差 7.3 × 10⁻¹¹，空值行残差为空。 ### 注册前测试 在固定种子随机抽到的 2024-02-06（区间 2021-08-02 ~ 2026-10-30，全部源表都有数据），取全部 1498 列（剔除 13 张源表之前），跑 5 个测试点共 7485 项，**全部通过**。2026-11-10 剔除后的 1393 列在同一天重跑的结果见本节末尾： | 测试点 | 判据 | 结果 | | ---- | ---- | ---- | | `not_all_invalid` | 当天不全为空 | 1497 列通过，1 列豁免（见下） | | `duplicate_ratio` | 截面重复值 ≤ 20% | 1498 列通过 | | `invalid_ratio` | 截面无效值 ≤ 20% | 1497 列通过，1 列豁免 | | `zscore_moments` | 有效值均值 \|μ\| < 10⁻⁶、标准差 \|σ − 1\| < 10⁻⁶ | 1498 列通过 | | `neutral_exposure` | 与 `ln_float_cap` 的截面相关 \|ρ\| < 10⁻⁶ | 1498 列通过 | 豁免规则（2026-11-10 用户同意）：上表「已知局限」中被置空交易日超过 5% 的 23 列，只在源表当日覆盖率 < 80% 的日子跳过 `not_all_invalid` 与 `invalid_ratio`。2024-02-06 触发豁免的只有 `fz_drip_stone__drip_stone_pure`（源覆盖率低于 80%）。 开发过程中测试点暴露并修复了两类问题，修复前后都有记录： - 9 个行业层面因子整列为空（行业哑变量把它们完整吸收）→ 改为只对 ln(流通市值) 回归； - `tf_gp_30min__gp30m_073` 中性化后与 ln(流通市值) 相关 −0.67（饱和型因子 MAD ≈ 10⁻¹² × 标准差，截尾后回归失去精度）→ MAD 退化时跳过截尾。 **2026-11-10 剔除 13 张源表后重跑**：同一检查日 2024-02-06，1393 列 × 5 个测试点共 6960 项，0 项失败；覆盖率豁免同样只触发 `fz_drip_stone__drip_stone_pure` 1 列。 ### 稳定性 全量视图 SQL 在 3 个独立进程中各重复查询 10 次，没有崩溃（改写前的 91 路 JOIN 版本 4/4 崩溃，见「SQL 结构与两处引擎限制」）。 ## 附录：因子字段清单 视图字段 = `{源表简称}__{源字段}`；「原始含义」摘自源表文档的「表结构」小节，方向说明（越大越好 / 越小越好）对本表同样成立。 <!-- AUTO:FIELDS:BEGIN --> ### 爱建证券高频异动与走势偏离因子（`cn_stock_factors_hf_aj_abnormal_minute`） | 视图字段 | 源字段 | 原始含义 | | ---- | ---- | ---- | | `aj_abnormal_minute__rds_5m_5d` | `rds_5m_5d` | 5日均收益偏度：5 分钟对数收益已实现偏度 RDS = √N·Σr³/RDVar^1.5 的过去 5 个有效交易日均值; 研报分层效果明显（只给分层图, 未披露方向与 IC） | | `aj_abnormal_minute__rdk_5m_5d` | `rdk_5m_5d` | 5日均收益峰度：5 分钟对数收益已实现峰度 RDKurt = N·Σr⁴/RDVar² 的过去 5 个有效交易日均值; 研报称选股效果不明显 | | `aj_abnormal_minute__qz_11` | `qz_11` | 累计资金激进程度 qz：单日 Q = 激进资金 VWAP / 全体 VWAP（S = \/R\//√vol 降序取成交量前 20% 的分钟）, 过去 11 个有效交易日之和; 研报 5 档分层第 1 档超额最高 | | `aj_abnormal_minute__index_corr` | `index_corr` | 个股与上证指数分钟收益相关系数：当日 240 根 1 分钟收益与上证指数同分钟收益的 Pearson 相关系数; 值越小走势越偏离大盘 | | `aj_abnormal_minute__trend_dev_40` | `trend_dev_40` | 走势偏离度：index_corr 的 40 日纵向标准化: (当日 − 含当日 40 个交易日内均值) / 同窗口标准差, 有效日 < 20 为空; 研报超过 3 倍标准差记为异动股 | | `aj_abnormal_minute__abn_time_ratio_z40` | `abn_time_ratio_z40` | 异动时长占比（40日标准化）：当日异动分钟（个股/指数分钟收益比为负或超过前 40 个交易日去极值均值 + 3σ）占有效分钟比例的 40 日纵向标准化值; 研报异动股 T+20 累计超额 2.11% | | `aj_abnormal_minute__abn_volume_ratio_z40` | `abn_volume_ratio_z40` | 异动成交量占比（40日标准化）：当日异动分钟成交量占全天成交量比例的 40 日纵向标准化值; 研报超 3σ 的异动股 T+20 累计超额 1.49% | | `aj_abnormal_minute__abn_absret_ratio_z40` | `abn_absret_ratio_z40` | 异动收益绝对值占比（40日标准化）：当日异动分钟 \/收益\/ 之和占全天 Σ\/收益\/ 比例的 40 日纵向标准化值; 研报超 3σ 的异动股 T+20 累计超额 1.52% | ### 中金公司高频因子手册分钟K线因子（`cn_stock_factors_hf_cicc_handbook`） | 视图字段 | 源字段 | 原始含义 | | ---- | ---- | ---- | | `cicc_handbook__mmt_pm` | `mmt_pm` | 下午盘动量：下午收益率 close(15:00)/close(11:30)−1; 研报全市场优选 mmt_pm_m / mmt_pm_std | | `cicc_handbook__mmt_last30` | `mmt_last30` | 尾盘半小时动量：尾盘 30 分钟收益率 close(15:00)/close(14:30)−1; 研报 mmt_last30_std 月度 ICIR 约 1.0 | | `cicc_handbook__mmt_am_pm_diff` | `mmt_am_pm_diff` | 上下午盘动量差：上午收益率 − 下午收益率（研报代码 mmt_paratio） | | `cicc_handbook__mmt_am` | `mmt_am` | 上午盘动量：上午收益率 close(11:30)/open(09:30)−1 | | `cicc_handbook__mmt_between` | `mmt_between` | 去头尾动量：剔除开盘后与收盘前各 30 分钟的收益率 close(14:30)/close(10:00)−1 | | `cicc_handbook__mmt_ols_qrs` | `mmt_ols_qrs` | 分钟 QRS 指标：滚动 50 根分钟 K 线 high 对 low 回归的 β×R² 的日内均值; 研报 mmt_qrs_o IC −8.07%、ICIR 1.00 | | `cicc_handbook__mmt_ols_corr_square_mean` | `mmt_ols_corr_square_mean` | 分钟 QRS 衍生回归 R 方：滚动 50 根分钟 K 线 high 与 low 相关系数平方的日内均值（研报代码 mmt_ols_corr_sqaure_mean） | | `cicc_handbook__mmt_ols_corr_mean` | `mmt_ols_corr_mean` | 分钟 QRS 衍生相关系数均值：滚动 50 根分钟 K 线 high 与 low 相关系数的日内均值 | | `cicc_handbook__mmt_ols_beta_mean` | `mmt_ols_beta_mean` | 分钟 QRS 衍生 beta 均值：滚动 50 根分钟 K 线 high 对 low 回归斜率的日内均值; 研报 _o 月度 IC −7.34%、ICIR 1.09（全文最高） | | `cicc_handbook__mmt_ols_beta_zscore_last` | `mmt_ols_beta_zscore_last` | 分钟 QRS 衍生 beta 标准分：当日最后一个 50 根窗口的 β 相对当日全部窗口 β 序列的 z 分 | | `cicc_handbook__mmt_top50_volume_ret` | `mmt_top50_volume_ret` | 50 顶量成交动量：成交量最高 50 根分钟 K 线的收益率之和（研报代码 mmt_top50VolumeRet） | | `cicc_handbook__mmt_bottom50_volume_ret` | `mmt_bottom50_volume_ret` | 50 底量成交动量：成交量最低 50 根分钟 K 线的收益率之和（研报代码 mmt_bottom50VolumeRet） | | `cicc_handbook__mmt_top20_volume_ret` | `mmt_top20_volume_ret` | 20 顶量成交动量：成交量最高 20 根分钟 K 线的收益率之和（研报代码 mmt_top20VolumeRet）; 研报_std 月度 IC −9.52% | | `cicc_handbook__mmt_bottom20_volume_ret` | `mmt_bottom20_volume_ret` | 20 底量成交动量：成交量最低 20 根分钟 K 线的收益率之和（研报代码 mmt_bottom20VolumeRet） | | `cicc_handbook__vol_volume1min` | `vol_volume1min` | 分钟成交量的标准差：当日 240 根分钟成交量（股）的样本标准差; 研报 _o 周度多空 44% | | `cicc_handbook__vol_range1min` | `vol_range1min` | 分钟极比的标准差：当日分钟 high/low 比值的样本标准差 | | `cicc_handbook__vol_up_vol` | `vol_up_vol` | 上行波动率：正分钟收益平方和开根号 √Σr²·I(r>0)（研报代码 vol_upVol）; 研报_std 全市场 IC −8.4%、ICIR 1.35 | | `cicc_handbook__vol_up_ratio` | `vol_up_ratio` | 上行波动率占比：上行波动率 / 总波动率 √Σr²（研报代码 vol_upRatio） | | `cicc_handbook__vol_down_vol` | `vol_down_vol` | 下行波动率：负分钟收益平方和开根号 √Σr²·I(r<0)（研报代码 vol_downVol） | | `cicc_handbook__vol_down_ratio` | `vol_down_ratio` | 下行波动率占比：下行波动率 / 总波动率 √Σr²（研报代码 vol_downRatio）; 研报_o 周度多头超额 14% | | `cicc_handbook__shape_skew` | `shape_skew` | 分钟收益率偏度：当日分钟收益率的偏度; 研报 shape_skew_m 全市场月度 ICIR 1.28 | | `cicc_handbook__shape_kurt` | `shape_kurt` | 分钟收益率峰度：当日分钟收益率的峰度（非超额） | | `cicc_handbook__shape_skratio` | `shape_skratio` | 分钟收益率偏度峰度比：分钟收益率偏度 / 峰度 | | `cicc_handbook__shape_skew_vol` | `shape_skew_vol` | 分钟量比偏度：当日分钟成交量占比序列的偏度（研报代码 shape_skewVol） | | `cicc_handbook__shape_kurt_vol` | `shape_kurt_vol` | 分钟量比峰度：当日分钟成交量占比序列的峰度（研报代码 shape_kurtVol） | | `cicc_handbook__shape_skratio_vol` | `shape_skratio_vol` | 分钟量比偏度峰度比：分钟成交量占比的偏度 / 峰度（研报代码 shape_skratioVol） | | `cicc_handbook__liq_amihud_1min` | `liq_amihud_1min` | 分钟 Amihud 非流动性：当日各分钟 \/r\/ / 分钟成交额（元）的均值; 研报 _o 月度 ICIR 1.02 | | `cicc_handbook__liq_closevol` | `liq_closevol` | 收盘前 3 分钟成交量：14:58~15:00 三根分钟 K 线成交量之和（股）; 研报沪深 300 内 liq_closevol_z 较好 | | `cicc_handbook__liq_last_call_r` | `liq_last_call_r` | 收盘集合竞价成交量占比：15:00 分钟 K 线（收盘集合竞价）成交量 / 全天成交量（研报代码 liq_lastCallR） | | `cicc_handbook__corr_prv` | `corr_prv` | 分钟收益率与成交量相关系数：当日 corr(分钟收益率, 分钟成交量); 研报 corr_prv_std 月度 IC −5.65%、ICIR 1.09 | | `cicc_handbook__corr_prvr` | `corr_prvr` | 分钟收益率与成交量变化率相关系数：当日 corr(分钟收益率, 分钟成交量变化率 v_t/v_{t−1}−1); 研报 corr_prvr_std IC −2.88%、ICIR 0.64 | | `cicc_handbook__corr_pvd` | `corr_pvd` | 分钟收盘价与滞后成交量相关系数：当日 corr(分钟收盘价 p_t, 上一分钟成交量 v_{t−1}) | | `cicc_handbook__corr_pvl` | `corr_pvl` | 分钟收盘价与领先成交量相关系数：当日 corr(分钟收盘价 p_t, 下一分钟成交量 v_{t+1}); 研报 _m /_std 月度 ICIR 1.09 / 1.06 | | `cicc_handbook__corr_pvr` | `corr_pvr` | 分钟收盘价与成交量变化率相关系数：当日 corr(分钟收盘价, 分钟成交量变化率 v_t/v_{t−1}−1) | | `cicc_handbook__doc_std` | `doc_std` | 收益率分组筹码标准差：以分钟成交量占比加权的盈亏水平（分钟收盘价/昨收−1）分布的标准差 | | `cicc_handbook__doc_skew` | `doc_skew` | 收益率分组筹码偏度：成交量加权盈亏水平分布的偏度; 研报 doc_skew_std 月度 IC −5.86%、ICIR 0.71 | | `cicc_handbook__doc_kurt` | `doc_kurt` | 收益率分组筹码峰度：成交量加权盈亏水平分布的峰度（非超额） | | `cicc_handbook__doc_vol_pdf60` | `doc_vol_pdf60` | 筹码 60% 占比收益率分位：盈亏水平从小到大累计成交量占比首次达到 60% 时的盈亏水平 | | `cicc_handbook__doc_vol_pdf70` | `doc_vol_pdf70` | 筹码 70% 占比收益率分位：同 doc_vol_pdf60, 累计占比 70% | | `cicc_handbook__doc_vol_pdf80` | `doc_vol_pdf80` | 筹码 80% 占比收益率分位：同 doc_vol_pdf60, 累计占比 80% | | `cicc_handbook__doc_vol_pdf90` | `doc_vol_pdf90` | 筹码 90% 占比收益率分位：同 doc_vol_pdf60, 累计占比 90%; 研报 doc_vol_pdf90_std 全市场月度 ICIR 1.52（全文单因子最高） | | `cicc_handbook__doc_vol_pdf90bi` | `doc_vol_pdf90bi` | 筹码双边 90% 收益率区间宽度：成交量加权盈亏水平分布 95% 分位 − 5% 分位 | | `cicc_handbook__doc_vol_pdf95` | `doc_vol_pdf95` | 筹码 95% 占比收益率分位：同 doc_vol_pdf60, 累计占比 95% | | `cicc_handbook__doc_vol10_ratio` | `doc_vol10_ratio` | 筹码前 10 大占比：分钟按收盘价位分组, 成交量最大的 10 组成交量占全天比例 | | `cicc_handbook__doc_vol5_ratio` | `doc_vol5_ratio` | 筹码前 5 大占比：同 doc_vol10_ratio, 前 5 组 | | `cicc_handbook__doc_vol50_ratio` | `doc_vol50_ratio` | 筹码前 50 大占比：同 doc_vol10_ratio, 前 50 组 | | `cicc_handbook__trade_bottom20_ret_ratio` | `trade_bottom20_ret_ratio` | 后 20 K 线收益率成交占比：成交量最低 20 根分钟 K 线的 收益率×成交量占比 之和（研报代码 trade_bottom20retRatio） | | `cicc_handbook__trade_bottom50_ret_ratio` | `trade_bottom50_ret_ratio` | 后 50 K 线收益率成交占比：成交量最低 50 根分钟 K 线的 收益率×成交量占比 之和（研报代码 trade_bottom50retRatio） | | `cicc_handbook__trade_tail_ratio` | `trade_tail_ratio` | 尾盘成交占比：14:30 后 30 根分钟 K 线成交量 / 全天成交量（研报代码 trade_tailRatio） | | `cicc_handbook__trade_top20_ret_ratio` | `trade_top20_ret_ratio` | 前 20 K 线收益率成交占比：成交量最高 20 根分钟 K 线的 收益率×成交量占比 均值（研报代码 trade_top20retRatio）; 研报月度 ICIR 0.9 | | `cicc_handbook__trade_top50_ret_ratio` | `trade_top50_ret_ratio` | 前 50 K 线收益率成交占比：成交量最高 50 根分钟 K 线的 收益率×成交量占比 均值（研报代码 trade_top50retRatio） | | `cicc_handbook__trade_top_neg20_ret_ratio` | `trade_top_neg20_ret_ratio` | 前 20 K 线下跌收益率成交占比：成交量最高 20 根中收益率为负的分钟 \/收益率\/×成交量占比 均值（研报代码 trade_topNeg20retRatio） | | `cicc_handbook__trade_top_pos20_ret_ratio` | `trade_top_pos20_ret_ratio` | 前 20 K 线上涨收益率成交占比：成交量最高 20 根中收益率为正的分钟 收益率×成交量占比 均值（研报代码 trade_topPos20retRatio） | | `cicc_handbook__mmt_pm_m20` | `mmt_pm_m20` | 下午盘动量（m20）：下午收益率 close(15:00)/close(11:30)−1, 取过去 20 个有效交易日均值（研报 _m） | | `cicc_handbook__mmt_pm_std20` | `mmt_pm_std20` | 下午盘动量（std20）：下午收益率 close(15:00)/close(11:30)−1, 取过去 20 个有效交易日样本标准差（研报 _std） | | `cicc_handbook__mmt_last30_std20` | `mmt_last30_std20` | 尾盘半小时动量（std20）：尾盘 30 分钟收益率 close(15:00)/close(14:30)−1, 取过去 20 个有效交易日样本标准差（研报 _std）; 研报全市场周度多空 47% | | `cicc_handbook__mmt_last30_z20` | `mmt_last30_z20` | 尾盘半小时动量（z20）：尾盘 30 分钟收益率 close(15:00)/close(14:30)−1, 取当日值相对过去 20 个有效交易日的 z 分（研报 _z） | | `cicc_handbook__mmt_between_m20` | `mmt_between_m20` | 去头尾动量（m20）：剔除开盘后与收盘前各 30 分钟的收益率 close(14:30)/close(10:00)−1, 取过去 20 个有效交易日均值（研报 _m） | | `cicc_handbook__mmt_top20_volume_ret_std20` | `mmt_top20_volume_ret_std20` | 20 顶量成交动量（std20）：成交量最高 20 根分钟 K 线的收益率之和（研报代码 mmt_top20VolumeRet）, 取过去 20 个有效交易日样本标准差（研报_std） | | `cicc_handbook__vol_up_vol_std20` | `vol_up_vol_std20` | 上行波动率（std20）：正分钟收益平方和开根号 √Σr²·I(r>0)（研报代码 vol_upVol）, 取过去 20 个有效交易日样本标准差（研报_std）; 研报全市场 IC −8.4%、ICIR 1.35 | | `cicc_handbook__shape_skew_m20` | `shape_skew_m20` | 分钟收益率偏度（m20）：当日分钟收益率的偏度, 取过去 20 个有效交易日均值（研报 _m）; 研报月度 ICIR 1.28 | | `cicc_handbook__shape_skew_std20` | `shape_skew_std20` | 分钟收益率偏度（std20）：当日分钟收益率的偏度, 取过去 20 个有效交易日样本标准差（研报 _std） | | `cicc_handbook__shape_skratio_m20` | `shape_skratio_m20` | 分钟收益率偏度峰度比（m20）：分钟收益率偏度 / 峰度, 取过去 20 个有效交易日均值（研报 _m） | | `cicc_handbook__shape_kurt_std20` | `shape_kurt_std20` | 分钟收益率峰度（std20）：当日分钟收益率的峰度（非超额）, 取过去 20 个有效交易日样本标准差（研报 _std） | | `cicc_handbook__liq_closevol_z20` | `liq_closevol_z20` | 收盘前 3 分钟成交量（z20）：14:58~15:00 三根分钟 K 线成交量之和（股）, 取当日值相对过去 20 个有效交易日的 z 分（研报 _z） | | `cicc_handbook__corr_pvl_m20` | `corr_pvl_m20` | 分钟收盘价与领先成交量相关系数（m20）：当日 corr(分钟收盘价 p_t, 下一分钟成交量 v_{t+1}), 取过去 20 个有效交易日均值（研报 _m）; 研报月度 ICIR 1.09 | | `cicc_handbook__corr_pvl_std20` | `corr_pvl_std20` | 分钟收盘价与领先成交量相关系数（std20）：当日 corr(分钟收盘价 p_t, 下一分钟成交量 v_{t+1}), 取过去 20 个有效交易日样本标准差（研报 _std）; 研报月度 ICIR 1.06 | | `cicc_handbook__corr_pv_std20` | `corr_pv_std20` | 分钟收盘价与成交量相关系数（std20）：当日 corr(分钟收盘价, 分钟成交量), 取过去 20 个有效交易日样本标准差（研报 _std） | | `cicc_handbook__corr_prv_std20` | `corr_prv_std20` | 分钟收益率与成交量相关系数（std20）：当日 corr(分钟收益率, 分钟成交量), 取过去 20 个有效交易日样本标准差（研报 _std）; 研报月度 IC −5.65%、ICIR 1.09 | | `cicc_handbook__corr_prvr_std20` | `corr_prvr_std20` | 分钟收益率与成交量变化率相关系数（std20）：当日 corr(分钟收益率, 分钟成交量变化率 v_t/v_{t−1}−1), 取过去 20 个有效交易日样本标准差（研报 _std） | | `cicc_handbook__doc_skew_std20` | `doc_skew_std20` | 收益率分组筹码偏度（std20）：成交量加权盈亏水平分布的偏度, 取过去 20 个有效交易日样本标准差（研报 _std） | | `cicc_handbook__doc_vol_pdf80_std20` | `doc_vol_pdf80_std20` | 筹码 80% 占比收益率分位（std20）：同 doc_vol_pdf60, 累计占比 80%, 取过去 20 个有效交易日样本标准差（研报 _std） | | `cicc_handbook__doc_vol_pdf90_std20` | `doc_vol_pdf90_std20` | 筹码 90% 占比收益率分位（std20）：同 doc_vol_pdf60, 累计占比 90%, 取过去 20 个有效交易日样本标准差（研报 _std）; 研报全市场月度 ICIR 1.52 | | `cicc_handbook__doc_vol_pdf95_std20` | `doc_vol_pdf95_std20` | 筹码 95% 占比收益率分位（std20）：同 doc_vol_pdf60, 累计占比 95%, 取过去 20 个有效交易日样本标准差（研报 _std） | | `cicc_handbook__doc_vol_pdf90bi_std20` | `doc_vol_pdf90bi_std20` | 筹码双边 90% 收益率区间宽度（std20）：成交量加权盈亏水平分布 95% 分位 − 5% 分位, 取过去 20 个有效交易日样本标准差（研报 _std） | | `cicc_handbook__trade_head_ratio_std20` | `trade_head_ratio_std20` | 开盘成交占比（std20）：开盘后 30 根分钟 K 线（10:00 前）成交量 / 全天成交量, 取过去 20 个有效交易日样本标准差（研报 _std）; 研报 ICIR 1.07 | | `cicc_handbook__trade_top20_ret_ratio_m20` | `trade_top20_ret_ratio_m20` | 前 20 K 线收益率成交占比（m20）：成交量最高 20 根分钟 K 线的 收益率×成交量占比 均值（研报代码 trade_top20retRatio）, 取过去 20 个有效交易日均值（研报_m） | ### 中信证券日内分时特征遗传规划量价因子（`cn_stock_factors_hf_citic_intraday_gp_alpha`） | 视图字段 | 源字段 | 原始含义 | | ---- | ---- | ---- | | `citic_intraday_gp_alpha__citic_alpha1` | `citic_alpha1` | 日内分时 GP 量价因子 Alpha1：cs_add(cs_cube(ts_max(closeswapstd,3)),cs_mul(corrpriceswap,ts_mean(closeretavg,3)))（基础变量与时序算子结果均先做截面分位点标准化）; 研报日度 IC 均值 −0.06、十分组多空年化 88.01%（研报图 15、16） | | `citic_intraday_gp_alpha__citic_alpha2` | `citic_alpha2` | 日内分时 GP 量价因子 Alpha2：cs_add(cs_mul(ts_mean(closeswapstd,3),ts_max(corrpriceswap,3)),cs_sub(closeretavg,ts_min(openretavg,3)))（基础变量与时序算子结果均先做截面分位点标准化）; 研报日度 IC 均值 −0.054、多空年化 79.09%（研报图 17、18） | | `citic_intraday_gp_alpha__citic_alpha3` | `citic_alpha3` | 日内分时 GP 量价因子 Alpha3：cs_mul(cs_mul(ts_mean(closeretavg,3),ts_max(closeretavg,3)),cs_cube(ts_mean(swapstd,5)))（基础变量与时序算子结果均先做截面分位点标准化）; 值越小研报中未来收益越高 | | `citic_intraday_gp_alpha__citic_alpha4` | `citic_alpha4` | 日内分时 GP 量价因子 Alpha4：cs_div(cs_mul(ts_max(closeswapstd,3),ts_mean(closeretavg,3)),cs_curt(ts_mean(openpriceavg,3)))（基础变量与时序算子结果均先做截面分位点标准化）; 研报日度 IC 均值 −0.052、多空年化 96.45%（研报图 19、20） | | `citic_intraday_gp_alpha__citic_alpha5` | `citic_alpha5` | 日内分时 GP 量价因子 Alpha5：cs_cube(cs_add(cs_cube(ts_mean(highretstd,3)),cs_add(closeretavg,ts_max(closeswapstd,3))))（基础变量与时序算子结果均先做截面分位点标准化）; 值越小研报中未来收益越高 | | `citic_intraday_gp_alpha__citic_alpha6` | `citic_alpha6` | 日内分时 GP 量价因子 Alpha6：cs_div(cs_mul(ts_max(closeswapstd,3),ts_mean(retavg,3)),cs_sqrt(ts_min(openretavg,3)))（基础变量与时序算子结果均先做截面分位点标准化）; 值越小研报中未来收益越高 | | `citic_intraday_gp_alpha__citic_alpha7` | `citic_alpha7` | 日内分时 GP 量价因子 Alpha7：cs_add(cs_cube(ts_max(highswapstd,3)),cs_curt(ts_minmaxnorm(closeretavg,10)))（基础变量与时序算子结果均先做截面分位点标准化）; 研报日度 IC 均值 −0.06、多空年化 81.53%（研报图 21、22） | | `citic_intraday_gp_alpha__citic_alpha8` | `citic_alpha8` | 日内分时 GP 量价因子 Alpha8：cs_mul(cs_mul(ts_max(highswapavg,3),ts_max(closeswapstd,3)),cs_mul(highswapstd,ts_minmaxnorm(closeretavg,10)))（基础变量与时序算子结果均先做截面分位点标准化）; 值越小研报中未来收益越高 | | `citic_intraday_gp_alpha__citic_reversal_max3` | `citic_reversal_max3` | 改进反转因子：cs_curt(cs_curt(ts_max(retavg,3)))（基础变量与时序算子结果均先做截面分位点标准化）; 研报日度 IC 均值 −0.044、多空年化 56.16%（研报 4.2 节） | | `citic_intraday_gp_alpha__citic_reversal_mean3` | `citic_reversal_mean3` | 传统反转因子：cs_curt(cs_curt(ts_mean(retavg,3)))（基础变量与时序算子结果均先做截面分位点标准化）; 研报日度 IC 均值 −0.034、多空年化 45.40%（研报 4.2 节） | ### 长江证券分布估计主动成交占比因子（`cn_stock_factors_hf_cj_bvc_active_ratio`） | 视图字段 | 源字段 | 原始含义 | | ---- | ---- | ---- | | `cj_bvc_active_ratio__naive_ratio_20` | `naive_ratio_20` | 朴素主动占比（20 日）：过去 20 个有效交易日 Σ 分钟成交额 × F / Σ 分钟成交额, F = t 分布 CDF(ΔClose / σ_ΔClose, df=0.25); 研报表 7 全 A IC / ICIR −5.78% / −63.35%; 值越小未来收益越高 | | `cj_bvc_active_ratio__tdist_ratio_20` | `tdist_ratio_20` | T 分布主动占比（20 日）：过去 20 个有效交易日 Σ 分钟成交额 × F / Σ 分钟成交额, F = t 分布 CDF(ret / σ_ret, df=0.25); 研报表 7 全 A IC / ICIR −5.35% / −50.71%; 值越小未来收益越高 | | `cj_bvc_active_ratio__norm_ratio_20` | `norm_ratio_20` | 标准正态分布主动占比（20 日）：过去 20 个有效交易日 Σ 分钟成交额 × F / Σ 分钟成交额, F = 标准正态 CDF(ret / σ_ret); 研报表 7 全 A IC / ICIR −5.27% / −49.63%; 值越小未来收益越高 | | `cj_bvc_active_ratio__conf_ratio_20` | `conf_ratio_20` | 置信正态分布主动占比（20 日）：过去 20 个有效交易日 Σ 分钟成交额 × F / Σ 分钟成交额, F = 标准正态 CDF(ret / 0.1 × 1.96); 研报表 7 全 A IC / ICIR −7.22% / −78.64%; 值越小未来收益越高 | | `cj_bvc_active_ratio__naive_ratio_20_seg` | `naive_ratio_20_seg` | 朴素主动占比（线性分段）：naive_ratio_20 的当日截面分位 x, x ≥ 0.1 取 x、x < 0.1 取 0.2 − x; 研报表 8 全 A IC / ICIR −6.60% / −84.03%; 值越小未来收益越高 | | `cj_bvc_active_ratio__tdist_ratio_20_seg` | `tdist_ratio_20_seg` | T 分布主动占比（线性分段）：tdist_ratio_20 的当日截面分位 x, x ≥ 0.1 取 x、x < 0.1 取 0.2 − x; 研报表 8 全 A IC / ICIR −6.14% / −67.11%; 值越小未来收益越高 | | `cj_bvc_active_ratio__norm_ratio_20_seg` | `norm_ratio_20_seg` | 标准正态分布主动占比（线性分段）：norm_ratio_20 的当日截面分位 x, x ≥ 0.1 取 x、x < 0.1 取 0.2 − x; 研报表 8 全 A IC / ICIR −6.04% / −65.15%; 值越小未来收益越高 | | `cj_bvc_active_ratio__conf_ratio_20_seg` | `conf_ratio_20_seg` | 置信正态分布主动占比（线性分段）：conf_ratio_20 的当日截面分位 x, x ≥ 0.1 取 x、x < 0.1 取 0.2 − x; 研报表 8 全 A IC / ICIR −8.15% / −100.58%; 值越小未来收益越高 | | `cj_bvc_active_ratio__naive_ratio_20_hook` | `naive_ratio_20_hook` | 朴素主动占比（对勾变换）：naive_ratio_20 的当日截面分位 x 代入 0.01/(0.99x+0.01)+0.99x+0.01; 研报表 9 全 A IC / ICIR −5.59% / −60.75%; 值越小未来收益越高 | | `cj_bvc_active_ratio__tdist_ratio_20_hook` | `tdist_ratio_20_hook` | T 分布主动占比（对勾变换）：tdist_ratio_20 的当日截面分位 x 代入 0.01/(0.99x+0.01)+0.99x+0.01; 研报表 9 全 A IC / ICIR −5.35% / −50.78%; 值越小未来收益越高 | | `cj_bvc_active_ratio__norm_ratio_20_hook` | `norm_ratio_20_hook` | 标准正态分布主动占比（对勾变换）：norm_ratio_20 的当日截面分位 x 代入 0.01/(0.99x+0.01)+0.99x+0.01; 研报表 9 全 A IC / ICIR −5.27% / −49.63%; 值越小未来收益越高 | | `cj_bvc_active_ratio__conf_ratio_20_hook` | `conf_ratio_20_hook` | 置信正态分布主动占比（对勾变换）：conf_ratio_20 的当日截面分位 x 代入 0.01/(0.99x+0.01)+0.99x+0.01; 研报表 9 全 A IC / ICIR −7.30% / −79.49%; 值越小未来收益越高 | | `cj_bvc_active_ratio__conf_ratio_20_pure` | `conf_ratio_20_pure` | 置信正态分布主动占比（风格中性）：conf_ratio_20 对十个风格因子与申万一级行业截面回归的残差; 研报表 11 全 A IC −2.70% / ICIR −56.53%; 值越小未来收益越高 | ### 长江证券维度匹配因子（`cn_stock_factors_hf_cj_dimension_match`） | 视图字段 | 源字段 | 原始含义 | | ---- | ---- | ---- | | `cj_dimension_match__hf_resid_vol` | `hf_resid_vol` | 高频残差波动率：过去 20 个有效交易日 160 根 30 分钟线个股收益对自建 30 分钟三因子回归的残差标准差; 研报表 8 中证全指原始 IC 7.71%、ICIR 56.83%; 值越大未来收益越高 | | `cj_dimension_match__resid_volume_vol` | `resid_volume_vol` | 残差成交量波动率：每日 1 分钟成交量占比对全市场分钟成交量占比回归的残差标准差, 取 20 日均值; 研报表 8 中证全指原始 IC 4.43%、ICIR 49.18%; 值越大未来收益越高 | | `cj_dimension_match__resid_amplitude_vol` | `resid_amplitude_vol` | 残差振幅波动率：每日 1 分钟振幅对中证 800 分钟振幅回归的残差标准差, 取 20 日均值; 研报表 8 中证全指原始 IC 6.75%、ICIR 51.08%（研报用中证全指）; 值越大未来收益越高 | | `cj_dimension_match__trade_match_vol` | `trade_match_vol` | 成交匹配波动：每日 1 分钟每笔成交量对成交量占比回归的残差标准差, 取 20 日均值; 研报表 14 中证全指原始 IC 5.94%、ICIR 52.10%; 值越大未来收益越高 | ### 长江证券日内与日间高频因子（`cn_stock_factors_hf_cj_intraday_interday`） | 视图字段 | 源字段 | 原始含义 | | ---- | ---- | ---- | | `cj_intraday_interday__rev_vol_whole` | `rev_vol_whole` | 高频反转因子（整体法）：21 日全部 5 分钟线对数收益按成交量加权求和（权重在 21 日内统一归一）; 研报表 2 全市场 IC −9.03%、ICIR −99.56%（月度）; 值越小未来收益越高 | | `cj_intraday_interday__rev_vol_intraday` | `rev_vol_intraday` | 高频反转因子（日内法）：每日 5 分钟线对数收益按当日成交量加权求和, 再取 21 日均值; 研报表 2 全市场 IC −8.49%、ICIR −85.45%（月度）; 值越小未来收益越高 | | `cj_intraday_interday__rev_vol_interday` | `rev_vol_interday` | 高频反转因子（日间法）：21 根日 K 线对数收益按日成交量加权求和; 研报表 2 全市场 IC −8.18%、ICIR −68.17%（月度）; 值越小未来收益越高 | | `cj_intraday_interday__wave_peak_whole` | `wave_peak_whole` | 波峰因子（整体法）：21 日全部 1 分钟线中成交量 > 均值 + 1 倍标准差（阈值按 21 日统一算）的连续段个数; 研报表 3 全市场 IC 8.88%、ICIR 109.78%（月度）; 值越大未来收益越高 | | `cj_intraday_interday__wave_peak_intraday` | `wave_peak_intraday` | 波峰因子（日内法）：每日按当日 1 分钟成交量均值 + 1 倍标准差为阈值数波峰, 21 日求和; 研报表 3 全市场 IC 9.14%、ICIR 110.27%（月度）; 值越大未来收益越高 | | `cj_intraday_interday__pv_corr_whole` | `pv_corr_whole` | 量价相关性因子（整体法）：21 日全部 5 分钟线成交量与后复权收盘价的相关系数; 研报表 4 全市场 IC −5.58%、ICIR −51.64%（月度）; 值越小未来收益越高 | | `cj_intraday_interday__pv_corr_intraday` | `pv_corr_intraday` | 量价相关性因子（日内法）：每日 5 分钟线成交量与收盘价的相关系数, 取 21 日均值; 研报表 4 全市场 IC −4.45%、ICIR −45.27%（月度）; 值越小未来收益越高 | | `cj_intraday_interday__pv_corr_interday` | `pv_corr_interday` | 量价相关性因子（日间法）：21 根日 K 线成交量与后复权收盘价的相关系数; 研报表 4 全市场 IC −5.24%、ICIR −51.04%（月度）; 值越小未来收益越高 | | `cj_intraday_interday__rev_vol_skew` | `rev_vol_skew` | 高频反转偏度因子：每日日内法高频反转值在 21 日内的样本偏度; 研报表 5 风格行业剥离前全市场 IC −4.31%、ICIR −79.99%（月度）; 值越小未来收益越高 | | `cj_intraday_interday__pv_corr_std` | `pv_corr_std` | 量价相关性标准差因子：每日 5 分钟量价相关系数在 21 日内的样本标准差; 研报表 6 风格行业剥离前全市场 IC −4.02%、ICIR −59.53%（月度）; 值越小未来收益越高 | | `cj_intraday_interday__ret_min1_prev_close_21` | `ret_min1_prev_close_21` | 第一分钟收盘相对昨收因子：21 日 Σln(09:31 分钟收盘价 / 昨收); 研报表 7 中性前全市场 IC 1.39%、ICIR 17.47%（月度）, 唯一呈动量效应的时间段; 值越大未来收益越高 | | `cj_intraday_interday__ret_min1_open_21` | `ret_min1_open_21` | 第一分钟收盘相对开盘因子：21 日 Σln(09:31 分钟收盘价 / 今开); 研报表 7 中性前全市场 IC 0.51%、ICIR 10.73%（月度）, 中性后转为动量; 值越大未来收益越高 | | `cj_intraday_interday__rev_close_min1_21` | `rev_close_min1_21` | 今收相对第一分钟收盘因子：21 日 Σln(今收 / 09:31 分钟收盘价), 剔除隔日动量段后的反转; 研报表 8 中性前全市场 IC −8.31%、ICIR −94.78%（月度）; 值越小未来收益越高 | ### 长江证券结构化反转因子（`cn_stock_factors_hf_cj_struct_reversal`） | 视图字段 | 源字段 | 原始含义 | | ---- | ---- | ---- | | `cj_struct_reversal__rev_vol_10m` | `rev_vol_10m` | 高频反转因子（10分钟）：过去 21 个有效交易日全部 10 分钟段对数收益按段成交量加权求和（权重归一）; 研报表 5 平均 IC −9.22%、IC_IR −100.55%（月度）; 值越小未来收益越高 | | `cj_struct_reversal__rev_vol_30m` | `rev_vol_30m` | 高频反转因子（30分钟）：同 rev_vol_10m, 时间段改为 30 分钟; 研报表 5 平均 IC −9.36%、IC_IR −96.98%（月度）; 值越小未来收益越高 | | `cj_struct_reversal__rev_vol_60m` | `rev_vol_60m` | 高频反转因子（60分钟）：同 rev_vol_10m, 时间段改为 60 分钟; 研报表 5 平均 IC −9.11%、IC_IR −88.28%（月度）; 值越小未来收益越高 | | `cj_struct_reversal__rev_mom_10m` | `rev_mom_10m` | 动量时间段反转因子（10分钟）：过去 21 个有效交易日 10 分钟段中成交量最低 10% 的动量段, 对数收益按成交量倒数加权求和（权重归一）; 结构化反转的减项, 研报未单独披露绩效 | | `cj_struct_reversal__rev_rev_10m` | `rev_rev_10m` | 反转时间段反转因子（10分钟）：过去 21 个有效交易日 10 分钟段中其余 90% 的反转段, 对数收益按成交量加权求和（权重归一）; 结构化反转的被减项, 研报未单独披露绩效 | | `cj_struct_reversal__rev_struct_10m` | `rev_struct_10m` | 结构化反转因子（10分钟）：rev_rev_10m − rev_mom_10m（动量段阈值 10%）; 研报表 12 平均 IC −8.63%、IC_IR −99.72%（月度）, 第1组超额7.21%、IR 1.31; 值越小未来收益越高 | | `cj_struct_reversal__rev_struct_30m` | `rev_struct_30m` | 结构化反转因子（30分钟）：同 rev_struct_10m, 时间段改为 30 分钟; 研报表 12 平均 IC −8.55%、IC_IR −98.26%（月度）; 值越小未来收益越高 | | `cj_struct_reversal__rev_struct_60m` | `rev_struct_60m` | 结构化反转因子（60分钟）：同 rev_struct_10m, 时间段改为 60 分钟; 研报表 12 平均 IC −7.80%、IC_IR −90.19%（月度）; 值越小未来收益越高 | ### 长江证券高频交易行为因子（`cn_stock_factors_hf_cj_trading_behavior`） | 视图字段 | 源字段 | 原始含义 | | ---- | ---- | ---- | | `cj_trading_behavior__illiq_ret_5m` | `illiq_ret_5m` | 非流动性因子（收益 5 分）：过去 21 个有效交易日全部 5 分钟线 \/收益\/ / 成交额（亿元）的均值; 研报表 3 规模中性前 IC 8.73%、IC_IR 54.69%（月度）; 值越大未来收益越高 | | `cj_trading_behavior__illiq_resid_5m` | `illiq_resid_5m` | 非流动性因子（残差收益 5 分）：同 illiq_ret_5m, 收益换成窗口内 5 分钟收益对上证综指 5 分钟收益回归的残差; 研报表 3 IC 8.10%、IC_IR 51.16%; 值越大未来收益越高 | | `cj_trading_behavior__illiq_resid_1d` | `illiq_resid_1d` | 非流动性因子（残差收益日线）：过去 21 个有效交易日日收益对上证综指日收益回归残差的 \/残差\/ / 日成交额（亿元）均值; 研报表 3 IC 7.11%、IC_IR 40.92%; 值越大未来收益越高 | | `cj_trading_behavior__illiq_track_5m` | `illiq_track_5m` | 轨迹非流动性因子（5 分）：log∏(1+\/5 分钟收益\/) / Σ成交额（亿元）, 过去 21 个有效交易日; 研报表 3 IC 9.54%、IC_IR 56.17%, 规模中性后 IR 1.55; 值越大未来收益越高 | | `cj_trading_behavior__illiq_track_1d` | `illiq_track_1d` | 轨迹非流动性因子（日线）：log∏(1+\/日收益\/) / Σ日成交额（亿元）, 过去 21 个有效交易日; 研报表 3 IC 9.30%、IC_IR 54.34%; 值越大未来收益越高 | | `cj_trading_behavior__game_21d_hl21` | `game_21d_hl21` | 博弈因子（21 天，21 天半衰）：过去 21 个有效交易日主买量 / 主卖量（21 日半衰期加权求和）; 研报表 8 IC −7.41%、IC_IR −63.11%（月度）; 值越小未来收益越高 | | `cj_trading_behavior__game_21d_hl42` | `game_21d_hl42` | 博弈因子（21 天，42 天半衰）：过去 21 个有效交易日主买量 / 主卖量（42 日半衰期加权求和）; 研报表 8 IC −7.30%、IC_IR −62.33%（月度）; 值越小未来收益越高 | | `cj_trading_behavior__game_21d_eq` | `game_21d_eq` | 博弈因子（21 天，等权）：过去 21 个有效交易日主买量 / 主卖量（等权求和）; 研报表 8 IC −7.16%、IC_IR −61.43%（月度）; 值越小未来收益越高 | | `cj_trading_behavior__game_42d_hl21` | `game_42d_hl21` | 博弈因子（42 天，21 天半衰）：过去 42 个有效交易日主买量 / 主卖量（21 日半衰期加权求和）; 研报表 8 IC −7.84%、IC_IR −64.88%（研报主推）（月度）; 值越小未来收益越高 | | `cj_trading_behavior__game_42d_hl42` | `game_42d_hl42` | 博弈因子（42 天，42 天半衰）：过去 42 个有效交易日主买量 / 主卖量（42 日半衰期加权求和）; 研报表 8 IC −7.60%、IC_IR −63.06%（月度）; 值越小未来收益越高 | | `cj_trading_behavior__game_42d_eq` | `game_42d_eq` | 博弈因子（42 天，等权）：过去 42 个有效交易日主买量 / 主卖量（等权求和）; 研报表 8 IC −7.23%、IC_IR −60.56%（月度）; 值越小未来收益越高 | | `cj_trading_behavior__idio_rate_21d` | `idio_rate_21d` | 特异率因子（21 天）：过去 21 个有效交易日日收益对自建 Fama 三因子回归的 R²; 研报表 12 IC 7.33%、IC_IR 73.75%（月度）; 值越小交易越异常, 值越大未来收益越高 | | `cj_trading_behavior__idio_rate_42d` | `idio_rate_42d` | 特异率因子（42 天）：过去 42 个有效交易日日收益对自建 Fama 三因子回归的 R²; 研报表 12 IC 6.34%、IC_IR 60.63%（月度）; 值越小交易越异常, 值越大未来收益越高 | ### 中信建投证券高频订单失衡及价差因子（`cn_stock_factors_hf_csc_order_imbalance_spread`） | 视图字段 | 源字段 | 原始含义 | | ---- | ---- | ---- | | `csc_order_imbalance_spread__soir1` | `soir1` | 第 1 档订单失衡率 SOIR1：分钟末第 1 档 (委买量 − 委卖量) / (委买量 + 委卖量), 逐分钟截面标准化后取日内均值, 再按 j/n 线性加权; 值越大买盘越厚。月频 IC 为负 | | `csc_order_imbalance_spread__soir2` | `soir2` | 第 2 档订单失衡率 SOIR2：分钟末第 2 档 (委买量 − 委卖量) / (委买量 + 委卖量), 逐分钟截面标准化后取日内均值, 再按 j/n 线性加权; 值越大买盘越厚。月频 IC 为负 | | `csc_order_imbalance_spread__soir3` | `soir3` | 第 3 档订单失衡率 SOIR3：分钟末第 3 档 (委买量 − 委卖量) / (委买量 + 委卖量), 逐分钟截面标准化后取日内均值, 再按 j/n 线性加权; 值越大买盘越厚。月频 IC 为负 | | `csc_order_imbalance_spread__soir4` | `soir4` | 第 4 档订单失衡率 SOIR4：分钟末第 4 档 (委买量 − 委卖量) / (委买量 + 委卖量), 逐分钟截面标准化后取日内均值, 再按 j/n 线性加权; 值越大买盘越厚。月频 IC 为负 | | `csc_order_imbalance_spread__soir5` | `soir5` | 第 5 档订单失衡率 SOIR5：分钟末第 5 档 (委买量 − 委卖量) / (委买量 + 委卖量), 逐分钟截面标准化后取日内均值, 再按 j/n 线性加权; 值越大买盘越厚。月频 IC 为负 | | `csc_order_imbalance_spread__soir` | `soir` | 逐档订单失衡率 SOIR：SOIR1~5 按 1, 0.8, 0.6, 0.4, 0.2 加权平均后同样处理; 值越大买盘越厚。研报月频 IC −4.57% | | `csc_order_imbalance_spread__mpc1` | `mpc1` | 1 分钟中间价变化率 MPC1：买一卖一中间价相对 1 分钟前的涨幅, 逐分钟截面标准化后取日内均值, 再按 j/n 线性加权。月频 IC 为负 | | `csc_order_imbalance_spread__mpc5` | `mpc5` | 5 分钟中间价变化率 MPC5：买一卖一中间价相对 5 分钟前的涨幅, 逐分钟截面标准化后取日内均值, 再按 j/n 线性加权。月频 IC 为负 | | `csc_order_imbalance_spread__mpc1_max` | `mpc1_max` | MPC1 日内最大值：当日各分钟 MPC1（未标准化）的最大值, 再按 j/n 线性加权; 值越大中间价短时拉升越剧烈。月频 IC 为负 | | `csc_order_imbalance_spread__mpc5_max` | `mpc5_max` | MPC5 日内最大值：当日各分钟 MPC5（未标准化）的最大值, 再按 j/n 线性加权; 值越大中间价短时拉升越剧烈。月频 IC 为负 | | `csc_order_imbalance_spread__mpc1_skew` | `mpc1_skew` | MPC1 日内偏度：当日各分钟 MPC1（未标准化）的偏度, 再按 j/n 线性加权。月频 IC 为负 | | `csc_order_imbalance_spread__mpc5_skew` | `mpc5_skew` | MPC5 日内偏度：当日各分钟 MPC5（未标准化）的偏度, 再按 j/n 线性加权。月频 IC 为负 | | `csc_order_imbalance_spread__mpc1_neut` | `mpc1_neut` | MPC1（市值行业中性）：mpc1 对对数流通市值与申万一级行业截面回归的残差。月频 IC 为负 | | `csc_order_imbalance_spread__mpc5_neut` | `mpc5_neut` | MPC5（市值行业中性）：mpc5 对对数流通市值与申万一级行业截面回归的残差。月频 IC 为负 | ### 中信建投证券买卖报单流动性因子（`cn_stock_factors_hf_csc_order_liquidity`） | 视图字段 | 源字段 | 原始含义 | | ---- | ---- | ---- | | `csc_order_liquidity__mci_a` | `mci_a` | 卖单流动性因子 MCI_A：卖方五档报单均价相对买卖中间价的偏离（bps）÷ 卖方五档报单金额（万元）, 逐分钟截面标准化后取日内均值, 再按 0.5 指数衰减加权; 值越大立即买入的成本越高 | | `csc_order_liquidity__mci_b` | `mci_b` | 买单流动性因子 MCI_B：买方五档报单均价相对中间价的偏离取负（bps）÷ 买方五档报单金额（万元）, 处理同 mci_a; 值越大立即卖出的成本越高 | | `csc_order_liquidity__mci_imb` | `mci_imb` | 买卖报单流动性不平衡因子 MCI_IMB：逐分钟 (MCI_A − MCI_B) / (MCI_A + MCI_B), 处理同 mci_a; 值越大卖方报单越稀薄。研报月频 IC −0.91% | | `csc_order_liquidity__mci_a_neut` | `mci_a_neut` | 卖单流动性因子（市值行业中性）：mci_a 对对数流通市值与申万一级行业截面回归的残差; 研报月频 IC 6.56%、年化 IR 2.64, 值越大未来收益越高 | | `csc_order_liquidity__mci_b_neut` | `mci_b_neut` | 买单流动性因子（市值行业中性）：mci_b 对对数流通市值与申万一级行业截面回归的残差; 研报月频 IC 6.89%、年化 IR 2.76, 值越大未来收益越高 | ### 东方证券均价偏差买卖压力因子（`cn_stock_factors_hf_dfzq_apb`） | 视图字段 | 源字段 | 原始含义 | | ---- | ---- | ---- | | `dfzq_apb__apb_1m` | `apb_1m` | 月度均价偏差 APB_1m：ln(过去 20 个有效交易日复权日 VWAP 的算术均值 / 同期成交量加权的复权 VWAP); 值越大买压越大、未来收益越高 | | `dfzq_apb__apb_5d` | `apb_5d` | 5 日均价偏差 APB_5d：按过去 5 个有效交易日滚动计算的 APB, 再取过去 20 个有效交易日均值; 值越大买压越大 | | `dfzq_apb__apb_1d` | `apb_1d` | 日内均价偏差 APB_1d：每日 ln(48 根 5 分钟 VWAP 的等权均值 / 当日 VWAP), 取过去 20 个有效交易日均值; 值越大买压越大 | | `dfzq_apb__apb_1m_neutral` | `apb_1m_neutral` | APB_1m（行业市值中性）：apb_1m 去极值标准化后对 ln 总市值与申万一级行业哑变量截面回归的残差 | | `dfzq_apb__apb_5d_neutral` | `apb_5d_neutral` | APB_5d（行业市值中性）：apb_5d 去极值标准化后对 ln 总市值与申万一级行业哑变量截面回归的残差 | | `dfzq_apb__apb_1d_neutral` | `apb_1d_neutral` | APB_1d（行业市值中性）：apb_1d 去极值标准化后对 ln 总市值与申万一级行业哑变量截面回归的残差 | ### 东方证券时间加权相对价格位置因子（`cn_stock_factors_hf_dfzq_arpp`） | 视图字段 | 源字段 | 原始含义 | | ---- | ---- | ---- | | `dfzq_arpp__arpp_1d_20d` | `arpp_1d_20d` | ARPP_1d_20d：每日 (当日分钟 TWAP - 当日最低价) / (当日最高价 - 当日最低价), 取过去 20 个有效交易日均值; 值越大买压越大、未来收益越高 | | `dfzq_arpp__arpp_5d_20d` | `arpp_5d_20d` | ARPP_5d_20d：以过去 5 个有效交易日的 TWAP、最高价、最低价计算的 ARPP, 取过去 20 个有效交易日均值 | | `dfzq_arpp__arpp_20d_20d` | `arpp_20d_20d` | ARPP_20d_20d：以过去 20 个有效交易日的 TWAP、最高价、最低价计算的 ARPP, 取过去 20 个有效交易日均值 | | `dfzq_arpp__arpp_1d_20d_neutral` | `arpp_1d_20d_neutral` | ARPP_1d_20d（行业市值中性）：arpp_1d_20d 去极值标准化后对 ln 总市值与申万一级行业哑变量截面回归的残差 | | `dfzq_arpp__arpp_5d_20d_neutral` | `arpp_5d_20d_neutral` | ARPP_5d_20d（行业市值中性）：arpp_5d_20d 去极值标准化后对 ln 总市值与申万一级行业哑变量截面回归的残差 | | `dfzq_arpp__arpp_20d_20d_neutral` | `arpp_20d_20d_neutral` | ARPP_20d_20d（行业市值中性）：arpp_20d_20d 去极值标准化后对 ln 总市值与申万一级行业哑变量截面回归的残差 | ### 东方证券价格冲击偏差因子（`cn_stock_factors_hf_dfzq_gamma_bias`） | 视图字段 | 源字段 | 原始含义 | | ---- | ---- | ---- | | `dfzq_gamma_bias__gamma_bias_daily` | `gamma_bias_daily` | 日价格冲击偏差：当日 48 根 5 分钟线上, 收益对 MF 与 I(MF>0)·MF 做成交额加权、无截距回归, I·MF 系数（gamma_up - gamma_down）的 t 值; MF 为主动净买入额 / 成交额 | | `dfzq_gamma_bias__gamma_bias` | `gamma_bias` | 价格冲击偏差 gammabias：gamma_bias_daily 过去 20 个有效交易日均值; 值越小（越容易下跌）未来收益越高, 研报方向为负 | | `dfzq_gamma_bias__gamma_bias_neutral` | `gamma_bias_neutral` | 价格冲击偏差（行业市值中性）：gamma_bias 去极值标准化后对 ln 总市值与申万一级行业哑变量截面回归的残差 | ### 东方证券买卖单非流动性因子（`cn_stock_factors_hf_dfzq_harvey_hf_illiq`） | 视图字段 | 源字段 | 原始含义 | | ---- | ---- | ---- | | `dfzq_harvey_hf_illiq__down_illiq` | `down_illiq` | 卖单非流动性 DOWNILLIQ：过去 20 个有效交易日全部 5 分钟线上, 5 分钟收益对主动卖出额、主动买入额（百万元）带截距回归中主动卖出额的系数; 通常为负, 越负说明卖单打压股价越强; 研报方向为负 | | `dfzq_harvey_hf_illiq__up_illiq` | `up_illiq` | 买单非流动性 UPILLIQ：同一回归中主动买入额（百万元）的系数; 通常为正, 越大说明买单推升股价越强; 研报方向为正 | | `dfzq_harvey_hf_illiq__down_illiq_neutral` | `down_illiq_neutral` | 卖单非流动性（行业市值中性）：down_illiq 去极值标准化后对 ln 总市值与申万一级行业哑变量截面回归的残差 | | `dfzq_harvey_hf_illiq__up_illiq_neutral` | `up_illiq_neutral` | 买单非流动性（行业市值中性）：up_illiq 去极值标准化后对 ln 总市值与申万一级行业哑变量截面回归的残差 | ### 东方证券非流动性因子（`cn_stock_factors_hf_dfzq_illiquidity`） | 视图字段 | 源字段 | 原始含义 | | ---- | ---- | ---- | | `dfzq_illiquidity__quoted_spread_20` | `quoted_spread_20` | 相对买卖价差：过去 20 个有效交易日全部分钟的 (卖一价 - 买一价) / 买卖一价中点 的等权均值（分钟末盘口代替 tick 报价, 按交易时间等权）; 值越大越不流动 | | `dfzq_illiquidity__price_impact_lambda_20` | `price_impact_lambda_20` | 价格冲击弹性 Lambda：过去 20 个有效交易日全部 5 分钟线上, 5 分钟收益对主动订单冲击 S=√主动买入额-√主动卖出额 做无截距回归的系数; 值越大单位主动订单对股价冲击越大 | | `dfzq_illiquidity__amihud_illiq_20` | `amihud_illiq_20` | Amihud 非流动性：过去 20 个有效交易日 \/日涨跌幅\/ / 日成交额（元）的均值; 值越大越不流动 | | `dfzq_illiquidity__quoted_spread_neutral` | `quoted_spread_neutral` | 相对买卖价差（风格中性）：ln(quoted_spread_20) 对 ln 总市值、ln 20 日均价与申万一级行业哑变量截面回归的残差 | | `dfzq_illiquidity__price_impact_lambda_neutral` | `price_impact_lambda_neutral` | 价格冲击弹性（风格中性）：sign(λ)·√\/λ\/ 对 ln 总市值与申万一级行业哑变量截面回归的残差, λ 为 price_impact_lambda_20 | | `dfzq_illiquidity__amihud_illiq_neutral` | `amihud_illiq_neutral` | Amihud 非流动性（风格中性）：ln(amihud_illiq_20) 对 ln 总市值与申万一级行业哑变量截面回归的残差 | | `dfzq_illiquidity__turnover_neutral` | `turnover_neutral` | 月均换手率（风格中性）：ln(过去 20 个有效交易日日换手率均值) 对 ln 总市值与申万一级行业哑变量截面回归的残差; 值越小未来收益越高 | ### 东方证券日内交易特征稳定性因子（`cn_stock_factors_hf_dfzq_intraday_stability`） | 视图字段 | 源字段 | 原始含义 | | ---- | ---- | ---- | | `dfzq_intraday_stability__rvol_daily` | `rvol_daily` | 日内收益波动率（日值）：当日 48 根 5 分钟线（不含隔夜跳开）计算的日内收益波动率 | | `dfzq_intraday_stability__rskew_daily` | `rskew_daily` | 日内收益偏度（日值）：当日 48 根 5 分钟线（不含隔夜跳开）计算的日内收益偏度 | | `dfzq_intraday_stability__rkurt_daily` | `rkurt_daily` | 日内收益峰度（日值）：当日 48 根 5 分钟线（不含隔夜跳开）计算的日内收益峰度 | | `dfzq_intraday_stability__vvol_daily` | `vvol_daily` | 日内成交量波动率（日值）：当日 48 根 5 分钟线（不含隔夜跳开）计算的日内成交量波动率 | | `dfzq_intraday_stability__vskew_daily` | `vskew_daily` | 日内成交量偏度（日值）：当日 48 根 5 分钟线（不含隔夜跳开）计算的日内成交量偏度 | | `dfzq_intraday_stability__vkurt_daily` | `vkurt_daily` | 日内成交量峰度（日值）：当日 48 根 5 分钟线（不含隔夜跳开）计算的日内成交量峰度 | | `dfzq_intraday_stability__vhhi_daily` | `vhhi_daily` | 日内成交量 HHI（日值）：当日 48 根 5 分钟线（不含隔夜跳开）计算的日内成交量 HHI | | `dfzq_intraday_stability__sd_rvol_1m` | `sd_rvol_1m` | 日内收益波动率稳定性（20 日）：过去 20 个有效交易日 rvol_daily 序列的Newey-West 调整标准差除以均值; 值越大日内特征越不稳定, 研报方向为负 | | `dfzq_intraday_stability__sd_rskew_1m` | `sd_rskew_1m` | 日内收益偏度稳定性（20 日）：过去 20 个有效交易日 rskew_daily 序列的Newey-West 调整标准差; 值越大日内特征越不稳定, 研报方向为负 | | `dfzq_intraday_stability__sd_rkurt_1m` | `sd_rkurt_1m` | 日内收益峰度稳定性（20 日）：过去 20 个有效交易日 rkurt_daily 序列的Newey-West 调整标准差; 值越大日内特征越不稳定, 研报方向为负 | | `dfzq_intraday_stability__sd_vvol_1m` | `sd_vvol_1m` | 日内成交量波动率稳定性（20 日）：过去 20 个有效交易日 vvol_daily 序列的Newey-West 调整标准差除以均值; 值越大日内特征越不稳定, 研报方向为负 | | `dfzq_intraday_stability__sd_vskew_1m` | `sd_vskew_1m` | 日内成交量偏度稳定性（20 日）：过去 20 个有效交易日 vskew_daily 序列的Newey-West 调整标准差; 值越大日内特征越不稳定, 研报方向为负 | | `dfzq_intraday_stability__sd_vkurt_1m` | `sd_vkurt_1m` | 日内成交量峰度稳定性（20 日）：过去 20 个有效交易日 vkurt_daily 序列的Newey-West 调整标准差; 值越大日内特征越不稳定, 研报方向为负 | | `dfzq_intraday_stability__sd_vhhi_1m` | `sd_vhhi_1m` | 日内成交量 HHI稳定性（20 日）：过去 20 个有效交易日 vhhi_daily 序列的Newey-West 调整标准差; 值越大日内特征越不稳定, 研报方向为负 | | `dfzq_intraday_stability__sd_rvol_3m` | `sd_rvol_3m` | 日内收益波动率稳定性（60 日）：过去 60 个有效交易日 rvol_daily 序列的Newey-West 调整标准差除以均值; 值越大日内特征越不稳定, 研报方向为负 | | `dfzq_intraday_stability__sd_rskew_3m` | `sd_rskew_3m` | 日内收益偏度稳定性（60 日）：过去 60 个有效交易日 rskew_daily 序列的Newey-West 调整标准差; 值越大日内特征越不稳定, 研报方向为负 | | `dfzq_intraday_stability__sd_rkurt_3m` | `sd_rkurt_3m` | 日内收益峰度稳定性（60 日）：过去 60 个有效交易日 rkurt_daily 序列的Newey-West 调整标准差; 值越大日内特征越不稳定, 研报方向为负 | | `dfzq_intraday_stability__sd_vvol_3m` | `sd_vvol_3m` | 日内成交量波动率稳定性（60 日）：过去 60 个有效交易日 vvol_daily 序列的Newey-West 调整标准差除以均值; 值越大日内特征越不稳定, 研报方向为负 | | `dfzq_intraday_stability__sd_vskew_3m` | `sd_vskew_3m` | 日内成交量偏度稳定性（60 日）：过去 60 个有效交易日 vskew_daily 序列的Newey-West 调整标准差; 值越大日内特征越不稳定, 研报方向为负 | | `dfzq_intraday_stability__sd_vkurt_3m` | `sd_vkurt_3m` | 日内成交量峰度稳定性（60 日）：过去 60 个有效交易日 vkurt_daily 序列的Newey-West 调整标准差; 值越大日内特征越不稳定, 研报方向为负 | | `dfzq_intraday_stability__sd_vhhi_3m` | `sd_vhhi_3m` | 日内成交量 HHI稳定性（60 日）：过去 60 个有效交易日 vhhi_daily 序列的Newey-West 调整标准差; 值越大日内特征越不稳定, 研报方向为负 | | `dfzq_intraday_stability__sd_rvol_6m` | `sd_rvol_6m` | 日内收益波动率稳定性（120 日）：过去 120 个有效交易日 rvol_daily 序列的Newey-West 调整标准差除以均值; 值越大日内特征越不稳定, 研报方向为负 | | `dfzq_intraday_stability__sd_rskew_6m` | `sd_rskew_6m` | 日内收益偏度稳定性（120 日）：过去 120 个有效交易日 rskew_daily 序列的Newey-West 调整标准差; 值越大日内特征越不稳定, 研报方向为负 | | `dfzq_intraday_stability__sd_rkurt_6m` | `sd_rkurt_6m` | 日内收益峰度稳定性（120 日）：过去 120 个有效交易日 rkurt_daily 序列的Newey-West 调整标准差; 值越大日内特征越不稳定, 研报方向为负 | | `dfzq_intraday_stability__sd_vvol_6m` | `sd_vvol_6m` | 日内成交量波动率稳定性（120 日）：过去 120 个有效交易日 vvol_daily 序列的Newey-West 调整标准差除以均值; 值越大日内特征越不稳定, 研报方向为负 | | `dfzq_intraday_stability__sd_vskew_6m` | `sd_vskew_6m` | 日内成交量偏度稳定性（120 日）：过去 120 个有效交易日 vskew_daily 序列的Newey-West 调整标准差; 值越大日内特征越不稳定, 研报方向为负 | | `dfzq_intraday_stability__sd_vkurt_6m` | `sd_vkurt_6m` | 日内成交量峰度稳定性（120 日）：过去 120 个有效交易日 vkurt_daily 序列的Newey-West 调整标准差; 值越大日内特征越不稳定, 研报方向为负 | | `dfzq_intraday_stability__sd_vhhi_6m` | `sd_vhhi_6m` | 日内成交量 HHI稳定性（120 日）：过去 120 个有效交易日 vhhi_daily 序列的Newey-West 调整标准差; 值越大日内特征越不稳定, 研报方向为负 | | `dfzq_intraday_stability__sd_rvol_1y` | `sd_rvol_1y` | 日内收益波动率稳定性（240 日）：过去 240 个有效交易日 rvol_daily 序列的Newey-West 调整标准差除以均值; 值越大日内特征越不稳定, 研报方向为负 | | `dfzq_intraday_stability__sd_rskew_1y` | `sd_rskew_1y` | 日内收益偏度稳定性（240 日）：过去 240 个有效交易日 rskew_daily 序列的Newey-West 调整标准差; 值越大日内特征越不稳定, 研报方向为负 | | `dfzq_intraday_stability__sd_rkurt_1y` | `sd_rkurt_1y` | 日内收益峰度稳定性（240 日）：过去 240 个有效交易日 rkurt_daily 序列的Newey-West 调整标准差; 值越大日内特征越不稳定, 研报方向为负 | | `dfzq_intraday_stability__sd_vvol_1y` | `sd_vvol_1y` | 日内成交量波动率稳定性（240 日）：过去 240 个有效交易日 vvol_daily 序列的Newey-West 调整标准差除以均值; 值越大日内特征越不稳定, 研报方向为负 | | `dfzq_intraday_stability__sd_vskew_1y` | `sd_vskew_1y` | 日内成交量偏度稳定性（240 日）：过去 240 个有效交易日 vskew_daily 序列的Newey-West 调整标准差; 值越大日内特征越不稳定, 研报方向为负 | | `dfzq_intraday_stability__sd_vkurt_1y` | `sd_vkurt_1y` | 日内成交量峰度稳定性（240 日）：过去 240 个有效交易日 vkurt_daily 序列的Newey-West 调整标准差; 值越大日内特征越不稳定, 研报方向为负 | | `dfzq_intraday_stability__sd_vhhi_1y` | `sd_vhhi_1y` | 日内成交量 HHI稳定性（240 日）：过去 240 个有效交易日 vhhi_daily 序列的Newey-West 调整标准差; 值越大日内特征越不稳定, 研报方向为负 | | `dfzq_intraday_stability__sd_rvol_neutral` | `sd_rvol_neutral` | 日内收益波动率稳定性（行业市值中性）：sd_rvol_1m 去极值标准化后对 ln 总市值与申万一级行业哑变量截面回归的残差 | | `dfzq_intraday_stability__sd_rskew_neutral` | `sd_rskew_neutral` | 日内收益偏度稳定性（行业市值中性）：sd_rskew_1m 去极值标准化后对 ln 总市值与申万一级行业哑变量截面回归的残差 | | `dfzq_intraday_stability__sd_rkurt_neutral` | `sd_rkurt_neutral` | 日内收益峰度稳定性（行业市值中性）：sd_rkurt_1m 去极值标准化后对 ln 总市值与申万一级行业哑变量截面回归的残差 | | `dfzq_intraday_stability__sd_vvol_neutral` | `sd_vvol_neutral` | 日内成交量波动率稳定性（行业市值中性）：sd_vvol_1m 去极值标准化后对 ln 总市值与申万一级行业哑变量截面回归的残差 | | `dfzq_intraday_stability__sd_vskew_neutral` | `sd_vskew_neutral` | 日内成交量偏度稳定性（行业市值中性）：sd_vskew_1m 去极值标准化后对 ln 总市值与申万一级行业哑变量截面回归的残差 | | `dfzq_intraday_stability__sd_vkurt_neutral` | `sd_vkurt_neutral` | 日内成交量峰度稳定性（行业市值中性）：sd_vkurt_1m 去极值标准化后对 ln 总市值与申万一级行业哑变量截面回归的残差 | | `dfzq_intraday_stability__sd_vhhi_neutral` | `sd_vhhi_neutral` | 日内成交量 HHI稳定性（行业市值中性）：sd_vhhi_1m 去极值标准化后对 ln 总市值与申万一级行业哑变量截面回归的残差 | ### 东方证券跳跃Beta与连续Beta因子（`cn_stock_factors_hf_dfzq_jump_beta`） | 视图字段 | 源字段 | 原始含义 | | ---- | ---- | ---- | | `dfzq_jump_beta__jump_beta` | `jump_beta` | 跳跃 Beta：过去 240 个交易日 5 分钟对数收益: sqrt(Σ(r_i·r_0)² / Σ r_0⁴), r_0 为中证 800; 值越大未来收益越低, 研报方向为负 | | `dfzq_jump_beta__cont_beta` | `cont_beta` | 连续 Beta：过去 240 个交易日 5 分钟对数收益, 按 Bollerslev 阈值剔除跳跃后用极化恒等式估计的对中证 800 的 Beta; 值越大未来收益越低 | | `dfzq_jump_beta__beta_capm` | `beta_capm` | 常规 CAPM Beta（对照）：过去 240 个交易日日收益对中证 800 日收益的 OLS 斜率 | | `dfzq_jump_beta__jump_beta_ind_neutral` | `jump_beta_ind_neutral` | 跳跃 Beta（行业中性）：jump_beta 去极值标准化后对申万一级行业哑变量截面回归的残差 | | `dfzq_jump_beta__cont_beta_ind_neutral` | `cont_beta_ind_neutral` | 连续 Beta（行业中性）：cont_beta 去极值标准化后对申万一级行业哑变量截面回归的残差 | | `dfzq_jump_beta__jump_beta_neutral` | `jump_beta_neutral` | 跳跃 Beta（行业市值中性）：jump_beta 去极值标准化后对 ln 总市值与申万一级行业哑变量截面回归的残差 | | `dfzq_jump_beta__cont_beta_neutral` | `cont_beta_neutral` | 连续 Beta（行业市值中性）：cont_beta 去极值标准化后对 ln 总市值与申万一级行业哑变量截面回归的残差 | ### 东方证券温和收益与极端收益因子（`cn_stock_factors_hf_dfzq_mild_extreme_return`） | 视图字段 | 源字段 | 原始含义 | | ---- | ---- | ---- | | `dfzq_mild_extreme_return__overnight_ret_daily` | `overnight_ret_daily` | 隔夜对数收益（日值）：ln(当日开盘价 / 前收盘价) | | `dfzq_mild_extreme_return__mild_ret_daily` | `mild_ret_daily` | 日内温和收益（日值）：当日 48 个 5 分钟对数收益中, 与当日中位数距离不超过 1.96×MADe（MADe = 1.483×MAD）的部分之和 | | `dfzq_mild_extreme_return__extreme_ret_daily` | `extreme_ret_daily` | 日内极端收益（日值）：当日 48 个 5 分钟对数收益中, 与中位数距离超过 1.96×MADe 的部分之和 | | `dfzq_mild_extreme_return__raw_ret_1m` | `raw_ret_1m` | 1 个月原始对数收益：过去 20 个有效交易日日对数收益（隔夜 + 日内）之和; 传统反转因子, 对照用 | | `dfzq_mild_extreme_return__reversal_component_1m` | `reversal_component_1m` | 1 个月收益的反转成分：过去 20 个有效交易日 extreme_ret_daily 之和; 研报方向为负 | | `dfzq_mild_extreme_return__momentum_component_9m` | `momentum_component_9m` | 9 个月收益的动量成分：过去 180 个有效交易日 overnight_ret_daily + mild_ret_daily 之和; 研报方向为正 | | `dfzq_mild_extreme_return__reversal_component_1m_neutral` | `reversal_component_1m_neutral` | 1 个月反转成分（行业市值中性）：reversal_component_1m 去极值标准化后对 ln 总市值与申万一级行业哑变量截面回归的残差 | | `dfzq_mild_extreme_return__momentum_component_9m_neutral` | `momentum_component_9m_neutral` | 9 个月动量成分（行业市值中性）：momentum_component_9m 去极值标准化后对 ln 总市值与申万一级行业哑变量截面回归的残差 | ### 东吴证券高频价量相关性因子（`cn_stock_factors_hf_dw_cpv`） | 视图字段 | 源字段 | 原始含义 | | ---- | ---- | ---- | | `dw_cpv__pv_corr_daily` | `pv_corr_daily` | 日价量相关系数，当日 240 根连续竞价分钟收盘价与分钟成交量的 Pearson 相关系数；正值为价量配合，负值为价量背离 | | `dw_cpv__pv_corr_avg` | `pv_corr_avg` | 平均数因子 PV_corr_avg，过去 20 个有效交易日日价量相关系数的均值，经市值中性化；值越小未来收益越高 | | `dw_cpv__pv_corr_std` | `pv_corr_std` | 波动性因子 PV_corr_std，过去 20 个有效交易日日价量相关系数的样本标准差，经市值中性化；值越小未来收益越高 | | `dw_cpv__pv_corr` | `pv_corr` | 价量相关性综合因子 PV_corr，pv_corr_avg 与 pv_corr_std 分别截面标准化后等权相加；值越小未来收益越高 | | `dw_cpv__ret20` | `ret20` | 传统反转因子 Ret20，过去 20 个有效交易日涨跌幅的累乘收益；研报用作对照基准与剔除对象，值越小未来收益越高 | | `dw_cpv__pv_corr_deret20` | `pv_corr_deret20` | 剔除反转后的综合因子 PV_corr_deRet20，两个子因子各自对 Ret20 回归取残差、再分别标准化后等权相加；值越小未来收益越高 | | `dw_cpv__pv_corr_trend` | `pv_corr_trend` | 趋势因子 PV_corr_trend，20 个日价量相关系数对时间序号回归的斜率，截面上剔除市值与 20 日反转、换手率、波动率后的残差；值越小未来收益越高 | | `dw_cpv__cpv` | `cpv` | CPV 因子，pv_corr_deret20 与 pv_corr_trend 分别截面标准化后等权相加，涵盖价量相关性均值、波动、趋势三个维度；值越小未来收益越高 | | `dw_cpv__cpv_pure` | `cpv_pure` | 纯净 CPV 因子，cpv 对十个风格因子（动量、波动、流动性按研报用 Ret20、Vol20、Turn20 代替）与申万一级行业哑变量回归后的残差 | | `dw_cpv__cpv_40d` | `cpv_40d` | 回看 40 日的 CPV 因子，构造同 cpv，全部窗口（相关系数、反转、换手率、波动率）改为 40 个有效交易日；值越小未来收益越高 | | `dw_cpv__cpv_60d` | `cpv_60d` | 回看 60 日的 CPV 因子，构造同 cpv，全部窗口（相关系数、反转、换手率、波动率）改为 60 个有效交易日；值越小未来收益越高 | ### 东吴证券价量相关性与信息分布均匀度因子（`cn_stock_factors_hf_dw_cpv_uid_composite`） | 视图字段 | 源字段 | 原始含义 | | ---- | ---- | ---- | | `dw_cpv_uid_composite__pv_corr` | `pv_corr` | 价量相关性综合因子 PV_corr，20 日价量相关系数的均值因子与波动性因子分别截面标准化后等权相加；值越小未来收益越高 | | `dw_cpv_uid_composite__pv_corr_deret20` | `pv_corr_deret20` | 剔除反转后的价量相关性综合因子 PV_corr_deRet20，两个子因子各自先剔除 20 日反转因子、再分别标准化后等权相加；值越小未来收益越高 | | `dw_cpv_uid_composite__pv_corr_trend_full` | `pv_corr_trend_full` | 价量相关性趋势因子 PV_corr_trend，20 个日度相关系数对时间序号回归的斜率，截面上剔除市值与 20 日反转、换手率、波动率三个传统价量因子后的残差；值越小未来收益越高 | | `dw_cpv_uid_composite__cpv` | `cpv` | CPV 因子，pv_corr_deret20 与 pv_corr_trend_full 分别截面标准化后等权相加，涵盖价量相关性均值、波动、趋势三个维度；值越小未来收益越高 | | `dw_cpv_uid_composite__cpv_pure` | `cpv_pure` | 纯净 CPV 因子，cpv 对十个常见风格因子与申万一级行业哑变量回归后的残差 | | `dw_cpv_uid_composite__vol20_neutral` | `vol20_neutral` | 传统波动率因子 VOL20，过去 20 个有效交易日日收益率的样本标准差，经市值中性化；研报用作 UID 的对照基准，值越小未来收益越高 | | `dw_cpv_uid_composite__uid_devol20` | `uid_devol20` | 剔除传统波动率后的信息分布均匀度 UID_deVOL20，UID 因子对 vol20_neutral 正交化后的残差；值越小未来收益越高 | | `dw_cpv_uid_composite__uid_pure` | `uid_pure` | 纯净 UID 因子，UID 因子对十个常见风格因子与申万一级行业哑变量回归后的残差 | ### 东吴证券日与夜新动量因子（`cn_stock_factors_hf_dw_day_night_momentum`） | 视图字段 | 源字段 | 原始含义 | | ---- | ---- | ---- | | `dw_day_night_momentum__old_momentum` | `old_momentum` | 传统动量因子，过去 20 个有效交易日涨跌幅的累乘收益；值越小未来收益越高（反转） | | `dw_day_night_momentum__old_intraday` | `old_intraday` | 传统日内因子 OLD_Intraday，过去 20 个有效交易日日内收益（今收/今开-1）的累乘收益 | | `dw_day_night_momentum__intraday_turn` | `intraday_turn` | 当日日内换手率，等于当日总换手率减去开盘集合竞价换手率，是日内局部因子的排序依据 | | `dw_day_night_momentum__intraday_part1` | `intraday_part1` | 日内局部因子 Intraday_part1，过去 20 个有效交易日按当日日内换手率升序排序后最低 4 日日内收益的均值 | | `dw_day_night_momentum__intraday_part2` | `intraday_part2` | 日内局部因子 Intraday_part2，过去 20 个有效交易日按当日日内换手率升序排序后第 5~8 日（第 2 个五分之一）日内收益的均值 | | `dw_day_night_momentum__intraday_part3` | `intraday_part3` | 日内局部因子 Intraday_part3，过去 20 个有效交易日按当日日内换手率升序排序后第 9~12 日（第 3 个五分之一）日内收益的均值 | | `dw_day_night_momentum__intraday_part4` | `intraday_part4` | 日内局部因子 Intraday_part4，过去 20 个有效交易日按当日日内换手率升序排序后第 13~16 日（第 4 个五分之一）日内收益的均值 | | `dw_day_night_momentum__intraday_part5` | `intraday_part5` | 日内局部因子 Intraday_part5，过去 20 个有效交易日按当日日内换手率升序排序后最高 4 日日内收益的均值，研报中反转最强的一档 | | `dw_day_night_momentum__new_intraday` | `new_intraday` | 新日内因子 NEW_Intraday，intraday_part1 与 intraday_part5 分别截面标准化后按权重 $[-1, 1]$ 相加；值越小未来收益越高 | | `dw_day_night_momentum__old_overnight` | `old_overnight` | 传统隔夜因子 OLD_Overnight，过去 20 个有效交易日隔夜收益（今开/昨收-1）的累乘收益 | | `dw_day_night_momentum__overnight_part1` | `overnight_part1` | 隔夜局部因子 Overnight_part1，过去 20 个有效交易日按上一交易日总换手率升序排序后最低 4 日隔夜收益的均值，研报中反转信号最强的一档 | | `dw_day_night_momentum__overnight_part2` | `overnight_part2` | 隔夜局部因子 Overnight_part2，过去 20 个有效交易日按上一交易日总换手率升序排序后第 5~8 日（第 2 个五分之一）隔夜收益的均值 | | `dw_day_night_momentum__overnight_part3` | `overnight_part3` | 隔夜局部因子 Overnight_part3，过去 20 个有效交易日按上一交易日总换手率升序排序后第 9~12 日（第 3 个五分之一）隔夜收益的均值 | | `dw_day_night_momentum__overnight_part4` | `overnight_part4` | 隔夜局部因子 Overnight_part4，过去 20 个有效交易日按上一交易日总换手率升序排序后第 13~16 日（第 4 个五分之一）隔夜收益的均值 | | `dw_day_night_momentum__overnight_part5` | `overnight_part5` | 隔夜局部因子 Overnight_part5，过去 20 个有效交易日按上一交易日总换手率升序排序后最高 4 日隔夜收益的均值，研报中动量信号最强的一档 | | `dw_day_night_momentum__new_overnight` | `new_overnight` | 新隔夜因子 NEW_Overnight，overnight_part1 与 overnight_part5 分别截面标准化后按权重 $[1, -1]$ 相加；值越小未来收益越高 | | `dw_day_night_momentum__new_momentum` | `new_momentum` | 新动量因子 NEW_Momentum，new_intraday 与 new_overnight 分别截面标准化后等权相加；值越小未来收益越高 | | `dw_day_night_momentum__new_momentum_pure` | `new_momentum_pure` | 纯净新动量因子，new_momentum 对十个常见风格因子与申万一级行业哑变量回归后的残差 | ### 东吴证券理想反转因子（`cn_stock_factors_hf_dw_ideal_reversal`） | 视图字段 | 源字段 | 原始含义 | | ---- | ---- | ---- | | `dw_ideal_reversal__ideal_reversal_high_20` | `ideal_reversal_high_20` | 高单笔成交金额组反转因子 M_high（N=20），过去 20 个交易日中平均单笔成交金额较高的 10 个交易日的累计收益，强反转 | | `dw_ideal_reversal__ideal_reversal_low_20` | `ideal_reversal_low_20` | 低单笔成交金额组动量因子 M_low（N=20），过去 20 个交易日中平均单笔成交金额较低的 10 个交易日的累计收益，弱动量 | | `dw_ideal_reversal__ideal_reversal_20` | `ideal_reversal_20` | 理想反转因子 M（N=20），等于 M_high 减 M_low，值越小反转预期越强 | | `dw_ideal_reversal__ideal_reversal_high_40` | `ideal_reversal_high_40` | 高单笔成交金额组反转因子 M_high（N=40），过去 40 个交易日中平均单笔成交金额较高的 20 个交易日的累计收益，强反转 | | `dw_ideal_reversal__ideal_reversal_low_40` | `ideal_reversal_low_40` | 低单笔成交金额组动量因子 M_low（N=40），过去 40 个交易日中平均单笔成交金额较低的 20 个交易日的累计收益，弱动量 | | `dw_ideal_reversal__ideal_reversal_40` | `ideal_reversal_40` | 理想反转因子 M（N=40），等于 M_high 减 M_low，值越小反转预期越强 | | `dw_ideal_reversal__ideal_reversal_high_60` | `ideal_reversal_high_60` | 高单笔成交金额组反转因子 M_high（N=60），过去 60 个交易日中平均单笔成交金额较高的 30 个交易日的累计收益，强反转 | | `dw_ideal_reversal__ideal_reversal_low_60` | `ideal_reversal_low_60` | 低单笔成交金额组动量因子 M_low（N=60），过去 60 个交易日中平均单笔成交金额较低的 30 个交易日的累计收益，弱动量 | | `dw_ideal_reversal__ideal_reversal_60` | `ideal_reversal_60` | 理想反转因子 M（N=60），等于 M_high 减 M_low，值越小反转预期越强 | ### 东吴证券帕累托因子（`cn_stock_factors_hf_dw_pareto`） | 视图字段 | 源字段 | 原始含义 | | ---- | ---- | ---- | | `dw_pareto__pareto_beta_buy` | `pareto_beta_buy` | 当日委买量帕累托系数 β：当日全部新增买方委托单的委托量八分位数做 log(1-F) 对 log(V) 线性拟合，β=1-斜率，值越大说明大额买单相对越稀少 | | `dw_pareto__pareto_beta_sell` | `pareto_beta_sell` | 当日委卖量帕累托系数 β：当日全部新增卖方委托单的委托量八分位数做 log(1-F) 对 log(V) 线性拟合，β=1-斜率，值越大说明大额卖单相对越稀少 | | `dw_pareto__pareto_r2_buy` | `pareto_r2_buy` | 委买量八分位数对数线性拟合的决定系数 R²，衡量当日委买量分布贴合帕累托法则的程度，越接近 1 越贴合 | | `dw_pareto__pareto_r2_sell` | `pareto_r2_sell` | 委卖量八分位数对数线性拟合的决定系数 R²，衡量当日委卖量分布贴合帕累托法则的程度，越接近 1 越贴合 | | `dw_pareto__pareto_beta_buy_mean20` | `pareto_beta_buy_mean20` | 委买量帕累托因子 mean20_β_BuyVolume：pareto_beta_buy 过去 20 个交易日均值，研报选股主因子，值越小未来收益越高 | | `dw_pareto__pareto_beta_sell_mean20` | `pareto_beta_sell_mean20` | 委卖量帕累托因子 mean20_β_SellVolume：pareto_beta_sell 过去 20 个交易日均值，研报选股主因子，值越小未来收益越高 | | `dw_pareto__vratio_buy_2_1_mean20` | `vratio_buy_2_1_mean20` | 委买量分位数比率因子 V_2/8 / V_1/8 的过去 20 个交易日均值，以小分位委托量为基准衡量大分位委托量的相对水平，值越大未来收益越高 | | `dw_pareto__vratio_buy_3_1_mean20` | `vratio_buy_3_1_mean20` | 委买量分位数比率因子 V_3/8 / V_1/8 的过去 20 个交易日均值，以小分位委托量为基准衡量大分位委托量的相对水平，值越大未来收益越高 | | `dw_pareto__vratio_buy_3_2_mean20` | `vratio_buy_3_2_mean20` | 委买量分位数比率因子 V_3/8 / V_2/8 的过去 20 个交易日均值，以小分位委托量为基准衡量大分位委托量的相对水平，值越大未来收益越高 | | `dw_pareto__vratio_buy_4_1_mean20` | `vratio_buy_4_1_mean20` | 委买量分位数比率因子 V_4/8 / V_1/8 的过去 20 个交易日均值，以小分位委托量为基准衡量大分位委托量的相对水平，值越大未来收益越高 | | `dw_pareto__vratio_buy_4_2_mean20` | `vratio_buy_4_2_mean20` | 委买量分位数比率因子 V_4/8 / V_2/8 的过去 20 个交易日均值，以小分位委托量为基准衡量大分位委托量的相对水平，值越大未来收益越高 | | `dw_pareto__vratio_buy_4_3_mean20` | `vratio_buy_4_3_mean20` | 委买量分位数比率因子 V_4/8 / V_3/8 的过去 20 个交易日均值，以小分位委托量为基准衡量大分位委托量的相对水平，值越大未来收益越高 | | `dw_pareto__vratio_buy_5_1_mean20` | `vratio_buy_5_1_mean20` | 委买量分位数比率因子 V_5/8 / V_1/8 的过去 20 个交易日均值，以小分位委托量为基准衡量大分位委托量的相对水平，值越大未来收益越高 | | `dw_pareto__vratio_buy_5_2_mean20` | `vratio_buy_5_2_mean20` | 委买量分位数比率因子 V_5/8 / V_2/8 的过去 20 个交易日均值，以小分位委托量为基准衡量大分位委托量的相对水平，值越大未来收益越高 | | `dw_pareto__vratio_buy_5_3_mean20` | `vratio_buy_5_3_mean20` | 委买量分位数比率因子 V_5/8 / V_3/8 的过去 20 个交易日均值，以小分位委托量为基准衡量大分位委托量的相对水平，值越大未来收益越高 | | `dw_pareto__vratio_buy_5_4_mean20` | `vratio_buy_5_4_mean20` | 委买量分位数比率因子 V_5/8 / V_4/8 的过去 20 个交易日均值，以小分位委托量为基准衡量大分位委托量的相对水平，值越大未来收益越高 | | `dw_pareto__vratio_buy_6_1_mean20` | `vratio_buy_6_1_mean20` | 委买量分位数比率因子 V_6/8 / V_1/8 的过去 20 个交易日均值，以小分位委托量为基准衡量大分位委托量的相对水平，值越大未来收益越高 | | `dw_pareto__vratio_buy_6_2_mean20` | `vratio_buy_6_2_mean20` | 委买量分位数比率因子 V_6/8 / V_2/8 的过去 20 个交易日均值，以小分位委托量为基准衡量大分位委托量的相对水平，值越大未来收益越高 | | `dw_pareto__vratio_buy_6_3_mean20` | `vratio_buy_6_3_mean20` | 委买量分位数比率因子 V_6/8 / V_3/8 的过去 20 个交易日均值，以小分位委托量为基准衡量大分位委托量的相对水平，值越大未来收益越高 | | `dw_pareto__vratio_buy_6_4_mean20` | `vratio_buy_6_4_mean20` | 委买量分位数比率因子 V_6/8 / V_4/8 的过去 20 个交易日均值，以小分位委托量为基准衡量大分位委托量的相对水平，值越大未来收益越高 | | `dw_pareto__vratio_buy_6_5_mean20` | `vratio_buy_6_5_mean20` | 委买量分位数比率因子 V_6/8 / V_5/8 的过去 20 个交易日均值，以小分位委托量为基准衡量大分位委托量的相对水平，值越大未来收益越高 | | `dw_pareto__vratio_buy_7_1_mean20` | `vratio_buy_7_1_mean20` | 委买量分位数比率因子 V_7/8 / V_1/8 的过去 20 个交易日均值，以小分位委托量为基准衡量大分位委托量的相对水平，值越大未来收益越高 | | `dw_pareto__vratio_buy_7_2_mean20` | `vratio_buy_7_2_mean20` | 委买量分位数比率因子 V_7/8 / V_2/8 的过去 20 个交易日均值，以小分位委托量为基准衡量大分位委托量的相对水平，值越大未来收益越高 | | `dw_pareto__vratio_buy_7_3_mean20` | `vratio_buy_7_3_mean20` | 委买量分位数比率因子 V_7/8 / V_3/8 的过去 20 个交易日均值，以小分位委托量为基准衡量大分位委托量的相对水平，值越大未来收益越高 | | `dw_pareto__vratio_buy_7_4_mean20` | `vratio_buy_7_4_mean20` | 委买量分位数比率因子 V_7/8 / V_4/8 的过去 20 个交易日均值，以小分位委托量为基准衡量大分位委托量的相对水平，值越大未来收益越高 | | `dw_pareto__vratio_buy_7_5_mean20` | `vratio_buy_7_5_mean20` | 委买量分位数比率因子 V_7/8 / V_5/8 的过去 20 个交易日均值，以小分位委托量为基准衡量大分位委托量的相对水平，值越大未来收益越高 | | `dw_pareto__vratio_buy_7_6_mean20` | `vratio_buy_7_6_mean20` | 委买量分位数比率因子 V_7/8 / V_6/8 的过去 20 个交易日均值，以小分位委托量为基准衡量大分位委托量的相对水平，值越大未来收益越高 | | `dw_pareto__vratio_sell_2_1_mean20` | `vratio_sell_2_1_mean20` | 委卖量分位数比率因子 V_2/8 / V_1/8 的过去 20 个交易日均值，以小分位委托量为基准衡量大分位委托量的相对水平，值越大未来收益越高 | | `dw_pareto__vratio_sell_3_1_mean20` | `vratio_sell_3_1_mean20` | 委卖量分位数比率因子 V_3/8 / V_1/8 的过去 20 个交易日均值，以小分位委托量为基准衡量大分位委托量的相对水平，值越大未来收益越高 | | `dw_pareto__vratio_sell_3_2_mean20` | `vratio_sell_3_2_mean20` | 委卖量分位数比率因子 V_3/8 / V_2/8 的过去 20 个交易日均值，以小分位委托量为基准衡量大分位委托量的相对水平，值越大未来收益越高 | | `dw_pareto__vratio_sell_4_1_mean20` | `vratio_sell_4_1_mean20` | 委卖量分位数比率因子 V_4/8 / V_1/8 的过去 20 个交易日均值，以小分位委托量为基准衡量大分位委托量的相对水平，值越大未来收益越高 | | `dw_pareto__vratio_sell_4_2_mean20` | `vratio_sell_4_2_mean20` | 委卖量分位数比率因子 V_4/8 / V_2/8 的过去 20 个交易日均值，以小分位委托量为基准衡量大分位委托量的相对水平，值越大未来收益越高 | | `dw_pareto__vratio_sell_4_3_mean20` | `vratio_sell_4_3_mean20` | 委卖量分位数比率因子 V_4/8 / V_3/8 的过去 20 个交易日均值，以小分位委托量为基准衡量大分位委托量的相对水平，值越大未来收益越高 | | `dw_pareto__vratio_sell_5_1_mean20` | `vratio_sell_5_1_mean20` | 委卖量分位数比率因子 V_5/8 / V_1/8 的过去 20 个交易日均值，以小分位委托量为基准衡量大分位委托量的相对水平，值越大未来收益越高 | | `dw_pareto__vratio_sell_5_2_mean20` | `vratio_sell_5_2_mean20` | 委卖量分位数比率因子 V_5/8 / V_2/8 的过去 20 个交易日均值，以小分位委托量为基准衡量大分位委托量的相对水平，值越大未来收益越高 | | `dw_pareto__vratio_sell_5_3_mean20` | `vratio_sell_5_3_mean20` | 委卖量分位数比率因子 V_5/8 / V_3/8 的过去 20 个交易日均值，以小分位委托量为基准衡量大分位委托量的相对水平，值越大未来收益越高 | | `dw_pareto__vratio_sell_5_4_mean20` | `vratio_sell_5_4_mean20` | 委卖量分位数比率因子 V_5/8 / V_4/8 的过去 20 个交易日均值，以小分位委托量为基准衡量大分位委托量的相对水平，值越大未来收益越高 | | `dw_pareto__vratio_sell_6_1_mean20` | `vratio_sell_6_1_mean20` | 委卖量分位数比率因子 V_6/8 / V_1/8 的过去 20 个交易日均值，以小分位委托量为基准衡量大分位委托量的相对水平，值越大未来收益越高 | | `dw_pareto__vratio_sell_6_2_mean20` | `vratio_sell_6_2_mean20` | 委卖量分位数比率因子 V_6/8 / V_2/8 的过去 20 个交易日均值，以小分位委托量为基准衡量大分位委托量的相对水平，值越大未来收益越高 | | `dw_pareto__vratio_sell_6_3_mean20` | `vratio_sell_6_3_mean20` | 委卖量分位数比率因子 V_6/8 / V_3/8 的过去 20 个交易日均值，以小分位委托量为基准衡量大分位委托量的相对水平，值越大未来收益越高 | | `dw_pareto__vratio_sell_6_4_mean20` | `vratio_sell_6_4_mean20` | 委卖量分位数比率因子 V_6/8 / V_4/8 的过去 20 个交易日均值，以小分位委托量为基准衡量大分位委托量的相对水平，值越大未来收益越高 | | `dw_pareto__vratio_sell_6_5_mean20` | `vratio_sell_6_5_mean20` | 委卖量分位数比率因子 V_6/8 / V_5/8 的过去 20 个交易日均值，以小分位委托量为基准衡量大分位委托量的相对水平，值越大未来收益越高 | | `dw_pareto__vratio_sell_7_1_mean20` | `vratio_sell_7_1_mean20` | 委卖量分位数比率因子 V_7/8 / V_1/8 的过去 20 个交易日均值，以小分位委托量为基准衡量大分位委托量的相对水平，值越大未来收益越高 | | `dw_pareto__vratio_sell_7_2_mean20` | `vratio_sell_7_2_mean20` | 委卖量分位数比率因子 V_7/8 / V_2/8 的过去 20 个交易日均值，以小分位委托量为基准衡量大分位委托量的相对水平，值越大未来收益越高 | | `dw_pareto__vratio_sell_7_3_mean20` | `vratio_sell_7_3_mean20` | 委卖量分位数比率因子 V_7/8 / V_3/8 的过去 20 个交易日均值，以小分位委托量为基准衡量大分位委托量的相对水平，值越大未来收益越高 | | `dw_pareto__vratio_sell_7_4_mean20` | `vratio_sell_7_4_mean20` | 委卖量分位数比率因子 V_7/8 / V_4/8 的过去 20 个交易日均值，以小分位委托量为基准衡量大分位委托量的相对水平，值越大未来收益越高 | | `dw_pareto__vratio_sell_7_5_mean20` | `vratio_sell_7_5_mean20` | 委卖量分位数比率因子 V_7/8 / V_5/8 的过去 20 个交易日均值，以小分位委托量为基准衡量大分位委托量的相对水平，值越大未来收益越高 | | `dw_pareto__vratio_sell_7_6_mean20` | `vratio_sell_7_6_mean20` | 委卖量分位数比率因子 V_7/8 / V_6/8 的过去 20 个交易日均值，以小分位委托量为基准衡量大分位委托量的相对水平，值越大未来收益越高 | | `dw_pareto__pareto_beta_trade` | `pareto_beta_trade` | 当日逐笔成交量帕累托系数 β：当日全部逐笔成交量的八分位数做对数线性拟合，β=1-斜率，值越大说明大额成交相对越稀少 | | `dw_pareto__pareto_r2_trade` | `pareto_r2_trade` | 成交量八分位数对数线性拟合的决定系数 R²，衡量当日成交量分布贴合帕累托法则的程度 | | `dw_pareto__pareto_beta_trade_mean20` | `pareto_beta_trade_mean20` | 成交量帕累托因子：pareto_beta_trade 过去 20 个交易日均值，研报称有选股能力但弱于委托量版 | | `dw_pareto__pareto_beta_icpt_buy_mean20` | `pareto_beta_icpt_buy_mean20` | 截距估算法委买量帕累托因子：由当日委买量拟合截距 a=-(1-β)log(100) 反解 β=1+a/log(100)，取过去 20 个交易日均值，研报称弱于斜率法 | | `dw_pareto__pareto_beta_icpt_sell_mean20` | `pareto_beta_icpt_sell_mean20` | 截距估算法委卖量帕累托因子：由当日委卖量拟合截距 a=-(1-β)log(100) 反解 β=1+a/log(100)，取过去 20 个交易日均值，研报称弱于斜率法 | ### 东吴证券交易者结构动量因子（`cn_stock_factors_hf_dw_trader_structure`） | 视图字段 | 源字段 | 原始含义 | | ---- | ---- | ---- | | `dw_trader_structure__share_inst` | `share_inst` | 机构交易占比，当日超大单（挂单额 ≥100 万元）成交额占总成交额的比例 | | `dw_trader_structure__share_big` | `share_big` | 大户交易占比，当日大单（20-100 万元）成交额占总成交额的比例 | | `dw_trader_structure__share_mid` | `share_mid` | 中户交易占比，当日中单（4-20 万元）成交额占总成交额的比例 | | `dw_trader_structure__share_small` | `share_small` | 散户交易占比，当日小单（<4 万元）成交额占总成交额的比例 | | `dw_trader_structure__trad_mom_20` | `trad_mom_20` | 传统动量因子 Ret20，过去 20 个有效交易日涨跌幅的均值；值越小未来收益越高（反转） | | `dw_trader_structure__trad_mom_40` | `trad_mom_40` | 传统动量因子 Ret40，过去 40 个有效交易日涨跌幅的均值 | | `dw_trader_structure__trad_mom_60` | `trad_mom_60` | 传统动量因子 Ret60，过去 60 个有效交易日涨跌幅的均值 | | `dw_trader_structure__trad_turn_20` | `trad_turn_20` | 传统换手率因子，过去 20 个有效交易日日换手率的均值，经市值中性化；值越小未来收益越高 | | `dw_trader_structure__trad_amp_20` | `trad_amp_20` | 传统振幅因子，过去 20 个有效交易日日振幅（(最高价-最低价)/昨收）的均值，经市值中性化；值越小未来收益越高 | | `dw_trader_structure__inst_mom_part1_20` | `inst_mom_part1_20` | 机构占比局部动量因子 part1（N=20），过去 20 个有效交易日按机构占比升序排序后第 1 个五分之一（4 日）涨跌幅的均值 | | `dw_trader_structure__inst_mom_part2_20` | `inst_mom_part2_20` | 机构占比局部动量因子 part2（N=20），过去 20 个有效交易日按机构占比升序排序后第 2 个五分之一（4 日）涨跌幅的均值 | | `dw_trader_structure__inst_mom_part3_20` | `inst_mom_part3_20` | 机构占比局部动量因子 part3（N=20），过去 20 个有效交易日按机构占比升序排序后第 3 个五分之一（4 日）涨跌幅的均值 | | `dw_trader_structure__inst_mom_part4_20` | `inst_mom_part4_20` | 机构占比局部动量因子 part4（N=20），过去 20 个有效交易日按机构占比升序排序后第 4 个五分之一（4 日）涨跌幅的均值 | | `dw_trader_structure__inst_mom_part5_20` | `inst_mom_part5_20` | 机构占比局部动量因子 part5（N=20），过去 20 个有效交易日按机构占比升序排序后第 5 个五分之一（4 日）涨跌幅的均值，即机构占比最高的 4 日 | | `dw_trader_structure__inst_mom_new_20` | `inst_mom_new_20` | 机构占比新动量因子（N=20），等于 inst_mom_part1_20 减 inst_mom_part5_20；机构为大单交易者，占比越高反转越强，故本字段为动量方向 | | `dw_trader_structure__big_mom_part1_20` | `big_mom_part1_20` | 大户占比局部动量因子 part1（N=20），过去 20 个有效交易日按大户占比升序排序后第 1 个五分之一（4 日）涨跌幅的均值 | | `dw_trader_structure__big_mom_part2_20` | `big_mom_part2_20` | 大户占比局部动量因子 part2（N=20），过去 20 个有效交易日按大户占比升序排序后第 2 个五分之一（4 日）涨跌幅的均值 | | `dw_trader_structure__big_mom_part3_20` | `big_mom_part3_20` | 大户占比局部动量因子 part3（N=20），过去 20 个有效交易日按大户占比升序排序后第 3 个五分之一（4 日）涨跌幅的均值 | | `dw_trader_structure__big_mom_part4_20` | `big_mom_part4_20` | 大户占比局部动量因子 part4（N=20），过去 20 个有效交易日按大户占比升序排序后第 4 个五分之一（4 日）涨跌幅的均值 | | `dw_trader_structure__big_mom_part5_20` | `big_mom_part5_20` | 大户占比局部动量因子 part5（N=20），过去 20 个有效交易日按大户占比升序排序后第 5 个五分之一（4 日）涨跌幅的均值，即大户占比最高的 4 日 | | `dw_trader_structure__big_mom_new_20` | `big_mom_new_20` | 大户占比新动量因子（N=20），等于 big_mom_part1_20 减 big_mom_part5_20；大户为大单交易者，本字段为动量方向 | | `dw_trader_structure__mid_mom_part1_20` | `mid_mom_part1_20` | 中户占比局部动量因子 part1（N=20），过去 20 个有效交易日按中户占比升序排序后第 1 个五分之一（4 日）涨跌幅的均值 | | `dw_trader_structure__mid_mom_part2_20` | `mid_mom_part2_20` | 中户占比局部动量因子 part2（N=20），过去 20 个有效交易日按中户占比升序排序后第 2 个五分之一（4 日）涨跌幅的均值 | | `dw_trader_structure__mid_mom_part3_20` | `mid_mom_part3_20` | 中户占比局部动量因子 part3（N=20），过去 20 个有效交易日按中户占比升序排序后第 3 个五分之一（4 日）涨跌幅的均值 | | `dw_trader_structure__mid_mom_part4_20` | `mid_mom_part4_20` | 中户占比局部动量因子 part4（N=20），过去 20 个有效交易日按中户占比升序排序后第 4 个五分之一（4 日）涨跌幅的均值 | | `dw_trader_structure__mid_mom_part5_20` | `mid_mom_part5_20` | 中户占比局部动量因子 part5（N=20），过去 20 个有效交易日按中户占比升序排序后第 5 个五分之一（4 日）涨跌幅的均值，即中户占比最高的 4 日 | | `dw_trader_structure__mid_mom_new_20` | `mid_mom_new_20` | 中户占比新动量因子（N=20），等于 mid_mom_part1_20 减 mid_mom_part5_20；中户为小单交易者，值越小未来收益越高 | | `dw_trader_structure__small_mom_part1_20` | `small_mom_part1_20` | 散户占比局部动量因子 part1（N=20），过去 20 个有效交易日按散户占比升序排序后第 1 个五分之一（4 日）涨跌幅的均值，研报 small_MOMpart1 | | `dw_trader_structure__small_mom_part2_20` | `small_mom_part2_20` | 散户占比局部动量因子 part2（N=20），过去 20 个有效交易日按散户占比升序排序后第 2 个五分之一（4 日）涨跌幅的均值，研报 small_MOMpart2 | | `dw_trader_structure__small_mom_part3_20` | `small_mom_part3_20` | 散户占比局部动量因子 part3（N=20），过去 20 个有效交易日按散户占比升序排序后第 3 个五分之一（4 日）涨跌幅的均值，研报 small_MOMpart3 | | `dw_trader_structure__small_mom_part4_20` | `small_mom_part4_20` | 散户占比局部动量因子 part4（N=20），过去 20 个有效交易日按散户占比升序排序后第 4 个五分之一（4 日）涨跌幅的均值，研报 small_MOMpart4 | | `dw_trader_structure__small_mom_part5_20` | `small_mom_part5_20` | 散户占比局部动量因子 part5（N=20），过去 20 个有效交易日按散户占比升序排序后第 5 个五分之一（4 日）涨跌幅的均值，即散户占比最高的 4 日，研报 small_MOMpart5 | | `dw_trader_structure__small_mom_new_20` | `small_mom_new_20` | 散户占比新动量因子 NEW_MOM（N=20），等于 small_mom_part1_20 减 small_mom_part5_20，研报主推因子；值越小未来收益越高 | | `dw_trader_structure__inst_mom_part1_40` | `inst_mom_part1_40` | 机构占比局部动量因子 part1（N=40），过去 40 个有效交易日按机构占比升序排序后第 1 个五分之一（8 日）涨跌幅的均值 | | `dw_trader_structure__inst_mom_part2_40` | `inst_mom_part2_40` | 机构占比局部动量因子 part2（N=40），过去 40 个有效交易日按机构占比升序排序后第 2 个五分之一（8 日）涨跌幅的均值 | | `dw_trader_structure__inst_mom_part3_40` | `inst_mom_part3_40` | 机构占比局部动量因子 part3（N=40），过去 40 个有效交易日按机构占比升序排序后第 3 个五分之一（8 日）涨跌幅的均值 | | `dw_trader_structure__inst_mom_part4_40` | `inst_mom_part4_40` | 机构占比局部动量因子 part4（N=40），过去 40 个有效交易日按机构占比升序排序后第 4 个五分之一（8 日）涨跌幅的均值 | | `dw_trader_structure__inst_mom_part5_40` | `inst_mom_part5_40` | 机构占比局部动量因子 part5（N=40），过去 40 个有效交易日按机构占比升序排序后第 5 个五分之一（8 日）涨跌幅的均值，即机构占比最高的 8 日 | | `dw_trader_structure__inst_mom_new_40` | `inst_mom_new_40` | 机构占比新动量因子（N=40），等于 inst_mom_part1_40 减 inst_mom_part5_40 | | `dw_trader_structure__big_mom_part1_40` | `big_mom_part1_40` | 大户占比局部动量因子 part1（N=40），过去 40 个有效交易日按大户占比升序排序后第 1 个五分之一（8 日）涨跌幅的均值 | | `dw_trader_structure__big_mom_part2_40` | `big_mom_part2_40` | 大户占比局部动量因子 part2（N=40），过去 40 个有效交易日按大户占比升序排序后第 2 个五分之一（8 日）涨跌幅的均值 | | `dw_trader_structure__big_mom_part3_40` | `big_mom_part3_40` | 大户占比局部动量因子 part3（N=40），过去 40 个有效交易日按大户占比升序排序后第 3 个五分之一（8 日）涨跌幅的均值 | | `dw_trader_structure__big_mom_part4_40` | `big_mom_part4_40` | 大户占比局部动量因子 part4（N=40），过去 40 个有效交易日按大户占比升序排序后第 4 个五分之一（8 日）涨跌幅的均值 | | `dw_trader_structure__big_mom_part5_40` | `big_mom_part5_40` | 大户占比局部动量因子 part5（N=40），过去 40 个有效交易日按大户占比升序排序后第 5 个五分之一（8 日）涨跌幅的均值，即大户占比最高的 8 日 | | `dw_trader_structure__big_mom_new_40` | `big_mom_new_40` | 大户占比新动量因子（N=40），等于 big_mom_part1_40 减 big_mom_part5_40 | | `dw_trader_structure__mid_mom_part1_40` | `mid_mom_part1_40` | 中户占比局部动量因子 part1（N=40），过去 40 个有效交易日按中户占比升序排序后第 1 个五分之一（8 日）涨跌幅的均值 | | `dw_trader_structure__mid_mom_part2_40` | `mid_mom_part2_40` | 中户占比局部动量因子 part2（N=40），过去 40 个有效交易日按中户占比升序排序后第 2 个五分之一（8 日）涨跌幅的均值 | | `dw_trader_structure__mid_mom_part3_40` | `mid_mom_part3_40` | 中户占比局部动量因子 part3（N=40），过去 40 个有效交易日按中户占比升序排序后第 3 个五分之一（8 日）涨跌幅的均值 | | `dw_trader_structure__mid_mom_part4_40` | `mid_mom_part4_40` | 中户占比局部动量因子 part4（N=40），过去 40 个有效交易日按中户占比升序排序后第 4 个五分之一（8 日）涨跌幅的均值 | | `dw_trader_structure__mid_mom_part5_40` | `mid_mom_part5_40` | 中户占比局部动量因子 part5（N=40），过去 40 个有效交易日按中户占比升序排序后第 5 个五分之一（8 日）涨跌幅的均值，即中户占比最高的 8 日 | | `dw_trader_structure__mid_mom_new_40` | `mid_mom_new_40` | 中户占比新动量因子（N=40），等于 mid_mom_part1_40 减 mid_mom_part5_40 | | `dw_trader_structure__small_mom_part1_40` | `small_mom_part1_40` | 散户占比局部动量因子 part1（N=40），过去 40 个有效交易日按散户占比升序排序后第 1 个五分之一（8 日）涨跌幅的均值 | | `dw_trader_structure__small_mom_part2_40` | `small_mom_part2_40` | 散户占比局部动量因子 part2（N=40），过去 40 个有效交易日按散户占比升序排序后第 2 个五分之一（8 日）涨跌幅的均值 | | `dw_trader_structure__small_mom_part3_40` | `small_mom_part3_40` | 散户占比局部动量因子 part3（N=40），过去 40 个有效交易日按散户占比升序排序后第 3 个五分之一（8 日）涨跌幅的均值 | | `dw_trader_structure__small_mom_part4_40` | `small_mom_part4_40` | 散户占比局部动量因子 part4（N=40），过去 40 个有效交易日按散户占比升序排序后第 4 个五分之一（8 日）涨跌幅的均值 | | `dw_trader_structure__small_mom_part5_40` | `small_mom_part5_40` | 散户占比局部动量因子 part5（N=40），过去 40 个有效交易日按散户占比升序排序后第 5 个五分之一（8 日）涨跌幅的均值，即散户占比最高的 8 日 | | `dw_trader_structure__small_mom_new_40` | `small_mom_new_40` | 散户占比新动量因子（N=40），等于 small_mom_part1_40 减 small_mom_part5_40，对应研报参数敏感性检验 | | `dw_trader_structure__inst_mom_part1_60` | `inst_mom_part1_60` | 机构占比局部动量因子 part1（N=60），过去 60 个有效交易日按机构占比升序排序后第 1 个五分之一（12 日）涨跌幅的均值 | | `dw_trader_structure__inst_mom_part2_60` | `inst_mom_part2_60` | 机构占比局部动量因子 part2（N=60），过去 60 个有效交易日按机构占比升序排序后第 2 个五分之一（12 日）涨跌幅的均值 | | `dw_trader_structure__inst_mom_part3_60` | `inst_mom_part3_60` | 机构占比局部动量因子 part3（N=60），过去 60 个有效交易日按机构占比升序排序后第 3 个五分之一（12 日）涨跌幅的均值 | | `dw_trader_structure__inst_mom_part4_60` | `inst_mom_part4_60` | 机构占比局部动量因子 part4（N=60），过去 60 个有效交易日按机构占比升序排序后第 4 个五分之一（12 日）涨跌幅的均值 | | `dw_trader_structure__inst_mom_part5_60` | `inst_mom_part5_60` | 机构占比局部动量因子 part5（N=60），过去 60 个有效交易日按机构占比升序排序后第 5 个五分之一（12 日）涨跌幅的均值，即机构占比最高的 12 日 | | `dw_trader_structure__inst_mom_new_60` | `inst_mom_new_60` | 机构占比新动量因子（N=60），等于 inst_mom_part1_60 减 inst_mom_part5_60 | | `dw_trader_structure__big_mom_part1_60` | `big_mom_part1_60` | 大户占比局部动量因子 part1（N=60），过去 60 个有效交易日按大户占比升序排序后第 1 个五分之一（12 日）涨跌幅的均值 | | `dw_trader_structure__big_mom_part2_60` | `big_mom_part2_60` | 大户占比局部动量因子 part2（N=60），过去 60 个有效交易日按大户占比升序排序后第 2 个五分之一（12 日）涨跌幅的均值 | | `dw_trader_structure__big_mom_part3_60` | `big_mom_part3_60` | 大户占比局部动量因子 part3（N=60），过去 60 个有效交易日按大户占比升序排序后第 3 个五分之一（12 日）涨跌幅的均值 | | `dw_trader_structure__big_mom_part4_60` | `big_mom_part4_60` | 大户占比局部动量因子 part4（N=60），过去 60 个有效交易日按大户占比升序排序后第 4 个五分之一（12 日）涨跌幅的均值 | | `dw_trader_structure__big_mom_part5_60` | `big_mom_part5_60` | 大户占比局部动量因子 part5（N=60），过去 60 个有效交易日按大户占比升序排序后第 5 个五分之一（12 日）涨跌幅的均值，即大户占比最高的 12 日 | | `dw_trader_structure__big_mom_new_60` | `big_mom_new_60` | 大户占比新动量因子（N=60），等于 big_mom_part1_60 减 big_mom_part5_60 | | `dw_trader_structure__mid_mom_part1_60` | `mid_mom_part1_60` | 中户占比局部动量因子 part1（N=60），过去 60 个有效交易日按中户占比升序排序后第 1 个五分之一（12 日）涨跌幅的均值 | | `dw_trader_structure__mid_mom_part2_60` | `mid_mom_part2_60` | 中户占比局部动量因子 part2（N=60），过去 60 个有效交易日按中户占比升序排序后第 2 个五分之一（12 日）涨跌幅的均值 | | `dw_trader_structure__mid_mom_part3_60` | `mid_mom_part3_60` | 中户占比局部动量因子 part3（N=60），过去 60 个有效交易日按中户占比升序排序后第 3 个五分之一（12 日）涨跌幅的均值 | | `dw_trader_structure__mid_mom_part4_60` | `mid_mom_part4_60` | 中户占比局部动量因子 part4（N=60），过去 60 个有效交易日按中户占比升序排序后第 4 个五分之一（12 日）涨跌幅的均值 | | `dw_trader_structure__mid_mom_part5_60` | `mid_mom_part5_60` | 中户占比局部动量因子 part5（N=60），过去 60 个有效交易日按中户占比升序排序后第 5 个五分之一（12 日）涨跌幅的均值，即中户占比最高的 12 日 | | `dw_trader_structure__mid_mom_new_60` | `mid_mom_new_60` | 中户占比新动量因子（N=60），等于 mid_mom_part1_60 减 mid_mom_part5_60 | | `dw_trader_structure__small_mom_part1_60` | `small_mom_part1_60` | 散户占比局部动量因子 part1（N=60），过去 60 个有效交易日按散户占比升序排序后第 1 个五分之一（12 日）涨跌幅的均值 | | `dw_trader_structure__small_mom_part2_60` | `small_mom_part2_60` | 散户占比局部动量因子 part2（N=60），过去 60 个有效交易日按散户占比升序排序后第 2 个五分之一（12 日）涨跌幅的均值 | | `dw_trader_structure__small_mom_part3_60` | `small_mom_part3_60` | 散户占比局部动量因子 part3（N=60），过去 60 个有效交易日按散户占比升序排序后第 3 个五分之一（12 日）涨跌幅的均值 | | `dw_trader_structure__small_mom_part4_60` | `small_mom_part4_60` | 散户占比局部动量因子 part4（N=60），过去 60 个有效交易日按散户占比升序排序后第 4 个五分之一（12 日）涨跌幅的均值 | | `dw_trader_structure__small_mom_part5_60` | `small_mom_part5_60` | 散户占比局部动量因子 part5（N=60），过去 60 个有效交易日按散户占比升序排序后第 5 个五分之一（12 日）涨跌幅的均值，即散户占比最高的 12 日 | | `dw_trader_structure__small_mom_new_60` | `small_mom_new_60` | 散户占比新动量因子（N=60），等于 small_mom_part1_60 减 small_mom_part5_60，对应研报参数敏感性检验 | | `dw_trader_structure__inst_turn_part1_20` | `inst_turn_part1_20` | 机构占比局部换手率因子 part1（N=20），过去 20 个有效交易日按机构占比升序排序后第 1 个五分之一（4 日）日换手率的均值 | | `dw_trader_structure__inst_turn_part2_20` | `inst_turn_part2_20` | 机构占比局部换手率因子 part2（N=20），过去 20 个有效交易日按机构占比升序排序后第 2 个五分之一（4 日）日换手率的均值 | | `dw_trader_structure__inst_turn_part3_20` | `inst_turn_part3_20` | 机构占比局部换手率因子 part3（N=20），过去 20 个有效交易日按机构占比升序排序后第 3 个五分之一（4 日）日换手率的均值 | | `dw_trader_structure__inst_turn_part4_20` | `inst_turn_part4_20` | 机构占比局部换手率因子 part4（N=20），过去 20 个有效交易日按机构占比升序排序后第 4 个五分之一（4 日）日换手率的均值 | | `dw_trader_structure__inst_turn_part5_20` | `inst_turn_part5_20` | 机构占比局部换手率因子 part5（N=20），过去 20 个有效交易日按机构占比升序排序后第 5 个五分之一（4 日）日换手率的均值，即机构占比最高的 4 日 | | `dw_trader_structure__inst_turn_new_20` | `inst_turn_new_20` | 机构占比新换手率因子（N=20），等于 inst_turn_part1_20 减 inst_turn_part5_20 | | `dw_trader_structure__big_turn_part1_20` | `big_turn_part1_20` | 大户占比局部换手率因子 part1（N=20），过去 20 个有效交易日按大户占比升序排序后第 1 个五分之一（4 日）日换手率的均值 | | `dw_trader_structure__big_turn_part2_20` | `big_turn_part2_20` | 大户占比局部换手率因子 part2（N=20），过去 20 个有效交易日按大户占比升序排序后第 2 个五分之一（4 日）日换手率的均值 | | `dw_trader_structure__big_turn_part3_20` | `big_turn_part3_20` | 大户占比局部换手率因子 part3（N=20），过去 20 个有效交易日按大户占比升序排序后第 3 个五分之一（4 日）日换手率的均值 | | `dw_trader_structure__big_turn_part4_20` | `big_turn_part4_20` | 大户占比局部换手率因子 part4（N=20），过去 20 个有效交易日按大户占比升序排序后第 4 个五分之一（4 日）日换手率的均值 | | `dw_trader_structure__big_turn_part5_20` | `big_turn_part5_20` | 大户占比局部换手率因子 part5（N=20），过去 20 个有效交易日按大户占比升序排序后第 5 个五分之一（4 日）日换手率的均值，即大户占比最高的 4 日 | | `dw_trader_structure__big_turn_new_20` | `big_turn_new_20` | 大户占比新换手率因子（N=20），等于 big_turn_part1_20 减 big_turn_part5_20 | | `dw_trader_structure__mid_turn_part1_20` | `mid_turn_part1_20` | 中户占比局部换手率因子 part1（N=20），过去 20 个有效交易日按中户占比升序排序后第 1 个五分之一（4 日）日换手率的均值 | | `dw_trader_structure__mid_turn_part2_20` | `mid_turn_part2_20` | 中户占比局部换手率因子 part2（N=20），过去 20 个有效交易日按中户占比升序排序后第 2 个五分之一（4 日）日换手率的均值 | | `dw_trader_structure__mid_turn_part3_20` | `mid_turn_part3_20` | 中户占比局部换手率因子 part3（N=20），过去 20 个有效交易日按中户占比升序排序后第 3 个五分之一（4 日）日换手率的均值 | | `dw_trader_structure__mid_turn_part4_20` | `mid_turn_part4_20` | 中户占比局部换手率因子 part4（N=20），过去 20 个有效交易日按中户占比升序排序后第 4 个五分之一（4 日）日换手率的均值 | | `dw_trader_structure__mid_turn_part5_20` | `mid_turn_part5_20` | 中户占比局部换手率因子 part5（N=20），过去 20 个有效交易日按中户占比升序排序后第 5 个五分之一（4 日）日换手率的均值，即中户占比最高的 4 日 | | `dw_trader_structure__mid_turn_new_20` | `mid_turn_new_20` | 中户占比新换手率因子（N=20），等于 mid_turn_part1_20 减 mid_turn_part5_20 | | `dw_trader_structure__small_turn_part1_20` | `small_turn_part1_20` | 散户占比局部换手率因子 part1（N=20），过去 20 个有效交易日按散户占比升序排序后第 1 个五分之一（4 日）日换手率的均值 | | `dw_trader_structure__small_turn_part2_20` | `small_turn_part2_20` | 散户占比局部换手率因子 part2（N=20），过去 20 个有效交易日按散户占比升序排序后第 2 个五分之一（4 日）日换手率的均值 | | `dw_trader_structure__small_turn_part3_20` | `small_turn_part3_20` | 散户占比局部换手率因子 part3（N=20），过去 20 个有效交易日按散户占比升序排序后第 3 个五分之一（4 日）日换手率的均值 | | `dw_trader_structure__small_turn_part4_20` | `small_turn_part4_20` | 散户占比局部换手率因子 part4（N=20），过去 20 个有效交易日按散户占比升序排序后第 4 个五分之一（4 日）日换手率的均值 | | `dw_trader_structure__small_turn_part5_20` | `small_turn_part5_20` | 散户占比局部换手率因子 part5（N=20），过去 20 个有效交易日按散户占比升序排序后第 5 个五分之一（4 日）日换手率的均值，即散户占比最高的 4 日 | | `dw_trader_structure__small_turn_new_20` | `small_turn_new_20` | 散户占比新换手率因子（N=20），等于 small_turn_part1_20 减 small_turn_part5_20，对应研报表 8 的新换手率因子 | | `dw_trader_structure__inst_amp_part1_20` | `inst_amp_part1_20` | 机构占比局部振幅因子 part1（N=20），过去 20 个有效交易日按机构占比升序排序后第 1 个五分之一（4 日）日振幅的均值 | | `dw_trader_structure__inst_amp_part2_20` | `inst_amp_part2_20` | 机构占比局部振幅因子 part2（N=20），过去 20 个有效交易日按机构占比升序排序后第 2 个五分之一（4 日）日振幅的均值 | | `dw_trader_structure__inst_amp_part3_20` | `inst_amp_part3_20` | 机构占比局部振幅因子 part3（N=20），过去 20 个有效交易日按机构占比升序排序后第 3 个五分之一（4 日）日振幅的均值 | | `dw_trader_structure__inst_amp_part4_20` | `inst_amp_part4_20` | 机构占比局部振幅因子 part4（N=20），过去 20 个有效交易日按机构占比升序排序后第 4 个五分之一（4 日）日振幅的均值 | | `dw_trader_structure__inst_amp_part5_20` | `inst_amp_part5_20` | 机构占比局部振幅因子 part5（N=20），过去 20 个有效交易日按机构占比升序排序后第 5 个五分之一（4 日）日振幅的均值，即机构占比最高的 4 日 | | `dw_trader_structure__inst_amp_new_20` | `inst_amp_new_20` | 机构占比新振幅因子（N=20），等于 inst_amp_part1_20 减 inst_amp_part5_20 | | `dw_trader_structure__big_amp_part1_20` | `big_amp_part1_20` | 大户占比局部振幅因子 part1（N=20），过去 20 个有效交易日按大户占比升序排序后第 1 个五分之一（4 日）日振幅的均值 | | `dw_trader_structure__big_amp_part2_20` | `big_amp_part2_20` | 大户占比局部振幅因子 part2（N=20），过去 20 个有效交易日按大户占比升序排序后第 2 个五分之一（4 日）日振幅的均值 | | `dw_trader_structure__big_amp_part3_20` | `big_amp_part3_20` | 大户占比局部振幅因子 part3（N=20），过去 20 个有效交易日按大户占比升序排序后第 3 个五分之一（4 日）日振幅的均值 | | `dw_trader_structure__big_amp_part4_20` | `big_amp_part4_20` | 大户占比局部振幅因子 part4（N=20），过去 20 个有效交易日按大户占比升序排序后第 4 个五分之一（4 日）日振幅的均值 | | `dw_trader_structure__big_amp_part5_20` | `big_amp_part5_20` | 大户占比局部振幅因子 part5（N=20），过去 20 个有效交易日按大户占比升序排序后第 5 个五分之一（4 日）日振幅的均值，即大户占比最高的 4 日 | | `dw_trader_structure__big_amp_new_20` | `big_amp_new_20` | 大户占比新振幅因子（N=20），等于 big_amp_part1_20 减 big_amp_part5_20 | | `dw_trader_structure__mid_amp_part1_20` | `mid_amp_part1_20` | 中户占比局部振幅因子 part1（N=20），过去 20 个有效交易日按中户占比升序排序后第 1 个五分之一（4 日）日振幅的均值 | | `dw_trader_structure__mid_amp_part2_20` | `mid_amp_part2_20` | 中户占比局部振幅因子 part2（N=20），过去 20 个有效交易日按中户占比升序排序后第 2 个五分之一（4 日）日振幅的均值 | | `dw_trader_structure__mid_amp_part3_20` | `mid_amp_part3_20` | 中户占比局部振幅因子 part3（N=20），过去 20 个有效交易日按中户占比升序排序后第 3 个五分之一（4 日）日振幅的均值 | | `dw_trader_structure__mid_amp_part4_20` | `mid_amp_part4_20` | 中户占比局部振幅因子 part4（N=20），过去 20 个有效交易日按中户占比升序排序后第 4 个五分之一（4 日）日振幅的均值 | | `dw_trader_structure__mid_amp_part5_20` | `mid_amp_part5_20` | 中户占比局部振幅因子 part5（N=20），过去 20 个有效交易日按中户占比升序排序后第 5 个五分之一（4 日）日振幅的均值，即中户占比最高的 4 日 | | `dw_trader_structure__mid_amp_new_20` | `mid_amp_new_20` | 中户占比新振幅因子（N=20），等于 mid_amp_part1_20 减 mid_amp_part5_20 | | `dw_trader_structure__small_amp_part1_20` | `small_amp_part1_20` | 散户占比局部振幅因子 part1（N=20），过去 20 个有效交易日按散户占比升序排序后第 1 个五分之一（4 日）日振幅的均值 | | `dw_trader_structure__small_amp_part2_20` | `small_amp_part2_20` | 散户占比局部振幅因子 part2（N=20），过去 20 个有效交易日按散户占比升序排序后第 2 个五分之一（4 日）日振幅的均值 | | `dw_trader_structure__small_amp_part3_20` | `small_amp_part3_20` | 散户占比局部振幅因子 part3（N=20），过去 20 个有效交易日按散户占比升序排序后第 3 个五分之一（4 日）日振幅的均值 | | `dw_trader_structure__small_amp_part4_20` | `small_amp_part4_20` | 散户占比局部振幅因子 part4（N=20），过去 20 个有效交易日按散户占比升序排序后第 4 个五分之一（4 日）日振幅的均值 | | `dw_trader_structure__small_amp_part5_20` | `small_amp_part5_20` | 散户占比局部振幅因子 part5（N=20），过去 20 个有效交易日按散户占比升序排序后第 5 个五分之一（4 日）日振幅的均值，即散户占比最高的 4 日 | | `dw_trader_structure__small_amp_new_20` | `small_amp_new_20` | 散户占比新振幅因子（N=20），等于 small_amp_part1_20 减 small_amp_part5_20，对应研报表 9 的新振幅因子 | | `dw_trader_structure__small_mom_new_20_pure` | `small_mom_new_20_pure` | 纯净新动量因子（N=20），small_mom_new_20 对十个常见风格因子与申万一级行业哑变量回归后的残差 | ### 东吴证券高量脉冲与成交额加权波动因子（`cn_stock_factors_hf_dw_volume_pulse_rv`） | 视图字段 | 源字段 | 原始含义 | | ---- | ---- | ---- | | `dw_volume_pulse_rv__volume_pulse_count` | `volume_pulse_count` | 高量脉冲次数，当日分钟成交量超过当日均值加 1 倍标准差的连续区间个数（连续高量只在起点计一次），值越大未来收益越高 | | `dw_volume_pulse_rv__volume_pulse_return_std` | `volume_pulse_return_std` | 高量分钟收益波动，当日高量分钟的分钟收益率标准差，值越小未来收益越高 | | `dw_volume_pulse_rv__amount_weighted_rv` | `amount_weighted_rv` | 成交额加权实现波动，以分钟成交额占当日比例加权的分钟收益率平方和再开方，值越小未来收益越高 | ### 方正证券水中行舟因子（`cn_stock_factors_hf_fz_boat_in_water`） | 视图字段 | 源字段 | 原始含义 | | ---- | ---- | ---- | | `fz_boat_in_water__reasonable_return` | `reasonable_return` | 合理收益率，当日及过去 19 个交易日日内收益率（收盘价／开盘价 - 1）的均值，用作划分日内价格高低位的阈值 | | `fz_boat_in_water__high_low_amount_diff` | `high_low_amount_diff` | 高低额差，相对开盘收益率高于合理收益率的分钟成交额之和减去低于合理收益率的分钟成交额之和，再除以当日收盘流通市值 | | `fz_boat_in_water__go_with_flow` | `go_with_flow` | 随波逐流，个股 20 日高低额差序列与全市场其余每只股票对应序列的 Spearman 相关系数，取绝对值后求均值；恒落在 [0, 1]，**值越大未来收益越高**（本表唯一方向为正的因子） | | `fz_boat_in_water__lone_goose_daily` | `lone_goose_daily` | 日孤雁出群，当日「不分化时刻」内个股分钟成交额序列与全市场其余每只股票对应序列的 Pearson 相关系数，取绝对值后求均值；恒落在 [0, 1] | | `fz_boat_in_water__lone_goose_mean` | `lone_goose_mean` | 月均孤雁出群，过去 20 个交易日 lone_goose_daily 的均值；值越大越差 | | `fz_boat_in_water__lone_goose_std` | `lone_goose_std` | 月稳孤雁出群，过去 20 个交易日 lone_goose_daily 的样本标准差；恒非负，值越大说明关联性越不稳定 | | `fz_boat_in_water__lone_goose` | `lone_goose` | 孤雁出群，上两者各自截面去极值标准化后等权平均；值越大越差 | | `fz_boat_in_water__boat_in_water` | `boat_in_water` | 水中行舟，孤雁出群与随波逐流各自截面去极值标准化后等权合成（随波逐流取负号），研报的最终合成因子；值越小未来收益越高 | | `fz_boat_in_water__boat_in_water_pure` | `boat_in_water_pure` | 纯净水中行舟，boat_in_water 对申万一级行业哑变量与十个常见风格因子回归后的残差 | ### 方正证券勇攀高峰因子（`cn_stock_factors_hf_fz_brave_climb`） | 视图字段 | 源字段 | 原始含义 | | ---- | ---- | ---- | | `fz_brave_climb__rebuild_mean` | `rebuild_mean` | 月均重建：过去 20 个交易日「全天收益波动比与更优波动率协方差」的均值，值越小说明投资者对波动加剧越反应不足、未来越可能补涨，因子值越小越好 | | `fz_brave_climb__rebuild_std` | `rebuild_std` | 月稳重建：过去 20 个交易日该协方差的标准差，因子值越小越好 | | `fz_brave_climb__post_disaster_rebuild` | `post_disaster_rebuild` | 灾后重建：rebuild_mean 与 rebuild_std 截面标准化后等权合成，因子值越小越好 | | `fz_brave_climb__climb_mean` | `climb_mean` | 月均攀登：过去 20 个交易日「波动异常高时段收益波动比与更优波动率协方差」的均值，值越大说明异常高波动得到越充足的风险补偿，因子值越大越好 | | `fz_brave_climb__climb_std` | `climb_std` | 月稳攀登：过去 20 个交易日该协方差的标准差，因子值越小越好 | | `fz_brave_climb__brave_climb` | `brave_climb` | 勇攀高峰：climb_mean 与 climb_std 按各自方向对齐后截面标准化等权合成，因子值越大越好 | | `fz_brave_climb__climb_mean_close` | `climb_mean_close` | 月均攀登 2：把「更优波动率」替换为仅用分钟收盘价计算的「收盘波动率」后重算的 climb_mean，研报用于论证更优波动率的优越性，因子值越大越好 | | `fz_brave_climb__climb_std_close` | `climb_std_close` | 月稳攀登 2：收盘波动率版的 climb_std，因子值越小越好 | | `fz_brave_climb__brave_climb_close` | `brave_climb_close` | 勇攀高峰 2：收盘波动率版的 brave_climb，因子值越大越好 | ### 方正证券云开雾散因子（`cn_stock_factors_hf_fz_clouds_clear`） | 视图字段 | 源字段 | 原始含义 | | ---- | ---- | ---- | | `fz_clouds_clear__ambiguity_corr_daily` | `ambiguity_corr_daily` | 日模糊关联度，当日分钟模糊性序列与分钟成交金额序列的 Pearson 相关系数；值越大说明成交金额越随模糊性上升而放大 | | `fz_clouds_clear__ambiguity_corr_mean` | `ambiguity_corr_mean` | 均模糊关联度，过去 20 个交易日 ambiguity_corr_daily 的均值；值越大越差（未来收益越低） | | `fz_clouds_clear__ambiguity_corr_std` | `ambiguity_corr_std` | 稳模糊关联度，过去 20 个交易日 ambiguity_corr_daily 的样本标准差；值越大说明关联度越不稳定 | | `fz_clouds_clear__ambiguity_corr` | `ambiguity_corr` | 模糊关联度，ambiguity_corr_mean 与 ambiguity_corr_std 各自截面去极值标准化后等权平均；值越大越差 | | `fz_clouds_clear__fog_amount_ratio_daily` | `fog_amount_ratio_daily` | 日模糊金额比，「起雾时刻」（模糊性高于当日均值的分钟）的平均分钟成交金额除以全部 240 根日内 bar 的平均分钟成交金额；大于 1 表示模糊性大时成交金额偏大 | | `fz_clouds_clear__fog_amount_ratio_mean` | `fog_amount_ratio_mean` | 均模糊金额比，过去 20 个交易日 fog_amount_ratio_daily 的均值；值越大越差 | | `fz_clouds_clear__fog_amount_ratio_std` | `fog_amount_ratio_std` | 稳模糊金额比，过去 20 个交易日 fog_amount_ratio_daily 的样本标准差；值越大说明金额比越不稳定 | | `fz_clouds_clear__fog_amount_ratio` | `fog_amount_ratio` | 模糊金额比，fog_amount_ratio_mean 与 fog_amount_ratio_std 各自截面去极值标准化后等权平均；值越大越差 | | `fz_clouds_clear__fog_volume_ratio_daily` | `fog_volume_ratio_daily` | 日模糊数量比，口径与 fog_amount_ratio_daily 完全一致，只把成交金额换成成交量；大于 1 表示模糊性大时成交量偏大 | | `fz_clouds_clear__fog_volume_ratio_mean` | `fog_volume_ratio_mean` | 均模糊数量比，过去 20 个交易日 fog_volume_ratio_daily 的均值；值越大越差 | | `fz_clouds_clear__fog_volume_ratio_std` | `fog_volume_ratio_std` | 稳模糊数量比，过去 20 个交易日 fog_volume_ratio_daily 的样本标准差；值越大说明数量比越不稳定 | | `fz_clouds_clear__fog_volume_ratio` | `fog_volume_ratio` | 模糊数量比，fog_volume_ratio_mean 与 fog_volume_ratio_std 各自截面去极值标准化后等权平均；值越大越差 | | `fz_clouds_clear__fog_price_spread_daily` | `fog_price_spread_daily` | 日模糊价差，fog_amount_ratio_daily 减 fog_volume_ratio_daily（均不做标准化直接相减）；显著为负说明起雾时刻的挂单价格偏低，即卖出时付出了流动性成本 | | `fz_clouds_clear__fog_price_spread_mean` | `fog_price_spread_mean` | 均模糊价差，过去 20 个交易日 fog_price_spread_daily 的均值；值越大越差 | | `fz_clouds_clear__fog_price_spread_std` | `fog_price_spread_std` | 稳模糊价差，过去 20 个交易日 fog_price_spread_daily 的样本标准差；值越大说明价差越不稳定 | | `fz_clouds_clear__fog_price_spread` | `fog_price_spread` | 模糊价差，fog_price_spread_mean 与 fog_price_spread_std 各自截面去极值标准化后等权平均；值越大越差 | | `fz_clouds_clear__adj_fog_price_spread_daily` | `adj_fog_price_spread_daily` | 修正日模糊价差，把 fog_price_spread_daily 为负的部分除以其过去 10 个交易日的标准差、再按截面缩放回原有数量级，为正的部分保持不变；用于把多头组里「偶发重大利空」与「持续反应过度」区分开 | | `fz_clouds_clear__adj_fog_price_spread_mean` | `adj_fog_price_spread_mean` | 均修正模糊价差，过去 20 个交易日 adj_fog_price_spread_daily 的均值；值越大越差 | | `fz_clouds_clear__adj_fog_price_spread` | `adj_fog_price_spread` | 修正模糊价差，adj_fog_price_spread_mean 与 fog_price_spread_std 各自截面去极值标准化后等权平均；值越大越差 | | `fz_clouds_clear__clouds_clear` | `clouds_clear` | 云开雾散，ambiguity_corr、fog_amount_ratio、adj_fog_price_spread 三者各自截面去极值标准化后等权平均；研报的最终合成因子，值越小未来收益越高 | | `fz_clouds_clear__clouds_clear_pure` | `clouds_clear_pure` | 纯净云开雾散，clouds_clear 在当日截面上对申万一级行业哑变量与十个常见风格因子做多元回归后的残差；剥离风格与行业暴露后的增量信息，方向与 clouds_clear 一致 | ### 方正证券滴水穿石因子（`cn_stock_factors_hf_fz_drip_stone`） | 视图字段 | 源字段 | 原始含义 | | ---- | ---- | ---- | | `fz_drip_stone__drip_stone` | `drip_stone` | 滴水穿石因子，当日分钟成交量序列去脉冲后 2–5 分钟周期频带的功率占总功率（不含直流分量）的比例，取值 [0, 1]；值越大说明日内成交量的中短周期节奏性越强，未来收益越高 | | `fz_drip_stone__drip_stone_pure` | `drip_stone_pure` | 纯净滴水穿石因子，drip_stone 在当日截面上对申万一级行业哑变量与十个常见风格因子做多元回归后的残差；剥离风格与行业暴露后的增量信息，方向与 drip_stone 一致 | | `fz_drip_stone__drip_stone_smooth` | `drip_stone_smooth` | 低频化滴水穿石因子，drip_stone 过去 20 个交易日（含当日）的移动平均；平滑掉单日噪声以降低换手率，方向与 drip_stone 一致 | ### 方正证券一视同仁因子（`cn_stock_factors_hf_fz_equal_treatment`） | 视图字段 | 源字段 | 原始含义 | | ---- | ---- | ---- | | `fz_equal_treatment__dazzling_vol_norm` | `dazzling_vol_norm` | 正态耀眼波动率，当日所有「正态耀眼五分钟」窗口内分钟收益率标准差的均值；值越大表示投资者对突然放量在波动层面的反应越剧烈 | | `fz_equal_treatment__dim_vol_norm` | `dim_vol_norm` | 正态黯淡波动率，当日所有「正态黯淡五分钟」窗口内分钟收益率标准差的均值；值越大表示投资者对突然缩量在波动层面的反应越剧烈 | | `fz_equal_treatment__vol_fairness` | `vol_fairness` | 日波动公平度，正态耀眼波动率与正态黯淡波动率之差的绝对值，恒非负；值越大表示投资者对放量与缩量的波动反应越不对称、非理性程度越显著 | | `fz_equal_treatment__vol_fair_return` | `vol_fair_return` | 日波动公平收益率，当日日内收益率乘以波动公平度；符号随日内收益率，幅度被不对称程度放大 | | `fz_equal_treatment__vol_fair` | `vol_fair` | 波动公平，过去 20 个交易日 vol_fair_return 的均值；值越小未来收益越高 | | `fz_equal_treatment__dazzling_ret_norm` | `dazzling_ret_norm` | 正态耀眼收益率，当日所有「正态激增时刻」当分钟收益率的均值；刻画投资者对突然放量在收益层面的反应方向与幅度 | | `fz_equal_treatment__dim_ret_norm` | `dim_ret_norm` | 正态黯淡收益率，当日所有「正态骤降时刻」当分钟收益率的均值；刻画投资者对突然缩量在收益层面的反应方向与幅度 | | `fz_equal_treatment__ret_fairness` | `ret_fairness` | 日收益公平度，正态耀眼收益率与正态黯淡收益率之差的绝对值，恒非负；值越大表示两侧收益反应越不对称 | | `fz_equal_treatment__ret_fair_return` | `ret_fair_return` | 日收益公平收益率，当日日内收益率乘以收益公平度 | | `fz_equal_treatment__ret_fair` | `ret_fair` | 收益公平，过去 20 个交易日 ret_fair_return 的均值；值越小未来收益越高 | | `fz_equal_treatment__equal_treatment` | `equal_treatment` | 一视同仁，vol_fair 与 ret_fair 各自截面去极值标准化后等权合成，研报的最终合成因子；值越小未来收益越高 | | `fz_equal_treatment__equal_treatment_pure` | `equal_treatment_pure` | 纯净一视同仁，equal_treatment 对申万一级行业哑变量与十个常见风格因子回归后的残差；值越小未来收益越高 | ### 方正证券花隐林间因子（`cn_stock_factors_hf_fz_hidden_flower`） | 视图字段 | 源字段 | 原始含义 | | ---- | ---- | ---- | | `fz_hidden_flower__t_intercept` | `t_intercept` | 截距项 t 值，分钟回归截距项的 t 统计量，代理市场层面信息与个股中长期基本面信息对价格的推动程度 | | `fz_hidden_flower__f_all` | `f_all` | 回归方程 F 值，衡量第 $t$ 至 $t-5$ 分钟的增量成交量中是否存在某一分钟显著推动了当期价格；值越大说明近期突然到来的信息影响越显著 | | `fz_hidden_flower__morning_mist_daily` | `morning_mist_daily` | 日朝没晨雾，当日第 $t-1$ 至 $t-5$ 分钟增量成交量回归系数的 5 个 t 值的样本标准差；恒非负，值越小说明短时间内流入的信息越平稳 | | `fz_hidden_flower__morning_mist` | `morning_mist` | 朝没晨雾，过去 20 个交易日 morning_mist_daily 的均值；恒非负，值越小未来收益越高 | | `fz_hidden_flower__ancient_tree_daily` | `ancient_tree_daily` | 日午蔽古木，截距项 t 值的绝对值经 f_all 的截面均值做符号翻转（f_all 低于截面均值者乘 -1）；值越小未来收益越高 | | `fz_hidden_flower__ancient_tree` | `ancient_tree` | 午蔽古木，过去 20 个交易日 ancient_tree_daily 的均值；值越小未来收益越高 | | `fz_hidden_flower__frost_road` | `frost_road` | 夜眠霜路，个股过去 20 个交易日 t_intercept 序列与全市场其余每只股票对应序列的 Pearson 相关系数，取绝对值后求均值；恒落在 [0, 1]，**值越大未来收益越高**（本表唯一方向为正的因子） | | `fz_hidden_flower__hidden_flower` | `hidden_flower` | 花隐林间，morning_mist、ancient_tree、frost_road 各自截面去极值标准化后等权合成（frost_road 取负号），研报的最终合成因子；值越小未来收益越高 | | `fz_hidden_flower__hidden_flower_pure` | `hidden_flower_pure` | 纯净花隐林间，hidden_flower 对申万一级行业哑变量与十个常见风格因子回归后的残差 | ### 方正证券机构痕迹因子（`cn_stock_factors_hf_fz_institution_trace`） | 视图字段 | 源字段 | 原始含义 | | ---- | ---- | ---- | | `fz_institution_trace__institution_trace` | `institution_trace` | 机构痕迹指标，最近 5000 个非零分钟成交量的首位数字频率分布与本福特理想分布的平方偏差之和，值越大说明偏离越大、机构行为痕迹越重 | | `fz_institution_trace__institution_trace_chg` | `institution_trace_chg` | 机构痕迹指标的环比变化率，当日 institution_trace 相对 20 个交易日前的增长比例，值越大说明机构行为痕迹的增量越大 | ### 方正证券多空博弈因子（`cn_stock_factors_hf_fz_long_short_game`） | 视图字段 | 源字段 | 原始含义 | | ---- | ---- | ---- | | `fz_long_short_game__vol_game_return_daily` | `vol_game_return_daily` | 日成交量博弈-收益率，当日**分钟成交量占比**（分钟成交量÷当日总成交量）按过去 5 分钟收益率升序排列后的「正序累加减倒序累加」再累加之和，等价于按秩的对称线性加权和；无量纲，正负号表示成交量偏向低收益率还是高收益率时刻 | | `fz_long_short_game__vol_game_return_mean` | `vol_game_return_mean` | 月均成交量博弈-收益率，vol_game_return_daily 经均值距离化后过去 20 个交易日的均值；恒非负，值越小未来收益越高 | | `fz_long_short_game__vol_game_return_std` | `vol_game_return_std` | 月稳成交量博弈-收益率，同一均值距离化序列过去 20 个交易日的样本标准差；恒非负，值越小未来收益越高 | | `fz_long_short_game__vol_game_return` | `vol_game_return` | 成交量博弈-收益率，上两者各自截面去极值标准化后等权合成；值越小未来收益越高 | | `fz_long_short_game__vol_game_position_daily` | `vol_game_position_daily` | 日成交量博弈-日内相对位置，排序键换为「日内相对位置」后的同一构造，被加权量同为分钟成交量占比；无量纲 | | `fz_long_short_game__vol_game_position_mean` | `vol_game_position_mean` | 月均成交量博弈-日内相对位置，均值距离化后过去 20 个交易日的均值；恒非负，值越小未来收益越高 | | `fz_long_short_game__vol_game_position_std` | `vol_game_position_std` | 月稳成交量博弈-日内相对位置，同一序列过去 20 个交易日的样本标准差；恒非负，值越小未来收益越高 | | `fz_long_short_game__vol_game_position` | `vol_game_position` | 成交量博弈-日内相对位置，上两者各自截面去极值标准化后等权合成；值越小未来收益越高 | | `fz_long_short_game__vol_game` | `vol_game` | 成交量博弈，vol_game_return 与 vol_game_position 各自截面标准化后等权合成；值越小未来收益越高 | | `fz_long_short_game__amp_game_daily` | `amp_game_daily` | 日振幅博弈，把成交量换成分钟振幅（（最高价-最低价）／收盘价）、排序键仍为过去 5 分钟收益率的同一构造；量纲为振幅 | | `fz_long_short_game__amp_game_mean` | `amp_game_mean` | 月均振幅博弈，均值距离化后过去 20 个交易日的均值；恒非负，值越小未来收益越高 | | `fz_long_short_game__amp_game_std` | `amp_game_std` | 月稳振幅博弈，同一序列过去 20 个交易日的样本标准差；恒非负，值越小未来收益越高 | | `fz_long_short_game__amp_game` | `amp_game` | 振幅博弈，上两者各自截面去极值标准化后等权合成；值越小未来收益越高 | | `fz_long_short_game__long_short_game` | `long_short_game` | 多空博弈，vol_game 与 amp_game 各自截面标准化后等权合成，研报的最终合成因子；值越小未来收益越高 | | `fz_long_short_game__long_short_game_pure` | `long_short_game_pure` | 纯净多空博弈，long_short_game 对申万一级行业哑变量与十个常见风格因子回归后的残差 | ### 方正证券适度冒险因子（`cn_stock_factors_hf_fz_moderate_risk`） | 视图字段 | 源字段 | 原始含义 | | ---- | ---- | ---- | | `fz_moderate_risk__dazzling_vol_mean` | `dazzling_vol_mean` | 月均耀眼波动率：过去 20 个交易日「适度日耀眼波动率」的均值，值越小说明激增时刻引发的波动越贴近市场平均水平，因子值越小越好 | | `fz_moderate_risk__dazzling_vol_std` | `dazzling_vol_std` | 月稳耀眼波动率：过去 20 个交易日「适度日耀眼波动率」的标准差，值越小说明与市场平均水平的距离越稳定，因子值越小越好 | | `fz_moderate_risk__dazzling_vol` | `dazzling_vol` | 月耀眼波动率：dazzling_vol_mean 与 dazzling_vol_std 截面标准化后等权合成，因子值越小越好 | | `fz_moderate_risk__dazzling_ret_mean` | `dazzling_ret_mean` | 月均耀眼收益率：过去 20 个交易日「适度日耀眼收益率」的均值，因子值越小越好 | | `fz_moderate_risk__dazzling_ret_std` | `dazzling_ret_std` | 月稳耀眼收益率：过去 20 个交易日「适度日耀眼收益率」的标准差，因子值越小越好 | | `fz_moderate_risk__dazzling_ret` | `dazzling_ret` | 月耀眼收益率：dazzling_ret_mean 与 dazzling_ret_std 截面标准化后等权合成，因子值越小越好 | | `fz_moderate_risk__moderate_risk` | `moderate_risk` | 适度冒险：dazzling_vol 与 dazzling_ret 截面标准化后等权合成，综合反映投资者对成交量激增的反应不足与反应过度程度，因子值越小越好 | ### 方正证券飞蛾扑火因子（`cn_stock_factors_hf_fz_moth_to_flame`） | 视图字段 | 源字段 | 原始含义 | | ---- | ---- | ---- | | `fz_moth_to_flame__daily_jump` | `daily_jump` | 日跳跃度，日内每分钟「泰勒残项」的均值；带符号且量级极小（约 1e-12 ~ 1e-9），值越大说明当日股价向上跳跃越剧烈 | | `fz_moth_to_flame__monthly_jump_mean` | `monthly_jump_mean` | 月均跳跃度，过去 20 个交易日 daily_jump 的均值；值越大越差（未来收益越低） | | `fz_moth_to_flame__monthly_jump_std` | `monthly_jump_std` | 月稳跳跃度，过去 20 个交易日 daily_jump 的样本标准差；值越大说明跳跃程度越不稳定 | | `fz_moth_to_flame__monthly_jump` | `monthly_jump` | 月跳跃度，monthly_jump_mean 与 monthly_jump_std 各自截面去极值标准化后等权平均；值越大越差 | | `fz_moth_to_flame__amplitude_daily` | `amplitude_daily` | 日振幅，当日最高价减最低价再除以前一交易日收盘价；恒非负 | | `fz_moth_to_flame__amplitude_traditional` | `amplitude_traditional` | 传统振幅因子，过去 20 个交易日 amplitude_daily 的均值；研报用作对照基准 | | `fz_moth_to_flame__flipped_amplitude_daily` | `flipped_amplitude_daily` | 日翻转振幅，按分钟跳跃识别后的日振幅：daily_jump 不低于当日截面均值者保持原值（「火把」型），低于均值者乘以 -1（「太阳」型） | | `fz_moth_to_flame__revised_amplitude_1` | `revised_amplitude_1` | 修正振幅因子 1，过去 20 个交易日 flipped_amplitude_daily 的均值；值越大越差 | | `fz_moth_to_flame__hl_taylor_resid_daily` | `hl_taylor_resid_daily` | 日高低价泰勒残项，把日跳跃度的算法搬到日频数据上，以前一交易日最低价到当日最高价计算；用于识别从低价到高价的跳跃式上涨 | | `fz_moth_to_flame__flipped_amplitude2_daily` | `flipped_amplitude2_daily` | 日翻转振幅 2，口径与 flipped_amplitude_daily 一致，只把识别跳跃的依据换成 hl_taylor_resid_daily | | `fz_moth_to_flame__revised_amplitude_2` | `revised_amplitude_2` | 修正振幅因子 2，过去 20 个交易日 flipped_amplitude2_daily 的均值；值越大越差 | | `fz_moth_to_flame__revised_amplitude` | `revised_amplitude` | 修正振幅因子，修正振幅因子 1 与 2 各自截面去极值标准化后等权平均；值越大越差 | | `fz_moth_to_flame__moth_to_flame` | `moth_to_flame` | 飞蛾扑火，monthly_jump 与 revised_amplitude 各自截面去极值标准化后等权平均，研报的最终合成因子；值越小未来收益越高 | | `fz_moth_to_flame__moth_to_flame_pure` | `moth_to_flame_pure` | 纯净飞蛾扑火，moth_to_flame 在当日截面上对申万一级行业哑变量与十个常见风格因子回归后的残差；方向与 moth_to_flame 一致 | ### 方正证券草木皆兵因子（`cn_stock_factors_hf_fz_startled_by_grass`） | 视图字段 | 源字段 | 原始含义 | | ---- | ---- | ---- | | `fz_startled_by_grass__salience` | `salience` | 惊恐度，个股日收益率与中证全指日收益率之差的绝对值除以两者绝对值之和再加 0.1；恒落在 [0, 1) | | `fz_startled_by_grass__intraday_volatility` | `intraday_volatility` | 日内波动率，当日全部分钟收益率的样本标准差 | | `fz_startled_by_grass__retail_trade_ratio` | `retail_trade_ratio` | 个人投资者交易比，单笔低于 4 万元的小单买卖金额均值除以当日总成交金额；恒落在 [0, 1] | | `fz_startled_by_grass__return_20d` | `return_20d` | 20 日收益率因子，过去 20 个交易日日收益率的均值，传统反转因子（对照基准） | | `fz_startled_by_grass__volatility_20d` | `volatility_20d` | 20 日波动率因子，过去 20 个交易日日收益率的样本标准差，传统波动因子（对照基准） | | `fz_startled_by_grass__return_volatility_20d` | `return_volatility_20d` | 20 日收益波动合成因子，上两者各自截面去极值标准化后等权平均（对照基准） | | `fz_startled_by_grass__salience_return` | `salience_return` | 惊恐收益，惊恐度加权日收益率的 20 日均值 | | `fz_startled_by_grass__salience_volatility` | `salience_volatility` | 惊恐波动，惊恐度加权日收益率的 20 日样本标准差 | | `fz_startled_by_grass__salience_raw` | `salience_raw` | 原始惊恐，惊恐收益与惊恐波动各自截面去极值标准化后等权平均 | | `fz_startled_by_grass__vol_salience_return` | `vol_salience_return` | 波动率加剧-惊恐收益，权重再乘日内波动率后的 20 日均值 | | `fz_startled_by_grass__vol_salience_volatility` | `vol_salience_volatility` | 波动率加剧-惊恐波动，同上口径的 20 日样本标准差 | | `fz_startled_by_grass__vol_salience` | `vol_salience` | 波动率加剧-惊恐，上两者各自截面去极值标准化后等权平均 | | `fz_startled_by_grass__retail_salience_return` | `retail_salience_return` | 个人投资者交易比-惊恐收益，权重再乘个人投资者交易比后的 20 日均值 | | `fz_startled_by_grass__retail_salience_volatility` | `retail_salience_volatility` | 个人投资者交易比-惊恐波动，同上口径的 20 日样本标准差 | | `fz_startled_by_grass__retail_salience` | `retail_salience` | 个人投资者交易比-惊恐，上两者各自截面去极值标准化后等权平均 | | `fz_startled_by_grass__decay_salience_return` | `decay_salience_return` | 注意力衰减-惊恐收益，权重改用衰减后惊恐度后的 20 日均值；窗口内有效值不足 5 条时为空 | | `fz_startled_by_grass__decay_salience_volatility` | `decay_salience_volatility` | 注意力衰减-惊恐波动，同上口径的 20 日样本标准差 | | `fz_startled_by_grass__decay_salience` | `decay_salience` | 注意力衰减-惊恐，上两者各自截面去极值标准化后等权平均 | | `fz_startled_by_grass__startled_by_grass_return` | `startled_by_grass_return` | 草木皆兵-收益，权重为衰减后惊恐度、日内波动率、个人投资者交易比三者相乘后的 20 日均值 | | `fz_startled_by_grass__startled_by_grass_volatility` | `startled_by_grass_volatility` | 草木皆兵-波动，同上口径的 20 日样本标准差 | | `fz_startled_by_grass__startled_by_grass` | `startled_by_grass` | 草木皆兵，上两者各自截面去极值标准化后等权平均，研报的最终合成因子；值越小未来收益越高 | | `fz_startled_by_grass__startled_by_grass_pure` | `startled_by_grass_pure` | 纯净草木皆兵，startled_by_grass 对申万一级行业哑变量与十个常见风格因子回归后的残差 | ### 方正证券协同效应因子（`cn_stock_factors_hf_fz_synergy_effect`） | 视图字段 | 源字段 | 原始含义 | | ---- | ---- | ---- | | `fz_synergy_effect__volume_synergy_daily` | `volume_synergy_daily` | 日成交量协同，分钟成交量占比序列与「协同成交量」序列的相关系数；值越大表示该股成交量变化越能代表协同股票整体，交易辨识度越高 | | `fz_synergy_effect__volume_synergy_mean` | `volume_synergy_mean` | 月均成交量协同，volume_synergy_daily 过去 20 个交易日的均值；值越小未来收益越高 | | `fz_synergy_effect__volume_synergy_std` | `volume_synergy_std` | 月稳成交量协同，volume_synergy_daily 过去 20 个交易日的样本标准差；值越小未来收益越高 | | `fz_synergy_effect__volume_synergy` | `volume_synergy` | 成交量协同，上两者各自截面去极值标准化后等权合成；值越小未来收益越高 | | `fz_synergy_effect__synergy_spread_daily` | `synergy_spread_daily` | 日协同价差，当日收益率减去当日协同次数最多的 30 只股票的平均收益率，即相对协同股票的超额收益率；值越大表示短期正向超额收益越高、性价比越低 | | `fz_synergy_effect__synergy_spread_mean` | `synergy_spread_mean` | 月均协同价差，synergy_spread_daily 过去 20 个交易日的均值；值越小未来收益越高 | | `fz_synergy_effect__synergy_spread_std` | `synergy_spread_std` | 月稳协同价差，synergy_spread_daily 过去 20 个交易日的样本标准差，刻画相对协同股票超额收益的稳定性；值越小未来收益越高 | | `fz_synergy_effect__synergy_spread` | `synergy_spread` | 协同价差，上两者各自截面去极值标准化后等权合成；值越小未来收益越高 | | `fz_synergy_effect__synergy_effect` | `synergy_effect` | 协同效应，volume_synergy 与 synergy_spread 各自截面标准化后等权合成，研报的最终合成因子；值越小未来收益越高 | | `fz_synergy_effect__synergy_effect_pure` | `synergy_effect_pure` | 纯净协同效应，synergy_effect 对申万一级行业哑变量与十个常见风格因子回归后的残差；值越小未来收益越高 | ### 方正证券球队硬币因子（`cn_stock_factors_hf_fz_team_coin`） | 视图字段 | 源字段 | 原始含义 | | ---- | ---- | ---- | | `fz_team_coin__interday_reversal_vol_flip` | `interday_reversal_vol_flip` | 日间反转-波动翻转因子，20 个交易日日间收益率（收盘价对上一日收盘价）的均值，其中 20 日日间收益率波动率低于当日截面均值的个股（硬币型）取相反数，其余保持不变；值越大未来收益越低 | | `fz_team_coin__interday_reversal_turn_flip` | `interday_reversal_turn_flip` | 日间反转-换手翻转因子，先按当日换手率变化量是否低于截面均值逐日翻转日间收益率的符号，再取过去 20 个交易日翻转收益率的均值；值越大未来收益越低 | | `fz_team_coin__interday_reversal_revised` | `interday_reversal_revised` | 修正日间反转因子，interday_reversal_vol_flip 与 interday_reversal_turn_flip 各自截面标准化后等权平均；值越大未来收益越低 | | `fz_team_coin__intraday_reversal_vol_flip` | `intraday_reversal_vol_flip` | 日内反转-波动翻转因子，20 个交易日日内收益率（收盘价对当日开盘价）的均值，其中 20 日日内收益率波动率低于当日截面均值的个股（硬币型）取相反数，其余保持不变；值越大未来收益越低 | | `fz_team_coin__intraday_reversal_turn_flip` | `intraday_reversal_turn_flip` | 日内反转-换手翻转因子，先按当日换手率变化量是否低于截面均值逐日翻转日内收益率的符号，再取过去 20 个交易日翻转日内收益率的均值；值越大未来收益越低 | | `fz_team_coin__intraday_reversal_revised` | `intraday_reversal_revised` | 修正日内反转因子，intraday_reversal_vol_flip 与 intraday_reversal_turn_flip 各自截面标准化后等权平均；值越大未来收益越低 | | `fz_team_coin__overnight_distance` | `overnight_distance` | 隔夜距离因子，先把每日隔夜收益率减去当日截面均值再取绝对值得到「与最平静开盘的距离」，再取过去 20 个交易日的均值；值越大说明开盘报价越激进、越容易反应过度，未来收益越低 | | `fz_team_coin__overnight_reversal_vol_flip` | `overnight_reversal_vol_flip` | 隔夜反转-波动翻转因子，把 20 日隔夜距离波动率低于当日截面均值的个股（硬币型）的 overnight_distance 取相反数，其余保持不变；值越大未来收益越低 | | `fz_team_coin__overnight_reversal_turn_flip` | `overnight_reversal_turn_flip` | 隔夜反转-换手翻转因子，按上一交易日「换手距离」是否低于截面均值逐日翻转隔夜距离的符号，再取过去 20 个交易日翻转隔夜距离的均值；值越大未来收益越低 | | `fz_team_coin__overnight_reversal_revised` | `overnight_reversal_revised` | 修正隔夜反转因子，overnight_reversal_vol_flip 与 overnight_reversal_turn_flip 各自截面标准化后等权平均；值越大未来收益越低 | | `fz_team_coin__team_coin` | `team_coin` | 球队硬币因子，interday_reversal_revised、intraday_reversal_revised、overnight_reversal_revised 各自截面标准化后等权平均；值越大未来收益越低 | | `fz_team_coin__team_coin_pure` | `team_coin_pure` | 纯净球队硬币因子，team_coin 在当日截面上对申万一级行业哑变量与十个常见风格因子做多元回归后的残差；剥离风格与行业暴露后的增量信息，方向与 team_coin 一致 | ### 方正证券潮汐因子（`cn_stock_factors_hf_fz_tide`） | 视图字段 | 源字段 | 原始含义 | | ---- | ---- | ---- | | `fz_tide__full_tide` | `full_tide` | 全潮汐：过去 20 个交易日「涨潮时刻到退潮时刻」价格变动速率的均值，值越大说明投资者买卖意愿越急切、越容易反应过度，因子值越小越好 | | `fz_tide__strong_half_tide` | `strong_half_tide` | 强势半潮汐：过去 20 个交易日「强势半潮汐」价格变动速率的均值，因子值越小越好 | | `fz_tide__aggressive_weak_half_tide` | `aggressive_weak_half_tide` | 激进弱势半潮汐：过去 20 个交易日「弱势半潮汐」价格变动速率的均值，因子值越小越好 | | `fz_tide__stable_weak_half_tide` | `stable_weak_half_tide` | 稳定弱势半潮汐：过去 20 个交易日「弱势半潮汐」价格变动速率的标准差，值越小说明成交量蓄势与消退阶段越平稳，因子值越小越好 | | `fz_tide__complete_tide` | `complete_tide` | 完整潮汐：strong_half_tide 与 stable_weak_half_tide 截面标准化后等权合成，因子值越小越好 | ### 方正证券待著而救因子（`cn_stock_factors_hf_fz_wait_for_rescue`） | 视图字段 | 源字段 | 原始含义 | | ---- | ---- | ---- | | `fz_wait_for_rescue__follow_coefficient_daily` | `follow_coefficient_daily` | 日跟随系数，当日所有「优势时刻」的跟随系数（其后 5 分钟成交量之和 ÷ 该优势时刻成交量）的均值；恒非负，值越小说明普通投资者对大单成交的跟随越弱、未来潜在收益越高 | | `fz_wait_for_rescue__wait_for_rescue_mean` | `wait_for_rescue_mean` | 月均待著而救，过去 20 个交易日 follow_coefficient_daily 的均值；恒非负，值越小未来收益越高 | | `fz_wait_for_rescue__wait_for_rescue_std` | `wait_for_rescue_std` | 月稳待著而救，过去 20 个交易日 follow_coefficient_daily 的样本标准差，刻画跟随程度的稳定性；恒非负，值越小未来收益越高 | | `fz_wait_for_rescue__wait_for_rescue` | `wait_for_rescue` | 待著而救，wait_for_rescue_mean 与 wait_for_rescue_std 各自截面去极值标准化后等权合成，研报的最终合成因子；值越小未来收益越高 | | `fz_wait_for_rescue__wait_for_rescue_pure` | `wait_for_rescue_pure` | 纯净待著而救，wait_for_rescue 对申万一级行业哑变量与十个常见风格因子回归后的残差 | ### 光大证券一致交易因子（`cn_stock_factors_hf_gd_consistent_trade`） | 视图字段 | 源字段 | 原始含义 | | ---- | ---- | ---- | | `gd_consistent_trade__tcv` | `tcv` | 一致交易因子 TCV：当日一致交易 5 分钟 K 线成交量之和 / 当日成交量（5 分钟 K 线 \/C−O\/ ≥ α\/H−L\/ 记为一致交易, α=0.95）; 研报表 1 IC 7.78% / IR 0.84 | | `gd_consistent_trade__pcv` | `pcv` | 一致买入交易因子 PCV：当日上涨的一致交易 5 分钟 K 线成交量之和 / 当日成交量（α=0.95）; 研报表 1 IC 5.47% / IR 0.64, 2015-06 后基本失效 | | `gd_consistent_trade__ncv` | `ncv` | 一致卖出交易因子 NCV：当日下跌的一致交易 5 分钟 K 线成交量之和 / 当日成交量（α=0.95）; 研报核心因子, 表 1 IC 7.69% / IR 0.91; 值越大次月收益越高 | | `gd_consistent_trade__ncv_a90` | `ncv_a90` | 一致卖出交易因子 NCV（α=0.9）：同 ncv, 一致参数 α=0.9; 研报表 1 IC 6.64% / IR 0.82 | | `gd_consistent_trade__ncv_a80` | `ncv_a80` | 一致卖出交易因子 NCV（α=0.8）：同 ncv, 一致参数 α=0.8; 研报表 1 IC 4.53% / IR 0.53 | | `gd_consistent_trade__ncv_ma40` | `ncv_ma40` | 一致卖出交易因子 NCV（40 日简单移动平均）：ncv 的 40 个有效交易日均值; 研报表 6 简单移动平均中最优, 选股组合年化 19.5% / 夏普 0.97 | | `gd_consistent_trade__ncv_ema30` | `ncv_ema30` | 一致卖出交易因子 NCV（30 日指数移动平均）：ncv 的 30 日指数加权均值（α=2/31）; 研报选定的月度因子, 选股组合年化 22.0% / 夏普 1.09, 相对中证 500 超额 14.6% | | `gd_consistent_trade__ncv_ema30_pure` | `ncv_ema30_pure` | 一致卖出交易因子 NCV（中性化）：ncv_ema30 对对数市值、申万一级行业、20 日换手、20 日波动、VSTD、BP、ROE、经营现金流市值比截面回归的残差（式 7）; 研报中性后 IC 2.37% / IR 0.60 | ### 光大证券日内分时成交量比值因子（`cn_stock_factors_hf_gd_intraday_volume_ratio`） | 视图字段 | 源字段 | 原始含义 | | ---- | ---- | ---- | | `gd_intraday_volume_ratio__vr_ma_month` | `vr_ma_month` | 成交量比值 VR（自然月算术平均）：每日 (开盘集合竞价 + 09:30~10:00 成交量) / 13:00~13:30 成交量, 近一个自然月均值; 研报最优, 表 2 IC −7.10% / IR −0.75, 表 5 年化 15.5% / 夏普 0.95; 值越小（早盘成交越清淡、午盘越活跃）研报中次月收益越高 | | `gd_intraday_volume_ratio__vr_ma5` | `vr_ma5` | 成交量比值 VR（5 日算术平均）：每日 VR 的 5 个有效交易日算术平均; 研报表 2 IC −6.25% / IR −0.86; 值越小（早盘成交越清淡、午盘越活跃）研报中次月收益越高 | | `gd_intraday_volume_ratio__vr_ma10` | `vr_ma10` | 成交量比值 VR（10 日算术平均）：每日 VR 的 10 个有效交易日算术平均; 研报表 2 IC −7.19% / IR −0.85; 值越小（早盘成交越清淡、午盘越活跃）研报中次月收益越高 | | `gd_intraday_volume_ratio__vr_ma15` | `vr_ma15` | 成交量比值 VR（15 日算术平均）：每日 VR 的 15 个有效交易日算术平均; 研报表 2 IC −7.61% / IR −0.82; 值越小（早盘成交越清淡、午盘越活跃）研报中次月收益越高 | | `gd_intraday_volume_ratio__vr_ma20` | `vr_ma20` | 成交量比值 VR（20 日算术平均）：每日 VR 的 20 个有效交易日算术平均; 研报表 2 IC −7.19% / IR −0.77; 值越小（早盘成交越清淡、午盘越活跃）研报中次月收益越高 | | `gd_intraday_volume_ratio__vr_ma45` | `vr_ma45` | 成交量比值 VR（45 日算术平均）：每日 VR 的 45 个有效交易日算术平均; 研报表 2 IC −6.49% / IR −0.59, 表 5 年化 15.3% / 夏普 0.97; 值越小（早盘成交越清淡、午盘越活跃）研报中次月收益越高 | | `gd_intraday_volume_ratio__vr_ma60` | `vr_ma60` | 成交量比值 VR（60 日算术平均）：每日 VR 的 60 个有效交易日算术平均; 研报表 2 IC −6.15% / IR −0.54, 研报 3.5 节: 冲击成本较高时更优; 值越小（早盘成交越清淡、午盘越活跃）研报中次月收益越高 | | `gd_intraday_volume_ratio__vr_ema5` | `vr_ema5` | 成交量比值 VR（5 日指数加权平均）：每日 VR 的 5 个有效交易日指数加权平均; 研报表 3 IC −6.85% / IR −0.89; 值越小（早盘成交越清淡、午盘越活跃）研报中次月收益越高 | | `gd_intraday_volume_ratio__vr_ema10` | `vr_ema10` | 成交量比值 VR（10 日指数加权平均）：每日 VR 的 10 个有效交易日指数加权平均; 研报表 3 IC −7.53% / IR −0.87; 值越小（早盘成交越清淡、午盘越活跃）研报中次月收益越高 | | `gd_intraday_volume_ratio__vr_ema20` | `vr_ema20` | 成交量比值 VR（20 日指数加权平均）：每日 VR 的 20 个有效交易日指数加权平均; 研报表 3 IC −7.62% / IR −0.76; 值越小（早盘成交越清淡、午盘越活跃）研报中次月收益越高 | | `gd_intraday_volume_ratio__vr_ema25` | `vr_ema25` | 成交量比值 VR（25 日指数加权平均）：每日 VR 的 25 个有效交易日指数加权平均; 研报表 3 IC −7.53% / IR −0.72, 表 6 指数加权最优: 年化 14.5% / 夏普 0.89; 值越小（早盘成交越清淡、午盘越活跃）研报中次月收益越高 | | `gd_intraday_volume_ratio__vr_ma_month_pure` | `vr_ma_month_pure` | 成交量比值 VR（中性化）：vr_ma_month 对 VSTD、20 日收益波动、20 日换手率、对数总市值与申万一级行业截面回归的残差; 研报中性后 IC −2.13% / IR −0.42 | ### 光大证券K线最短路径非流动性因子（`cn_stock_factors_hf_gd_shortcut_illiq`） | 视图字段 | 源字段 | 原始含义 | | ---- | ---- | ---- | | `gd_shortcut_illiq__illiq_classic_1d_ma5` | `illiq_classic_1d_ma5` | 经典非流动性（日线·MA5）：每日 \/日收益率\/ / 日成交量（式 1, Amihud）, 5 个有效交易日均值; 研报表 1 IC 4.25% / IR 0.464; 值越大越不流动, 研报中未来收益越高 | | `gd_shortcut_illiq__illiq_classic_5m_ma5` | `illiq_classic_5m_ma5` | 经典非流动性（5 分钟·MA5）：每日 Σ_j \/5 分钟收益率_j\/ / 5 分钟成交量_j, 5 个有效交易日均值; 研报表 4 IC 3.77% / IR 0.484; 值越大越不流动, 研报中未来收益越高 | | `gd_shortcut_illiq__illiq_shortcut_1d_ma5` | `illiq_shortcut_1d_ma5` | K 线最短路径非流动性（日线·MA5）：每日 ShortCut / 日成交额（式 8, ShortCut = 2(H−L) − \/O−C\/）, 5 个有效交易日均值; 研报表 2 IC 3.96% / IR 0.412; 值越大越不流动, 研报中未来收益越高 | | `gd_shortcut_illiq__illiq_shortcut_60m_ma5` | `illiq_shortcut_60m_ma5` | K 线最短路径非流动性（60 分钟·MA5）：每日 Σ_j ShortCut_j / Value_j（式 9, 60 分钟 K 线）, 5 个有效交易日均值; 研报表 3 IC / IR 4.49% / 0.474; 值越大越不流动, 研报中未来收益越高 | | `gd_shortcut_illiq__illiq_shortcut_30m_ma5` | `illiq_shortcut_30m_ma5` | K 线最短路径非流动性（30 分钟·MA5）：每日 Σ_j ShortCut_j / Value_j（式 9, 30 分钟 K 线）, 5 个有效交易日均值; 研报表 3 IC / IR 4.59% / 0.488; 值越大越不流动, 研报中未来收益越高 | | `gd_shortcut_illiq__illiq_shortcut_15m_ma5` | `illiq_shortcut_15m_ma5` | K 线最短路径非流动性（15 分钟·MA5）：每日 Σ_j ShortCut_j / Value_j（式 9, 15 分钟 K 线）, 5 个有效交易日均值; 研报表 3 IC / IR 4.74% / 0.518; 值越大越不流动, 研报中未来收益越高 | | `gd_shortcut_illiq__illiq_shortcut_5m_ma5` | `illiq_shortcut_5m_ma5` | K 线最短路径非流动性（5 分钟·MA5）：每日 Σ_j ShortCut_j / Value_j（式 9, 5 分钟 K 线）, 5 个有效交易日均值; 研报表 3 IC / IR 4.72% / 0.570; 值越大越不流动, 研报中未来收益越高 | | `gd_shortcut_illiq__illiq_shortcut_5m_ma10` | `illiq_shortcut_5m_ma10` | K 线最短路径非流动性（5 分钟·MA10）：每日 Σ_j ShortCut_j / Value_j（式 9, 5 分钟 K 线）, 10 个有效交易日均值; 研报表 3 IC / IR 4.32% / 0.504; 值越大越不流动, 研报中未来收益越高 | | `gd_shortcut_illiq__illiq_shortcut_5m_ma15` | `illiq_shortcut_5m_ma15` | K 线最短路径非流动性（5 分钟·MA15）：每日 Σ_j ShortCut_j / Value_j（式 9, 5 分钟 K 线）, 15 个有效交易日均值; 研报表 3 IC / IR 4.08% / 0.472; 值越大越不流动, 研报中未来收益越高 | | `gd_shortcut_illiq__illiq_shortcut_5m_month` | `illiq_shortcut_5m_month` | K 线最短路径非流动性（5 分钟·自然月）：每日 Σ_j ShortCut_j / Value_j（式 9, 5 分钟 K 线）, 近一个自然月内有效交易日均值（至少 10 日）; 研报表 3 IC 3.87% / IR 0.451; 值越大越不流动, 研报中未来收益越高 | | `gd_shortcut_illiq__illiq_ts_5m_ma5` | `illiq_ts_5m_ma5` | TS 非流动性（5 分钟·MA5）：每日 Σ_j ShortCut_j / Σ_j Value_j（式 10 变形定义, 5 分钟 K 线）, 5 个有效交易日均值; 研报表 6 多空年化 14.4%; 值越大越不流动, 研报中未来收益越高 | | `gd_shortcut_illiq__illiq_ts_5m` | `illiq_ts_5m` | TS 非流动性（5 分钟）：研报最终因子: 当日 Σ_j ShortCut_j / Σ_j Value_j（式 10, 5 分钟 K 线）, 不做移动平均; 研报 IC 6.5% / IR 0.72, 多空年化 17.3%; 值越大越不流动, 研报中未来收益越高 | | `gd_shortcut_illiq__illiq_ts_5m_pure` | `illiq_ts_5m_pure` | TS 非流动性（中性化）：illiq_ts_5m 对申万一级行业、对数总市值、20 日动量、20 日换手率、20 日收益波动截面回归的残差（式 11）; 研报中性后 IC 3.5% / IR 0.39 | ### 广发证券高频矩变化残差波动因子（`cn_stock_factors_hf_gf_moment_resid_vol`） | 视图字段 | 源字段 | 原始含义 | | ---- | ---- | ---- | | `gf_moment_resid_vol__hf_moment_resid_std_20` | `hf_moment_resid_std_20` | 高频矩变化残差波动（20 日）：过去 20 个交易日个股日收益对上证综指日收益、日度已实现波动 / 偏度 / 峰度的日差分做带截距 OLS 的残差标准差; 研报主推因子（窗口未披露）, 全市场周频 IC −0.036、负 IC 占比 63.5%, 中证 500 内 IC −0.048; 值越小未来收益越高 | | `gf_moment_resid_vol__hf_moment_resid_std_40` | `hf_moment_resid_std_40` | 高频矩变化残差波动（40 日）：过去 40 个交易日个股日收益对上证综指日收益、日度已实现波动 / 偏度 / 峰度的日差分做带截距 OLS 的残差标准差; 同 hf_moment_resid_std_20, 回归窗口改为 40 日; 值越小未来收益越高 | | `gf_moment_resid_vol__hf_moment_resid_std_60` | `hf_moment_resid_std_60` | 高频矩变化残差波动（60 日）：过去 60 个交易日个股日收益对上证综指日收益、日度已实现波动 / 偏度 / 峰度的日差分做带截距 OLS 的残差标准差; 同 hf_moment_resid_std_20, 回归窗口改为 60 日; 值越小未来收益越高 | ### 华安证券昼夜分离反转因子（`cn_stock_factors_hf_ha_day_night_split`） | 视图字段 | 源字段 | 原始含义 | | ---- | ---- | ---- | | `ha_day_night_split__ret_seg_0930_1000_20` | `ret_seg_0930_1000_20` | 09:30-10:00 累计涨跌幅：过去 20 个有效交易日该半小时窗口对数收益 ln(窗口末价 / 窗口初价) 之和; 研报图表 15 IC −0.41%, rankIC −1.42%, 年化 ICIR −0.24, t −0.76（不显著）; 值越小未来收益越高 | | `ha_day_night_split__ret_seg_1000_1030_20` | `ret_seg_1000_1030_20` | 10:00-10:30 累计涨跌幅：过去 20 个有效交易日该半小时窗口对数收益 ln(窗口末价 / 窗口初价) 之和; 研报图表 15 IC −1.33%, rankIC −1.65%, 年化 ICIR −0.98, t −3.15; 值越小未来收益越高 | | `ha_day_night_split__ret_seg_1030_1100_20` | `ret_seg_1030_1100_20` | 10:30-11:00 累计涨跌幅：过去 20 个有效交易日该半小时窗口对数收益 ln(窗口末价 / 窗口初价) 之和; 研报图表 15 IC −1.51%, rankIC −1.69%, 年化 ICIR −1.11, t −3.59; 值越小未来收益越高 | | `ha_day_night_split__ret_seg_1100_1130_20` | `ret_seg_1100_1130_20` | 11:00-11:30 累计涨跌幅：过去 20 个有效交易日该半小时窗口对数收益 ln(窗口末价 / 窗口初价) 之和; 研报图表 15 IC −2.81%, rankIC −2.85%, 年化 ICIR −2.38, t −7.67; 值越小未来收益越高 | | `ha_day_night_split__ret_seg_1300_1330_20` | `ret_seg_1300_1330_20` | 13:00-13:30 累计涨跌幅：过去 20 个有效交易日该半小时窗口对数收益 ln(窗口末价 / 窗口初价) 之和; 研报图表 15 IC −3.51%, rankIC −4.17%, 年化 ICIR −2.68, t −8.65; 值越小未来收益越高 | | `ha_day_night_split__ret_seg_1330_1400_20` | `ret_seg_1330_1400_20` | 13:30-14:00 累计涨跌幅：过去 20 个有效交易日该半小时窗口对数收益 ln(窗口末价 / 窗口初价) 之和; 研报图表 15 IC −2.28%, rankIC −2.30%, 年化 ICIR −1.85, t −5.97; 值越小未来收益越高 | | `ha_day_night_split__ret_seg_1400_1430_20` | `ret_seg_1400_1430_20` | 14:00-14:30 累计涨跌幅：过去 20 个有效交易日该半小时窗口对数收益 ln(窗口末价 / 窗口初价) 之和; 研报图表 15 IC −2.13%, rankIC −1.92%, 年化 ICIR −1.81, t −5.85; 值越小未来收益越高 | | `ha_day_night_split__ret_seg_1430_1500_20` | `ret_seg_1430_1500_20` | 14:30-15:00 累计涨跌幅：过去 20 个有效交易日该半小时窗口对数收益 ln(窗口末价 / 窗口初价) 之和; 研报图表 15 IC −3.37%, rankIC −2.57%, 年化 ICIR −2.02, t −6.53; 值越小未来收益越高 | | `ha_day_night_split__abs_ret_night_10` | `abs_ret_night_10` | 隔夜跳空因子（10日）：过去 10 个有效交易日 \/ln(开盘价 / 前收)\/ 之和; 研报图表 38 月度调仓最优窗口, rankIC −7.25%, 年化 ICIR −2.28; 值越大未来收益越差 | | `ha_day_night_split__abs_ret_night_20` | `abs_ret_night_20` | 隔夜跳空因子（20日）：过去 20 个有效交易日 \/ln(开盘价 / 前收)\/ 之和; 研报 4.2 节 IC −4.34%, rankIC −7.09%, 年化 ICIR −2.74; 值越大未来收益越差 | | `ha_day_night_split__day_night_combo` | `day_night_combo` | 昼夜合成因子：0.6 × 黄金分割日内反转 Ret_10:00-close（20 日）+ 0.4 × 隔夜跳空 absRet_night（20 日）, 两者先截面去极值标准化; 研报中性后 IC −8.10%, 年化 ICIR −4.04 | | `ha_day_night_split__day_night_combo_pure` | `day_night_combo_pure` | 昼夜合成因子（市值行业中性）：day_night_combo 对对数总市值与申万一级行业截面回归的残差, 即研报的测试口径; 值越小未来收益越高 | ### 华安证券尾盘成交额占比因子（`cn_stock_factors_hf_ha_tail_amount`） | 视图字段 | 源字段 | 原始含义 | | ---- | ---- | ---- | | `ha_tail_amount__apl20_ma20` | `apl20_ma20` | 尾盘20分钟成交额占比（MA20）：每日最后 20 根分钟 bar 成交额 / 全天 240 根成交额, MA 20 日, 研报 3.3 节基准口径, IC −0.052 / 年化 ICIR −4.161; 值越小未来收益越高 | | `ha_tail_amount__apl20_ma5` | `apl20_ma5` | 尾盘20分钟成交额占比（MA5）：每日最后 20 根分钟 bar 成交额 / 全天 240 根成交额, MA 5 日, 研报图表 19 IC −0.048 / 年化 ICIR −5.340; 值越小未来收益越高 | | `ha_tail_amount__apl20_ma10` | `apl20_ma10` | 尾盘20分钟成交额占比（MA10）：每日最后 20 根分钟 bar 成交额 / 全天 240 根成交额, MA 10 日, 研报图表 19 IC −0.051 / 年化 ICIR −4.921; 值越小未来收益越高 | | `ha_tail_amount__apl20_ma15` | `apl20_ma15` | 尾盘20分钟成交额占比（MA15）：每日最后 20 根分钟 bar 成交额 / 全天 240 根成交额, MA 15 日, 研报图表 19 IC −0.052 / 年化 ICIR −4.470; 值越小未来收益越高 | | `ha_tail_amount__apl20_ewma5` | `apl20_ewma5` | 尾盘20分钟成交额占比（EWMA5）：每日最后 20 根分钟 bar 成交额 / 全天 240 根成交额, EWMA 5 日, 研报图表 20 IC −0.046 / 年化 ICIR −5.694; 值越小未来收益越高 | | `ha_tail_amount__apl20_ewma10` | `apl20_ewma10` | 尾盘20分钟成交额占比（EWMA10）：每日最后 20 根分钟 bar 成交额 / 全天 240 根成交额, EWMA 10 日, 研报图表 20 IC −0.052 / 年化 ICIR −5.506; 值越小未来收益越高 | | `ha_tail_amount__apl20_ewma15` | `apl20_ewma15` | 尾盘20分钟成交额占比（EWMA15）：每日最后 20 根分钟 bar 成交额 / 全天 240 根成交额, EWMA 15 日, 研报主推因子, 图表 20 IC −0.054 / 年化 ICIR −5.178; 值越小未来收益越高 | | `ha_tail_amount__apl20_ewma20` | `apl20_ewma20` | 尾盘20分钟成交额占比（EWMA20）：每日最后 20 根分钟 bar 成交额 / 全天 240 根成交额, EWMA 20 日, 研报图表 20 IC −0.055 / 年化 ICIR −4.890; 值越小未来收益越高 | | `ha_tail_amount__apl15_ewma15` | `apl15_ewma15` | 尾盘15分钟成交额占比（EWMA15）：每日最后 15 根分钟 bar 成交额 / 全天 240 根成交额, EWMA 15 日, 研报图表 20 IC −0.054 / 年化 ICIR −5.035; 值越小未来收益越高 | | `ha_tail_amount__apl18_ewma15` | `apl18_ewma15` | 尾盘18分钟成交额占比（EWMA15）：每日最后 18 根分钟 bar 成交额 / 全天 240 根成交额, EWMA 15 日, 研报图表 20 IC −0.054 / 年化 ICIR −5.171; 值越小未来收益越高 | | `ha_tail_amount__apl22_ewma15` | `apl22_ewma15` | 尾盘22分钟成交额占比（EWMA15）：每日最后 22 根分钟 bar 成交额 / 全天 240 根成交额, EWMA 15 日, 研报图表 20 IC −0.054 / 年化 ICIR −5.181; 值越小未来收益越高 | | `ha_tail_amount__apl25_ewma15` | `apl25_ewma15` | 尾盘25分钟成交额占比（EWMA15）：每日最后 25 根分钟 bar 成交额 / 全天 240 根成交额, EWMA 15 日, 研报图表 20 IC −0.053 / 年化 ICIR −5.101; 值越小未来收益越高 | | `ha_tail_amount__apl20_ewma15_pure` | `apl20_ewma15_pure` | 尾盘20分钟成交额占比（EWMA15, 中性后）：apl20_ewma15 对申万一级行业、对数市值、20 日动量、20 日波动、20 日换手截面回归的残差; 研报中性后 IC −5.43% | | `ha_tail_amount__ap240_ma20` | `ap240_ma20` | 收盘集合竞价成交额占比（MA20）：每日 15:00 bar（收盘集合竞价）成交额 / 全天成交额的 20 日均值; 研报图 6 中性后 IC 超过 −0.03 | | `ha_tail_amount__vma_20` | `vma_20` | 分钟成交额方差 VMA：当日 240 根分钟成交额的方差（总体口径）, 20 日均值; 研报图表 39 行业市值中性 IC −0.068, 五因子中性后 −0.023 | | `ha_tail_amount__sma_20` | `sma_20` | 分钟成交额偏度 SMA：当日 240 根分钟成交额的偏度, 20 日均值; 研报图表 39 IC −0.011, 无效 | | `ha_tail_amount__kma_20` | `kma_20` | 分钟成交额峰度 KMA：当日 240 根分钟成交额的峰度（非超额）, 20 日均值; 研报图表 39 IC −0.015, 无效 | | `ha_tail_amount__acma1_20` | `acma1_20` | 分钟成交额1阶自相关 ACMA1：当日 corr(Amount_(t−1), Amount_t), 20 日均值; 研报图表 45 五因子中性后 IC / 年化 ICIR −0.041 / −3.299, 空头效应显著 | | `ha_tail_amount__acma2_20` | `acma2_20` | 分钟成交额2阶自相关 ACMA2：当日 corr(Amount_(t−2), Amount_t), 20 日均值; 研报图表 45 五因子中性后 IC / 年化 ICIR −0.039 / −3.167, 空头效应显著 | | `ha_tail_amount__acma3_20` | `acma3_20` | 分钟成交额3阶自相关 ACMA3：当日 corr(Amount_(t−3), Amount_t), 20 日均值; 研报图表 45 五因子中性后 IC / 年化 ICIR −0.035 / −2.906, 空头效应显著 | | `ha_tail_amount__acma4_20` | `acma4_20` | 分钟成交额4阶自相关 ACMA4：当日 corr(Amount_(t−4), Amount_t), 20 日均值; 研报图表 45 五因子中性后 IC / 年化 ICIR −0.032 / −2.625, 空头效应显著 | | `ha_tail_amount__acma5_20` | `acma5_20` | 分钟成交额5阶自相关 ACMA5：当日 corr(Amount_(t−5), Amount_t), 20 日均值; 研报图表 45 五因子中性后 IC / 年化 ICIR −0.028 / −2.352, 空头效应显著 | ### 海通证券主动买入行为因子（`cn_stock_factors_hf_ht_active_buy`） | 视图字段 | 源字段 | 原始含义 | | ---- | ---- | ---- | | `ht_active_buy__buy_ratio_total_all` | `buy_ratio_total_all` | 全天主买占比（占全天成交）：全天时段时段主动买入额 / 当日成交额, 取过去 20 个有效交易日均值; 剔除涨跌停分钟 | | `ht_active_buy__buy_ratio_total_open` | `buy_ratio_total_open` | 开盘后主买占比（占全天成交）：开盘后时段时段主动买入额 / 当日成交额, 取过去 20 个有效交易日均值; 剔除涨跌停分钟 | | `ht_active_buy__buy_ratio_total_mid` | `buy_ratio_total_mid` | 盘中主买占比（占全天成交）：盘中时段时段主动买入额 / 当日成交额, 取过去 20 个有效交易日均值; 剔除涨跌停分钟 | | `ht_active_buy__buy_ratio_total_close` | `buy_ratio_total_close` | 收盘前主买占比（占全天成交）：收盘前时段时段主动买入额 / 当日成交额, 取过去 20 个有效交易日均值; 剔除涨跌停分钟 | | `ht_active_buy__buy_ratio_seg_all` | `buy_ratio_seg_all` | 全天主买占比（占同时段成交）：全天时段时段主动买入额 / 时段成交额, 取过去 20 个有效交易日均值; 剔除涨跌停分钟 | | `ht_active_buy__buy_ratio_seg_open` | `buy_ratio_seg_open` | 开盘后主买占比（占同时段成交）：开盘后时段时段主动买入额 / 时段成交额, 取过去 20 个有效交易日均值; 剔除涨跌停分钟 | | `ht_active_buy__buy_ratio_seg_mid` | `buy_ratio_seg_mid` | 盘中主买占比（占同时段成交）：盘中时段时段主动买入额 / 时段成交额, 取过去 20 个有效交易日均值; 剔除涨跌停分钟 | | `ht_active_buy__buy_ratio_seg_close` | `buy_ratio_seg_close` | 收盘前主买占比（占同时段成交）：收盘前时段时段主动买入额 / 时段成交额, 取过去 20 个有效交易日均值; 剔除涨跌停分钟 | | `ht_active_buy__intra_buy_strength_all` | `intra_buy_strength_all` | 全天日内主买强度：全天时段时段内各分钟主动买入额的 均值 / 标准差, 取过去 20 个有效交易日均值; 剔除涨跌停分钟 | | `ht_active_buy__intra_buy_strength_open` | `intra_buy_strength_open` | 开盘后日内主买强度：开盘后时段时段内各分钟主动买入额的 均值 / 标准差, 取过去 20 个有效交易日均值; 剔除涨跌停分钟 | | `ht_active_buy__intra_buy_strength_mid` | `intra_buy_strength_mid` | 盘中日内主买强度：盘中时段时段内各分钟主动买入额的 均值 / 标准差, 取过去 20 个有效交易日均值; 剔除涨跌停分钟 | | `ht_active_buy__intra_buy_strength_close` | `intra_buy_strength_close` | 收盘前日内主买强度：收盘前时段时段内各分钟主动买入额的 均值 / 标准差, 取过去 20 个有效交易日均值; 剔除涨跌停分钟 | | `ht_active_buy__intra_net_buy_strength_all` | `intra_net_buy_strength_all` | 全天日内净主买强度：全天时段时段内各分钟（主动买入额 - 主动卖出额）的 均值 / 标准差, 取过去 20 个有效交易日均值; 剔除涨跌停分钟 | | `ht_active_buy__intra_net_buy_strength_open` | `intra_net_buy_strength_open` | 开盘后日内净主买强度：开盘后时段时段内各分钟（主动买入额 - 主动卖出额）的 均值 / 标准差, 取过去 20 个有效交易日均值; 剔除涨跌停分钟 | | `ht_active_buy__intra_net_buy_strength_mid` | `intra_net_buy_strength_mid` | 盘中日内净主买强度：盘中时段时段内各分钟（主动买入额 - 主动卖出额）的 均值 / 标准差, 取过去 20 个有效交易日均值; 剔除涨跌停分钟 | | `ht_active_buy__intra_net_buy_strength_close` | `intra_net_buy_strength_close` | 收盘前日内净主买强度：收盘前时段时段内各分钟（主动买入额 - 主动卖出额）的 均值 / 标准差, 取过去 20 个有效交易日均值; 剔除涨跌停分钟 | | `ht_active_buy__inter_buy_strength_all` | `inter_buy_strength_all` | 全天日间主买强度：全天时段过去 20 个有效交易日的日度时段主动买入额序列的 均值 / 标准差; 剔除涨跌停分钟 | | `ht_active_buy__inter_buy_strength_open` | `inter_buy_strength_open` | 开盘后日间主买强度：开盘后时段过去 20 个有效交易日的日度时段主动买入额序列的 均值 / 标准差; 剔除涨跌停分钟 | | `ht_active_buy__inter_buy_strength_mid` | `inter_buy_strength_mid` | 盘中日间主买强度：盘中时段过去 20 个有效交易日的日度时段主动买入额序列的 均值 / 标准差; 剔除涨跌停分钟 | | `ht_active_buy__inter_buy_strength_close` | `inter_buy_strength_close` | 收盘前日间主买强度：收盘前时段过去 20 个有效交易日的日度时段主动买入额序列的 均值 / 标准差; 剔除涨跌停分钟 | | `ht_active_buy__inter_net_buy_strength_all` | `inter_net_buy_strength_all` | 全天日间净主买强度：全天时段过去 20 个有效交易日的日度时段净主买额序列的 均值 / 标准差; 剔除涨跌停分钟 | | `ht_active_buy__inter_net_buy_strength_open` | `inter_net_buy_strength_open` | 开盘后日间净主买强度：开盘后时段过去 20 个有效交易日的日度时段净主买额序列的 均值 / 标准差; 剔除涨跌停分钟 | | `ht_active_buy__inter_net_buy_strength_mid` | `inter_net_buy_strength_mid` | 盘中日间净主买强度：盘中时段过去 20 个有效交易日的日度时段净主买额序列的 均值 / 标准差; 剔除涨跌停分钟 | | `ht_active_buy__inter_net_buy_strength_close` | `inter_net_buy_strength_close` | 收盘前日间净主买强度：收盘前时段过去 20 个有效交易日的日度时段净主买额序列的 均值 / 标准差; 剔除涨跌停分钟 | | `ht_active_buy__inter_buy_ratio_total_strength_all` | `inter_buy_ratio_total_strength_all` | 全天日间主买占比强度（占全天成交）：全天时段过去 20 个有效交易日的日度「时段主买额 / 当日成交额」序列的 均值 / 标准差; 剔除涨跌停分钟 | | `ht_active_buy__inter_buy_ratio_total_strength_open` | `inter_buy_ratio_total_strength_open` | 开盘后日间主买占比强度（占全天成交）：开盘后时段过去 20 个有效交易日的日度「时段主买额 / 当日成交额」序列的 均值 / 标准差; 剔除涨跌停分钟 | | `ht_active_buy__inter_buy_ratio_total_strength_mid` | `inter_buy_ratio_total_strength_mid` | 盘中日间主买占比强度（占全天成交）：盘中时段过去 20 个有效交易日的日度「时段主买额 / 当日成交额」序列的 均值 / 标准差; 剔除涨跌停分钟 | | `ht_active_buy__inter_buy_ratio_total_strength_close` | `inter_buy_ratio_total_strength_close` | 收盘前日间主买占比强度（占全天成交）：收盘前时段过去 20 个有效交易日的日度「时段主买额 / 当日成交额」序列的 均值 / 标准差; 剔除涨跌停分钟 | | `ht_active_buy__inter_net_ratio_total_strength_all` | `inter_net_ratio_total_strength_all` | 全天日间净买占比强度（占全天成交）：全天时段过去 20 个有效交易日的日度「时段净主买额 / 当日成交额」序列的 均值 / 标准差; 剔除涨跌停分钟 | | `ht_active_buy__inter_net_ratio_total_strength_open` | `inter_net_ratio_total_strength_open` | 开盘后日间净买占比强度（占全天成交）：开盘后时段过去 20 个有效交易日的日度「时段净主买额 / 当日成交额」序列的 均值 / 标准差; 剔除涨跌停分钟 | | `ht_active_buy__inter_net_ratio_total_strength_mid` | `inter_net_ratio_total_strength_mid` | 盘中日间净买占比强度（占全天成交）：盘中时段过去 20 个有效交易日的日度「时段净主买额 / 当日成交额」序列的 均值 / 标准差; 剔除涨跌停分钟 | | `ht_active_buy__inter_net_ratio_total_strength_close` | `inter_net_ratio_total_strength_close` | 收盘前日间净买占比强度（占全天成交）：收盘前时段过去 20 个有效交易日的日度「时段净主买额 / 当日成交额」序列的 均值 / 标准差; 剔除涨跌停分钟 | | `ht_active_buy__inter_buy_ratio_seg_strength_all` | `inter_buy_ratio_seg_strength_all` | 全天日间主买占比强度（占同时段成交）：全天时段过去 20 个有效交易日的日度「时段主买额 / 时段成交额」序列的 均值 / 标准差; 剔除涨跌停分钟 | | `ht_active_buy__inter_buy_ratio_seg_strength_open` | `inter_buy_ratio_seg_strength_open` | 开盘后日间主买占比强度（占同时段成交）：开盘后时段过去 20 个有效交易日的日度「时段主买额 / 时段成交额」序列的 均值 / 标准差; 剔除涨跌停分钟 | | `ht_active_buy__inter_buy_ratio_seg_strength_mid` | `inter_buy_ratio_seg_strength_mid` | 盘中日间主买占比强度（占同时段成交）：盘中时段过去 20 个有效交易日的日度「时段主买额 / 时段成交额」序列的 均值 / 标准差; 剔除涨跌停分钟 | | `ht_active_buy__inter_buy_ratio_seg_strength_close` | `inter_buy_ratio_seg_strength_close` | 收盘前日间主买占比强度（占同时段成交）：收盘前时段过去 20 个有效交易日的日度「时段主买额 / 时段成交额」序列的 均值 / 标准差; 剔除涨跌停分钟 | | `ht_active_buy__inter_net_ratio_seg_strength_all` | `inter_net_ratio_seg_strength_all` | 全天日间净买占比强度（占同时段成交）：全天时段过去 20 个有效交易日的日度「时段净主买额 / 时段成交额」序列的 均值 / 标准差; 剔除涨跌停分钟 | | `ht_active_buy__inter_net_ratio_seg_strength_open` | `inter_net_ratio_seg_strength_open` | 开盘后日间净买占比强度（占同时段成交）：开盘后时段过去 20 个有效交易日的日度「时段净主买额 / 时段成交额」序列的 均值 / 标准差; 剔除涨跌停分钟 | | `ht_active_buy__inter_net_ratio_seg_strength_mid` | `inter_net_ratio_seg_strength_mid` | 盘中日间净买占比强度（占同时段成交）：盘中时段过去 20 个有效交易日的日度「时段净主买额 / 时段成交额」序列的 均值 / 标准差; 剔除涨跌停分钟 | | `ht_active_buy__inter_net_ratio_seg_strength_close` | `inter_net_ratio_seg_strength_close` | 收盘前日间净买占比强度（占同时段成交）：收盘前时段过去 20 个有效交易日的日度「时段净主买额 / 时段成交额」序列的 均值 / 标准差; 剔除涨跌停分钟 | | `ht_active_buy__buy_ratio_total_all_orth` | `buy_ratio_total_all_orth` | 全天主买占比（占全天成交）（正交）：buy_ratio_total_all 对市值、中盘（非线性市值）、换手、20 日反转、20 日波动截面回归的残差 | | `ht_active_buy__buy_ratio_total_open_orth` | `buy_ratio_total_open_orth` | 开盘后主买占比（占全天成交）（正交）：buy_ratio_total_open 对市值、中盘（非线性市值）、换手、20 日反转、20 日波动截面回归的残差 | | `ht_active_buy__buy_ratio_total_mid_orth` | `buy_ratio_total_mid_orth` | 盘中主买占比（占全天成交）（正交）：buy_ratio_total_mid 对市值、中盘（非线性市值）、换手、20 日反转、20 日波动截面回归的残差 | | `ht_active_buy__buy_ratio_total_close_orth` | `buy_ratio_total_close_orth` | 收盘前主买占比（占全天成交）（正交）：buy_ratio_total_close 对市值、中盘（非线性市值）、换手、20 日反转、20 日波动截面回归的残差 | | `ht_active_buy__buy_ratio_seg_all_orth` | `buy_ratio_seg_all_orth` | 全天主买占比（占同时段成交）（正交）：buy_ratio_seg_all 对市值、中盘（非线性市值）、换手、20 日反转、20 日波动截面回归的残差 | | `ht_active_buy__buy_ratio_seg_open_orth` | `buy_ratio_seg_open_orth` | 开盘后主买占比（占同时段成交）（正交）：buy_ratio_seg_open 对市值、中盘（非线性市值）、换手、20 日反转、20 日波动截面回归的残差 | | `ht_active_buy__buy_ratio_seg_mid_orth` | `buy_ratio_seg_mid_orth` | 盘中主买占比（占同时段成交）（正交）：buy_ratio_seg_mid 对市值、中盘（非线性市值）、换手、20 日反转、20 日波动截面回归的残差 | | `ht_active_buy__buy_ratio_seg_close_orth` | `buy_ratio_seg_close_orth` | 收盘前主买占比（占同时段成交）（正交）：buy_ratio_seg_close 对市值、中盘（非线性市值）、换手、20 日反转、20 日波动截面回归的残差 | | `ht_active_buy__intra_buy_strength_all_orth` | `intra_buy_strength_all_orth` | 全天日内主买强度（正交）：intra_buy_strength_all 对市值、中盘（非线性市值）、换手、20 日反转、20 日波动截面回归的残差 | | `ht_active_buy__intra_buy_strength_open_orth` | `intra_buy_strength_open_orth` | 开盘后日内主买强度（正交）：intra_buy_strength_open 对市值、中盘（非线性市值）、换手、20 日反转、20 日波动截面回归的残差 | | `ht_active_buy__intra_buy_strength_mid_orth` | `intra_buy_strength_mid_orth` | 盘中日内主买强度（正交）：intra_buy_strength_mid 对市值、中盘（非线性市值）、换手、20 日反转、20 日波动截面回归的残差 | | `ht_active_buy__intra_buy_strength_close_orth` | `intra_buy_strength_close_orth` | 收盘前日内主买强度（正交）：intra_buy_strength_close 对市值、中盘（非线性市值）、换手、20 日反转、20 日波动截面回归的残差 | | `ht_active_buy__intra_net_buy_strength_all_orth` | `intra_net_buy_strength_all_orth` | 全天日内净主买强度（正交）：intra_net_buy_strength_all 对市值、中盘（非线性市值）、换手、20 日反转、20 日波动截面回归的残差 | | `ht_active_buy__intra_net_buy_strength_open_orth` | `intra_net_buy_strength_open_orth` | 开盘后日内净主买强度（正交）：intra_net_buy_strength_open 对市值、中盘（非线性市值）、换手、20 日反转、20 日波动截面回归的残差 | | `ht_active_buy__intra_net_buy_strength_mid_orth` | `intra_net_buy_strength_mid_orth` | 盘中日内净主买强度（正交）：intra_net_buy_strength_mid 对市值、中盘（非线性市值）、换手、20 日反转、20 日波动截面回归的残差 | | `ht_active_buy__intra_net_buy_strength_close_orth` | `intra_net_buy_strength_close_orth` | 收盘前日内净主买强度（正交）：intra_net_buy_strength_close 对市值、中盘（非线性市值）、换手、20 日反转、20 日波动截面回归的残差 | | `ht_active_buy__inter_buy_strength_all_orth` | `inter_buy_strength_all_orth` | 全天日间主买强度（正交）：inter_buy_strength_all 对市值、中盘（非线性市值）、换手、20 日反转、20 日波动截面回归的残差 | | `ht_active_buy__inter_buy_strength_open_orth` | `inter_buy_strength_open_orth` | 开盘后日间主买强度（正交）：inter_buy_strength_open 对市值、中盘（非线性市值）、换手、20 日反转、20 日波动截面回归的残差 | | `ht_active_buy__inter_buy_strength_mid_orth` | `inter_buy_strength_mid_orth` | 盘中日间主买强度（正交）：inter_buy_strength_mid 对市值、中盘（非线性市值）、换手、20 日反转、20 日波动截面回归的残差 | | `ht_active_buy__inter_buy_strength_close_orth` | `inter_buy_strength_close_orth` | 收盘前日间主买强度（正交）：inter_buy_strength_close 对市值、中盘（非线性市值）、换手、20 日反转、20 日波动截面回归的残差 | | `ht_active_buy__inter_net_buy_strength_all_orth` | `inter_net_buy_strength_all_orth` | 全天日间净主买强度（正交）：inter_net_buy_strength_all 对市值、中盘（非线性市值）、换手、20 日反转、20 日波动截面回归的残差 | | `ht_active_buy__inter_net_buy_strength_open_orth` | `inter_net_buy_strength_open_orth` | 开盘后日间净主买强度（正交）：inter_net_buy_strength_open 对市值、中盘（非线性市值）、换手、20 日反转、20 日波动截面回归的残差 | | `ht_active_buy__inter_net_buy_strength_mid_orth` | `inter_net_buy_strength_mid_orth` | 盘中日间净主买强度（正交）：inter_net_buy_strength_mid 对市值、中盘（非线性市值）、换手、20 日反转、20 日波动截面回归的残差 | | `ht_active_buy__inter_net_buy_strength_close_orth` | `inter_net_buy_strength_close_orth` | 收盘前日间净主买强度（正交）：inter_net_buy_strength_close 对市值、中盘（非线性市值）、换手、20 日反转、20 日波动截面回归的残差 | | `ht_active_buy__inter_buy_ratio_total_strength_all_orth` | `inter_buy_ratio_total_strength_all_orth` | 全天日间主买占比强度（占全天成交）（正交）：inter_buy_ratio_total_strength_all 对市值、中盘（非线性市值）、换手、20 日反转、20 日波动截面回归的残差 | | `ht_active_buy__inter_buy_ratio_total_strength_open_orth` | `inter_buy_ratio_total_strength_open_orth` | 开盘后日间主买占比强度（占全天成交）（正交）：inter_buy_ratio_total_strength_open 对市值、中盘（非线性市值）、换手、20 日反转、20 日波动截面回归的残差 | | `ht_active_buy__inter_buy_ratio_total_strength_mid_orth` | `inter_buy_ratio_total_strength_mid_orth` | 盘中日间主买占比强度（占全天成交）（正交）：inter_buy_ratio_total_strength_mid 对市值、中盘（非线性市值）、换手、20 日反转、20 日波动截面回归的残差 | | `ht_active_buy__inter_buy_ratio_total_strength_close_orth` | `inter_buy_ratio_total_strength_close_orth` | 收盘前日间主买占比强度（占全天成交）（正交）：inter_buy_ratio_total_strength_close 对市值、中盘（非线性市值）、换手、20 日反转、20 日波动截面回归的残差 | | `ht_active_buy__inter_net_ratio_total_strength_all_orth` | `inter_net_ratio_total_strength_all_orth` | 全天日间净买占比强度（占全天成交）（正交）：inter_net_ratio_total_strength_all 对市值、中盘（非线性市值）、换手、20 日反转、20 日波动截面回归的残差 | | `ht_active_buy__inter_net_ratio_total_strength_open_orth` | `inter_net_ratio_total_strength_open_orth` | 开盘后日间净买占比强度（占全天成交）（正交）：inter_net_ratio_total_strength_open 对市值、中盘（非线性市值）、换手、20 日反转、20 日波动截面回归的残差 | | `ht_active_buy__inter_net_ratio_total_strength_mid_orth` | `inter_net_ratio_total_strength_mid_orth` | 盘中日间净买占比强度（占全天成交）（正交）：inter_net_ratio_total_strength_mid 对市值、中盘（非线性市值）、换手、20 日反转、20 日波动截面回归的残差 | | `ht_active_buy__inter_net_ratio_total_strength_close_orth` | `inter_net_ratio_total_strength_close_orth` | 收盘前日间净买占比强度（占全天成交）（正交）：inter_net_ratio_total_strength_close 对市值、中盘（非线性市值）、换手、20 日反转、20 日波动截面回归的残差 | | `ht_active_buy__inter_buy_ratio_seg_strength_all_orth` | `inter_buy_ratio_seg_strength_all_orth` | 全天日间主买占比强度（占同时段成交）（正交）：inter_buy_ratio_seg_strength_all 对市值、中盘（非线性市值）、换手、20 日反转、20 日波动截面回归的残差 | | `ht_active_buy__inter_buy_ratio_seg_strength_open_orth` | `inter_buy_ratio_seg_strength_open_orth` | 开盘后日间主买占比强度（占同时段成交）（正交）：inter_buy_ratio_seg_strength_open 对市值、中盘（非线性市值）、换手、20 日反转、20 日波动截面回归的残差 | | `ht_active_buy__inter_buy_ratio_seg_strength_mid_orth` | `inter_buy_ratio_seg_strength_mid_orth` | 盘中日间主买占比强度（占同时段成交）（正交）：inter_buy_ratio_seg_strength_mid 对市值、中盘（非线性市值）、换手、20 日反转、20 日波动截面回归的残差 | | `ht_active_buy__inter_buy_ratio_seg_strength_close_orth` | `inter_buy_ratio_seg_strength_close_orth` | 收盘前日间主买占比强度（占同时段成交）（正交）：inter_buy_ratio_seg_strength_close 对市值、中盘（非线性市值）、换手、20 日反转、20 日波动截面回归的残差 | | `ht_active_buy__inter_net_ratio_seg_strength_all_orth` | `inter_net_ratio_seg_strength_all_orth` | 全天日间净买占比强度（占同时段成交）（正交）：inter_net_ratio_seg_strength_all 对市值、中盘（非线性市值）、换手、20 日反转、20 日波动截面回归的残差 | | `ht_active_buy__inter_net_ratio_seg_strength_open_orth` | `inter_net_ratio_seg_strength_open_orth` | 开盘后日间净买占比强度（占同时段成交）（正交）：inter_net_ratio_seg_strength_open 对市值、中盘（非线性市值）、换手、20 日反转、20 日波动截面回归的残差 | | `ht_active_buy__inter_net_ratio_seg_strength_mid_orth` | `inter_net_ratio_seg_strength_mid_orth` | 盘中日间净买占比强度（占同时段成交）（正交）：inter_net_ratio_seg_strength_mid 对市值、中盘（非线性市值）、换手、20 日反转、20 日波动截面回归的残差 | | `ht_active_buy__inter_net_ratio_seg_strength_close_orth` | `inter_net_ratio_seg_strength_close_orth` | 收盘前日间净买占比强度（占同时段成交）（正交）：inter_net_ratio_seg_strength_close 对市值、中盘（非线性市值）、换手、20 日反转、20 日波动截面回归的残差 | ### 海通证券分钟高频因子正交版（`cn_stock_factors_hf_ht_hf_collection`） | 视图字段 | 源字段 | 原始含义 | | ---- | ---- | ---- | | `ht_hf_collection__hf_skew_20_orth69` | `hf_skew_20_orth69` | 正交高频偏度（T=20，六十九口径）：每日 √N·Σr³/(Σr²)^1.5（1 分钟对数收益） 过去 20 个有效交易日均值后, 对申万一级行业、市值、中盘（非线性市值）、20 日反转、20 日波动、20 日换手截面回归的残差（海通六十九口径） | | `ht_hf_collection__down_vol_ratio_20_orth69` | `down_vol_ratio_20_orth69` | 正交下行波动占比（T=20，六十九口径）：每日 Σr²·I(r<0)/Σr² 过去 20 个有效交易日均值后, 对申万一级行业、市值、中盘（非线性市值）、20 日反转、20 日波动、20 日换手截面回归的残差（海通六十九口径） | | `ht_hf_collection__tail_vol_ratio_20_orth69` | `tail_vol_ratio_20_orth69` | 正交尾盘成交占比（T=20，六十九口径）：每日 14:30-15:00 成交量 / 全天成交量 过去 20 个有效交易日均值后, 对申万一级行业、市值、中盘（非线性市值）、20 日反转、20 日波动、20 日换手截面回归的残差（海通六十九口径） | | `ht_hf_collection__pv_corr_20_orth69` | `pv_corr_20_orth69` | 正交高频量价相关性（T=20，六十九口径）：每日 corr(1 分钟收盘价, 1 分钟成交量 / 全天成交量) 过去 20 个有效交易日均值后, 对申万一级行业、市值、中盘（非线性市值）、20 日反转、20 日波动、20 日换手截面回归的残差（海通六十九口径） | | `ht_hf_collection__improved_reversal_20_orth69` | `improved_reversal_20_orth69` | 正交改进反转（T=20，六十九口径）：每日 Close_15:00/Close_10:00 过去 20 个有效交易日累乘减 1后, 对申万一级行业、市值、中盘（非线性市值）、20 日反转、20 日波动、20 日换手截面回归的残差（海通六十九口径） | | `ht_hf_collection__hf_skew_5_orth69` | `hf_skew_5_orth69` | 正交高频偏度（T=5，六十九口径）：每日 √N·Σr³/(Σr²)^1.5（1 分钟对数收益） 过去 5 个有效交易日均值后, 对申万一级行业、市值、中盘（非线性市值）、20 日反转、20 日波动、20 日换手截面回归的残差（海通六十九口径） | | `ht_hf_collection__down_vol_ratio_5_orth69` | `down_vol_ratio_5_orth69` | 正交下行波动占比（T=5，六十九口径）：每日 Σr²·I(r<0)/Σr² 过去 5 个有效交易日均值后, 对申万一级行业、市值、中盘（非线性市值）、20 日反转、20 日波动、20 日换手截面回归的残差（海通六十九口径） | | `ht_hf_collection__tail_vol_ratio_5_orth69` | `tail_vol_ratio_5_orth69` | 正交尾盘成交占比（T=5，六十九口径）：每日 14:30-15:00 成交量 / 全天成交量 过去 5 个有效交易日均值后, 对申万一级行业、市值、中盘（非线性市值）、20 日反转、20 日波动、20 日换手截面回归的残差（海通六十九口径） | | `ht_hf_collection__pv_corr_5_orth69` | `pv_corr_5_orth69` | 正交高频量价相关性（T=5，六十九口径）：每日 corr(1 分钟收盘价, 1 分钟成交量 / 全天成交量) 过去 5 个有效交易日均值后, 对申万一级行业、市值、中盘（非线性市值）、20 日反转、20 日波动、20 日换手截面回归的残差（海通六十九口径） | | `ht_hf_collection__improved_reversal_5_orth69` | `improved_reversal_5_orth69` | 正交改进反转（T=5，六十九口径）：每日 Close_15:00/Close_10:00 过去 5 个有效交易日累乘减 1后, 对申万一级行业、市值、中盘（非线性市值）、20 日反转、20 日波动、20 日换手截面回归的残差（海通六十九口径） | ### 海通证券高频量价因子（`cn_stock_factors_hf_ht_hf_price_volume`） | 视图字段 | 源字段 | 原始含义 | | ---- | ---- | ---- | | `ht_hf_price_volume__down_vol_ratio_1m_20` | `down_vol_ratio_1m_20` | 高频下行波动占比：每日 Σr²·I(r<0) / Σr²（1 分钟对数收益）, 过去 20 个有效交易日均值; 研报中值越大未来收益越高 | | `ht_hf_price_volume__vol_ratio_hh1_20` | `vol_ratio_hh1_20` | 第 1 个半小时成交量占比（09:30-10:00）：每日 09:30-10:00 成交量 / 全天连续竞价成交量, 过去 20 个有效交易日均值 | | `ht_hf_price_volume__vol_ratio_hh2_20` | `vol_ratio_hh2_20` | 第 2 个半小时成交量占比（10:00-10:30）：每日 10:00-10:30 成交量 / 全天连续竞价成交量, 过去 20 个有效交易日均值 | | `ht_hf_price_volume__vol_ratio_hh3_20` | `vol_ratio_hh3_20` | 第 3 个半小时成交量占比（10:30-11:00）：每日 10:30-11:00 成交量 / 全天连续竞价成交量, 过去 20 个有效交易日均值 | | `ht_hf_price_volume__vol_ratio_hh4_20` | `vol_ratio_hh4_20` | 第 4 个半小时成交量占比（11:00-11:30）：每日 11:00-11:30 成交量 / 全天连续竞价成交量, 过去 20 个有效交易日均值 | | `ht_hf_price_volume__vol_ratio_hh5_20` | `vol_ratio_hh5_20` | 第 5 个半小时成交量占比（13:00-13:30）：每日 13:00-13:30 成交量 / 全天连续竞价成交量, 过去 20 个有效交易日均值 | | `ht_hf_price_volume__vol_ratio_hh6_20` | `vol_ratio_hh6_20` | 第 6 个半小时成交量占比（13:30-14:00）：每日 13:30-14:00 成交量 / 全天连续竞价成交量, 过去 20 个有效交易日均值 | | `ht_hf_price_volume__vol_ratio_hh7_20` | `vol_ratio_hh7_20` | 第 7 个半小时成交量占比（14:00-14:30）：每日 14:00-14:30 成交量 / 全天连续竞价成交量, 过去 20 个有效交易日均值 | | `ht_hf_price_volume__vol_ratio_hh8_20` | `vol_ratio_hh8_20` | 第 8 个半小时成交量占比（14:30-15:00）：每日 14:30-15:00 成交量 / 全天连续竞价成交量, 过去 20 个有效交易日均值 | | `ht_hf_price_volume__pv_corr_1m_20` | `pv_corr_1m_20` | 高频量价相关性：每日 1 分钟收盘价与成交量的 Pearson 相关系数, 过去 20 个有效交易日均值; 研报中值越小未来收益越高 | | `ht_hf_price_volume__trend_strength_20` | `trend_strength_20` | 趋势强度：每日 (P_n − P_1) / Σ\/P_i − P_{i−1}\/（1 分钟收盘价位移 / 路程）, 过去 20 个有效交易日均值 | | `ht_hf_price_volume__improved_reversal_20` | `improved_reversal_20` | 改进反转：每日剔除隔夜与开盘后半小时的涨幅 Close_15:00 / Close_10:00 − 1, 过去 20 个有效交易日累乘; 研报中值越小未来收益越高 | | `ht_hf_price_volume__down_vol_ratio_1m_20_pure` | `down_vol_ratio_1m_20_pure` | 正交高频下行波动占比：down_vol_ratio_1m_20 对申万一级行业、市值、非线性市值、20 日反转、20 日换手、20 日特异度截面回归的残差 | | `ht_hf_price_volume__vol_ratio_hh1_20_pure` | `vol_ratio_hh1_20_pure` | 正交第 1 个半小时成交量占比（09:30-10:00）：vol_ratio_hh1_20 对申万一级行业、市值、非线性市值、20 日反转、20 日换手、20 日特异度截面回归的残差 | | `ht_hf_price_volume__vol_ratio_hh2_20_pure` | `vol_ratio_hh2_20_pure` | 正交第 2 个半小时成交量占比（10:00-10:30）：vol_ratio_hh2_20 对申万一级行业、市值、非线性市值、20 日反转、20 日换手、20 日特异度截面回归的残差 | | `ht_hf_price_volume__vol_ratio_hh3_20_pure` | `vol_ratio_hh3_20_pure` | 正交第 3 个半小时成交量占比（10:30-11:00）：vol_ratio_hh3_20 对申万一级行业、市值、非线性市值、20 日反转、20 日换手、20 日特异度截面回归的残差 | | `ht_hf_price_volume__vol_ratio_hh4_20_pure` | `vol_ratio_hh4_20_pure` | 正交第 4 个半小时成交量占比（11:00-11:30）：vol_ratio_hh4_20 对申万一级行业、市值、非线性市值、20 日反转、20 日换手、20 日特异度截面回归的残差 | | `ht_hf_price_volume__vol_ratio_hh5_20_pure` | `vol_ratio_hh5_20_pure` | 正交第 5 个半小时成交量占比（13:00-13:30）：vol_ratio_hh5_20 对申万一级行业、市值、非线性市值、20 日反转、20 日换手、20 日特异度截面回归的残差 | | `ht_hf_price_volume__vol_ratio_hh6_20_pure` | `vol_ratio_hh6_20_pure` | 正交第 6 个半小时成交量占比（13:30-14:00）：vol_ratio_hh6_20 对申万一级行业、市值、非线性市值、20 日反转、20 日换手、20 日特异度截面回归的残差 | | `ht_hf_price_volume__vol_ratio_hh7_20_pure` | `vol_ratio_hh7_20_pure` | 正交第 7 个半小时成交量占比（14:00-14:30）：vol_ratio_hh7_20 对申万一级行业、市值、非线性市值、20 日反转、20 日换手、20 日特异度截面回归的残差 | | `ht_hf_price_volume__vol_ratio_hh8_20_pure` | `vol_ratio_hh8_20_pure` | 正交第 8 个半小时成交量占比（14:30-15:00）：vol_ratio_hh8_20 对申万一级行业、市值、非线性市值、20 日反转、20 日换手、20 日特异度截面回归的残差 | | `ht_hf_price_volume__pv_corr_1m_20_pure` | `pv_corr_1m_20_pure` | 正交高频量价相关性：pv_corr_1m_20 对申万一级行业、市值、非线性市值、20 日反转、20 日换手、20 日特异度截面回归的残差 | | `ht_hf_price_volume__trend_strength_20_pure` | `trend_strength_20_pure` | 正交趋势强度：trend_strength_20 对申万一级行业、市值、非线性市值、20 日反转、20 日换手、20 日特异度截面回归的残差 | | `ht_hf_price_volume__improved_reversal_20_pure` | `improved_reversal_20_pure` | 正交改进反转：improved_reversal_20 对申万一级行业、市值、非线性市值、20 日反转、20 日换手、20 日特异度截面回归的残差 | ### 海通证券知情交易与主买主卖因子（`cn_stock_factors_hf_ht_informed_trade`） | 视图字段 | 源字段 | 原始含义 | | ---- | ---- | ---- | | `ht_informed_trade__informed_sell_ratio_total_all` | `informed_sell_ratio_total_all` | 全天知情主卖占比（占全天成交额）：全天时段知情主卖额 / 当日成交额, 剔除涨跌停分钟, 取过去 20 个有效交易日均值; 值越高研报中未来收益越低 | | `ht_informed_trade__informed_sell_ratio_total_open` | `informed_sell_ratio_total_open` | 开盘后知情主卖占比（占全天成交额）：开盘后时段知情主卖额 / 当日成交额, 剔除涨跌停分钟, 取过去 20 个有效交易日均值; 值越高研报中未来收益越低 | | `ht_informed_trade__informed_sell_ratio_total_mid` | `informed_sell_ratio_total_mid` | 盘中知情主卖占比（占全天成交额）：盘中时段知情主卖额 / 当日成交额, 剔除涨跌停分钟, 取过去 20 个有效交易日均值; 值越高研报中未来收益越低 | | `ht_informed_trade__informed_sell_ratio_total_close` | `informed_sell_ratio_total_close` | 收盘前知情主卖占比（占全天成交额）：收盘前时段知情主卖额 / 当日成交额, 剔除涨跌停分钟, 取过去 20 个有效交易日均值; 值越高研报中未来收益越低 | | `ht_informed_trade__informed_sell_ratio_seg_all` | `informed_sell_ratio_seg_all` | 全天知情主卖占比（占同时段成交额）：全天时段知情主卖额 / 时段成交额, 剔除涨跌停分钟, 取过去 20 个有效交易日均值; 值越高研报中未来收益越低 | | `ht_informed_trade__informed_sell_ratio_seg_open` | `informed_sell_ratio_seg_open` | 开盘后知情主卖占比（占同时段成交额）：开盘后时段知情主卖额 / 时段成交额, 剔除涨跌停分钟, 取过去 20 个有效交易日均值; 值越高研报中未来收益越低 | | `ht_informed_trade__informed_sell_ratio_seg_mid` | `informed_sell_ratio_seg_mid` | 盘中知情主卖占比（占同时段成交额）：盘中时段知情主卖额 / 时段成交额, 剔除涨跌停分钟, 取过去 20 个有效交易日均值; 值越高研报中未来收益越低 | | `ht_informed_trade__informed_sell_ratio_seg_close` | `informed_sell_ratio_seg_close` | 收盘前知情主卖占比（占同时段成交额）：收盘前时段知情主卖额 / 时段成交额, 剔除涨跌停分钟, 取过去 20 个有效交易日均值; 值越高研报中未来收益越低 | | `ht_informed_trade__informed_sell_ratio_seg_sell_all` | `informed_sell_ratio_seg_sell_all` | 全天知情主卖占比（占同时段主卖）：全天时段知情主卖额 / 时段主卖额, 剔除涨跌停分钟, 取过去 20 个有效交易日均值; 值越高研报中未来收益越低 | | `ht_informed_trade__informed_sell_ratio_seg_sell_open` | `informed_sell_ratio_seg_sell_open` | 开盘后知情主卖占比（占同时段主卖）：开盘后时段知情主卖额 / 时段主卖额, 剔除涨跌停分钟, 取过去 20 个有效交易日均值; 值越高研报中未来收益越低 | | `ht_informed_trade__informed_sell_ratio_seg_sell_mid` | `informed_sell_ratio_seg_sell_mid` | 盘中知情主卖占比（占同时段主卖）：盘中时段知情主卖额 / 时段主卖额, 剔除涨跌停分钟, 取过去 20 个有效交易日均值; 值越高研报中未来收益越低 | | `ht_informed_trade__informed_sell_ratio_seg_sell_close` | `informed_sell_ratio_seg_sell_close` | 收盘前知情主卖占比（占同时段主卖）：收盘前时段知情主卖额 / 时段主卖额, 剔除涨跌停分钟, 取过去 20 个有效交易日均值; 值越高研报中未来收益越低 | | `ht_informed_trade__informed_buy_ratio_total_all` | `informed_buy_ratio_total_all` | 全天知情主买占比（占全天成交额）：全天时段知情主买额 / 当日成交额, 剔除涨跌停分钟, 取过去 20 个有效交易日均值; 值越高研报中未来收益越低 | | `ht_informed_trade__informed_buy_ratio_total_open` | `informed_buy_ratio_total_open` | 开盘后知情主买占比（占全天成交额）：开盘后时段知情主买额 / 当日成交额, 剔除涨跌停分钟, 取过去 20 个有效交易日均值; 值越高研报中未来收益越低 | | `ht_informed_trade__informed_buy_ratio_total_mid` | `informed_buy_ratio_total_mid` | 盘中知情主买占比（占全天成交额）：盘中时段知情主买额 / 当日成交额, 剔除涨跌停分钟, 取过去 20 个有效交易日均值; 值越高研报中未来收益越低 | | `ht_informed_trade__informed_buy_ratio_total_close` | `informed_buy_ratio_total_close` | 收盘前知情主买占比（占全天成交额）：收盘前时段知情主买额 / 当日成交额, 剔除涨跌停分钟, 取过去 20 个有效交易日均值; 值越高研报中未来收益越低 | | `ht_informed_trade__informed_buy_ratio_seg_all` | `informed_buy_ratio_seg_all` | 全天知情主买占比（占同时段成交额）：全天时段知情主买额 / 时段成交额, 剔除涨跌停分钟, 取过去 20 个有效交易日均值; 值越高研报中未来收益越低 | | `ht_informed_trade__informed_buy_ratio_seg_open` | `informed_buy_ratio_seg_open` | 开盘后知情主买占比（占同时段成交额）：开盘后时段知情主买额 / 时段成交额, 剔除涨跌停分钟, 取过去 20 个有效交易日均值; 值越高研报中未来收益越低 | | `ht_informed_trade__informed_buy_ratio_seg_mid` | `informed_buy_ratio_seg_mid` | 盘中知情主买占比（占同时段成交额）：盘中时段知情主买额 / 时段成交额, 剔除涨跌停分钟, 取过去 20 个有效交易日均值; 值越高研报中未来收益越低 | | `ht_informed_trade__informed_buy_ratio_seg_close` | `informed_buy_ratio_seg_close` | 收盘前知情主买占比（占同时段成交额）：收盘前时段知情主买额 / 时段成交额, 剔除涨跌停分钟, 取过去 20 个有效交易日均值; 值越高研报中未来收益越低 | | `ht_informed_trade__informed_buy_ratio_seg_buy_all` | `informed_buy_ratio_seg_buy_all` | 全天知情主买占比（占同时段主买）：全天时段知情主买额 / 时段主买额, 剔除涨跌停分钟, 取过去 20 个有效交易日均值; 值越高研报中未来收益越低 | | `ht_informed_trade__informed_buy_ratio_seg_buy_open` | `informed_buy_ratio_seg_buy_open` | 开盘后知情主买占比（占同时段主买）：开盘后时段知情主买额 / 时段主买额, 剔除涨跌停分钟, 取过去 20 个有效交易日均值; 值越高研报中未来收益越低 | | `ht_informed_trade__informed_buy_ratio_seg_buy_mid` | `informed_buy_ratio_seg_buy_mid` | 盘中知情主买占比（占同时段主买）：盘中时段知情主买额 / 时段主买额, 剔除涨跌停分钟, 取过去 20 个有效交易日均值; 值越高研报中未来收益越低 | | `ht_informed_trade__informed_buy_ratio_seg_buy_close` | `informed_buy_ratio_seg_buy_close` | 收盘前知情主买占比（占同时段主买）：收盘前时段知情主买额 / 时段主买额, 剔除涨跌停分钟, 取过去 20 个有效交易日均值; 值越高研报中未来收益越低 | | `ht_informed_trade__informed_net_ratio_total_all` | `informed_net_ratio_total_all` | 全天知情净主买占比（占全天成交额）：全天时段（知情主买额 - 知情主卖额）/ 当日成交额, 剔除涨跌停分钟, 取过去 20 个有效交易日均值; 研报中原始因子选股能力弱 | | `ht_informed_trade__informed_net_ratio_total_open` | `informed_net_ratio_total_open` | 开盘后知情净主买占比（占全天成交额）：开盘后时段（知情主买额 - 知情主卖额）/ 当日成交额, 剔除涨跌停分钟, 取过去 20 个有效交易日均值; 研报中原始因子选股能力弱 | | `ht_informed_trade__informed_net_ratio_total_mid` | `informed_net_ratio_total_mid` | 盘中知情净主买占比（占全天成交额）：盘中时段（知情主买额 - 知情主卖额）/ 当日成交额, 剔除涨跌停分钟, 取过去 20 个有效交易日均值; 研报中原始因子选股能力弱 | | `ht_informed_trade__informed_net_ratio_total_close` | `informed_net_ratio_total_close` | 收盘前知情净主买占比（占全天成交额）：收盘前时段（知情主买额 - 知情主卖额）/ 当日成交额, 剔除涨跌停分钟, 取过去 20 个有效交易日均值; 研报中原始因子选股能力弱 | | `ht_informed_trade__informed_net_ratio_seg_all` | `informed_net_ratio_seg_all` | 全天知情净主买占比（占同时段成交额）：全天时段（知情主买额 - 知情主卖额）/ 时段成交额, 剔除涨跌停分钟, 取过去 20 个有效交易日均值; 研报中原始因子选股能力弱 | | `ht_informed_trade__informed_net_ratio_seg_open` | `informed_net_ratio_seg_open` | 开盘后知情净主买占比（占同时段成交额）：开盘后时段（知情主买额 - 知情主卖额）/ 时段成交额, 剔除涨跌停分钟, 取过去 20 个有效交易日均值; 研报中原始因子选股能力弱 | | `ht_informed_trade__informed_net_ratio_seg_mid` | `informed_net_ratio_seg_mid` | 盘中知情净主买占比（占同时段成交额）：盘中时段（知情主买额 - 知情主卖额）/ 时段成交额, 剔除涨跌停分钟, 取过去 20 个有效交易日均值; 研报中原始因子选股能力弱 | | `ht_informed_trade__informed_net_ratio_seg_close` | `informed_net_ratio_seg_close` | 收盘前知情净主买占比（占同时段成交额）：收盘前时段（知情主买额 - 知情主卖额）/ 时段成交额, 剔除涨跌停分钟, 取过去 20 个有效交易日均值; 研报中原始因子选股能力弱 | | `ht_informed_trade__informed_net_ratio_seg_net_all` | `informed_net_ratio_seg_net_all` | 全天知情净主买占比（占同时段净主买）：全天时段（知情主买额 - 知情主卖额）/ 时段（主买额 - 主卖额）, 剔除涨跌停分钟, 取过去 20 个有效交易日均值; 研报中原始因子选股能力弱 | | `ht_informed_trade__informed_net_ratio_seg_net_open` | `informed_net_ratio_seg_net_open` | 开盘后知情净主买占比（占同时段净主买）：开盘后时段（知情主买额 - 知情主卖额）/ 时段（主买额 - 主卖额）, 剔除涨跌停分钟, 取过去 20 个有效交易日均值; 研报中原始因子选股能力弱 | | `ht_informed_trade__informed_net_ratio_seg_net_mid` | `informed_net_ratio_seg_net_mid` | 盘中知情净主买占比（占同时段净主买）：盘中时段（知情主买额 - 知情主卖额）/ 时段（主买额 - 主卖额）, 剔除涨跌停分钟, 取过去 20 个有效交易日均值; 研报中原始因子选股能力弱 | | `ht_informed_trade__informed_net_ratio_seg_net_close` | `informed_net_ratio_seg_net_close` | 收盘前知情净主买占比（占同时段净主买）：收盘前时段（知情主买额 - 知情主卖额）/ 时段（主买额 - 主卖额）, 剔除涨跌停分钟, 取过去 20 个有效交易日均值; 研报中原始因子选股能力弱 | | `ht_informed_trade__informed_sell_ratio_total_all_orth` | `informed_sell_ratio_total_all_orth` | 全天知情主卖占比（占全天成交额）（正交）：informed_sell_ratio_total_all 对市值、估值（BP）、中盘（非线性市值）、换手、20 日反转、20 日波动截面回归的残差 | | `ht_informed_trade__informed_sell_ratio_total_open_orth` | `informed_sell_ratio_total_open_orth` | 开盘后知情主卖占比（占全天成交额）（正交）：informed_sell_ratio_total_open 对市值、估值（BP）、中盘（非线性市值）、换手、20 日反转、20 日波动截面回归的残差 | | `ht_informed_trade__informed_sell_ratio_total_mid_orth` | `informed_sell_ratio_total_mid_orth` | 盘中知情主卖占比（占全天成交额）（正交）：informed_sell_ratio_total_mid 对市值、估值（BP）、中盘（非线性市值）、换手、20 日反转、20 日波动截面回归的残差 | | `ht_informed_trade__informed_sell_ratio_total_close_orth` | `informed_sell_ratio_total_close_orth` | 收盘前知情主卖占比（占全天成交额）（正交）：informed_sell_ratio_total_close 对市值、估值（BP）、中盘（非线性市值）、换手、20 日反转、20 日波动截面回归的残差 | | `ht_informed_trade__informed_sell_ratio_seg_all_orth` | `informed_sell_ratio_seg_all_orth` | 全天知情主卖占比（占同时段成交额）（正交）：informed_sell_ratio_seg_all 对市值、估值（BP）、中盘（非线性市值）、换手、20 日反转、20 日波动截面回归的残差 | | `ht_informed_trade__informed_sell_ratio_seg_open_orth` | `informed_sell_ratio_seg_open_orth` | 开盘后知情主卖占比（占同时段成交额）（正交）：informed_sell_ratio_seg_open 对市值、估值（BP）、中盘（非线性市值）、换手、20 日反转、20 日波动截面回归的残差 | | `ht_informed_trade__informed_sell_ratio_seg_mid_orth` | `informed_sell_ratio_seg_mid_orth` | 盘中知情主卖占比（占同时段成交额）（正交）：informed_sell_ratio_seg_mid 对市值、估值（BP）、中盘（非线性市值）、换手、20 日反转、20 日波动截面回归的残差 | | `ht_informed_trade__informed_sell_ratio_seg_close_orth` | `informed_sell_ratio_seg_close_orth` | 收盘前知情主卖占比（占同时段成交额）（正交）：informed_sell_ratio_seg_close 对市值、估值（BP）、中盘（非线性市值）、换手、20 日反转、20 日波动截面回归的残差 | | `ht_informed_trade__informed_sell_ratio_seg_sell_all_orth` | `informed_sell_ratio_seg_sell_all_orth` | 全天知情主卖占比（占同时段主卖）（正交）：informed_sell_ratio_seg_sell_all 对市值、估值（BP）、中盘（非线性市值）、换手、20 日反转、20 日波动截面回归的残差 | | `ht_informed_trade__informed_sell_ratio_seg_sell_open_orth` | `informed_sell_ratio_seg_sell_open_orth` | 开盘后知情主卖占比（占同时段主卖）（正交）：informed_sell_ratio_seg_sell_open 对市值、估值（BP）、中盘（非线性市值）、换手、20 日反转、20 日波动截面回归的残差 | | `ht_informed_trade__informed_sell_ratio_seg_sell_mid_orth` | `informed_sell_ratio_seg_sell_mid_orth` | 盘中知情主卖占比（占同时段主卖）（正交）：informed_sell_ratio_seg_sell_mid 对市值、估值（BP）、中盘（非线性市值）、换手、20 日反转、20 日波动截面回归的残差 | | `ht_informed_trade__informed_sell_ratio_seg_sell_close_orth` | `informed_sell_ratio_seg_sell_close_orth` | 收盘前知情主卖占比（占同时段主卖）（正交）：informed_sell_ratio_seg_sell_close 对市值、估值（BP）、中盘（非线性市值）、换手、20 日反转、20 日波动截面回归的残差 | | `ht_informed_trade__informed_buy_ratio_total_all_orth` | `informed_buy_ratio_total_all_orth` | 全天知情主买占比（占全天成交额）（正交）：informed_buy_ratio_total_all 对市值、估值（BP）、中盘（非线性市值）、换手、20 日反转、20 日波动截面回归的残差 | | `ht_informed_trade__informed_buy_ratio_total_open_orth` | `informed_buy_ratio_total_open_orth` | 开盘后知情主买占比（占全天成交额）（正交）：informed_buy_ratio_total_open 对市值、估值（BP）、中盘（非线性市值）、换手、20 日反转、20 日波动截面回归的残差 | | `ht_informed_trade__informed_buy_ratio_total_mid_orth` | `informed_buy_ratio_total_mid_orth` | 盘中知情主买占比（占全天成交额）（正交）：informed_buy_ratio_total_mid 对市值、估值（BP）、中盘（非线性市值）、换手、20 日反转、20 日波动截面回归的残差 | | `ht_informed_trade__informed_buy_ratio_total_close_orth` | `informed_buy_ratio_total_close_orth` | 收盘前知情主买占比（占全天成交额）（正交）：informed_buy_ratio_total_close 对市值、估值（BP）、中盘（非线性市值）、换手、20 日反转、20 日波动截面回归的残差 | | `ht_informed_trade__informed_buy_ratio_seg_all_orth` | `informed_buy_ratio_seg_all_orth` | 全天知情主买占比（占同时段成交额）（正交）：informed_buy_ratio_seg_all 对市值、估值（BP）、中盘（非线性市值）、换手、20 日反转、20 日波动截面回归的残差 | | `ht_informed_trade__informed_buy_ratio_seg_open_orth` | `informed_buy_ratio_seg_open_orth` | 开盘后知情主买占比（占同时段成交额）（正交）：informed_buy_ratio_seg_open 对市值、估值（BP）、中盘（非线性市值）、换手、20 日反转、20 日波动截面回归的残差 | | `ht_informed_trade__informed_buy_ratio_seg_mid_orth` | `informed_buy_ratio_seg_mid_orth` | 盘中知情主买占比（占同时段成交额）（正交）：informed_buy_ratio_seg_mid 对市值、估值（BP）、中盘（非线性市值）、换手、20 日反转、20 日波动截面回归的残差 | | `ht_informed_trade__informed_buy_ratio_seg_close_orth` | `informed_buy_ratio_seg_close_orth` | 收盘前知情主买占比（占同时段成交额）（正交）：informed_buy_ratio_seg_close 对市值、估值（BP）、中盘（非线性市值）、换手、20 日反转、20 日波动截面回归的残差 | | `ht_informed_trade__informed_buy_ratio_seg_buy_all_orth` | `informed_buy_ratio_seg_buy_all_orth` | 全天知情主买占比（占同时段主买）（正交）：informed_buy_ratio_seg_buy_all 对市值、估值（BP）、中盘（非线性市值）、换手、20 日反转、20 日波动截面回归的残差 | | `ht_informed_trade__informed_buy_ratio_seg_buy_open_orth` | `informed_buy_ratio_seg_buy_open_orth` | 开盘后知情主买占比（占同时段主买）（正交）：informed_buy_ratio_seg_buy_open 对市值、估值（BP）、中盘（非线性市值）、换手、20 日反转、20 日波动截面回归的残差 | | `ht_informed_trade__informed_buy_ratio_seg_buy_mid_orth` | `informed_buy_ratio_seg_buy_mid_orth` | 盘中知情主买占比（占同时段主买）（正交）：informed_buy_ratio_seg_buy_mid 对市值、估值（BP）、中盘（非线性市值）、换手、20 日反转、20 日波动截面回归的残差 | | `ht_informed_trade__informed_buy_ratio_seg_buy_close_orth` | `informed_buy_ratio_seg_buy_close_orth` | 收盘前知情主买占比（占同时段主买）（正交）：informed_buy_ratio_seg_buy_close 对市值、估值（BP）、中盘（非线性市值）、换手、20 日反转、20 日波动截面回归的残差 | | `ht_informed_trade__informed_net_ratio_total_all_orth` | `informed_net_ratio_total_all_orth` | 全天知情净主买占比（占全天成交额）（正交）：informed_net_ratio_total_all 对市值、估值（BP）、中盘（非线性市值）、换手、20 日反转、20 日波动截面回归的残差 | | `ht_informed_trade__informed_net_ratio_total_open_orth` | `informed_net_ratio_total_open_orth` | 开盘后知情净主买占比（占全天成交额）（正交）：informed_net_ratio_total_open 对市值、估值（BP）、中盘（非线性市值）、换手、20 日反转、20 日波动截面回归的残差 | | `ht_informed_trade__informed_net_ratio_total_mid_orth` | `informed_net_ratio_total_mid_orth` | 盘中知情净主买占比（占全天成交额）（正交）：informed_net_ratio_total_mid 对市值、估值（BP）、中盘（非线性市值）、换手、20 日反转、20 日波动截面回归的残差 | | `ht_informed_trade__informed_net_ratio_total_close_orth` | `informed_net_ratio_total_close_orth` | 收盘前知情净主买占比（占全天成交额）（正交）：informed_net_ratio_total_close 对市值、估值（BP）、中盘（非线性市值）、换手、20 日反转、20 日波动截面回归的残差 | | `ht_informed_trade__informed_net_ratio_seg_all_orth` | `informed_net_ratio_seg_all_orth` | 全天知情净主买占比（占同时段成交额）（正交）：informed_net_ratio_seg_all 对市值、估值（BP）、中盘（非线性市值）、换手、20 日反转、20 日波动截面回归的残差 | | `ht_informed_trade__informed_net_ratio_seg_open_orth` | `informed_net_ratio_seg_open_orth` | 开盘后知情净主买占比（占同时段成交额）（正交）：informed_net_ratio_seg_open 对市值、估值（BP）、中盘（非线性市值）、换手、20 日反转、20 日波动截面回归的残差 | | `ht_informed_trade__informed_net_ratio_seg_mid_orth` | `informed_net_ratio_seg_mid_orth` | 盘中知情净主买占比（占同时段成交额）（正交）：informed_net_ratio_seg_mid 对市值、估值（BP）、中盘（非线性市值）、换手、20 日反转、20 日波动截面回归的残差 | | `ht_informed_trade__informed_net_ratio_seg_close_orth` | `informed_net_ratio_seg_close_orth` | 收盘前知情净主买占比（占同时段成交额）（正交）：informed_net_ratio_seg_close 对市值、估值（BP）、中盘（非线性市值）、换手、20 日反转、20 日波动截面回归的残差 | | `ht_informed_trade__informed_net_ratio_seg_net_all_orth` | `informed_net_ratio_seg_net_all_orth` | 全天知情净主买占比（占同时段净主买）（正交）：informed_net_ratio_seg_net_all 对市值、估值（BP）、中盘（非线性市值）、换手、20 日反转、20 日波动截面回归的残差 | | `ht_informed_trade__informed_net_ratio_seg_net_open_orth` | `informed_net_ratio_seg_net_open_orth` | 开盘后知情净主买占比（占同时段净主买）（正交）：informed_net_ratio_seg_net_open 对市值、估值（BP）、中盘（非线性市值）、换手、20 日反转、20 日波动截面回归的残差 | | `ht_informed_trade__informed_net_ratio_seg_net_mid_orth` | `informed_net_ratio_seg_net_mid_orth` | 盘中知情净主买占比（占同时段净主买）（正交）：informed_net_ratio_seg_net_mid 对市值、估值（BP）、中盘（非线性市值）、换手、20 日反转、20 日波动截面回归的残差 | | `ht_informed_trade__informed_net_ratio_seg_net_close_orth` | `informed_net_ratio_seg_net_close_orth` | 收盘前知情净主买占比（占同时段净主买）（正交）：informed_net_ratio_seg_net_close 对市值、估值（BP）、中盘（非线性市值）、换手、20 日反转、20 日波动截面回归的残差 | ### 海通证券日内分时成交因子（`cn_stock_factors_hf_ht_intraday_trade_count`） | 视图字段 | 源字段 | 原始含义 | | ---- | ---- | ---- | | `ht_intraday_trade_count__amt_per_trd` | `amt_per_trd` | 平均单笔成交金额：连续竞价分钟成交额之和 / 成交笔数之和, 过去 20 个交易日均值; 与市值高度正相关 | | `ht_intraday_trade_count__apt_in_ratio` | `apt_in_ratio` | 平均单笔流入金额占比：上涨分钟的平均单笔成交金额 / 全天平均单笔成交金额, 过去 20 个交易日均值; 研报中与未来收益负相关（弱） | | `ht_intraday_trade_count__apt_out_ratio` | `apt_out_ratio` | 平均单笔流出金额占比：下跌分钟的平均单笔成交金额 / 全天平均单笔成交金额, 过去 20 个交易日均值; 值越高研报中未来收益越高 | | `ht_intraday_trade_count__apt_net_in_ratio` | `apt_net_in_ratio` | 平均单笔流入流出金额之比：平均单笔流入金额占比 / 平均单笔流出金额占比, 过去 20 个交易日均值; 值越高研报中未来收益越低 | | `ht_intraday_trade_count__big_net_in_ratio_n10` | `big_net_in_ratio_n10` | 大单资金净流入率（N=10%）：平均单笔成交金额最大的前 10% 分钟中, (上涨分钟成交额 - 下跌分钟成交额) / 全天成交额, 过去 20 个交易日均值; 值越高研报中未来收益越低 | | `ht_intraday_trade_count__big_net_in_ratio_n20` | `big_net_in_ratio_n20` | 大单资金净流入率（N=20%）：平均单笔成交金额最大的前 20% 分钟中, (上涨分钟成交额 - 下跌分钟成交额) / 全天成交额, 过去 20 个交易日均值; 值越高研报中未来收益越低 | | `ht_intraday_trade_count__big_net_in_ratio_n30` | `big_net_in_ratio_n30` | 大单资金净流入率（N=30%）：平均单笔成交金额最大的前 30% 分钟中, (上涨分钟成交额 - 下跌分钟成交额) / 全天成交额, 过去 20 个交易日均值; 值越高研报中未来收益越低 | | `ht_intraday_trade_count__mom_big_order_n10` | `mom_big_order_n10` | 大单驱动涨幅（N=10%）：平均单笔成交金额最大的前 10% 分钟的收益连乘 Π(1+r), 过去 20 个交易日均值; 值越高研报中未来收益越低 | | `ht_intraday_trade_count__mom_big_order_n20` | `mom_big_order_n20` | 大单驱动涨幅（N=20%）：平均单笔成交金额最大的前 20% 分钟的收益连乘 Π(1+r), 过去 20 个交易日均值; 值越高研报中未来收益越低 | | `ht_intraday_trade_count__mom_big_order_n30` | `mom_big_order_n30` | 大单驱动涨幅（N=30%）：平均单笔成交金额最大的前 30% 分钟的收益连乘 Π(1+r), 过去 20 个交易日均值; 值越高研报中未来收益越低 | | `ht_intraday_trade_count__amt_per_trd_pure` | `amt_per_trd_pure` | 平均单笔成交金额（正交）：amt_per_trd 对十个风格因子（Beta、市值、BP、EP、成长、杠杆、动量、波动、流动性、非线性市值）与申万一级行业截面回归的残差 | | `ht_intraday_trade_count__apt_in_ratio_pure` | `apt_in_ratio_pure` | 平均单笔流入金额占比（正交）：apt_in_ratio 对十个风格因子（Beta、市值、BP、EP、成长、杠杆、动量、波动、流动性、非线性市值）与申万一级行业截面回归的残差 | | `ht_intraday_trade_count__apt_out_ratio_pure` | `apt_out_ratio_pure` | 平均单笔流出金额占比（正交）：apt_out_ratio 对十个风格因子（Beta、市值、BP、EP、成长、杠杆、动量、波动、流动性、非线性市值）与申万一级行业截面回归的残差 | | `ht_intraday_trade_count__apt_net_in_ratio_pure` | `apt_net_in_ratio_pure` | 平均单笔流入流出金额之比（正交）：apt_net_in_ratio 对十个风格因子（Beta、市值、BP、EP、成长、杠杆、动量、波动、流动性、非线性市值）与申万一级行业截面回归的残差 | | `ht_intraday_trade_count__big_net_in_ratio_n10_pure` | `big_net_in_ratio_n10_pure` | 大单资金净流入率（N=10%）（正交）：big_net_in_ratio_n10 对十个风格因子（Beta、市值、BP、EP、成长、杠杆、动量、波动、流动性、非线性市值）与申万一级行业截面回归的残差 | | `ht_intraday_trade_count__big_net_in_ratio_n20_pure` | `big_net_in_ratio_n20_pure` | 大单资金净流入率（N=20%）（正交）：big_net_in_ratio_n20 对十个风格因子（Beta、市值、BP、EP、成长、杠杆、动量、波动、流动性、非线性市值）与申万一级行业截面回归的残差 | | `ht_intraday_trade_count__big_net_in_ratio_n30_pure` | `big_net_in_ratio_n30_pure` | 大单资金净流入率（N=30%）（正交）：big_net_in_ratio_n30 对十个风格因子（Beta、市值、BP、EP、成长、杠杆、动量、波动、流动性、非线性市值）与申万一级行业截面回归的残差 | | `ht_intraday_trade_count__mom_big_order_n10_pure` | `mom_big_order_n10_pure` | 大单驱动涨幅（N=10%）（正交）：mom_big_order_n10 对十个风格因子（Beta、市值、BP、EP、成长、杠杆、动量、波动、流动性、非线性市值）与申万一级行业截面回归的残差 | | `ht_intraday_trade_count__mom_big_order_n20_pure` | `mom_big_order_n20_pure` | 大单驱动涨幅（N=20%）（正交）：mom_big_order_n20 对十个风格因子（Beta、市值、BP、EP、成长、杠杆、动量、波动、流动性、非线性市值）与申万一级行业截面回归的残差 | | `ht_intraday_trade_count__mom_big_order_n30_pure` | `mom_big_order_n30_pure` | 大单驱动涨幅（N=30%）（正交）：mom_big_order_n30 对十个风格因子（Beta、市值、BP、EP、成长、杠杆、动量、波动、流动性、非线性市值）与申万一级行业截面回归的残差 | ### 海通证券Level2成交统计因子（`cn_stock_factors_hf_ht_level2_trade_stats`） | 视图字段 | 源字段 | 原始含义 | | ---- | ---- | ---- | | `ht_level2_trade_stats__cont_amt_ratio` | `cont_amt_ratio` | 连续竞价成交占比：1 - 开盘集合竞价成交额 / 当日成交额（收盘集合竞价计入分子）, 取过去 20 个有效交易日均值; 值越高研报中未来收益越高 | | `ht_level2_trade_stats__net_buy_ratio` | `net_buy_ratio` | 净买入比率：连续竞价时段（主动买入额 - 主动卖出额）/ 当日成交额, 取过去 20 个有效交易日均值; 研报中选股效果弱 | | `ht_level2_trade_stats__net_buy_ratio_open` | `net_buy_ratio_open` | 早盘净买入比率：10:00 前（主动买入额 - 主动卖出额）/ 当日成交额, 取过去 20 个有效交易日均值; 研报中选股效果弱 | | `ht_level2_trade_stats__net_buy_ratio_close` | `net_buy_ratio_close` | 尾盘净买入比率：14:30 后连续竞价（主动买入额 - 主动卖出额）/ 当日成交额, 取过去 20 个有效交易日均值; 研报中值越高未来收益越高 | | `ht_level2_trade_stats__cont_amt_ratio_resid` | `cont_amt_ratio_resid` | 连续竞价成交占比（剔除市值、反转、换手）：cont_amt_ratio 对总市值、前 20 日涨幅、前 20 日换手率均值截面回归（均先去极值标准化）的残差; 值越高研报中未来收益越高 | ### 海通证券买卖单大单占比因子（`cn_stock_factors_hf_ht_order_big_ratio`） | 视图字段 | 源字段 | 原始含义 | | ---- | ---- | ---- | | `ht_order_big_ratio__big_sell_ratio_1sd` | `big_sell_ratio_1sd` | 大卖成交金额占比（1 倍标准差）：大卖单成交金额 / 总成交金额, 大单为成交量超过个股当日买（卖）单均值 + 1 倍标准差的单子, 取过去 20 个有效交易日均值; 原始因子与市值正相关 | | `ht_order_big_ratio__big_buy_ratio_1sd` | `big_buy_ratio_1sd` | 大买成交金额占比（1 倍标准差）：大买单成交金额 / 总成交金额, 大单为成交量超过个股当日买（卖）单均值 + 1 倍标准差的单子, 取过去 20 个有效交易日均值; 原始因子与市值正相关 | | `ht_order_big_ratio__big_buy_sell_diff_1sd` | `big_buy_sell_diff_1sd` | 大买大卖成交金额占比差值（1 倍标准差）：大买成交金额占比 - 大卖成交金额占比, 大单为成交量超过个股当日买（卖）单均值 + 1 倍标准差的单子, 取过去 20 个有效交易日均值; 原始因子与市值正相关 | | `ht_order_big_ratio__big_order_ratio_1sd` | `big_order_ratio_1sd` | 大单成交金额占比（1 倍标准差）：大买成交金额占比 + 大卖成交金额占比, 大单为成交量超过个股当日买（卖）单均值 + 1 倍标准差的单子, 取过去 20 个有效交易日均值; 原始因子与市值正相关 | | `ht_order_big_ratio__big_sell_ratio_3sd` | `big_sell_ratio_3sd` | 大卖成交金额占比（3 倍标准差）：大卖单成交金额 / 总成交金额, 大单为成交量超过个股当日买（卖）单均值 + 3 倍标准差的单子, 取过去 20 个有效交易日均值; 原始因子与市值正相关 | | `ht_order_big_ratio__big_buy_ratio_3sd` | `big_buy_ratio_3sd` | 大买成交金额占比（3 倍标准差）：大买单成交金额 / 总成交金额, 大单为成交量超过个股当日买（卖）单均值 + 3 倍标准差的单子, 取过去 20 个有效交易日均值; 原始因子与市值正相关 | | `ht_order_big_ratio__big_buy_sell_diff_3sd` | `big_buy_sell_diff_3sd` | 大买大卖成交金额占比差值（3 倍标准差）：大买成交金额占比 - 大卖成交金额占比, 大单为成交量超过个股当日买（卖）单均值 + 3 倍标准差的单子, 取过去 20 个有效交易日均值; 原始因子与市值正相关 | | `ht_order_big_ratio__big_order_ratio_3sd` | `big_order_ratio_3sd` | 大单成交金额占比（3 倍标准差）：大买成交金额占比 + 大卖成交金额占比, 大单为成交量超过个股当日买（卖）单均值 + 3 倍标准差的单子, 取过去 20 个有效交易日均值; 原始因子与市值正相关 | | `ht_order_big_ratio__big_sell_ratio_1sd_pure` | `big_sell_ratio_1sd_pure` | 大卖成交金额占比（1 倍标准差）（正交）：big_sell_ratio_1sd 对十个风格因子（Beta、市值、BP、EP、成长、杠杆、动量、波动、流动性、非线性市值）与申万一级行业截面回归的残差; 研报中大买占比与大买大卖差值正交后值越高未来收益越高 | | `ht_order_big_ratio__big_buy_ratio_1sd_pure` | `big_buy_ratio_1sd_pure` | 大买成交金额占比（1 倍标准差）（正交）：big_buy_ratio_1sd 对十个风格因子（Beta、市值、BP、EP、成长、杠杆、动量、波动、流动性、非线性市值）与申万一级行业截面回归的残差; 研报中大买占比与大买大卖差值正交后值越高未来收益越高 | | `ht_order_big_ratio__big_buy_sell_diff_1sd_pure` | `big_buy_sell_diff_1sd_pure` | 大买大卖成交金额占比差值（1 倍标准差）（正交）：big_buy_sell_diff_1sd 对十个风格因子（Beta、市值、BP、EP、成长、杠杆、动量、波动、流动性、非线性市值）与申万一级行业截面回归的残差; 研报中大买占比与大买大卖差值正交后值越高未来收益越高 | | `ht_order_big_ratio__big_order_ratio_1sd_pure` | `big_order_ratio_1sd_pure` | 大单成交金额占比（1 倍标准差）（正交）：big_order_ratio_1sd 对十个风格因子（Beta、市值、BP、EP、成长、杠杆、动量、波动、流动性、非线性市值）与申万一级行业截面回归的残差; 研报中大买占比与大买大卖差值正交后值越高未来收益越高 | | `ht_order_big_ratio__big_sell_ratio_3sd_pure` | `big_sell_ratio_3sd_pure` | 大卖成交金额占比（3 倍标准差）（正交）：big_sell_ratio_3sd 对十个风格因子（Beta、市值、BP、EP、成长、杠杆、动量、波动、流动性、非线性市值）与申万一级行业截面回归的残差; 研报中大买占比与大买大卖差值正交后值越高未来收益越高 | | `ht_order_big_ratio__big_buy_ratio_3sd_pure` | `big_buy_ratio_3sd_pure` | 大买成交金额占比（3 倍标准差）（正交）：big_buy_ratio_3sd 对十个风格因子（Beta、市值、BP、EP、成长、杠杆、动量、波动、流动性、非线性市值）与申万一级行业截面回归的残差; 研报中大买占比与大买大卖差值正交后值越高未来收益越高 | | `ht_order_big_ratio__big_buy_sell_diff_3sd_pure` | `big_buy_sell_diff_3sd_pure` | 大买大卖成交金额占比差值（3 倍标准差）（正交）：big_buy_sell_diff_3sd 对十个风格因子（Beta、市值、BP、EP、成长、杠杆、动量、波动、流动性、非线性市值）与申万一级行业截面回归的残差; 研报中大买占比与大买大卖差值正交后值越高未来收益越高 | | `ht_order_big_ratio__big_order_ratio_3sd_pure` | `big_order_ratio_3sd_pure` | 大单成交金额占比（3 倍标准差）（正交）：big_order_ratio_3sd 对十个风格因子（Beta、市值、BP、EP、成长、杠杆、动量、波动、流动性、非线性市值）与申万一级行业截面回归的残差; 研报中大买占比与大买大卖差值正交后值越高未来收益越高 | ### 海通证券高频已实现波动分解因子（`cn_stock_factors_hf_ht_realized_vol_decomp`） | 视图字段 | 源字段 | 原始含义 | | ---- | ---- | ---- | | `ht_realized_vol_decomp__hf_idio_vol_1m` | `hf_idio_vol_1m` | 高频特质波动（1 分钟）：1 分钟对数收益: 过去 20 个有效交易日分钟收益对分钟 FF3 合池回归的残差平方和开根号; 研报中值越大未来收益越差 | | `ht_realized_vol_decomp__hf_sys_vol_1m` | `hf_sys_vol_1m` | 高频系统波动（1 分钟）：1 分钟对数收益: 同一回归拟合部分（r − ε）的平方和开根号; 研报中值越大未来收益越差 | | `ht_realized_vol_decomp__hf_idio_ratio_1m` | `hf_idio_ratio_1m` | 高频特异度（1 分钟）：1 分钟对数收益: 残差平方和 / 分钟收益平方和 | | `ht_realized_vol_decomp__hf_up_vol_1m` | `hf_up_vol_1m` | 高频上行波动（1 分钟）：1 分钟对数收益: 过去 20 个有效交易日正分钟收益平方和开根号; 研报中值越大未来收益越差 | | `ht_realized_vol_decomp__hf_down_vol_1m` | `hf_down_vol_1m` | 高频下行波动（1 分钟）：1 分钟对数收益: 过去 20 个有效交易日负分钟收益平方和开根号 | | `ht_realized_vol_decomp__hf_up_vol_ratio_1m` | `hf_up_vol_ratio_1m` | 高频上行波动占比（1 分钟）：1 分钟对数收益: 正分钟收益平方和 / 分钟收益平方和; 研报中值越大未来收益越差 | | `ht_realized_vol_decomp__hf_idio_vol_5m` | `hf_idio_vol_5m` | 高频特质波动（5 分钟）：5 分钟对数收益: 过去 20 个有效交易日分钟收益对分钟 FF3 合池回归的残差平方和开根号; 研报中值越大未来收益越差 | | `ht_realized_vol_decomp__hf_sys_vol_5m` | `hf_sys_vol_5m` | 高频系统波动（5 分钟）：5 分钟对数收益: 同一回归拟合部分（r − ε）的平方和开根号; 研报中值越大未来收益越差 | | `ht_realized_vol_decomp__hf_idio_ratio_5m` | `hf_idio_ratio_5m` | 高频特异度（5 分钟）：5 分钟对数收益: 残差平方和 / 分钟收益平方和 | | `ht_realized_vol_decomp__hf_up_vol_5m` | `hf_up_vol_5m` | 高频上行波动（5 分钟）：5 分钟对数收益: 过去 20 个有效交易日正分钟收益平方和开根号; 研报中值越大未来收益越差 | | `ht_realized_vol_decomp__hf_down_vol_5m` | `hf_down_vol_5m` | 高频下行波动（5 分钟）：5 分钟对数收益: 过去 20 个有效交易日负分钟收益平方和开根号 | | `ht_realized_vol_decomp__hf_up_vol_ratio_5m` | `hf_up_vol_ratio_5m` | 高频上行波动占比（5 分钟）：5 分钟对数收益: 正分钟收益平方和 / 分钟收益平方和; 研报中值越大未来收益越差 | | `ht_realized_vol_decomp__hf_idio_vol_10m` | `hf_idio_vol_10m` | 高频特质波动（10 分钟）：10 分钟对数收益: 过去 20 个有效交易日分钟收益对分钟 FF3 合池回归的残差平方和开根号; 研报中值越大未来收益越差 | | `ht_realized_vol_decomp__hf_sys_vol_10m` | `hf_sys_vol_10m` | 高频系统波动（10 分钟）：10 分钟对数收益: 同一回归拟合部分（r − ε）的平方和开根号; 研报中值越大未来收益越差 | | `ht_realized_vol_decomp__hf_idio_ratio_10m` | `hf_idio_ratio_10m` | 高频特异度（10 分钟）：10 分钟对数收益: 残差平方和 / 分钟收益平方和 | | `ht_realized_vol_decomp__hf_up_vol_10m` | `hf_up_vol_10m` | 高频上行波动（10 分钟）：10 分钟对数收益: 过去 20 个有效交易日正分钟收益平方和开根号; 研报中值越大未来收益越差 | | `ht_realized_vol_decomp__hf_down_vol_10m` | `hf_down_vol_10m` | 高频下行波动（10 分钟）：10 分钟对数收益: 过去 20 个有效交易日负分钟收益平方和开根号 | | `ht_realized_vol_decomp__hf_up_vol_ratio_10m` | `hf_up_vol_ratio_10m` | 高频上行波动占比（10 分钟）：10 分钟对数收益: 正分钟收益平方和 / 分钟收益平方和; 研报中值越大未来收益越差 | | `ht_realized_vol_decomp__hf_idio_vol_1m_pure` | `hf_idio_vol_1m_pure` | 正交高频特质波动（1 分钟）：hf_idio_vol_1m 对申万一级行业、市值、非线性市值、20 日换手、20 日反转、20 日日级别特异度、BP、营收增速、ROE 截面回归的残差 | | `ht_realized_vol_decomp__hf_sys_vol_1m_pure` | `hf_sys_vol_1m_pure` | 正交高频系统波动（1 分钟）：hf_sys_vol_1m 对申万一级行业、市值、非线性市值、20 日换手、20 日反转、20 日日级别特异度、BP、营收增速、ROE 截面回归的残差 | | `ht_realized_vol_decomp__hf_idio_ratio_1m_pure` | `hf_idio_ratio_1m_pure` | 正交高频特异度（1 分钟）：hf_idio_ratio_1m 对申万一级行业、市值、非线性市值、20 日换手、20 日反转、20 日日级别特异度、BP、营收增速、ROE 截面回归的残差 | | `ht_realized_vol_decomp__hf_up_vol_1m_pure` | `hf_up_vol_1m_pure` | 正交高频上行波动（1 分钟）：hf_up_vol_1m 对申万一级行业、市值、非线性市值、20 日换手、20 日反转、20 日日级别特异度、BP、营收增速、ROE 截面回归的残差 | | `ht_realized_vol_decomp__hf_down_vol_1m_pure` | `hf_down_vol_1m_pure` | 正交高频下行波动（1 分钟）：hf_down_vol_1m 对申万一级行业、市值、非线性市值、20 日换手、20 日反转、20 日日级别特异度、BP、营收增速、ROE 截面回归的残差 | | `ht_realized_vol_decomp__hf_up_vol_ratio_1m_pure` | `hf_up_vol_ratio_1m_pure` | 正交高频上行波动占比（1 分钟）：hf_up_vol_ratio_1m 对申万一级行业、市值、非线性市值、20 日换手、20 日反转、20 日日级别特异度、BP、营收增速、ROE 截面回归的残差 | | `ht_realized_vol_decomp__hf_idio_vol_5m_pure` | `hf_idio_vol_5m_pure` | 正交高频特质波动（5 分钟）：hf_idio_vol_5m 对申万一级行业、市值、非线性市值、20 日换手、20 日反转、20 日日级别特异度、BP、营收增速、ROE 截面回归的残差 | | `ht_realized_vol_decomp__hf_sys_vol_5m_pure` | `hf_sys_vol_5m_pure` | 正交高频系统波动（5 分钟）：hf_sys_vol_5m 对申万一级行业、市值、非线性市值、20 日换手、20 日反转、20 日日级别特异度、BP、营收增速、ROE 截面回归的残差 | | `ht_realized_vol_decomp__hf_idio_ratio_5m_pure` | `hf_idio_ratio_5m_pure` | 正交高频特异度（5 分钟）：hf_idio_ratio_5m 对申万一级行业、市值、非线性市值、20 日换手、20 日反转、20 日日级别特异度、BP、营收增速、ROE 截面回归的残差 | | `ht_realized_vol_decomp__hf_up_vol_5m_pure` | `hf_up_vol_5m_pure` | 正交高频上行波动（5 分钟）：hf_up_vol_5m 对申万一级行业、市值、非线性市值、20 日换手、20 日反转、20 日日级别特异度、BP、营收增速、ROE 截面回归的残差 | | `ht_realized_vol_decomp__hf_down_vol_5m_pure` | `hf_down_vol_5m_pure` | 正交高频下行波动（5 分钟）：hf_down_vol_5m 对申万一级行业、市值、非线性市值、20 日换手、20 日反转、20 日日级别特异度、BP、营收增速、ROE 截面回归的残差 | | `ht_realized_vol_decomp__hf_up_vol_ratio_5m_pure` | `hf_up_vol_ratio_5m_pure` | 正交高频上行波动占比（5 分钟）：hf_up_vol_ratio_5m 对申万一级行业、市值、非线性市值、20 日换手、20 日反转、20 日日级别特异度、BP、营收增速、ROE 截面回归的残差 | | `ht_realized_vol_decomp__hf_idio_vol_10m_pure` | `hf_idio_vol_10m_pure` | 正交高频特质波动（10 分钟）：hf_idio_vol_10m 对申万一级行业、市值、非线性市值、20 日换手、20 日反转、20 日日级别特异度、BP、营收增速、ROE 截面回归的残差 | | `ht_realized_vol_decomp__hf_sys_vol_10m_pure` | `hf_sys_vol_10m_pure` | 正交高频系统波动（10 分钟）：hf_sys_vol_10m 对申万一级行业、市值、非线性市值、20 日换手、20 日反转、20 日日级别特异度、BP、营收增速、ROE 截面回归的残差 | | `ht_realized_vol_decomp__hf_idio_ratio_10m_pure` | `hf_idio_ratio_10m_pure` | 正交高频特异度（10 分钟）：hf_idio_ratio_10m 对申万一级行业、市值、非线性市值、20 日换手、20 日反转、20 日日级别特异度、BP、营收增速、ROE 截面回归的残差 | | `ht_realized_vol_decomp__hf_up_vol_10m_pure` | `hf_up_vol_10m_pure` | 正交高频上行波动（10 分钟）：hf_up_vol_10m 对申万一级行业、市值、非线性市值、20 日换手、20 日反转、20 日日级别特异度、BP、营收增速、ROE 截面回归的残差 | | `ht_realized_vol_decomp__hf_down_vol_10m_pure` | `hf_down_vol_10m_pure` | 正交高频下行波动（10 分钟）：hf_down_vol_10m 对申万一级行业、市值、非线性市值、20 日换手、20 日反转、20 日日级别特异度、BP、营收增速、ROE 截面回归的残差 | | `ht_realized_vol_decomp__hf_up_vol_ratio_10m_pure` | `hf_up_vol_ratio_10m_pure` | 正交高频上行波动占比（10 分钟）：hf_up_vol_ratio_10m 对申万一级行业、市值、非线性市值、20 日换手、20 日反转、20 日日级别特异度、BP、营收增速、ROE 截面回归的残差 | ### 海通证券高频收益分布因子（`cn_stock_factors_hf_ht_return_distribution`） | 视图字段 | 源字段 | 原始含义 | | ---- | ---- | ---- | | `ht_return_distribution__rvar_1m_m1` | `rvar_1m_m1` | 高频收益方差（1 分钟·方法1）：1 分钟对数收益, 计算方法 1（不去均值）的日内对数收益平方和 RVar; 值越大日内波动越大; 取过去 20 个有效交易日均值 | | `ht_return_distribution__rvar_1m_m2` | `rvar_1m_m2` | 高频收益方差（1 分钟·方法2）：1 分钟对数收益, 计算方法 2（先减去当日收益均值）的日内对数收益平方和 RVar; 值越大日内波动越大; 取过去 20 个有效交易日均值 | | `ht_return_distribution__rvar_5m_m1` | `rvar_5m_m1` | 高频收益方差（5 分钟·方法1）：5 分钟对数收益, 计算方法 1（不去均值）的日内对数收益平方和 RVar; 值越大日内波动越大; 取过去 20 个有效交易日均值 | | `ht_return_distribution__rvar_5m_m2` | `rvar_5m_m2` | 高频收益方差（5 分钟·方法2）：5 分钟对数收益, 计算方法 2（先减去当日收益均值）的日内对数收益平方和 RVar; 值越大日内波动越大; 取过去 20 个有效交易日均值 | | `ht_return_distribution__rvar_5m_m3` | `rvar_5m_m3` | 高频收益方差（5 分钟·方法3）：5 分钟对数收益, 计算方法 3（遍历 5 种 5 分钟切分起点分别按方法 1 计算后取平均）的日内对数收益平方和 RVar; 值越大日内波动越大; 取过去 20 个有效交易日均值 | | `ht_return_distribution__rskew_1m_m1` | `rskew_1m_m1` | 高频收益偏度（1 分钟·方法1）：1 分钟对数收益, 计算方法 1（不去均值）的√N·Σr³ / RVar^1.5; 值越小（左偏）研报中未来收益越高; 取过去 20 个有效交易日均值 | | `ht_return_distribution__rskew_1m_m2` | `rskew_1m_m2` | 高频收益偏度（1 分钟·方法2）：1 分钟对数收益, 计算方法 2（先减去当日收益均值）的√N·Σr³ / RVar^1.5; 值越小（左偏）研报中未来收益越高; 取过去 20 个有效交易日均值 | | `ht_return_distribution__rskew_5m_m1` | `rskew_5m_m1` | 高频收益偏度（5 分钟·方法1）：5 分钟对数收益, 计算方法 1（不去均值）的√N·Σr³ / RVar^1.5; 值越小（左偏）研报中未来收益越高; 取过去 20 个有效交易日均值 | | `ht_return_distribution__rskew_5m_m2` | `rskew_5m_m2` | 高频收益偏度（5 分钟·方法2）：5 分钟对数收益, 计算方法 2（先减去当日收益均值）的√N·Σr³ / RVar^1.5; 值越小（左偏）研报中未来收益越高; 取过去 20 个有效交易日均值 | | `ht_return_distribution__rskew_5m_m3` | `rskew_5m_m3` | 高频收益偏度（5 分钟·方法3）：5 分钟对数收益, 计算方法 3（遍历 5 种 5 分钟切分起点分别按方法 1 计算后取平均）的√N·Σr³ / RVar^1.5; 值越小（左偏）研报中未来收益越高; 取过去 20 个有效交易日均值 | | `ht_return_distribution__rkurt_1m_m1` | `rkurt_1m_m1` | 高频收益峰度（1 分钟·方法1）：1 分钟对数收益, 计算方法 1（不去均值）的N·Σr⁴ / RVar²; 值越大尾部越厚; 取过去 20 个有效交易日均值 | | `ht_return_distribution__rkurt_1m_m2` | `rkurt_1m_m2` | 高频收益峰度（1 分钟·方法2）：1 分钟对数收益, 计算方法 2（先减去当日收益均值）的N·Σr⁴ / RVar²; 值越大尾部越厚; 取过去 20 个有效交易日均值 | | `ht_return_distribution__rkurt_5m_m1` | `rkurt_5m_m1` | 高频收益峰度（5 分钟·方法1）：5 分钟对数收益, 计算方法 1（不去均值）的N·Σr⁴ / RVar²; 值越大尾部越厚; 取过去 20 个有效交易日均值 | | `ht_return_distribution__rkurt_5m_m2` | `rkurt_5m_m2` | 高频收益峰度（5 分钟·方法2）：5 分钟对数收益, 计算方法 2（先减去当日收益均值）的N·Σr⁴ / RVar²; 值越大尾部越厚; 取过去 20 个有效交易日均值 | | `ht_return_distribution__rkurt_5m_m3` | `rkurt_5m_m3` | 高频收益峰度（5 分钟·方法3）：5 分钟对数收益, 计算方法 3（遍历 5 种 5 分钟切分起点分别按方法 1 计算后取平均）的N·Σr⁴ / RVar²; 值越大尾部越厚; 取过去 20 个有效交易日均值 | | `ht_return_distribution__rskew_1m_m1_pure` | `rskew_1m_m1_pure` | 正交高频偏度（1 分钟·方法1）：rskew_1m_m1 对申万一级行业、市值、非线性市值、20 日换手、20 日特异度、20 日反转截面回归的残差; 值越小研报中未来收益越高 | | `ht_return_distribution__rskew_1m_m2_pure` | `rskew_1m_m2_pure` | 正交高频偏度（1 分钟·方法2）：rskew_1m_m2 对申万一级行业、市值、非线性市值、20 日换手、20 日特异度、20 日反转截面回归的残差; 值越小研报中未来收益越高 | | `ht_return_distribution__rskew_5m_m1_pure` | `rskew_5m_m1_pure` | 正交高频偏度（5 分钟·方法1）：rskew_5m_m1 对申万一级行业、市值、非线性市值、20 日换手、20 日特异度、20 日反转截面回归的残差; 值越小研报中未来收益越高 | | `ht_return_distribution__rskew_5m_m2_pure` | `rskew_5m_m2_pure` | 正交高频偏度（5 分钟·方法2）：rskew_5m_m2 对申万一级行业、市值、非线性市值、20 日换手、20 日特异度、20 日反转截面回归的残差; 值越小研报中未来收益越高 | | `ht_return_distribution__rskew_5m_m3_pure` | `rskew_5m_m3_pure` | 正交高频偏度（5 分钟·方法3）：rskew_5m_m3 对申万一级行业、市值、非线性市值、20 日换手、20 日特异度、20 日反转截面回归的残差; 值越小研报中未来收益越高 | ### 自研日内微观结构因子（`cn_stock_factors_hf_intraday_microstructure`） | 视图字段 | 源字段 | 原始含义 | | ---- | ---- | ---- | | `intraday_microstructure__rkurt_daily` | `rkurt_daily` | 已实现峰度，当日 n·Σr⁴/(Σr²)²，r 为分钟收益；值越大日内收益分布尾部越厚 | | `intraday_microstructure__rs_down_ratio_daily` | `rs_down_ratio_daily` | 下行方差占比，当日下跌分钟的 Σr² 占全日 Σr² 的比例；0.5 为涨跌对称 | | `intraday_microstructure__vol_of_vol_daily` | `vol_of_vol_daily` | 日内波动离散度，当日分钟绝对收益的标准差除以均值；值越大波动在日内越不均匀 | | `intraday_microstructure__amihud_daily` | `amihud_daily` | 分钟非流动性（对数），当日 mean(&#124;r&#124;/分钟成交额) 取自然对数；值越大越不流动 | | `intraday_microstructure__elasticity_daily` | `elasticity_daily` | 量价弹性，当日 ln(分钟成交量) 对 &#124;分钟收益&#124; 的回归斜率；值越大同等波动需要越多成交量 | | `intraday_microstructure__vwap_dev_daily` | `vwap_dev_daily` | 收盘对 VWAP 偏离，当日收盘价除以全日成交额加权均价减一；值越大收盘相对均价越高 | | `intraday_microstructure__var_ratio_daily` | `var_ratio_daily` | 方差比，当日 5 分钟已实现方差除以 5 倍的 1 分钟已实现方差；小于 1 表示分钟级价格均值回复 | | `intraday_microstructure__ret_ac1_daily` | `ret_ac1_daily` | 分钟收益一阶自相关，当日 corr(rᵢ, rᵢ₋₁)；负值为价格反转，正值为延续 | | `intraday_microstructure__absret_ac1_daily` | `absret_ac1_daily` | 波动聚集度，当日 corr(&#124;rᵢ&#124;, &#124;rᵢ₋₁&#124;)；值越大波动在日内越成簇出现 | | `intraday_microstructure__vol_hhi_daily` | `vol_hhi_daily` | 成交量集中度，当日 Σ(vᵢ/Σv)²×240；1 为完全均匀，值越大成交越集中在少数分钟 | | `intraday_microstructure__vol_gravity_daily` | `vol_gravity_daily` | 成交量时间重心，当日成交量加权的分钟序号均值除以 240；0.5 为均匀，小于 0.5 表示成交偏早盘 | | `intraday_microstructure__open30_vol_daily` | `open30_vol_daily` | 开盘半小时量占比，当日前 30 根分钟 bar 的成交量占全日比例；均匀分布应为 0.125 | | `intraday_microstructure__path_eff_daily` | `path_eff_daily` | 路径效率，当日 &#124;ln(收盘/首根收盘)&#124; 除以 Σ&#124;分钟对数收益&#124;；值越大价格走得越直（趋势），越小越来回震荡 | | `intraday_microstructure__max_dd_daily` | `max_dd_daily` | 日内最大回撤，当日分钟收盘价相对其运行最高价的最小跌幅（非正数）；值越小日内回撤越深 | | `intraday_microstructure__ret_asym_daily` | `ret_asym_daily` | 量加权涨跌非对称，当日上涨分钟的成交量加权平均收益加上下跌分钟的成交量加权平均收益；正值表示上涨分钟的量价配合更强 | | `intraday_microstructure__ret_asym_m20` | `ret_asym_m20` | 量加权涨跌非对称的 20 日窗口均值，经市值中性化；值越小未来收益越高 | | `intraday_microstructure__ret_asym_s20` | `ret_asym_s20` | 量加权涨跌非对称的 20 日窗口标准差，经市值中性化；值越小未来收益越高 | | `intraday_microstructure__rkurt_s20` | `rkurt_s20` | 已实现峰度的 20 日窗口标准差，经市值中性化；值越小未来收益越高 | | `intraday_microstructure__open30_vol_m20` | `open30_vol_m20` | 开盘半小时量占比的 20 日窗口均值，经市值中性化；值越小未来收益越高 | | `intraday_microstructure__open30_vol_s20` | `open30_vol_s20` | 开盘半小时量占比的 20 日窗口标准差，经市值中性化；值越小未来收益越高 | | `intraday_microstructure__vol_of_vol_s20` | `vol_of_vol_s20` | 日内波动离散度的 20 日窗口标准差，经市值中性化；值越小未来收益越高 | | `intraday_microstructure__rs_down_ratio_m20` | `rs_down_ratio_m20` | 下行方差占比的 20 日窗口均值，经市值中性化；值越大未来收益越高 | | `intraday_microstructure__rs_down_ratio_s20` | `rs_down_ratio_s20` | 下行方差占比的 20 日窗口标准差，经市值中性化；值越小未来收益越高 | | `intraday_microstructure__absret_ac1_m20` | `absret_ac1_m20` | 波动聚集度的 20 日窗口均值，经市值中性化；值越小未来收益越高 | | `intraday_microstructure__absret_ac1_s20` | `absret_ac1_s20` | 波动聚集度的 20 日窗口标准差，经市值中性化；值越小未来收益越高 | | `intraday_microstructure__vol_gravity_s20` | `vol_gravity_s20` | 成交量时间重心的 20 日窗口标准差，经市值中性化；值越小未来收益越高 | | `intraday_microstructure__last30_ret_s20` | `last30_ret_s20` | 尾盘半小时收益的 20 日窗口标准差，经市值中性化；值越小未来收益越高 | | `intraday_microstructure__var_ratio_s20` | `var_ratio_s20` | 方差比的 20 日窗口标准差，经市值中性化；值越小未来收益越高 | | `intraday_microstructure__amihud_m20` | `amihud_m20` | 分钟非流动性（对数）的 20 日窗口均值，经市值中性化；值越大未来收益越高 | | `intraday_microstructure__vwap_dev_m20` | `vwap_dev_m20` | 收盘对 VWAP 偏离的 20 日窗口均值，经市值中性化；值越小未来收益越高 | | `intraday_microstructure__vwap_dev_s20` | `vwap_dev_s20` | 收盘对 VWAP 偏离的 20 日窗口标准差，经市值中性化；值越小未来收益越高 | | `intraday_microstructure__open30_ret_s20` | `open30_ret_s20` | 开盘半小时收益的 20 日窗口标准差，经市值中性化；值越小未来收益越高 | | `intraday_microstructure__ret_ac1_m20` | `ret_ac1_m20` | 分钟收益一阶自相关的 20 日窗口均值，经市值中性化；值越小未来收益越高 | | `intraday_microstructure__ret_ac1_s20` | `ret_ac1_s20` | 分钟收益一阶自相关的 20 日窗口标准差，经市值中性化；值越小未来收益越高 | | `intraday_microstructure__jump_ratio_m20` | `jump_ratio_m20` | 跳跃方差占比的 20 日窗口均值，经市值中性化；值越大未来收益越高 | | `intraday_microstructure__path_eff_m20` | `path_eff_m20` | 路径效率的 20 日窗口均值，经市值中性化；值越小未来收益越高 | | `intraday_microstructure__path_eff_s20` | `path_eff_s20` | 路径效率的 20 日窗口标准差，经市值中性化；值越小未来收益越高 | | `intraday_microstructure__elasticity_s20` | `elasticity_s20` | 量价弹性的 20 日窗口标准差，经市值中性化；值越大未来收益越高 | | `intraday_microstructure__max_dd_s20` | `max_dd_s20` | 日内最大回撤的 20 日窗口标准差，经市值中性化；值越小未来收益越高 | | `intraday_microstructure__vol_hhi_s20` | `vol_hhi_s20` | 成交量集中度的 20 日窗口标准差，经市值中性化；值越小未来收益越高 | | `intraday_microstructure__micro_combo` | `micro_combo` | 日内微观结构合成因子，25 个入选因子各自截面标准化后按训练段 IC 符号对齐再等权相加；值越小未来收益越高 | | `intraday_microstructure__micro_combo_pure` | `micro_combo_pure` | 纯净日内微观结构合成因子，micro_combo 对十个常见风格因子与申万一级行业哑变量回归后的残差 | ### 开源证券主动买卖切割因子（`cn_stock_factors_hf_ky_active_trade`） | 视图字段 | 源字段 | 原始含义 | | ---- | ---- | ---- | | `ky_active_trade__act_all` | `act_all` | 全体交易者主动买卖因子，日度 ACT 的 20 日均值，选股能力弱（研报对照项） | | `ky_active_trade__act_exlarge` | `act_exlarge` | 超大单（>100 万元）主动买卖因子，日度 ACT 的 20 日均值 | | `ky_active_trade__act_large` | `act_large` | 大单（20~100 万元）主动买卖因子，日度 ACT 的 20 日均值 | | `ky_active_trade__act_medium` | `act_medium` | 中单（4~20 万元）主动买卖因子，日度 ACT 的 20 日均值 | | `ky_active_trade__act_small` | `act_small` | 小单（<4 万元）主动买卖因子，日度 ACT 的 20 日均值 | | `ky_active_trade__act_high_exlarge` | `act_high_exlarge` | 超大单 ACT 高收益日均值（λ=20%），20 日窗口内收益率最高 20% 交易日的 ACT 均值，研报显示两端选股效应均微弱 | | `ky_active_trade__act_low_exlarge` | `act_low_exlarge` | 超大单 ACT 低收益日均值（λ=20%） | | `ky_active_trade__act_high_large` | `act_high_large` | 大单 ACT 高收益日均值（λ=20%），研报显示高收益端呈现较强正向选股效应，值越大未来收益越高 | | `ky_active_trade__act_low_large` | `act_low_large` | 大单 ACT 低收益日均值（λ=20%），研报显示为微弱负向选股效应 | | `ky_active_trade__act_high_medium` | `act_high_medium` | 中单 ACT 高收益日均值（λ=20%），研报显示高收益端呈现较强正向选股效应，值越大未来收益越高 | | `ky_active_trade__act_low_medium` | `act_low_medium` | 中单 ACT 低收益日均值（λ=20%） | | `ky_active_trade__act_high_small` | `act_high_small` | 小单 ACT 高收益日均值（λ=20%），研报显示正向选股效应随 λ 增大迅速衰减 | | `ky_active_trade__act_low_small` | `act_low_small` | 小单 ACT 低收益日均值（λ=20%），研报显示低收益端呈现较强负向选股效应，值越小未来收益越高 | | `ky_active_trade__act_pos_10pct` | `act_pos_10pct` | 正向主动买卖因子（λ=10%），大单与中单合并后的 ACT 在收益率最高 10% 交易日上的均值，值越大未来收益越高 | | `ky_active_trade__act_pos_20pct` | `act_pos_20pct` | 正向主动买卖因子（λ=20%），口径同上，切割比例取 20% | | `ky_active_trade__act_neg_10pct` | `act_neg_10pct` | 负向主动买卖因子（λ=10%），小单 ACT 在收益率最低 10% 交易日上的均值，值越小未来收益越高 | | `ky_active_trade__act_neg_20pct` | `act_neg_20pct` | 负向主动买卖因子（λ=20%），口径同上，切割比例取 20% | ### 开源证券理想振幅因子（`cn_stock_factors_hf_ky_ideal_amplitude`） | 视图字段 | 源字段 | 原始含义 | | ---- | ---- | ---- | | `ky_ideal_amplitude__volatility_20` | `volatility_20` | 波动率因子（对照），过去 20 个交易日日收益率的样本标准差，值越小未来收益越高 | | `ky_ideal_amplitude__amplitude_20` | `amplitude_20` | 传统振幅因子（对照），过去 20 个交易日日振幅（最高价/最低价-1）的均值，值越小未来收益越高 | | `ky_ideal_amplitude__range_amplitude_20` | `range_amplitude_20` | 区间振幅因子（对照），过去 20 个交易日区间最高价/区间最低价-1，值越小未来收益越高 | | `ky_ideal_amplitude__turnover_20` | `turnover_20` | 传统换手率因子（对照），过去 20 个交易日换手率的均值，值越小未来收益越高 | | `ky_ideal_amplitude__amp_high_20pct` | `amp_high_20pct` | 高价振幅因子 V_high(λ=20%)，20 日窗口内收盘价最高的 20% 有效交易日的振幅均值，值越小未来收益越高 | | `ky_ideal_amplitude__amp_low_20pct` | `amp_low_20pct` | 低价振幅因子 V_low(λ=20%)，20 日窗口内收盘价最低的 20% 有效交易日的振幅均值，选股能力弱 | | `ky_ideal_amplitude__ideal_amplitude_20pct` | `ideal_amplitude_20pct` | 理想振幅因子 V(λ=20%)，等于 amp_high_20pct 减 amp_low_20pct，值越小未来收益越高 | | `ky_ideal_amplitude__amp_high_25pct` | `amp_high_25pct` | 高价振幅因子 V_high(λ=25%)，口径同上，研报推荐的切割比例 | | `ky_ideal_amplitude__amp_low_25pct` | `amp_low_25pct` | 低价振幅因子 V_low(λ=25%)，口径同上 | | `ky_ideal_amplitude__ideal_amplitude_25pct` | `ideal_amplitude_25pct` | 理想振幅因子 V(λ=25%)，研报推荐版本，值越小未来收益越高 | | `ky_ideal_amplitude__amp_high_40pct` | `amp_high_40pct` | 高价振幅因子 V_high(λ=40%)，口径同上 | | `ky_ideal_amplitude__amp_low_40pct` | `amp_low_40pct` | 低价振幅因子 V_low(λ=40%)，口径同上 | | `ky_ideal_amplitude__ideal_amplitude_40pct` | `ideal_amplitude_40pct` | 理想振幅因子 V(λ=40%)，值越小未来收益越高 | | `ky_ideal_amplitude__turn_high_25pct` | `turn_high_25pct` | 高价换手率因子 T_high(λ=25%)，20 日窗口内收盘价最高的 25% 有效交易日的换手率均值，值越小未来收益越高 | | `ky_ideal_amplitude__turn_low_25pct` | `turn_low_25pct` | 低价换手率因子 T_low(λ=25%)，20 日窗口内收盘价最低的 25% 有效交易日的换手率均值 | | `ky_ideal_amplitude__ideal_turnover_25pct` | `ideal_turnover_25pct` | 理想换手率因子 T(λ=25%)，等于 turn_high_25pct 减 turn_low_25pct，值越小未来收益越高 | | `ky_ideal_amplitude__long_momentum_160` | `long_momentum_160` | 长端动量因子，过去 160 个交易日内振幅最低的 70% 交易日的涨跌幅加总，值越大未来收益越高 | ### 开源证券行业动量轮动因子（`cn_stock_factors_hf_ky_industry_rotation`） | 视图字段 | 源字段 | 原始含义 | | ---- | ---- | ---- | | `ky_industry_rotation__ind_intraday_momentum_m0` | `ind_intraday_momentum_m0` | 日内因子 M0，所属行业指数过去 20 个交易日日内收益率（今收/今开-1）之和，呈动量效应，值越大未来收益越高 | | `ky_industry_rotation__ind_overnight_reversal_m1` | `ind_overnight_reversal_m1` | 隔夜因子 M1，所属行业指数过去 20 个交易日隔夜收益率（今开/昨收-1）之和，呈反转效应，值越小未来收益越高 | | `ky_industry_rotation__ind_golden_rule_score` | `ind_golden_rule_score` | 黄金律模型总得分，M0 由低到高打分与 M1 由高到低打分之和，值越大未来收益越高 | | `ky_industry_rotation__ind_leader_ret_60pct` | `ind_leader_ret_60pct` | 所属行业龙头股（λ=60%）的 20 日平均涨幅 | | `ky_industry_rotation__ind_common_ret_60pct` | `ind_common_ret_60pct` | 所属行业普通股（λ=60%）的 20 日平均涨幅 | | `ky_industry_rotation__ind_leader_traction_60pct` | `ind_leader_traction_60pct` | 牵引力因子 G（λ=60%），等于 ind_leader_ret_60pct 减 ind_common_ret_60pct，研报最优切割参数，值越大未来收益越高 | | `ky_industry_rotation__ind_leader_traction_40pct` | `ind_leader_traction_40pct` | 牵引力因子 G（λ=40%），口径同上 | | `ky_industry_rotation__ind_leader_traction_80pct` | `ind_leader_traction_80pct` | 牵引力因子 G（λ=80%），口径同上 | ### 开源证券分钟交易行为因子（`cn_stock_factors_hf_ky_intraday_behavior`） | 视图字段 | 源字段 | 原始含义 | | ---- | ---- | ---- | | `ky_intraday_behavior__smart_money_q_raw` | `smart_money_q_raw` | 原始聪明钱因子，S=\/R\//V^0.5、截止值 20%、10 日合池，值越小未来收益越高 | | `ky_intraday_behavior__smart_money_q` | `smart_money_q` | 聪明钱因子 2.0，S=\/R\//V^0.25、截止值 20%、10 日合池，值越小未来收益越高 | | `ky_intraday_behavior__smart_money_q_beta01` | `smart_money_q_beta01` | 聪明钱因子（β=0.1），研报参数遍历下的最优版本，值越小未来收益越高 | | `ky_intraday_behavior__smart_money_q_s1` | `smart_money_q_s1` | 聪明钱因子（S=V），只用分钟成交量识别聪明钱，值越小未来收益越高 | | `ky_intraday_behavior__smart_money_q_s2` | `smart_money_q_s2` | 聪明钱因子（S=rank(\/R\/)+rank(V)），用涨跌幅与成交量的秩之和识别，值越小未来收益越高 | | `ky_intraday_behavior__smart_money_q_s3` | `smart_money_q_s3` | 聪明钱因子（S=\/R\//ln(V)），三种重构 S 指标中最强，值越小未来收益越高 | | `ky_intraday_behavior__smart_money_q_cut15` | `smart_money_q_cut15` | 聪明钱因子（截止值 15%），β=0.25，研报截止值敏感性测试下的最优版本，值越小未来收益越高 | | `ky_intraday_behavior__apm_ret_overnight_20` | `apm_ret_overnight_20` | 隔夜收益累加 RO，过去 20 个交易日隔夜收益率之和，正向预测性较稳定 | | `ky_intraday_behavior__apm_ret_am_20` | `apm_ret_am_20` | 上午收益累加 RA，过去 20 个交易日上午收益率之和，预测方向不稳定 | | `ky_intraday_behavior__apm_ret_pm_20` | `apm_ret_pm_20` | 下午收益累加 RP，过去 20 个交易日下午收益率之和，负向预测性较稳定 | | `ky_intraday_behavior__apm_raw` | `apm_raw` | 原始 APM 因子，上午与下午残差差异统计量剔除动量后的截面残差，值越大未来收益越高 | | `ky_intraday_behavior__apm_new` | `apm_new` | 改进 APM 因子，用隔夜收益替代上午收益，值越大未来收益越高 | | `ky_intraday_behavior__apm_1` | `apm_1` | APM_1 因子，隔夜与 14:00-15:00 两段的 APM，值越大未来收益越高 | | `ky_intraday_behavior__apm_2` | `apm_2` | APM_2 因子，9:30-10:30 与 14:00-15:00 两段的 APM | | `ky_intraday_behavior__apm_3` | `apm_3` | APM_3 因子，10:30-11:30 与 13:00-14:00 两段的 APM，研报中表现最差 | | `ky_intraday_behavior__apm_ovp` | `apm_ovp` | OVP 因子，RO 减 RP，值越大未来收益越高 | | `ky_intraday_behavior__apm_avp` | `apm_avp` | AVP 因子，RA 减 RP，研报中明显弱于 OVP | | `ky_intraday_behavior__extreme_ret_1` | `extreme_ret_1` | 最极端收益因子，每日极端度最高那根分钟 Bar 的收益率的 20 日均值，值越小未来收益越高 | | `ky_intraday_behavior__extreme_ret_prev1` | `extreme_ret_prev1` | 最极端收益前 1 分钟收益因子，20 日均值，值越小未来收益越高 | | `ky_intraday_behavior__err` | `err` | 极端收益率反转因子 ERR，最极端收益与其前 1 分钟收益的截面排名之和，值越小未来收益越高 | | `ky_intraday_behavior__extreme_ret_2` | `extreme_ret_2` | 第 2 极端收益因子，20 日均值，值越小未来收益越高 | | `ky_intraday_behavior__extreme_ret_3` | `extreme_ret_3` | 第 3 极端收益因子，20 日均值，值越小未来收益越高 | | `ky_intraday_behavior__extreme_ret_5` | `extreme_ret_5` | 第 5 极端收益因子，20 日均值，值越小未来收益越高 | | `ky_intraday_behavior__extreme_ret_10` | `extreme_ret_10` | 第 10 极端收益因子，20 日均值，研报指出 N>10 后选股能力已弱 | | `ky_intraday_behavior__extreme_post_ret_20min` | `extreme_post_ret_20min` | 极端收益后 20 分钟区间收益因子，20 日均值，呈动量特性，值越大未来收益越高 | | `ky_intraday_behavior__time_gravity_up` | `time_gravity_up` | 涨幅时间重心因子，上涨分钟的时间序号按涨幅加权平均后取 20 日均值，正 IC 但较弱 | | `ky_intraday_behavior__time_gravity_down` | `time_gravity_down` | 跌幅时间重心因子，下跌分钟的时间序号按跌幅绝对值加权平均后取 20 日均值，值越大未来收益越高 | | `ky_intraday_behavior__time_gravity_diff` | `time_gravity_diff` | 时间差因子，跌幅时间重心减涨幅时间重心后取 20 日均值，信息增量有限 | | `ky_intraday_behavior__time_gravity_dist` | `time_gravity_dist` | 时间距离因子，时间差取绝对值后取 20 日均值，研报中三者最弱 | | `ky_intraday_behavior__time_gravity_down_dev` | `time_gravity_down_dev` | 跌幅时间重心偏离因子，跌幅时间重心对涨幅时间重心的截面回归残差取 20 日均值，值越大未来收益越高 | | `ky_intraday_behavior__tgd` | `tgd` | 时间重心偏离因子 TGD，剥离收益率结构与极端涨跌幅干扰后的时间差，值越大未来收益越高 | | `ky_intraday_behavior__intraday_ret_skew` | `intraday_ret_skew` | 日内收益率偏度因子，当日 240 根分钟收益率的样本偏度取 20 日均值 | | `ky_intraday_behavior__tgd_skew_combo` | `tgd_skew_combo` | TGD 与偏度合成因子，两者截面排名之和，研报中稳定性最佳 | | `ky_intraday_behavior__zero_ret_minute_count` | `zero_ret_minute_count` | 日内零涨跌幅分钟数因子，当日收益率恰为 0 的分钟根数取 20 日均值 | | `ky_intraday_behavior__ret_seg7` | `ret_seg7` | 时段 7（14:01-14:30）涨跌幅因子，20 日均值，研报的时间差 alpha 解释因子 A | | `ky_intraday_behavior__ret_seg8` | `ret_seg8` | 时段 8（14:31-15:00）涨跌幅因子，20 日均值，研报的时间差 alpha 解释因子 B | ### 开源证券资金流动力学因子（`cn_stock_factors_hf_ky_moneyflow_dynamics`） | 视图字段 | 源字段 | 原始含义 | | ---- | ---- | ---- | | `ky_moneyflow_dynamics__sync_corr_el_l` | `sync_corr_el_l` | 超大单与大单净流入的 20 日同步秩相关系数 | | `ky_moneyflow_dynamics__sync_corr_el_m` | `sync_corr_el_m` | 超大单与中单净流入的 20 日同步秩相关系数 | | `ky_moneyflow_dynamics__sync_corr_el_s` | `sync_corr_el_s` | 超大单与小单净流入的 20 日同步秩相关系数，同步相关性中最有效者，值越大未来收益越高 | | `ky_moneyflow_dynamics__sync_corr_l_m` | `sync_corr_l_m` | 大单与中单净流入的 20 日同步秩相关系数 | | `ky_moneyflow_dynamics__sync_corr_l_s` | `sync_corr_l_s` | 大单与小单净流入的 20 日同步秩相关系数 | | `ky_moneyflow_dynamics__sync_corr_m_s` | `sync_corr_m_s` | 中单与小单净流入的 20 日同步秩相关系数 | | `ky_moneyflow_dynamics__flow_magnitude_h` | `flow_magnitude_h` | 资金流量级占比指标 H，过去 20 日超大单与小单净流入绝对值之和占四档净流入绝对值总和的比重，研报证明它能解释同步相关性因子的 alpha | | `ky_moneyflow_dynamics__lag_corr_el_el` | `lag_corr_el_el` | 超大单净流入与自身次日净流入的 20 日错位秩相关系数 | | `ky_moneyflow_dynamics__lag_corr_l_l` | `lag_corr_l_l` | 大单净流入与自身次日净流入的 20 日错位秩相关系数 | | `ky_moneyflow_dynamics__lag_corr_m_m` | `lag_corr_m_m` | 中单净流入与自身次日净流入的 20 日错位秩相关系数 | | `ky_moneyflow_dynamics__lag_corr_s_s` | `lag_corr_s_s` | 小单净流入与自身次日净流入的 20 日错位秩相关系数，错位相关性中最有效者，值越大未来收益越高 | | `ky_moneyflow_dynamics__lag_corr_s_l` | `lag_corr_s_l` | 小单净流入与大单次日净流入的 20 日错位秩相关系数 | | `ky_moneyflow_dynamics__lag_corr_el_l` | `lag_corr_el_l` | 超大单净流入与大单次日净流入的 20 日错位秩相关系数 | | `ky_moneyflow_dynamics__lag_corr_el_s` | `lag_corr_el_s` | 超大单净流入与小单次日净流入的 20 日错位秩相关系数 | | `ky_moneyflow_dynamics__herding_corr_el` | `herding_corr_el` | 收益率与超大单次日净流入的 20 日错位秩相关系数（研报对照项） | | `ky_moneyflow_dynamics__herding_corr_l` | `herding_corr_l` | 收益率与大单次日净流入的 20 日错位秩相关系数（研报对照项） | | `ky_moneyflow_dynamics__herding_corr_m` | `herding_corr_m` | 收益率与中单次日净流入的 20 日错位秩相关系数（研报对照项） | | `ky_moneyflow_dynamics__herding_corr_s` | `herding_corr_s` | 散户羊群效应因子，收益率与小单次日净流入的 20 日错位秩相关系数，研报的核心新因子，值越小未来收益越高 | | `ky_moneyflow_dynamics__ind_herding_corr_s` | `ind_herding_corr_s` | 行业散户羊群效应因子，所属申万一级行业的收益率一阶差分与行业小单净流入一阶差分的 20 日错位秩相关系数，值越小未来收益越高 | ### 开源证券资金流强度因子（`cn_stock_factors_hf_ky_moneyflow_strength`） | 视图字段 | 源字段 | 原始含义 | | ---- | ---- | ---- | | `ky_moneyflow_strength__cis_s1_large` | `cis_s1_large` | 大单资金流强度（成交额标准化），过去 20 日大单净流入之和除以同期总成交额之和，值越大未来收益越高 | | `ky_moneyflow_strength__cis_s1_small` | `cis_s1_small` | 小单资金流强度（成交额标准化），口径同上，值越小未来收益越高 | | `ky_moneyflow_strength__nir_large` | `nir_large` | 大单净流入率，过去 20 日大单净流入之和除以同期大单买入加卖出金额之和，即系列（12）的 S2 标准化，值越大未来收益越高 | | `ky_moneyflow_strength__nir_small` | `nir_small` | 小单净流入率，口径同上，值越小未来收益越高 | | `ky_moneyflow_strength__cis_s3_large` | `cis_s3_large` | 大单资金流强度（净流入绝对值标准化），过去 20 日大单净流入之和除以同期逐日净流入绝对值之和，系列（12）三种标准化中最优，值越大未来收益越高 | | `ky_moneyflow_strength__cis_s3_small` | `cis_s3_small` | 小单资金流强度（净流入绝对值标准化），口径同上，值越小未来收益越高 | | `ky_moneyflow_strength__cis_resid_large` | `cis_resid_large` | 大单残差资金流强度，cis_s3_large 对 20 日涨跌幅做截面回归后的残差，值越大未来收益越高 | | `ky_moneyflow_strength__cis_resid_small` | `cis_resid_small` | 小单残差资金流强度，cis_s3_small 对 20 日涨跌幅做截面回归后的残差，值越小未来收益越高 | | `ky_moneyflow_strength__resid_reversal_large` | `resid_reversal_large` | 大单残差反转因子，20 日涨跌幅对 cis_s3_large 做截面回归后的残差，值越小未来收益越高 | | `ky_moneyflow_strength__resid_reversal_small` | `resid_reversal_small` | 小单残差反转因子，20 日涨跌幅对 cis_s3_small 做截面回归后的残差，值越小未来收益越高 | | `ky_moneyflow_strength__ni_large` | `ni_large` | 大单净流入 NI，过去 20 日大单买入金额减卖出金额之和，单位元，值越大未来收益越高 | | `ky_moneyflow_strength__nipct_large` | `nipct_large` | 大单净流入占比 NIPCT，过去 20 日大单净流入之和除以流通市值，值越大未来收益越高 | | `ky_moneyflow_strength__ni_act_large` | `ni_act_large` | 大单主动净流入 NI_ACT，过去 20 日大单主动买入金额减主动卖出金额之和，单位元 | | `ky_moneyflow_strength__nir_act_large` | `nir_act_large` | 大单主动净流入率 NIR_ACT，过去 20 日大单主动净流入之和除以同期主动买入加主动卖出金额之和 | | `ky_moneyflow_strength__nipct_act_large` | `nipct_act_large` | 大单主动净流入占比 NIPCT_ACT，过去 20 日大单主动净流入之和除以流通市值 | | `ky_moneyflow_strength__nir_mod_large` | `nir_mod_large` | 大单 MOD 修正净流入率，先用日涨跌幅截面回归修正买卖金额比再求净流入率，值越大未来收益越高 | | `ky_moneyflow_strength__cnir` | `cnir` | 广义主力资金 MOD 修正净流入率，主力定义为超大单 + 大单 + 中单，值越大未来收益越高 | ### 开源证券挂单规模成交占比因子（`cn_stock_factors_hf_ky_order_size_structure`） | 视图字段 | 源字段 | 原始含义 | | ---- | ---- | ---- | | `ky_order_size_structure__amt_ratio_exlarge` | `amt_ratio_exlarge` | 超大单（>100 万元）成交占比因子，过去 20 日超大单成交额之和除以总成交额之和，值越小未来收益越高 | | `ky_order_size_structure__amt_ratio_large` | `amt_ratio_large` | 大单（20~100 万元）成交占比因子，口径同上 | | `ky_order_size_structure__amt_ratio_medium` | `amt_ratio_medium` | 中单（4~20 万元）成交占比因子，口径同上 | | `ky_order_size_structure__amt_ratio_small` | `amt_ratio_small` | 小单（<4 万元）成交占比因子，口径同上 | | `ky_order_size_structure__amt_ratio_above_large` | `amt_ratio_above_large` | 大单以上成交占比因子，等于超大单占比加大单占比，研报用它考察与市值的相关性随市值风格的变化 | | `ky_order_size_structure__evl` | `evl` | EVL 因子，超大单占比对大单占比做截面一元回归后的残差，值越大未来收益越高 | | `ky_order_size_structure__evm` | `evm` | EVM 因子，超大单占比对中单占比做截面一元回归后的残差，值越大未来收益越高 | | `ky_order_size_structure__evs` | `evs` | EVS 因子，超大单占比对小单占比做截面一元回归后的残差，值越大未来收益越高 | | `ky_order_size_structure__amount_20` | `amount_20` | 成交额因子，过去 20 日日均成交额取自然对数，值越小未来收益越高 | | `ky_order_size_structure__amt_exlarge_20` | `amt_exlarge_20` | 超大单成交额因子，等于超大单成交占比乘以成交额因子 | | `ky_order_size_structure__amt_large_20` | `amt_large_20` | 大单成交额因子，等于大单成交占比乘以成交额因子 | | `ky_order_size_structure__amt_medium_20` | `amt_medium_20` | 中单成交额因子，等于中单成交占比乘以成交额因子，值越小未来收益越高 | | `ky_order_size_structure__amt_small_20` | `amt_small_20` | 小单成交额因子，等于小单成交占比乘以成交额因子，值越小未来收益越高 | ### 开源证券价格跳跃峰岭谷因子（`cn_stock_factors_hf_ky_price_jump_peak_ridge_valley`） | 视图字段 | 源字段 | 原始含义 | | ---- | ---- | ---- | | `ky_price_jump_peak_ridge_valley__price_peak_count` | `price_peak_count` | 价峰分钟数，过去 20 个交易日价峰（非高涨情绪下的无缺口跳跃）分钟数之和，值越大未来收益越高 | | `ky_price_jump_peak_ridge_valley__price_ridge_return` | `price_ridge_return` | 价岭分钟收益，过去 20 个交易日价岭（非低迷情绪下的有缺口跳跃）分钟涨跌幅之和，值越小未来收益越高 | | `ky_price_jump_peak_ridge_valley__price_valley_relative_vwap` | `price_valley_relative_vwap` | 价谷相对加权价，每日价谷分钟成交量加权价 ÷ 全天成交量加权价，取 20 日均值，值越大未来收益越高 | | `ky_price_jump_peak_ridge_valley__price_ridge_gap_skew` | `price_ridge_gap_skew` | 价岭间隔偏度，过去 20 日同日相邻价岭分钟的时间间隔合并后的偏度，值越小未来收益越高 | | `ky_price_jump_peak_ridge_valley__price_jump_amount_corr` | `price_jump_amount_corr` | 价格跳跃成交额相关性，过去 20 日跳跃分钟成交额与下一分钟成交额的错位相关系数，值越小未来收益越高 | | `ky_price_jump_peak_ridge_valley__price_jump_composite` | `price_jump_composite` | 峰岭谷合成因子，上述 5 个因子方向统一、截面标准化后等权平均，值越大未来收益越高 | ### 开源证券理想反转衍生因子（`cn_stock_factors_hf_ky_reversal_siblings`） | 视图字段 | 源字段 | 原始含义 | | ---- | ---- | ---- | | `ky_reversal_siblings__rev_split_amt` | `rev_split_amt` | 兄弟因子「理想反转 × 单笔成交额」，取值方式为理想反转、反转强度指标为单笔成交额，值越小未来收益越高 | | `ky_reversal_siblings__rev_split_amtdiff` | `rev_split_amtdiff` | 兄弟因子「理想反转 × 单笔成交额 Diff」，取值方式为理想反转、反转强度指标为单笔成交额 Diff，值越小未来收益越高 | | `ky_reversal_siblings__rev_split_vol` | `rev_split_vol` | 兄弟因子「理想反转 × 单笔成交量」，取值方式为理想反转、反转强度指标为单笔成交量，值越小未来收益越高 | | `ky_reversal_siblings__rev_split_voldiff` | `rev_split_voldiff` | 兄弟因子「理想反转 × 单笔成交量 Diff」，取值方式为理想反转、反转强度指标为单笔成交量 Diff，值越小未来收益越高 | | `ky_reversal_siblings__rev_wavg_amt` | `rev_wavg_amt` | 兄弟因子「加权平均 × 单笔成交额」，取值方式为加权平均、反转强度指标为单笔成交额，值越小未来收益越高 | | `ky_reversal_siblings__rev_wavg_amtdiff` | `rev_wavg_amtdiff` | 兄弟因子「加权平均 × 单笔成交额 Diff」，取值方式为加权平均、反转强度指标为单笔成交额 Diff，值越小未来收益越高 | | `ky_reversal_siblings__rev_wavg_vol` | `rev_wavg_vol` | 兄弟因子「加权平均 × 单笔成交量」，取值方式为加权平均、反转强度指标为单笔成交量，值越小未来收益越高 | | `ky_reversal_siblings__rev_wavg_voldiff` | `rev_wavg_voldiff` | 兄弟因子「加权平均 × 单笔成交量 Diff」，取值方式为加权平均、反转强度指标为单笔成交量 Diff，值越小未来收益越高 | | `ky_reversal_siblings__rev_beta_amt` | `rev_beta_amt` | 兄弟因子「回归 Beta × 单笔成交额」，取值方式为回归 Beta、反转强度指标为单笔成交额，值越小未来收益越高 | | `ky_reversal_siblings__rev_beta_amtdiff` | `rev_beta_amtdiff` | 兄弟因子「回归 Beta × 单笔成交额 Diff」，取值方式为回归 Beta、反转强度指标为单笔成交额 Diff，值越小未来收益越高 | | `ky_reversal_siblings__rev_beta_vol` | `rev_beta_vol` | 兄弟因子「回归 Beta × 单笔成交量」，取值方式为回归 Beta、反转强度指标为单笔成交量，值越小未来收益越高 | | `ky_reversal_siblings__rev_beta_voldiff` | `rev_beta_voldiff` | 兄弟因子「回归 Beta × 单笔成交量 Diff」，取值方式为回归 Beta、反转强度指标为单笔成交量 Diff，值越小未来收益越高 | | `ky_reversal_siblings__rev_corr_amt` | `rev_corr_amt` | 兄弟因子「Corr × 单笔成交额」，取值方式为Corr、反转强度指标为单笔成交额，值越小未来收益越高 | | `ky_reversal_siblings__rev_corr_amtdiff` | `rev_corr_amtdiff` | 兄弟因子「Corr × 单笔成交额 Diff」，取值方式为Corr、反转强度指标为单笔成交额 Diff，值越小未来收益越高 | | `ky_reversal_siblings__rev_corr_vol` | `rev_corr_vol` | 兄弟因子「Corr × 单笔成交量」，取值方式为Corr、反转强度指标为单笔成交量，值越小未来收益越高 | | `ky_reversal_siblings__rev_corr_voldiff` | `rev_corr_voldiff` | 兄弟因子「Corr × 单笔成交量 Diff」，取值方式为Corr、反转强度指标为单笔成交量 Diff，值越小未来收益越高 | | `ky_reversal_siblings__rev_sibling_combo` | `rev_sibling_combo` | 16 个兄弟因子截面标准化后等权合成，值越小未来收益越高 | ### 开源证券理想反转衍生因子补建（`cn_stock_factors_hf_ky_reversal_siblings_ext`） | 视图字段 | 源字段 | 原始含义 | | ---- | ---- | ---- | | `ky_reversal_siblings_ext__rev_split_combo` | `rev_split_combo` | 理想反转方式合成因子，取值方式固定为理想反转，单笔成交额、单笔成交额 Diff、单笔成交量、单笔成交量 Diff 四个兄弟因子截面标准化后等权合成，值越小未来收益越高 | ### 开源证券分钟聪明钱增强因子（`cn_stock_factors_hf_ky_smart_money_minute_enhanced`） | 视图字段 | 源字段 | 原始含义 | | ---- | ---- | ---- | | `ky_smart_money_minute_enhanced__smart_price_impact` | `smart_price_impact` | 价格冲击聪明钱因子，高聪明度分钟中前后收益差较大的分钟的 VWAP ÷ 全体 VWAP，值越小未来收益越高 | | `ky_smart_money_minute_enhanced__smart_vol_decay` | `smart_vol_decay` | 成交量衰减聪明钱因子，高聪明度分钟中事后成交量相对事前萎缩的分钟的 VWAP ÷ 全体 VWAP，值越小未来收益越高 | | `ky_smart_money_minute_enhanced__smart_minute_enhanced` | `smart_minute_enhanced` | 分钟聪明钱增强因子，上述两个因子截面标准化后等权平均，值越小未来收益越高 | ### 天风证券中高频公式化Alpha因子（`cn_stock_factors_hf_tf_formula_alpha`） | 视图字段 | 源字段 | 原始含义 | | ---- | ---- | ---- | | `tf_formula_alpha__tf_alpha1` | `tf_alpha1` | 尾盘 3 小时最高价涨幅日内排序：Alpha(ts_Rank(8, pctchange_ts(6, highest_price)), 1500, mean/std, 40); 研报 2011~2020Q1 IC −4.0%、ICIR −3.93 | | `tf_formula_alpha__tf_alpha2` | `tf_alpha2` | 午盘收益信息比：Alpha(pctchange_ts(4, close_price), 1500, mean/std, 40), 即 11:30→15:00 收益; 研报 IC −4.0%、ICIR −2.80（反转） | | `tf_formula_alpha__tf_alpha3` | `tf_alpha3` | 隔夜跳空最小值：Alpha(div(open_price, pre_close), 1000, min, 40), 即开盘价/昨收; 研报 IC 3.5%、ICIR 3.45（动量） | | `tf_formula_alpha__tf_alpha4` | `tf_alpha4` | 低量与高量 bar 振幅比：Alpha(sub(highest_price, lowest_price), sortmeandiv_turnover, mean/std, 40); 研报 IC 3.2%、ICIR 2.67 | | `tf_formula_alpha__tf_alpha5` | `tf_alpha5` | 日均价相对 bar 均价最大值：Alpha(div(today_vwap, vwap), mean_kline, max, 40); 研报 IC −4.5%、ICIR −4.30 | | `tf_formula_alpha__tf_alpha6` | `tf_alpha6` | 尾盘成交额日内排序：Alpha(ts_Rank(8, turnover), 1500, mean, 40); 研报 IC −4.8%、ICIR −2.46 | | `tf_formula_alpha__tf_alpha7` | `tf_alpha7` | 开盘 30 分钟换手率最大值：Alpha(TR, 1000, max, 40); 研报 IC −3.7%、ICIR −2.71 | | `tf_formula_alpha__tf_alpha8` | `tf_alpha8` | 尾盘 30 分钟换手率最大值：Alpha(TR, 1500, max, 40); 研报 IC −5.5%、ICIR −3.86 | | `tf_formula_alpha__tf_alpha9` | `tf_alpha9` | 涨跌幅极值 bar 最高价差：Alpha(highest_price, diff_RET, mean/std, 40): 涨幅最大 bar 最高价 − 涨幅最小 bar 最高价; 研报 IC 3.0%、ICIR 2.17 | | `tf_formula_alpha__tf_alpha10` | `tf_alpha10` | 尾段收益与最高价相关：Alpha(correlation(6, RET, highest_price), 1500, mean, 40); 研报 IC −3.7%、ICIR −3.30 | ### 天风证券基因表达式规划价量因子（`cn_stock_factors_hf_tf_gep_alpha`） | 视图字段 | 源字段 | 原始含义 | | ---- | ---- | ---- | | `tf_gep_alpha__gep_alpha1` | `gep_alpha1` | GEP 价量因子 Alpha1：log(ts_incv(sqrt(HIGH/PRECLOSE−1), 20)): 最高价涨幅开方的 20 日均值/标准差取对数; 研报周度 rank IC 均值 0.0328、年化 ICIR 4 以上 | | `tf_gep_alpha__gep_alpha2` | `gep_alpha2` | GEP 价量因子 Alpha2：ts_regbeta(neg(s_log(VWAP/PRECLOSE−1)), min(HIGH/PRECLOSE−1, AMOUNT), 20): 20 日回归斜率; 研报周度 rank IC 均值 −0.0394、年化 ICIR −4.96 | | `tf_gep_alpha__gep_alpha3` | `gep_alpha3` | GEP 价量因子 Alpha3：ts_corr(ts_rank(TURN, 5), ts_maxmin_norm(CLOSE, 7), 15): 换手率时序排名与收盘价 maxmin 标准化的 15 日相关; 研报周度 rank IC 均值 −0.0267、年化 ICIR −3.357 | | `tf_gep_alpha__gep_alpha4` | `gep_alpha4` | GEP 价量因子 Alpha4：rank(log(ts_maxmin(TURN, 15))): 15 日换手率极差取对数后截面排名; 研报周度 rank IC 均值 −0.0279、年化 ICIR −4.249 | | `tf_gep_alpha__gep_alpha5` | `gep_alpha5` | GEP 价量因子 Alpha5：ts_incv(scale((HIGH/PRECLOSE−1)·ts_argmax(AMOUNT, 5)), 15): 15 日均值/标准差; 研报周度 rank IC 均值 0.0256、年化 ICIR 3.912 | ### 天风证券分时K线遗传规划因子（`cn_stock_factors_hf_tf_gp_30min`） | 视图字段 | 源字段 | 原始含义 | | ---- | ---- | ---- | | `tf_gp_30min__gp30m_001` | `gp30m_001` | 30 分钟 K 线 GP 因子 #1：研报表 7 第 1 号表达式 ts_Max(11,covariance(8,ts_Max(5,stddev(10,mul(volume,vwap))),ts_Mean(12,amount))), 取当日 15:00 那根 30 分钟 bar 上的值 | | `tf_gp_30min__gp30m_003` | `gp30m_003` | 30 分钟 K 线 GP 因子 #3：研报表 7 第 3 号表达式 sub(delta(5,vwap),sqrt(ts_Rank(8,neg(close)))), 取当日 15:00 那根 30 分钟 bar 上的值 | | `tf_gp_30min__gp30m_004` | `gp30m_004` | 30 分钟 K 线 GP 因子 #4：研报表 7 第 4 号表达式 ts_Max(11,covariance(8,ts_Max(5,low),ts_Mean(12,amount))), 取当日 15:00 那根 30 分钟 bar 上的值 | | `tf_gp_30min__gp30m_005` | `gp30m_005` | 30 分钟 K 线 GP 因子 #5：研报表 7 第 5 号表达式 div(covariance(9,volume,amount),ts_Mean(8,REGbeta_ts(13,amount,high))), 取当日 15:00 那根 30 分钟 bar 上的值 | | `tf_gp_30min__gp30m_006` | `gp30m_006` | 30 分钟 K 线 GP 因子 #6：研报表 7 第 6 号表达式 covariance(12,amount,high), 取当日 15:00 那根 30 分钟 bar 上的值; 研报 3.1.1 节: 2017~2019 日度 IC 均值 −4.9%、ICIR −10.98、多头超额 15.6%（反向指标） | | `tf_gp_30min__gp30m_007` | `gp30m_007` | 30 分钟 K 线 GP 因子 #7：研报表 7 第 7 号表达式 ts_Max(6,correlation(12,volume,high)), 取当日 15:00 那根 30 分钟 bar 上的值 | | `tf_gp_30min__gp30m_008` | `gp30m_008` | 30 分钟 K 线 GP 因子 #8：研报表 7 第 8 号表达式 sqrt(min(log(mul(arctan(volume),correlation(12,volume,high))),delta(6,open))), 取当日 15:00 那根 30 分钟 bar 上的值 | | `tf_gp_30min__gp30m_009` | `gp30m_009` | 30 分钟 K 线 GP 因子 #9：研报表 7 第 9 号表达式 min(max(sig(vwap),delta(3,volume)),pctchange_ts(4,high)), 取当日 15:00 那根 30 分钟 bar 上的值 | | `tf_gp_30min__gp30m_010` | `gp30m_010` | 30 分钟 K 线 GP 因子 #10：研报表 7 第 10 号表达式 stddev(15,add(max(stddev(11,close),ts_Max(14,volume)),stddev(11,close))), 取当日 15:00 那根 30 分钟 bar 上的值 | | `tf_gp_30min__gp30m_011` | `gp30m_011` | 30 分钟 K 线 GP 因子 #11：研报表 7 第 11 号表达式 delta(2,log(close)), 取当日 15:00 那根 30 分钟 bar 上的值 | | `tf_gp_30min__gp30m_012` | `gp30m_012` | 30 分钟 K 线 GP 因子 #12：研报表 7 第 12 号表达式 min(delta(3,low),delta(6,close)), 取当日 15:00 那根 30 分钟 bar 上的值 | | `tf_gp_30min__gp30m_013` | `gp30m_013` | 30 分钟 K 线 GP 因子 #13：研报表 7 第 13 号表达式 rank(covariance(9,volume,high)), 取当日 15:00 那根 30 分钟 bar 上的值 | | `tf_gp_30min__gp30m_014` | `gp30m_014` | 30 分钟 K 线 GP 因子 #14：研报表 7 第 14 号表达式 correlation(9,log(volume),max(close,close)), 取当日 15:00 那根 30 分钟 bar 上的值 | | `tf_gp_30min__gp30m_015` | `gp30m_015` | 30 分钟 K 线 GP 因子 #15：研报表 7 第 15 号表达式 stddev(14,max(ts_Max(9,max(delta(15,vwap),rank(amount))),covariance(9,vwap,amount))), 取当日 15:00 那根 30 分钟 bar 上的值 | | `tf_gp_30min__gp30m_016` | `gp30m_016` | 30 分钟 K 线 GP 因子 #16：研报表 7 第 16 号表达式 delta(3,close), 取当日 15:00 那根 30 分钟 bar 上的值 | | `tf_gp_30min__gp30m_017` | `gp30m_017` | 30 分钟 K 线 GP 因子 #17：研报表 7 第 17 号表达式 REGresid_ts(7,delay(8,mul(volume,volume)),close), 取当日 15:00 那根 30 分钟 bar 上的值 | | `tf_gp_30min__gp30m_018` | `gp30m_018` | 30 分钟 K 线 GP 因子 #18：研报表 7 第 18 号表达式 REGresid_ts(7,delay(8,open),close), 取当日 15:00 那根 30 分钟 bar 上的值 | | `tf_gp_30min__gp30m_019` | `gp30m_019` | 30 分钟 K 线 GP 因子 #19：研报表 7 第 19 号表达式 REGresid_ts(7,REGbeta_ts(12,open,low),close), 取当日 15:00 那根 30 分钟 bar 上的值 | | `tf_gp_30min__gp30m_020` | `gp30m_020` | 30 分钟 K 线 GP 因子 #20：研报表 7 第 20 号表达式 add(mul(neg(low),min(ts_Max(11,open),delta(5,close))),div(ts_Rank(9,vwap),min(low,low))), 取当日 15:00 那根 30 分钟 bar 上的值 | | `tf_gp_30min__gp30m_021` | `gp30m_021` | 30 分钟 K 线 GP 因子 #21：研报表 7 第 21 号表达式 div(min(vwap,stddev(8,volume)),ts_Max(8,low)), 取当日 15:00 那根 30 分钟 bar 上的值 | | `tf_gp_30min__gp30m_022` | `gp30m_022` | 30 分钟 K 线 GP 因子 #22：研报表 7 第 22 号表达式 arctan(REGresid_ts(8,sig(REGbeta_ts(7,abs(volume),sqrt(close))),low)), 取当日 15:00 那根 30 分钟 bar 上的值 | | `tf_gp_30min__gp30m_023` | `gp30m_023` | 30 分钟 K 线 GP 因子 #23：研报表 7 第 23 号表达式 add(delta(4,delta(15,close)),ts_Max(13,rank(amount))), 取当日 15:00 那根 30 分钟 bar 上的值 | | `tf_gp_30min__gp30m_024` | `gp30m_024` | 30 分钟 K 线 GP 因子 #24：研报表 7 第 24 号表达式 add(delta(6,rank(arctan(volume))),stddev(9,log(volume))), 取当日 15:00 那根 30 分钟 bar 上的值 | | `tf_gp_30min__gp30m_025` | `gp30m_025` | 30 分钟 K 线 GP 因子 #25：研报表 7 第 25 号表达式 abs(sub(REGbeta_ts(6,amount,low),div(close,open))), 取当日 15:00 那根 30 分钟 bar 上的值 | | `tf_gp_30min__gp30m_026` | `gp30m_026` | 30 分钟 K 线 GP 因子 #26：研报表 7 第 26 号表达式 correlation(15,volume,vwap), 取当日 15:00 那根 30 分钟 bar 上的值 | | `tf_gp_30min__gp30m_027` | `gp30m_027` | 30 分钟 K 线 GP 因子 #27：研报表 7 第 27 号表达式 REGbeta_ts(6,log(mul(add(volume,high),arctan(amount))),sub(stddev(14,div(close,open)),low)), 取当日 15:00 那根 30 分钟 bar 上的值 | | `tf_gp_30min__gp30m_028` | `gp30m_028` | 30 分钟 K 线 GP 因子 #28：研报表 7 第 28 号表达式 ts_Mean(11,div(close,open)), 取当日 15:00 那根 30 分钟 bar 上的值 | | `tf_gp_30min__gp30m_029` | `gp30m_029` | 30 分钟 K 线 GP 因子 #29：研报表 7 第 29 号表达式 ts_Max(13,REGbeta_ts(9,vwap,amount)), 取当日 15:00 那根 30 分钟 bar 上的值 | | `tf_gp_30min__gp30m_030` | `gp30m_030` | 30 分钟 K 线 GP 因子 #30：研报表 7 第 30 号表达式 div(delta(6,min(low,vwap)),div(sqrt(open),abs(open))), 取当日 15:00 那根 30 分钟 bar 上的值 | | `tf_gp_30min__gp30m_031` | `gp30m_031` | 30 分钟 K 线 GP 因子 #31：研报表 7 第 31 号表达式 pctchange_ts(5,sub(add(close,high),sub(abs(high),REGresid_ts(12,open,close)))), 取当日 15:00 那根 30 分钟 bar 上的值 | | `tf_gp_30min__gp30m_032` | `gp30m_032` | 30 分钟 K 线 GP 因子 #32：研报表 7 第 32 号表达式 REGbeta_ts(14,close,stddev(6,abs(close))), 取当日 15:00 那根 30 分钟 bar 上的值 | | `tf_gp_30min__gp30m_033` | `gp30m_033` | 30 分钟 K 线 GP 因子 #33：研报表 7 第 33 号表达式 covariance(4,vwap,ts_Rank(14,volume)), 取当日 15:00 那根 30 分钟 bar 上的值 | | `tf_gp_30min__gp30m_034` | `gp30m_034` | 30 分钟 K 线 GP 因子 #34：研报表 7 第 34 号表达式 neg(REGresid_ts(8,amount,low)), 取当日 15:00 那根 30 分钟 bar 上的值 | | `tf_gp_30min__gp30m_035` | `gp30m_035` | 30 分钟 K 线 GP 因子 #35：研报表 7 第 35 号表达式 neg(ts_Max(12,correlation(14,amount,close))), 取当日 15:00 那根 30 分钟 bar 上的值 | | `tf_gp_30min__gp30m_036` | `gp30m_036` | 30 分钟 K 线 GP 因子 #36：研报表 7 第 36 号表达式 correlation(12,vwap,ts_Mean(8,volume)), 取当日 15:00 那根 30 分钟 bar 上的值 | | `tf_gp_30min__gp30m_037` | `gp30m_037` | 30 分钟 K 线 GP 因子 #37：研报表 7 第 37 号表达式 rank(covariance(6,amount,close)), 取当日 15:00 那根 30 分钟 bar 上的值 | | `tf_gp_30min__gp30m_038` | `gp30m_038` | 30 分钟 K 线 GP 因子 #38：研报表 7 第 38 号表达式 REGbeta_ts(8,log(volume),vwap), 取当日 15:00 那根 30 分钟 bar 上的值 | | `tf_gp_30min__gp30m_039` | `gp30m_039` | 30 分钟 K 线 GP 因子 #39：研报表 7 第 39 号表达式 add(volume,ts_Mean(11,covariance(12,amount,vwap))), 取当日 15:00 那根 30 分钟 bar 上的值 | | `tf_gp_30min__gp30m_040` | `gp30m_040` | 30 分钟 K 线 GP 因子 #40：研报表 7 第 40 号表达式 correlation(9,sig(rank(vwap)),volume), 取当日 15:00 那根 30 分钟 bar 上的值 | | `tf_gp_30min__gp30m_041` | `gp30m_041` | 30 分钟 K 线 GP 因子 #41：研报表 7 第 41 号表达式 correlation(9,sig(arctan(close)),max(pctchange_ts(11,open),delta(9,volume))), 取当日 15:00 那根 30 分钟 bar 上的值 | | `tf_gp_30min__gp30m_042` | `gp30m_042` | 30 分钟 K 线 GP 因子 #42：研报表 7 第 42 号表达式 correlation(5,delta(4,high),neg(volume)), 取当日 15:00 那根 30 分钟 bar 上的值 | | `tf_gp_30min__gp30m_043` | `gp30m_043` | 30 分钟 K 线 GP 因子 #43：研报表 7 第 43 号表达式 mul(max(sub(open,volume),max(volume,vwap)),delta(4,close)), 取当日 15:00 那根 30 分钟 bar 上的值 | | `tf_gp_30min__gp30m_044` | `gp30m_044` | 30 分钟 K 线 GP 因子 #44：研报表 7 第 44 号表达式 div(div(neg(close),sub(high,vwap)),rank(covariance(8,max(high,vwap),volume))), 取当日 15:00 那根 30 分钟 bar 上的值 | | `tf_gp_30min__gp30m_045` | `gp30m_045` | 30 分钟 K 线 GP 因子 #45：研报表 7 第 45 号表达式 div(div(neg(close),ts_Mean(13,amount)),rank(covariance(8,max(high,vwap),volume))), 取当日 15:00 那根 30 分钟 bar 上的值 | | `tf_gp_30min__gp30m_046` | `gp30m_046` | 30 分钟 K 线 GP 因子 #46：研报表 7 第 46 号表达式 delta(6,high), 取当日 15:00 那根 30 分钟 bar 上的值 | | `tf_gp_30min__gp30m_047` | `gp30m_047` | 30 分钟 K 线 GP 因子 #47：研报表 7 第 47 号表达式 min(pctchange_ts(1,close),pctchange_ts(4,high)), 取当日 15:00 那根 30 分钟 bar 上的值 | | `tf_gp_30min__gp30m_048` | `gp30m_048` | 30 分钟 K 线 GP 因子 #48：研报表 7 第 48 号表达式 min(sub(sig(min(low,amount)),div(vwap,close)),pctchange_ts(5,close)), 取当日 15:00 那根 30 分钟 bar 上的值 | | `tf_gp_30min__gp30m_049` | `gp30m_049` | 30 分钟 K 线 GP 因子 #49：研报表 7 第 49 号表达式 REGresid_ts(7,mul(arctan(ts_Max(8,amount)),ts_Rank(6,ts_Rank(8,REGbeta_ts(9,open,amount)))),close), 取当日 15:00 那根 30 分钟 bar 上的值 | | `tf_gp_30min__gp30m_050` | `gp30m_050` | 30 分钟 K 线 GP 因子 #50：研报表 7 第 50 号表达式 div(ts_Max(5,vwap),high), 取当日 15:00 那根 30 分钟 bar 上的值 | | `tf_gp_30min__gp30m_051` | `gp30m_051` | 30 分钟 K 线 GP 因子 #51：研报表 7 第 51 号表达式 min(delay(12,REGbeta_ts(15,mul(open,volume),covariance(10,arctan(high),add(max(high,volume),vwap)))),pctchange_ts(5,close)), 取当日 15:00 那根 30 分钟 bar 上的值 | | `tf_gp_30min__gp30m_052` | `gp30m_052` | 30 分钟 K 线 GP 因子 #52：研报表 7 第 52 号表达式 min(correlation(13,vwap,sqrt(ts_Max(6,amount))),delta(2,open)), 取当日 15:00 那根 30 分钟 bar 上的值 | | `tf_gp_30min__gp30m_053` | `gp30m_053` | 30 分钟 K 线 GP 因子 #53：研报表 7 第 53 号表达式 min(correlation(13,vwap,volume),covariance(14,min(vwap,amount),stddev(8,low))), 取当日 15:00 那根 30 分钟 bar 上的值 | | `tf_gp_30min__gp30m_054` | `gp30m_054` | 30 分钟 K 线 GP 因子 #54：研报表 7 第 54 号表达式 arctan(add(correlation(9,volume,high),pctchange_ts(1,ts_Max(14,volume)))), 取当日 15:00 那根 30 分钟 bar 上的值 | | `tf_gp_30min__gp30m_055` | `gp30m_055` | 30 分钟 K 线 GP 因子 #55：研报表 7 第 55 号表达式 pctchange_ts(13,min(log(delay(2,amount)),REGresid_ts(7,delay(5,vwap),add(rank(volume),close)))), 取当日 15:00 那根 30 分钟 bar 上的值 | | `tf_gp_30min__gp30m_056` | `gp30m_056` | 30 分钟 K 线 GP 因子 #56：研报表 7 第 56 号表达式 correlation(14,delta(11,volume),add(correlation(9,volume,high),close)), 取当日 15:00 那根 30 分钟 bar 上的值 | | `tf_gp_30min__gp30m_057` | `gp30m_057` | 30 分钟 K 线 GP 因子 #57：研报表 7 第 57 号表达式 correlation(14,add(low,max(volume,low)),pctchange_ts(5,log(vwap))), 取当日 15:00 那根 30 分钟 bar 上的值 | | `tf_gp_30min__gp30m_058` | `gp30m_058` | 30 分钟 K 线 GP 因子 #58：研报表 7 第 58 号表达式 min(log(delay(2,amount)),REGresid_ts(7,rank(amount),add(high,close))), 取当日 15:00 那根 30 分钟 bar 上的值 | | `tf_gp_30min__gp30m_059` | `gp30m_059` | 30 分钟 K 线 GP 因子 #59：研报表 7 第 59 号表达式 min(log(delay(2,amount)),REGresid_ts(7,delay(5,vwap),add(add(vwap,close),close))), 取当日 15:00 那根 30 分钟 bar 上的值 | | `tf_gp_30min__gp30m_060` | `gp30m_060` | 30 分钟 K 线 GP 因子 #60：研报表 7 第 60 号表达式 sub(neg(correlation(11,min(sqrt(volume),open),ts_Max(10,volume))),delta(5,min(low,volume))), 取当日 15:00 那根 30 分钟 bar 上的值 | | `tf_gp_30min__gp30m_061` | `gp30m_061` | 30 分钟 K 线 GP 因子 #61：研报表 7 第 61 号表达式 mul(ts_Max(13,correlation(9,volume,close)),delay(7,max(sqrt(amount),correlation(9,volume,close)))), 取当日 15:00 那根 30 分钟 bar 上的值 | | `tf_gp_30min__gp30m_062` | `gp30m_062` | 30 分钟 K 线 GP 因子 #62：研报表 7 第 62 号表达式 REGbeta_ts(6,sub(log(volume),low),log(add(low,close))), 取当日 15:00 那根 30 分钟 bar 上的值 | | `tf_gp_30min__gp30m_063` | `gp30m_063` | 30 分钟 K 线 GP 因子 #63：研报表 7 第 63 号表达式 REGresid_ts(10,delay(10,high),mul(open,close)), 取当日 15:00 那根 30 分钟 bar 上的值 | | `tf_gp_30min__gp30m_064` | `gp30m_064` | 30 分钟 K 线 GP 因子 #64：研报表 7 第 64 号表达式 REGresid_ts(7,min(ts_Rank(4,open),log(vwap)),vwap), 取当日 15:00 那根 30 分钟 bar 上的值 | | `tf_gp_30min__gp30m_065` | `gp30m_065` | 30 分钟 K 线 GP 因子 #65：研报表 7 第 65 号表达式 correlation(7,add(volume,close),sqrt(pctchange_ts(5,close))), 取当日 15:00 那根 30 分钟 bar 上的值 | | `tf_gp_30min__gp30m_066` | `gp30m_066` | 30 分钟 K 线 GP 因子 #66：研报表 7 第 66 号表达式 min(ts_Max(10,amount),ts_Max(7,REGbeta_ts(12,vwap,amount))), 取当日 15:00 那根 30 分钟 bar 上的值 | | `tf_gp_30min__gp30m_067` | `gp30m_067` | 30 分钟 K 线 GP 因子 #67：研报表 7 第 67 号表达式 REGresid_ts(6,ts_Rank(7,ts_Rank(14,sub(vwap,close))),arctan(sqrt(vwap))), 取当日 15:00 那根 30 分钟 bar 上的值 | | `tf_gp_30min__gp30m_068` | `gp30m_068` | 30 分钟 K 线 GP 因子 #68：研报表 7 第 68 号表达式 mul(low,min(pctchange_ts(7,low),ts_Min(11,volume))), 取当日 15:00 那根 30 分钟 bar 上的值 | | `tf_gp_30min__gp30m_069` | `gp30m_069` | 30 分钟 K 线 GP 因子 #69：研报表 7 第 69 号表达式 sub(ts_Mean(15,correlation(11,vwap,volume)),sub(open,high)), 取当日 15:00 那根 30 分钟 bar 上的值 | | `tf_gp_30min__gp30m_070` | `gp30m_070` | 30 分钟 K 线 GP 因子 #70：研报表 7 第 70 号表达式 stddev(6,delta(11,log(volume))), 取当日 15:00 那根 30 分钟 bar 上的值; 研报 3.1.3 节: IC −3.6%、ICIR −13.16、多头超额 15.0% | | `tf_gp_30min__gp30m_071` | `gp30m_071` | 30 分钟 K 线 GP 因子 #71：研报表 7 第 71 号表达式 stddev(6,delta(11,neg(volume))), 取当日 15:00 那根 30 分钟 bar 上的值 | | `tf_gp_30min__gp30m_072` | `gp30m_072` | 30 分钟 K 线 GP 因子 #72：研报表 7 第 72 号表达式 rank(correlation(4,amount,close)), 取当日 15:00 那根 30 分钟 bar 上的值 | | `tf_gp_30min__gp30m_073` | `gp30m_073` | 30 分钟 K 线 GP 因子 #73：研报表 7 第 73 号表达式 arctan(mul(stddev(14,volume),REGbeta_ts(10,amount,vwap))), 取当日 15:00 那根 30 分钟 bar 上的值 | | `tf_gp_30min__gp30m_074` | `gp30m_074` | 30 分钟 K 线 GP 因子 #74：研报表 7 第 74 号表达式 max(delta(3,close),correlation(9,low,volume)), 取当日 15:00 那根 30 分钟 bar 上的值 | | `tf_gp_30min__gp30m_075` | `gp30m_075` | 30 分钟 K 线 GP 因子 #75：研报表 7 第 75 号表达式 mul(rank(min(covariance(11,amount,vwap),ts_Mean(4,REGbeta_ts(15,amount,low)))),ts_Min(9,div(delta(2,amount),stddev(8,close)))), 取当日 15:00 那根 30 分钟 bar 上的值 | | `tf_gp_30min__gp30m_076` | `gp30m_076` | 30 分钟 K 线 GP 因子 #76：研报表 7 第 76 号表达式 correlation(9,abs(volume),pctchange_ts(14,close)), 取当日 15:00 那根 30 分钟 bar 上的值 | | `tf_gp_30min__gp30m_077` | `gp30m_077` | 30 分钟 K 线 GP 因子 #77：研报表 7 第 77 号表达式 add(delta(5,low),arctan(ts_Min(4,covariance(14,volume,close)))), 取当日 15:00 那根 30 分钟 bar 上的值 | | `tf_gp_30min__gp30m_078` | `gp30m_078` | 30 分钟 K 线 GP 因子 #78：研报表 7 第 78 号表达式 add(delta(5,low),arctan(high)), 取当日 15:00 那根 30 分钟 bar 上的值 | | `tf_gp_30min__gp30m_079` | `gp30m_079` | 30 分钟 K 线 GP 因子 #79：研报表 7 第 79 号表达式 min(div(vwap,sub(ts_Min(11,neg(vwap)),abs(amount))),delta(5,vwap)), 取当日 15:00 那根 30 分钟 bar 上的值 | | `tf_gp_30min__gp30m_080` | `gp30m_080` | 30 分钟 K 线 GP 因子 #80：研报表 7 第 80 号表达式 mul(ts_Mean(6,vwap),correlation(10,high,amount)), 取当日 15:00 那根 30 分钟 bar 上的值 | | `tf_gp_30min__gp30m_081` | `gp30m_081` | 30 分钟 K 线 GP 因子 #81：研报表 7 第 81 号表达式 add(rank(REGbeta_ts(6,volume,close)),neg(REGbeta_ts(14,close,low))), 取当日 15:00 那根 30 分钟 bar 上的值 | | `tf_gp_30min__gp30m_082` | `gp30m_082` | 30 分钟 K 线 GP 因子 #82：研报表 7 第 82 号表达式 covariance(6,ts_Rank(5,max(low,volume)),max(div(rank(volume),mul(high,volume)),add(vwap,close))), 取当日 15:00 那根 30 分钟 bar 上的值 | | `tf_gp_30min__gp30m_083` | `gp30m_083` | 30 分钟 K 线 GP 因子 #83：研报表 7 第 83 号表达式 max(REGbeta_ts(14,high,amount),REGbeta_ts(6,volume,open)), 取当日 15:00 那根 30 分钟 bar 上的值 | | `tf_gp_30min__gp30m_084` | `gp30m_084` | 30 分钟 K 线 GP 因子 #84：研报表 7 第 84 号表达式 REGresid_ts(6,REGresid_ts(4,high,amount),sqrt(close)), 取当日 15:00 那根 30 分钟 bar 上的值 | | `tf_gp_30min__gp30m_085` | `gp30m_085` | 30 分钟 K 线 GP 因子 #85：研报表 7 第 85 号表达式 mul(vwap,div(sig(ts_Rank(4,volume)),abs(REGbeta_ts(4,amount,low)))), 取当日 15:00 那根 30 分钟 bar 上的值 | | `tf_gp_30min__gp30m_086` | `gp30m_086` | 30 分钟 K 线 GP 因子 #86：研报表 7 第 86 号表达式 ts_Mean(2,sub(vwap,open)), 取当日 15:00 那根 30 分钟 bar 上的值 | | `tf_gp_30min__gp30m_087` | `gp30m_087` | 30 分钟 K 线 GP 因子 #87：研报表 7 第 87 号表达式 pctchange_ts(7,vwap), 取当日 15:00 那根 30 分钟 bar 上的值 | | `tf_gp_30min__gp30m_088` | `gp30m_088` | 30 分钟 K 线 GP 因子 #88：研报表 7 第 88 号表达式 sub(delta(7,close),neg(min(log(volume),correlation(10,low,volume)))), 取当日 15:00 那根 30 分钟 bar 上的值 | | `tf_gp_30min__gp30m_089` | `gp30m_089` | 30 分钟 K 线 GP 因子 #89：研报表 7 第 89 号表达式 mul(log(abs(volume)),delta(7,rank(close))), 取当日 15:00 那根 30 分钟 bar 上的值 | | `tf_gp_30min__gp30m_090` | `gp30m_090` | 30 分钟 K 线 GP 因子 #90：研报表 7 第 90 号表达式 REGresid_ts(10,arctan(delay(4,pctchange_ts(6,min(delay(13,close),pctchange_ts(11,arctan(rank(vwap))))))),neg(close)), 取当日 15:00 那根 30 分钟 bar 上的值 | | `tf_gp_30min__gp30m_091` | `gp30m_091` | 30 分钟 K 线 GP 因子 #91：研报表 7 第 91 号表达式 mul(delay(7,amount),delta(7,close)), 取当日 15:00 那根 30 分钟 bar 上的值 | | `tf_gp_30min__gp30m_092` | `gp30m_092` | 30 分钟 K 线 GP 因子 #92：研报表 7 第 92 号表达式 div(sub(low,sub(stddev(6,correlation(7,min(low,open),stddev(5,low))),div(sub(amount,volume),arctan(volume)))),stddev(5,low)), 取当日 15:00 那根 30 分钟 bar 上的值 | | `tf_gp_30min__gp30m_093` | `gp30m_093` | 30 分钟 K 线 GP 因子 #93：研报表 7 第 93 号表达式 REGresid_ts(10,div(close,REGbeta_ts(14,high,low)),close), 取当日 15:00 那根 30 分钟 bar 上的值 | | `tf_gp_30min__gp30m_094` | `gp30m_094` | 30 分钟 K 线 GP 因子 #94：研报表 7 第 94 号表达式 sub(max(close,low),ts_Mean(8,low)), 取当日 15:00 那根 30 分钟 bar 上的值; 等价于研报 3.1.2 节 sub(close,ts_Mean(8,low)): IC −4.1%、ICIR −7.77、多头超额 19.4% | | `tf_gp_30min__gp30m_095` | `gp30m_095` | 30 分钟 K 线 GP 因子 #95：研报表 7 第 95 号表达式 sub(ts_Max(5,REGbeta_ts(15,close,amount)),log(amount)), 取当日 15:00 那根 30 分钟 bar 上的值 | | `tf_gp_30min__gp30m_096` | `gp30m_096` | 30 分钟 K 线 GP 因子 #96：研报表 7 第 96 号表达式 correlation(11,mul(covariance(7,vwap,amount),ts_Mean(12,low)),stddev(6,abs(amount))), 取当日 15:00 那根 30 分钟 bar 上的值 | | `tf_gp_30min__gp30m_097` | `gp30m_097` | 30 分钟 K 线 GP 因子 #97：研报表 7 第 97 号表达式 sub(sig(sub(high,volume)),pctchange_ts(6,log(close))), 取当日 15:00 那根 30 分钟 bar 上的值 | | `tf_gp_30min__gp30m_098` | `gp30m_098` | 30 分钟 K 线 GP 因子 #98：研报表 7 第 98 号表达式 min(REGbeta_ts(15,add(amount,low),rank(open)),REGbeta_ts(9,volume,vwap)), 取当日 15:00 那根 30 分钟 bar 上的值 | | `tf_gp_30min__gp30m_099` | `gp30m_099` | 30 分钟 K 线 GP 因子 #99：研报表 7 第 99 号表达式 min(covariance(6,sqrt(volume),max(ts_Rank(8,close),vwap)),REGbeta_ts(14,covariance(10,high,vwap),min(open,close))), 取当日 15:00 那根 30 分钟 bar 上的值 | | `tf_gp_30min__gp30m_100` | `gp30m_100` | 30 分钟 K 线 GP 因子 #100：研报表 7 第 100 号表达式 add(covariance(6,sqrt(volume),max(ts_Rank(8,close),vwap)),rank(close)), 取当日 15:00 那根 30 分钟 bar 上的值 | ### 深圳天软科技高频因子（`cn_stock_factors_hf_tsl_rd_factors`） | 视图字段 | 源字段 | 原始含义 | | ---- | ---- | ---- | | `tsl_rd_factors__tsl_rd_var` | `tsl_rd_var` | 已实现方差：Stock_RD_VAR: 10 分钟采样、当日（N=1）对数收益（%）平方和 Σr²; 值越大日内波动越大 | | `tsl_rd_factors__tsl_rd_skew` | `tsl_rd_skew` | 已实现偏度：Stock_RD_Skew: 10 分钟采样、当日（N=1）对数收益 √N·Σr³ / RVar^1.5 | | `tsl_rd_factors__tsl_rd_kurt` | `tsl_rd_kurt` | 已实现峰度：Stock_RD_Kurt: 10 分钟采样、当日（N=1）对数收益 N·Σr⁴ / RVar²; 值越大尾部越厚 | | `tsl_rd_factors__tsl_rd_std` | `tsl_rd_std` | 已实现波动率（%）：Stock_RD_STD: 10 分钟采样、当日（N=1） √RVar, 收益以百分数计 | | `tsl_rd_factors__tsl_rd_std_up` | `tsl_rd_std_up` | 高频上行波动率（%）：Stock_RD_STD_UP: 10 分钟采样、当日（N=1） √Σr²·I(r>0) | | `tsl_rd_factors__tsl_rd_std_down` | `tsl_rd_std_down` | 高频下行波动率（%）：Stock_RD_STD_Down: 10 分钟采样、当日（N=1） √Σr²·I(r<0) | | `tsl_rd_factors__tsl_rd_pv_corr` | `tsl_rd_pv_corr` | 量价相关性：Stock_RD_PVCorr: 10 分钟采样、当日（N=1） K 线收盘价与成交量的 Pearson 相关系数 | | `tsl_rd_factors__tsl_rd_trend_str` | `tsl_rd_trend_str` | 趋势强度：Stock_RD_TrendStr: 10 分钟采样、当日（N=1） K 线收盘价 (P_n − P_1) / Σ\/P_i − P_(i−1)\/; 取值 [−1, 1], 绝对值越大日内走势越单边 | | `tsl_rd_factors__tsl_rd_nvol_share_1` | `tsl_rd_nvol_share_1` | 第 1 根 60 分钟 K 线成交量占比（%）：Stock_RD_NVolShare(cy_60m, 1): 截止 10:30 的 60 分钟 K 线成交量占当日成交量的百分比 | | `tsl_rd_factors__tsl_rd_nvol_share_2` | `tsl_rd_nvol_share_2` | 第 2 根 60 分钟 K 线成交量占比（%）：Stock_RD_NVolShare(cy_60m, 2): 截止 11:30 的 60 分钟 K 线成交量占当日成交量的百分比 | | `tsl_rd_factors__tsl_rd_nvol_share_3` | `tsl_rd_nvol_share_3` | 第 3 根 60 分钟 K 线成交量占比（%）：Stock_RD_NVolShare(cy_60m, 3): 截止 14:00 的 60 分钟 K 线成交量占当日成交量的百分比 | | `tsl_rd_factors__tsl_rd_nvol_share_4` | `tsl_rd_nvol_share_4` | 第 4 根 60 分钟 K 线成交量占比（%）：Stock_RD_NVolShare(cy_60m, -1): 截止 15:00 的 60 分钟 K 线成交量占当日成交量的百分比 | ### 信达证券分钟线高频选股因子（`cn_stock_factors_hf_xd_minute_stats`） | 视图字段 | 源字段 | 原始含义 | | ---- | ---- | ---- | | `xd_minute_stats__reverse_daily` | `reverse_daily` | 日度收益反转：−mean(235 根分钟收益); 研报中性化后日度 Rank IC 3.19% | | `xd_minute_stats__reverse_imp_pos` | `reverse_imp_pos` | 改进放量正收益反转 arev_pos：−mean(放量且收益>0 的分钟收益); 放量 = 分钟量 > 当日均值 + 1 倍标准差; 研报中性化后 Rank IC 5.99%、ICIR 0.74 | | `xd_minute_stats__reverse_imp_neg` | `reverse_imp_neg` | 改进放量负收益动量 arev_neg：mean(放量且收益<0 的分钟收益); 值越大未来收益越高, 研报中性化后 Rank IC 4.60%、ICIR 0.62 | | `xd_minute_stats__return_std_daily` | `return_std_daily` | 日度收益波动率：−std(235 根分钟收益)（总体标准差）; 值越大（波动越小）未来收益越高 | | `xd_minute_stats__return_std_imp` | `return_std_imp` | 改进收益波动率 astd：−std(放量分钟收益), 均值也只在放量集合内算; 研报中性化后 Rank IC 6.52%、ICIR 0.70 | | `xd_minute_stats__ttv_ratio` | `ttv_ratio` | 尾盘成交额占比 attv：−Σ(14:30~14:55 分钟成交额) / T−1 日流通市值; 研报中性化后 Rank IC 5.45%、ICIR 0.50 | | `xd_minute_stats__aequal_weighted` | `aequal_weighted` | 等权组合因子：行业市值中性化后的 astd 与 attv 等权相加, 再去极值标准化并行业市值中性化; 研报中性化后 Rank IC 6.9%、ICIR 0.59 | | `xd_minute_stats__acorr_weighted` | `acorr_weighted` | 相关性加权组合因子：中性化后 arev_pos、astd、attv 按另两者当日截面相关系数绝对值占比加权, 再去极值标准化并中性化; 研报中性化后 Rank IC 7.18%、ICIR 0.67 | | `xd_minute_stats__amp_mean` | `amp_mean` | 分钟振幅 High/Low的均值：当日 235 根分钟上 分钟振幅 High/Low 序列的均值（研报因子附录） | | `xd_minute_stats__amp_std` | `amp_std` | 分钟振幅 High/Low的标准差：当日 235 根分钟上 分钟振幅 High/Low 序列的标准差（研报因子附录） | | `xd_minute_stats__amp_stability` | `amp_stability` | 分钟振幅 High/Low的均值/标准差：当日 235 根分钟上 分钟振幅 High/Low 序列的均值/标准差（研报因子附录） | | `xd_minute_stats__amp_mean_med_ratio` | `amp_mean_med_ratio` | 分钟振幅 High/Low的均值/中位数：当日 235 根分钟上 分钟振幅 High/Low 序列的均值/中位数（研报因子附录） | | `xd_minute_stats__amp_skew` | `amp_skew` | 分钟振幅 High/Low的偏度：当日 235 根分钟上 分钟振幅 High/Low 序列的偏度（研报因子附录） | | `xd_minute_stats__vwap_close_mean` | `vwap_close_mean` | 分钟均价偏离 Vwap/Close的均值：当日 235 根分钟上 分钟均价偏离 Vwap/Close 序列的均值（研报因子附录） | | `xd_minute_stats__vwap_close_std` | `vwap_close_std` | 分钟均价偏离 Vwap/Close的标准差：当日 235 根分钟上 分钟均价偏离 Vwap/Close 序列的标准差（研报因子附录） | | `xd_minute_stats__vwap_close_stability` | `vwap_close_stability` | 分钟均价偏离 Vwap/Close的均值/标准差：当日 235 根分钟上 分钟均价偏离 Vwap/Close 序列的均值/标准差（研报因子附录） | | `xd_minute_stats__vwap_close_mean_med_ratio` | `vwap_close_mean_med_ratio` | 分钟均价偏离 Vwap/Close的均值/中位数：当日 235 根分钟上 分钟均价偏离 Vwap/Close 序列的均值/中位数（研报因子附录） | | `xd_minute_stats__vwap_close_skew` | `vwap_close_skew` | 分钟均价偏离 Vwap/Close的偏度：当日 235 根分钟上 分钟均价偏离 Vwap/Close 序列的偏度（研报因子附录） | | `xd_minute_stats__vol_weighted_ret` | `vol_weighted_ret` | 成交量加权收益 Ret/Vol的均值：当日 235 根分钟上 成交量加权收益 Ret/Vol 序列的均值（研报因子附录） | | `xd_minute_stats__vol_weighted_std` | `vol_weighted_std` | 成交量加权收益 Ret/Vol的标准差：当日 235 根分钟上 成交量加权收益 Ret/Vol 序列的标准差（研报因子附录） | | `xd_minute_stats__vol_weighted_stability` | `vol_weighted_stability` | 成交量加权收益 Ret/Vol的均值/标准差：当日 235 根分钟上 成交量加权收益 Ret/Vol 序列的均值/标准差（研报因子附录） | | `xd_minute_stats__vol_weighted_skew` | `vol_weighted_skew` | 成交量加权收益 Ret/Vol的偏度：当日 235 根分钟上 成交量加权收益 Ret/Vol 序列的偏度（研报因子附录） | | `xd_minute_stats__ret_stability` | `ret_stability` | 分钟收益 Ret的均值/标准差：当日 235 根分钟上 分钟收益 Ret 序列的均值/标准差（研报因子附录） | | `xd_minute_stats__ret_skew` | `ret_skew` | 分钟收益 Ret的偏度：当日 235 根分钟上 分钟收益 Ret 序列的偏度（研报因子附录） | | `xd_minute_stats__ret_volup_mean` | `ret_volup_mean` | 放量分钟收益 Ret(Vol_Up)的均值：当日 235 根分钟上 放量分钟收益 Ret(Vol_Up) 序列的均值（研报因子附录） | | `xd_minute_stats__ret_volup_stability` | `ret_volup_stability` | 放量分钟收益 Ret(Vol_Up)的均值/标准差：当日 235 根分钟上 放量分钟收益 Ret(Vol_Up) 序列的均值/标准差（研报因子附录） | | `xd_minute_stats__ret_volup_skew` | `ret_volup_skew` | 放量分钟收益 Ret(Vol_Up)的偏度：当日 235 根分钟上 放量分钟收益 Ret(Vol_Up) 序列的偏度（研报因子附录） | | `xd_minute_stats__ret_filtered_diff` | `ret_filtered_diff` | 放量缩量收益差：Σ放量分钟收益 − Σ缩量分钟收益（研报因子附录 Rank IC 3.48%） | ### 兴业证券条件分位数残差因子（`cn_stock_factors_hf_xy_conditional_quantile_residual`） | 视图字段 | 源字段 | 原始含义 | | ---- | ---- | ---- | | `xy_conditional_quantile_residual__vr_quantile_resid_corr` | `vr_quantile_resid_corr` | 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 | | `xy_conditional_quantile_residual__vr_q80_ret_corr` | `vr_q80_ret_corr` | 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 | ### 兴业证券收益率分布因子（`cn_stock_factors_hf_xy_return_distribution`） | 视图字段 | 源字段 | 原始含义 | | ---- | ---- | ---- | | `xy_return_distribution__rtn5_mean` | `rtn5_mean` | 5 分钟收益率均值：当日 5 分钟滚动收益率 close_t/close_{t-5}−1 的均值, 取 15 日均值; 研报日度 IC 均值 5.86%（方向调整后） | | `xy_return_distribution__real_var` | `real_var` | 已实现方差：当日 1 分钟收益率平方和 Σr², 取 15 日均值; 研报日度 IC 均值 5.03%（方向调整后） | | `xy_return_distribution__rtn_skew` | `rtn_skew` | 收益率偏度：当日 1 分钟收益率已实现偏度 √N·Σr³/(Σr²)^1.5, 取 15 日均值; 研报日度 IC 均值 4.45%（方向调整后） | | `xy_return_distribution__rv_up` | `rv_up` | 上行已实现方差：当日正 1 分钟收益率平方和 Σr²·I(r>0), 取 15 日均值; 研报日度 IC 均值 5.43%（方向调整后） | | `xy_return_distribution__rv_down` | `rv_down` | 下行已实现方差：当日负 1 分钟收益率平方和 Σr²·I(r<0), 取 15 日均值; 研报日度 IC 均值 3.14%（方向调整后） | ### 兴业证券收益率混合高斯分布因子（`cn_stock_factors_hf_xy_return_distribution_alpha`） | 视图字段 | 源字段 | 原始含义 | | ---- | ---- | ---- | | `xy_return_distribution_alpha__gmm_mean` | `gmm_mean` | 跳价成分均值：当日 5 分钟滚动对数收益混合高斯中小权重（跳价）成分的均值 μ_J, 取 20 日均值; 值越大未来收益越低, 研报 IC 5.44% | | `xy_return_distribution_alpha__gmm_mean2wgt` | `gmm_mean2wgt` | 跳价均值权重比：μ_J / w_J（跳价成分均值除以其权重）, 取 15 日均值; 值越大未来收益越低 | | `xy_return_distribution_alpha__gmm_meandif` | `gmm_meandif` | 震荡与跳价均值差：μ_S − μ_J（震荡成分均值减跳价成分均值）, 取 20 日均值; 值越大未来收益越高, 研报 IC 5.16% | | `xy_return_distribution_alpha__gmm_meandif2wgtdif` | `gmm_meandif2wgtdif` | 均值差权重差比：(μ_S − μ_J) / (w_S − w_J), 取 20 日均值; 值越大未来收益越高 | | `xy_return_distribution_alpha__gmm_mean_n` | `gmm_mean_n` | 正交跳价成分均值：gmm_mean 对 20 日已实现偏度 real_skew 截面回归的残差（研报 gmm_meanN）; 值越大未来收益越低 | | `xy_return_distribution_alpha__gmm_meandif_n` | `gmm_meandif_n` | 正交震荡与跳价均值差：gmm_meandif 对 20 日 real_skew 与 real_var 截面回归的残差（研报 gmm_meandifN）; 值越大未来收益越高 | | `xy_return_distribution_alpha__gmm_meandif2wgtdif_n` | `gmm_meandif2wgtdif_n` | 正交均值差权重差比：gmm_meandif2wgtdif 对 20 日 real_skew 与 real_var 截面回归的残差（研报 gmm_meandif2wgtdifN）; 值越大未来收益越高 | ### 兴业证券成交量分布因子（`cn_stock_factors_hf_xy_volume_distribution`） | 视图字段 | 源字段 | 原始含义 | | ---- | ---- | ---- | | `xy_volume_distribution__logvol_skew` | `logvol_skew` | 对数成交量偏度：当日分钟成交量取对数后的偏度, 取 20 日均值; 研报 IC 3.03%（方向调整后） | | `xy_volume_distribution__volroc_skew` | `volroc_skew` | 15 分钟成交量变化率偏度：分钟成交量按 15 分钟重切片后环比变化率的偏度, 取 20 日均值; 研报 IC 2.06% | | `xy_volume_distribution__volroc_kurt` | `volroc_kurt` | 15 分钟成交量变化率峰度：15 分钟切片成交量环比变化率的峰度, 取 20 日均值; 研报 IC 1.98% | | `xy_volume_distribution__cumsumvol_std` | `cumsumvol_std` | 累计成交量占比标准差：日内累计成交量占全日比例序列（240 个点）的标准差, 取 20 日均值; 研报 IC 2.25% | | `xy_volume_distribution__vol_entropy` | `vol_entropy` | 成交量分桶熵：分钟成交量在 [最小, 最大] 等分 10 桶的信息熵, 取 20 日标准差; 值越大成交量不稳定性越分散、下行风险越大, 研报 IC 2.18% | | `xy_volume_distribution__vol_maxmean` | `vol_maxmean` | 成交量极大值均值：分钟成交量占比 Bootstrap 重采样极大值的均值, 取 15 日标准差; 值越大未来收益越低, 研报 IC 4.20% | | `xy_volume_distribution__vol_maxstd` | `vol_maxstd` | 成交量极大值标准差：分钟成交量占比 Bootstrap 重采样极大值的标准差, 取 15 日标准差; 值越大未来收益越低, 研报 IC 3.66% | | `xy_volume_distribution__vsa_ratio` | `vsa_ratio` | 支撑区域下限偏离：(同价成交量支撑区域下限 − 收盘价) / 收盘价, 取 20 日均值; 值越大收盘越是跌穿公允区域、预期回弹, 研报 IC 4.07% | | `xy_volume_distribution__vsa_low2max` | `vsa_low2max` | 支撑区域下限相对位置：(VSA 下限 − 日内最低价) / (最高价 − 最低价), 取 20 日均值; 越大越接近 P 型、预期上涨, 研报 IC 4.22% | | `xy_volume_distribution__vsa_high2min` | `vsa_high2min` | 支撑区域上限相对位置：(VSA 上限 − 日内最低价) / (最高价 − 最低价), 取 20 日均值; 越小越接近 b 型、预期下跌, 研报 IC 5.48% | | `xy_volume_distribution__vsa_high2min_neu` | `vsa_high2min_neu` | 正交支撑区域上限相对位置：vsa_high2min 对 15 日已实现方差 real_var 截面回归的残差; 研报 IC 3.29% | | `xy_volume_distribution__vol_entropy_neu` | `vol_entropy_neu` | 正交成交量分桶熵：vol_entropy 对 20 日累计成交量占比均值 cumsumvol_mean 截面回归的残差; 研报 IC 1.29% | | `xy_volume_distribution__vol_maxmean_neu` | `vol_maxmean_neu` | 正交成交量极大值均值：vol_maxmean 对 15 日上行已实现方差 rv_up 截面回归的残差; 研报 IC 1.31% | | `xy_volume_distribution__vsa_ratio_neu` | `vsa_ratio_neu` | 正交支撑区域下限偏离：vsa_ratio 对 15 日已实现方差 real_var 截面回归的残差; 研报 IC 2.93% | ### 招商证券指令流毒性VPIN因子（`cn_stock_factors_hf_zs_vpin`） | 视图字段 | 源字段 | 原始含义 | | ---- | ---- | ---- | | `zs_vpin__vpin` | `vpin` | 指令流毒性 VPIN（20 日）：最近 20 个有效交易日全部完整量钟篮子的 \/卖方驱动量 − 买方驱动量\/ / 篮子大小 的均值; 值越大知情交易越多, 未来收益越低。研报沪深 300 成分股月度 rank IC −0.080、IR −0.47 | | `zs_vpin__vpin_5` | `vpin_5` | 指令流毒性 VPIN（5 日）：同 vpin, 取最近 5 个有效交易日（系列之二的周度均值口径）; 值越大未来收益越低 | | `zs_vpin__vpin_neut` | `vpin_neut` | 指令流毒性 VPIN（市值行业中性）：vpin 对对数流通市值与申万一级行业截面回归的残差; 值越大未来收益越低 | ### 招商证券成交量加权知情交易VWPIN因子（`cn_stock_factors_hf_zs_vwpin`） | 视图字段 | 源字段 | 原始含义 | | ---- | ---- | ---- | | `zs_vwpin__vwpin_z0p25` | `vwpin_z0p25` | VWPIN（ζ=0.25, 20 日）：48 个 5 分钟区间按成交量占比加权的 \/对数收益\/^0.25 之和, 取最近 20 个有效交易日均值; 值越大放量时段的价格冲击越大 | | `zs_vwpin__vwpin_z0p5` | `vwpin_z0p5` | VWPIN（ζ=0.5, 20 日）：48 个 5 分钟区间按成交量占比加权的 \/对数收益\/^0.5 之和, 取最近 20 个有效交易日均值; 值越大放量时段的价格冲击越大 | | `zs_vwpin__vwpin_z1` | `vwpin_z1` | VWPIN（ζ=1, 20 日）：48 个 5 分钟区间按成交量占比加权的 \/对数收益\/^1 之和, 取最近 20 个有效交易日均值; 值越大放量时段的价格冲击越大 | | `zs_vwpin__vwpin_z1p5` | `vwpin_z1p5` | VWPIN（ζ=1.5, 20 日）：48 个 5 分钟区间按成交量占比加权的 \/对数收益\/^1.5 之和, 取最近 20 个有效交易日均值; 值越大放量时段的价格冲击越大 | | `zs_vwpin__vwpin_z2` | `vwpin_z2` | VWPIN（ζ=2, 20 日）：48 个 5 分钟区间按成交量占比加权的 \/对数收益\/^2 之和, 取最近 20 个有效交易日均值; 值越大放量时段的价格冲击越大 | | `zs_vwpin__vwpin_z3` | `vwpin_z3` | VWPIN（ζ=3, 20 日）：48 个 5 分钟区间按成交量占比加权的 \/对数收益\/^3 之和, 取最近 20 个有效交易日均值; 值越大放量时段的价格冲击越大 | | `zs_vwpin__vwpin_z4` | `vwpin_z4` | VWPIN（ζ=4, 20 日）：48 个 5 分钟区间按成交量占比加权的 \/对数收益\/^4 之和, 取最近 20 个有效交易日均值; 值越大放量时段的价格冲击越大 | | `zs_vwpin__vwpin_z5` | `vwpin_z5` | VWPIN（ζ=5, 20 日）：48 个 5 分钟区间按成交量占比加权的 \/对数收益\/^5 之和, 取最近 20 个有效交易日均值; 值越大放量时段的价格冲击越大 | | `zs_vwpin__vwpin_z6` | `vwpin_z6` | VWPIN（ζ=6, 20 日）：48 个 5 分钟区间按成交量占比加权的 \/对数收益\/^6 之和, 取最近 20 个有效交易日均值; 值越大放量时段的价格冲击越大 | | `zs_vwpin__vwpin_z7` | `vwpin_z7` | VWPIN（ζ=7, 20 日）：48 个 5 分钟区间按成交量占比加权的 \/对数收益\/^7 之和, 取最近 20 个有效交易日均值; 值越大放量时段的价格冲击越大 | | `zs_vwpin__vwpin_z8` | `vwpin_z8` | VWPIN（ζ=8, 20 日）：48 个 5 分钟区间按成交量占比加权的 \/对数收益\/^8 之和, 取最近 20 个有效交易日均值; 值越大放量时段的价格冲击越大 | | `zs_vwpin__vwpin_ofi` | `vwpin_ofi` | VWPIN 订单流不平衡（20 日）：48 个 5 分钟区间按成交量占比加权的 (主动卖出量 − 主动买入量) / (主动卖出量 + 主动买入量), 取最近 20 个有效交易日均值; 研报只列公式未测试 | | `zs_vwpin__vwpin_z0p25_5` | `vwpin_z0p25_5` | VWPIN（ζ=0.25, 5 日）：48 个 5 分钟区间按成交量占比加权的 \/对数收益\/^0.25 之和, 取最近 5 个有效交易日均值; 值越大放量时段的价格冲击越大 | | `zs_vwpin__vwpin_z0p5_5` | `vwpin_z0p5_5` | VWPIN（ζ=0.5, 5 日）：48 个 5 分钟区间按成交量占比加权的 \/对数收益\/^0.5 之和, 取最近 5 个有效交易日均值; 值越大放量时段的价格冲击越大 | | `zs_vwpin__vwpin_z1_5` | `vwpin_z1_5` | VWPIN（ζ=1, 5 日）：48 个 5 分钟区间按成交量占比加权的 \/对数收益\/^1 之和, 取最近 5 个有效交易日均值; 值越大放量时段的价格冲击越大 | | `zs_vwpin__vwpin_z1p5_5` | `vwpin_z1p5_5` | VWPIN（ζ=1.5, 5 日）：48 个 5 分钟区间按成交量占比加权的 \/对数收益\/^1.5 之和, 取最近 5 个有效交易日均值; 值越大放量时段的价格冲击越大 | | `zs_vwpin__vwpin_z2_5` | `vwpin_z2_5` | VWPIN（ζ=2, 5 日）：48 个 5 分钟区间按成交量占比加权的 \/对数收益\/^2 之和, 取最近 5 个有效交易日均值; 值越大放量时段的价格冲击越大 | | `zs_vwpin__vwpin_z3_5` | `vwpin_z3_5` | VWPIN（ζ=3, 5 日）：48 个 5 分钟区间按成交量占比加权的 \/对数收益\/^3 之和, 取最近 5 个有效交易日均值; 值越大放量时段的价格冲击越大 | | `zs_vwpin__vwpin_z4_5` | `vwpin_z4_5` | VWPIN（ζ=4, 5 日）：48 个 5 分钟区间按成交量占比加权的 \/对数收益\/^4 之和, 取最近 5 个有效交易日均值; 值越大放量时段的价格冲击越大 | | `zs_vwpin__vwpin_z5_5` | `vwpin_z5_5` | VWPIN（ζ=5, 5 日）：48 个 5 分钟区间按成交量占比加权的 \/对数收益\/^5 之和, 取最近 5 个有效交易日均值; 值越大放量时段的价格冲击越大 | | `zs_vwpin__vwpin_z6_5` | `vwpin_z6_5` | VWPIN（ζ=6, 5 日）：48 个 5 分钟区间按成交量占比加权的 \/对数收益\/^6 之和, 取最近 5 个有效交易日均值; 值越大放量时段的价格冲击越大 | | `zs_vwpin__vwpin_z7_5` | `vwpin_z7_5` | VWPIN（ζ=7, 5 日）：48 个 5 分钟区间按成交量占比加权的 \/对数收益\/^7 之和, 取最近 5 个有效交易日均值; 值越大放量时段的价格冲击越大 | | `zs_vwpin__vwpin_z8_5` | `vwpin_z8_5` | VWPIN（ζ=8, 5 日）：48 个 5 分钟区间按成交量占比加权的 \/对数收益\/^8 之和, 取最近 5 个有效交易日均值; 值越大放量时段的价格冲击越大。研报主推 ζ=8, 全 A 周频 IC 均值 0.082、IR 0.737 | | `zs_vwpin__vwpin_ofi_5` | `vwpin_ofi_5` | VWPIN 订单流不平衡（5 日）：48 个 5 分钟区间按成交量占比加权的 (主动卖出量 − 主动买入量) / (主动卖出量 + 主动买入量), 取最近 5 个有效交易日均值; 研报只列公式未测试 | <!-- AUTO:FIELDS:END --> ## 示例数据 下表只展示掩码列和前 8 张源表各自的第一个因子（取全部 1393 列的单日查询要半小时以上）。 | date | instrument | sw2021_level1 | ln_float_cap | can_buy | can_sell | aj_abnormal_minute__rds_5m_5d | cicc_handbook__mmt_pm | citic_intraday_gp_alpha__citic_alpha1 | cj_bvc_active_ratio__naive_ratio_20 | cj_dimension_match__hf_resid_vol | cj_intraday_interday__rev_vol_whole | cj_struct_reversal__rev_vol_10m | cj_trading_behavior__illiq_ret_5m | |---------------------|------------|---------------|--------------|---------|----------|-------------------------------|-----------------------|---------------------------------------|-------------------------------------|----------------------------------|-------------------------------------|---------------------------------|-----------------------------------| | 2026-11-10 00:00:00 | 000001.SZ | 480000 | 26.1620 | 1 | 1 | 0.0412 | 0.4819 | 0.0251 | -0.7949 | -0.3715 | -0.0161 | -0.0163 | 0.6890 | | 2026-11-10 00:00:00 | 000002.SZ | 430000 | 24.1601 | 1 | 1 | 0.0691 | -0.5494 | 0.3300 | -0.3339 | 0.3139 | 0.4153 | 0.4921 | -0.7244 | | 2026-11-10 00:00:00 | 000006.SZ | 430000 | 22.8447 | 1 | 1 | 1.0900 | 0.2085 | -0.7609 | 0.9514 | -0.2899 | 0.3978 | 0.2447 | -1.0945 | | 2026-11-10 00:00:00 | 000007.SZ | 450000 | 21.8986 | 1 | 1 | -1.4206 | -1.4095 | -0.9534 | -0.9771 | 0.2706 | -0.9696 | -1.1217 | 0.0629 | | 2026-11-10 00:00:00 | 000008.SZ | 640000 | 22.5467 | 1 | 1 | -1.2561 | -0.5418 | -0.7302 | -0.5895 | -1.2059 | 0.0571 | -0.0802 | 2.9843 | | 2026-11-10 00:00:00 | 920978.BJ | 280000 | 21.3629 | 1 | 1 | 2.3175 | -0.0923 | -0.9734 | 1.6770 | null | 1.0656 | 1.1952 | 1.5716 | | 2026-11-10 00:00:00 | 920981.BJ | 270000 | 20.6606 | 1 | 1 | -1.2047 | -1.1982 | -0.0288 | 1.4176 | null | 0.8964 | 1.1745 | 1.7829 | | 2026-11-10 00:00:00 | 920982.BJ | 770000 | 22.8170 | 1 | 1 | -0.1191 | -1.2347 | -0.0645 | 0.6713 | null | 1.9504 | 2.3854 | -0.6669 | | 2026-11-10 00:00:00 | 920985.BJ | 630000 | 20.7829 | 1 | 1 | -0.2476 | 0.7703 | 0.5799 | 1.2058 | null | 2.2360 | 2.3131 | 1.7715 | | 2026-11-10 00:00:00 | 920992.BJ | 370000 | 20.0863 | 1 | 1 | 0.2339 | 0.3679 | null | -0.9729 | null | -0.3366 | -0.4217 | 1.0830 |