高频数据构建的三类因子及定义 [page::7][page::8]

• 利用5分钟频率的对数价格收益率计算已实现波动（Realized Volatility）、已实现偏度（Realized Skewness）、已实现峰度（Realized Kurtosis）因子指标。

- 高频因子基于分钟级收益率的二阶、三阶和四阶矩统计量构建，有利于捕捉短期价格行为的非对称性和极端变化。

高频因子特征分析及分布表现 [page::9][page::10]

• 个股高频数据计算得到的波动率、偏度与峰度在全市场和中证500成分股中均表现出右偏分布，峰度均大于3，体现厚尾现象。

- 偏度分布稳定，介于零附近。

高频因子分档选股实证表现 [page::11][page::12]

• 周频调仓下，已实现偏度（RSkew）因子在全市场及中证500成分股的分档收益单调性显著，区分度明显。

- 已实现波动和峰度因子区分度不明显，效果较弱。

RSkew因子IC统计及策略回测表现 [page::12][page::13][page::14]

| 范围 | IC均值 | IC标准差 | 负IC占比 |
|----------|--------|---------|---------|
| 全市场 | -0.028 | 0.076 | 68.7% |

• RSkew因子自2007年以来IC均值为负，负IC比例约69%，具有一致的负相关性。

- 多头组合年化收益率达26.7%，对冲中证800年化收益率为17.7%，最大回撤23.6%，信息比率1.29；

• 换手率维持80%左右，显示高频调仓的活跃度。

中证500板块RSkew因子表现及多空策略 [page::15][page::16]

| 范围 | IC均值 | IC标准差 | 负IC占比 |
|------------|--------|----------|----------|
| 中证500成分股 | -0.04 | 0.124 | 64.6% |

• 中证500板块RSkew因子表现类似，年化收益率23.1%，对冲后收益11.2%，最大回撤仅5.7%，信息比率达2.08，表现更稳定。

- 多空策略连续保持较好绩效，表明该因子具备较强选股能力和风险控制能力。

结论与策略建议 [page::18][page::19]

• 高频数据挖掘带来的已实现偏度因子扩大了多因子策略的因子空间。

- RSkew有效区分个股收益，适合作为短周期量化选股因子。

• 投资者应结合市场变化和自身风险偏好审慎应用，规避模型假设风险。

金融研究报告详尽分析报告

报告标题与概览

1. 元数据与报告主题

本研究报告题为《基于日内高频数据的短周期选股因子研究》，由广发证券发展研究中心分析师团队（陈原文、罗军国、安宁宁）完成。报告发布时间大致位于2019年4月，属于“高频数据因子研究系列”第一篇。研究核心聚焦于中国A股市场内，基于日内高频交易数据挖掘和验证新的选股因子，突破传统因子在近期表现逐步衰减的局面。研究尝试结合分钟级别的价格和交易量数据，对因子构建和选股策略展开深入实证，重点验证因子指标的有效性和收益表现，力求在短周期多因子模型上获得新突破。[page::0,4,8]

2. 报告核心论点与结论摘要

• 传统的基于财务报表和日线甚至更低频价量数据的多因子模型逐渐饱和，效果下降，急需新因子。

- 本文尝试利用个股分钟级别高频数据，构建并验证三类因子：已实现波动（Realized Volatility, RVOL）、已实现偏度（Realized Skewness, RSkew）、已实现峰度（Realized Kurtosis, RKurt）。

• 实证结果显示RVOL和RKurt在周频调仓环境下对收益率区分度不明显，RSkew则在全市场及中证500成分股中表现出显著的选股能力，分档收益单调显著，且策略整体风险调整收益率高。

- RSkew多头策略（不对冲）表现优良，全市场年化收益率26.7%，对冲中证800年化17.7%，最大回撤23.6%，信息比率1.291。中证500成分股多头策略年化23.1%，对冲中证500指数年化11.2%，最大回撤仅5.7%，信息比率更高达2.076。

• 强调基于历史数据的实证结论存在风险，未来市场条件变化可能影响因子表现，投资者应结合自身环境谨慎使用。 [page::0,19]

---

二、逐节深度解读

一、引言

报告开篇回顾了中国A股传统多因子选股理论框架的现状。传统因子主要依赖于财务报表、中低频价量等数据，调仓频率多为月度级别。长期有效性在2017年后开始衰退，特别是反转因子和市值因子表现不及预期，市场风格转向价值蓝筹，传统风格因子策略承受较大调整压力。 [page::4,5,6]

关键论点与推理

• 因子失效主要来自因子应用普及及市场风格变换。

- 由于数据维度单一、信息饱和，传统因子挖掘难以获得持续收益。

• 两大新因子挖掘方向提出：另类数据（网络舆情、新闻、社交媒体等）和高频价量数据。

- 本报告围绕高频数据方向进行深度研究，试图发掘分钟级别的选股因子。
支持论据：图1至图7展示了传统多因子框架各模块及市场风格、基本因子（反转、市值）历年表现，验证传统因子的边际效应递减趋势。 [page::4,5,6]

---

二、因子构建

该章节提出从高频数据（分钟级别的对数价格、成交量、成交额等）出发，计算三类统计测度指标：

• 已实现方差 Realized Variance (RDVar)：分钟收益率平方和，衡量波动强度。

- 已实现偏度 Realized Skewness (RDSkew)：折算样本三阶中心距，捕捉收益分布的偏斜特性。

• 已实现峰度 Realized Kurtosis (RDKurt)：四阶中心距，衡量极端波动或尾部厚度。

计算过程使用$N=48$（5分钟频率计，单交易日的分钟数量）分钟级别数据，基于滚动5日（$n=5$）滑窗求均值（或平方和）计算长期指标"Realized Volatility"、"Realized Skewness"、"Realized Kurtosis"。指标在每期调仓日根据截面数据分档，分为5档（从小到大），进行选股策略实证。 [page::7,8]

---

三、实证分析

1. 数据说明及策略构建

• 数据区间：2007年1月1日至2019年3月27日，覆盖A股全市场及中证500成分股。

- 剔除上市不满一年、ST及停牌股票。

• 调仓频率为周度，分为五档因子值，简单等权多头组合或多空组合回测。

- 主要实证目标在验证三因子的选股能力和组合表现。 [page::8,9]

2. 因子特征分析

图8-13展示全市场个股分钟级波动率、偏度、峰度的分布与历史分位数走势：

• 波动率整体分布右偏，且在市场走强时波动水平整体上升。

- 偏度呈现厚尾状态，均值接近零，较为稳定。

• 峰度同样右偏，峰度大于3，说明收益率分布包含较多极端波动。

中证500成分股表现趋势类似（图14-19）。该分布特征说明这些高频指标具备稳定的统计特征，为因子设计提供基础。 [page::9,10]

3. 因子分档表现

（1）全市场：（见图20-22）

• RVOL、RKurt分档收益率表现重叠，区分度低。

- RSkew分档收益单调明显，Q1档（最小偏度）表现最好。
（2）中证500：（见图23-25）

• 结果同全市场，RSkew因子分档单调，RVOL和RKurt区分度不明显。

综合判断，RSkew作为主要有效因子进入后续分析。 [page::11,12]

4. RSkew因子IC统计

• 全市场数据显示，自2007年以来，RSkew的IC均值为负值约-0.028，负IC占比68.7%，稳定为负。

- 中证500负IC占比约64.6%，IC均值-0.04。负IC稳定说明RSkew越低的股票后续表现越好（表现逆向）。

• 负IC比率高且稳定符合因子可用于逆向选股策略。

具体数值见表2、3、6、7及图26、28。 [page::12,13,15,16]

5. 策略回测表现

• 全市场RSkew多头组合累计收益1783.6%，年化26.7%，最大回撤23.6%，信息比率1.291；多头对冲中证800指数后年化收益17.7%。

- 中证500多头组合累计1208.2%，年化23.1%，最大回撤5.7%，信息比率2.076；多头对冲中证500指数后的年化收益11.2%。

• 中证500多空策略年化收益13.5%，信息比率1.953。

- 换手率均保持在80%左右，说明策略属于高换手率策略。
详见表4、5、8、10和图27、29、30。 [page::14,15,16,17,18]

---

三、图表深度解读

1. 因子指标分布与走势

• 图8-13及14-19：展示全市场及中证500区间内RVOL、RSkew、RKurt的分布形态及分位百分比趋势。均呈现为右偏态，高峰态和厚尾现象，这表明高频数据的统计特征强烈，表明股价变动包含显著非正态特性。这种特性为统计因子提供多样性和区分力。

2. 因子分档收益表现

• 图20-22（全市场RVOL、RSkew、RKurt分档收益）：RSkew曲线呈现明显从Q1到Q5的多头收益单调递减趋势（Q1表现最好），而RVOL与RKurt曲线呈现重叠，难以区分。

- 图23-25（中证500相似表现），强化RSkew的优势。
该组图充分说明RSkew指标在周频周期内具备较强的分层收益区分力。

3. IC值走势及分年度IC表

• 图26、28显示RSkew因子IC值大多数时间呈现负值波动，IC均值约-0.028/-0.04。

- 表2、3、6、7分年度统计详细描述了IC均值与负IC占比的年份波动，极少年份IC不为负，负IC占比超过60%。

• 该现象表明RSkew系因子具有逆向特征，低偏度股票未来收益率较好，因而在策略设计中采取多头买入低RSkew股票。

4. 策略净值与风险收益指标

• 图27、29、30展示策略净值走势，对比基准指数呈显著超额收益（红色为指数，深蓝为策略多头净值，绿色为多空净值）。

- 表4、8、9、10详细披露策略收益、最大回撤、年化波动率、信息比率及换手率。

• 策略整体表现稳定，最大回撤控制较好（尤其中证500，仅5.7%），信息比率普遍较高，年化收益在11%～26%之间。

---

四、估值分析

报告并未涉及传统估值方法（如DCF、市盈率等），因焦点集中在因子挖掘及策略性能验证，估值部分缺失，无敏感性分析等内容。

---

五、风险因素评估

报告核心风险提示为：

• 研究基于历史高频数据回测，未来市场可能因制度、宏观、微观等多重因素变化，导致因子有效性和策略表现发生变化。

- 报告并未提供针对风险的具体缓解措施，提醒投资者结合自身投资理念和市场环境审慎决策。
风险警示强调模型假设的局限性和投资的本质不确定性。 [page::0,19]

---

六、批判性视角与细微差别

• 虽然RSkew因子表现良好，但其负IC特征暗示该因子实质为逆向因子，即低偏度股票往往未来回报较高，可能与部分市场行为学理论相符，但也带来潜在的风格集中风险，例如在特定市场风格转变期表现可能失效。

- 高频数据因子虽然理论上增添维度，但报告中未提及高换手率策略可能引发的交易成本影响，实际执行中或对净收益构成挤压，值得投资者关注。

• 多数分析集中在周频调仓，未深入探讨更短周期（如日内滚动）策略表现及实用性。

- 因子构建之数学模型基于简单统计量计算，未考量高频数据固有噪音及市场微结构影响，如报价延迟、交易暂停等机制，对数据质量与统计显著性确认过程描述不足。

• 报告强调使用历史数据，缺乏未来预测及稳健性检验（如样本外测试、不同市场环境下的表现对比）。

- 研究人员题名页未完整标示，报告中投资评级表虽有标准，但未在正文中针对RSkew策略作出明确评级建议，稍显片面。

---

七、结论性综合

核心发现

报告系统地发掘并验证了基于日内高频分钟数据计算的三大统计因子：已实现波动、偏度和峰度，发现其中已实现偏度（已实现Skewness，RSkew）是一个有效的短周期选股因子，能显著区分未来个股收益率。具体来说：

• RSkew因子的负IC特征（约-0.03—-0.04），说明在中国A股市场，低偏度股票后续表现整体优于高偏度股票，具有逆向选股能力。

- 利用RSkew构建的多头及多空组合策略，历史上表现出显著的超额收益，年化收益率在11%-27%之间，且最大回撤控制较好，尤其是中证500指数成分股的回撤仅约5.7%。

• 相比之下，已实现波动和峰度因子在周频调仓条件下未能表现出有效的个股收益率区分能力。

- 策略换手率较高（80%左右），需关注实际交易成本对策略净绩效影响。

• 研究为高频数据因子挖掘提供了具体且可行的技术路径和实证支持，为传统多因子模型带来了新的增量。

图表见解融入总结

• 分布图形清晰反映高频统计指标的厚尾、偏态特征。

- 分档表现图展示因子选股显著超越市场基准的趋势幅度。

• IC时间演变图精确量化因子预测能力与稳定性。

- 净值走势图和年度绩效表全面反映策略收益波动及风险调整后的表现优势。

最终判断

基于日内高频数据的已实现偏度因子是中国A股短周期多因子模型的有力补充，具有实际应用潜力，值得策略开发者和投资者重点关注。然而，策略实施需考虑高频带来的交易成本及市场结构变化风险，并结合投资者自身风险偏好进行优化和应用。

---

综上，根据报告信息，报告明确展示了基于高频交易数据的选股全新因子——已实现偏度（RSkew）的研发、测算及验证成果，实证支持其在A股市场中长期稳定的超额收益贡献，为量化投资者提供了新的高频因子选股视角和投资策略选择依据。[page::0-20]

---

参考图片示范 (部分)

• 因子𝑹𝑺𝒌𝒆𝒘在全市场选股表现

• 因子𝑹𝑺𝒌𝒆𝒘在中证500选股表现

• 因子指标𝑹𝑺𝒌𝒆𝒘全市场选股分档表现

• 全市场𝑹𝑺𝒌𝒆𝒘因子IC值走势

• 全市场𝑹𝑺𝒌𝒆𝒘多-中证800策略净值

---

（全文完）

报告