• 因子构建及创新视角 [page::0][page::4]

- 基于个股分钟成交额相对于日总成交额的比例，构造240分钟成交额占比因子(APt)，重点聚焦尾盘成交额占比APLt因子。
- 发现尾盘成交额占比因子具有独特Alpha信息，明显区别于传统换手率因子。

• 日内成交额分布特征及换手率关系 [page::5][page::6]

- 成交额呈典型的日内U型或W型分布，早盘和尾盘成交活跃度高，且早盘分钟成交额占比与日换手率高度正相关(约0.5)，其他时段相关性较低甚至负相关。
- 分钟成交额占比因子与换手率呈复杂关联，需中性化换手率等传统因子以提取增量Alpha。

• 分钟成交额占比因子表现分析 [page::6][page::7][page::8][page::9][page::10]

- 早盘和尾盘分钟成交额占比因子IC均值超过0.02，尾盘因子在剔除传统因子后表现更佳，尤其是尾盘最后15-25分钟区间。
- 尾盘成交额占比因子APLt不同时间窗的IC及ICIR曲线显示尾盘最后20分钟附近效果最佳。

• 量化因子APL20详细表现及回测结果 [page::10][page::11][page::12][page::13][page::14][page::15][page::16]

- APL20因子尾盘20分钟成交额占比均值0.123，呈正偏态分布，月度IC均值约-0.052，年化ICIR-4.161，月度胜率93%，年化多空组收益23.1%，最大回撤约6.38%，夏普率3.94，表现稳定优秀。
- 在沪深300、中证500指数内优化组合构建，因子多头表现优于基准，年化收益显著跑赢指数。
- 半月调仓策略优于月度调仓，且在手续费较低情况下半月调仓收益优势明显。

• 分钟换手率因子对比分析 [page::17][page::18]

- 分钟换手率因子与分钟成交额占比因子相关性有重叠，分钟换手率受日均换手率和流动性影响较大，在强中性化处理后性能下降，尾盘部分仍有效。
- 因分钟成交额占比能更好反映日内不同时间段的成交信息分布，更适合作为高频Alpha挖掘的基石。

• 分钟成交额高阶矩及自相关性因子分析 [page::18][page::19][page::20][page::21]

- 高频成交额的方差（VMA）表现出一定选股能力，但与传统因子显著相关，剔除后效果减弱。
- 偏度（SMA）和峰度（KMA）因子表现平平无显著Alpha。
- 自相关因子ACMA1（一分钟滞后自相关）表现较好，特别空头效应显著，指出存在集群交易的股票后续表现较弱。

• 空头效应强化尾盘成交额占比因子 [page::21][page::22]

- 通过剔除自相关因子ACMA1值最高的20%股票，尾盘成交额占比因子APL20的多头端收益得到进一步提升，年化收益提升约1%。

• 结论总结与风险提示 [page::22][page::23]

- 成交额尾盘占比因子揭示了个股日内成交集中度与未来表现的负相关关系，因子表现稳健且可扩展应用于主流指数。
- 高频因子通用问题如与换手率的高相关性，通过中性化和因子组合加强空头抑制策略得到解决。
- 历史数据回测表现优异，未来市场风格变动及微观结构演变存在风险，投资需谨慎。

高频视角下成交额蕴藏的 Alpha：市场微观结构剖析之七 —— 深度分析报告

---

1. 元数据与概览

• 报告标题：高频视角下成交额蕴藏的 Alpha：市场微观结构剖析之七

- 作者：尹沿技（执业证书号：S0010520020001）

• 发布机构：华安证券研究所

- 发布日期：2020年6月10日

• 研究主题：基于日内分钟频度的成交额数据，深入挖掘高频因子构建日内选股模型，重点为尾盘成交额占比因子的构造及其预测能力分析。

核心观点与信息传达：

报告第二代延续前期日内高频选股因子研究，重点探索分钟成交额在时序上的不对等分布特征与传统换手率因子间的关系，重点挖掘尾盘高频成交额占比对选股Alpha的增量贡献，构建了尾盘20分钟成交额占比因子 $APL{20}$。该因子经过行业、市值及多种传统因子中性化处理后，月度信息系数（IC）均值约为-0.054，年化ICIR达到-5.18，预示其具有稳定且显著的预测能力。回测期间（2014-2019）表现尤为亮眼，多空组合年化收益达23.1%，波动率5.90%，最大回撤约6.38%，表现稳健且Alpha贡献明显。[page::0]

---

2. 逐节深度解读

2.1 引言（第1节）

报告作为“市场微观结构剖析”系列第七篇，延续此前基于行为金融视角解析市场微观交易异常行为的研究，转向分钟成交额的深入挖掘。重点关注日内成交额呈现的U型或W型分布特征，即早盘与尾盘交易显著活跃，午盘表现相对低迷。报告提出假设，因成交额在日内自然分布外的偏离，尤其是尾盘的特殊活跃度，含有传统换手率未能覆盖的增量Alpha信息。市场流动性指标（价格冲击指数、买卖价差等）日内表现的时间序列差异，为这样的假设提供微观市场结构背景。[page::4]

图表1（日内流动性指标特征）显示，早盘流动性较差但快速提高，中午有波动，尾盘集合竞价导致成交波动，体现出资金集中交易时间节点的结构。这种微观流动性差异意味着日内成交量的时间分布不同步于整体流动性，更精细地分解日内成交额有助于寻找因子信号。[page::4]

2.2 日内分钟成交额占比与换手率的关系（第2节）

通过计算每只股票日内240分钟（实际238分钟）成交额占比因子 $AP{t,d} = \frac{Amount{t,d}}{TotalAmountd}$，与20日平均换手率进行相关性分析。

图表3（分钟成交额占比与换手率相关性）揭示：

• 早盘分钟成交额占比与日均换手率相关高达0.5，表现极强相关；

- 下午时段至尾盘相关性降低，午盘13:00时最低，尾盘有所回升但整体相关性远低于早盘。

四点结论：

1. 高换手股票更多在早尾盘交易，导致早尾盘占比较高；

2. 相关跃升尾盘虽存在，但幅度有限，贡献较小；

1. 因分钟成交额占比总和为1，出现此消彼长关系，中间时间段呈现弱负相关；

4. 需用绝对换手率因子辅助评估日内因子有效区间。

整体显示日内成交额时间分布与换手率相关复杂，构建因子时需排除换手率因子的影响，避免信息重复。[page::5,6]

2.3 日内成交额占比因子表现与尾盘因子构建（第3节）

2.3.1 分钟成交额占比因子基本表现（3.1）

• 2014-2019年间，基于行业市值中性化处理的分钟成交额占比因子IC及ICIR（图4,5），早盘及尾盘分钟因子IC存在显著负值，呈有效选股能力，午盘表现差。

- 加强传统因子中性（行业、市值、动量、波动、换手，中和5因子）后，早盘信号减弱，尾盘最后7分钟（14:53-15:00）因子表现依然优秀，IC均超过-0.03，年化ICIR超过3.5（图6,7）。

推断尾盘成交额占比因子在剔除传统已知因子后依旧能提供显著增量收益，具备独特Alpha。[page::6,7,8]

2.3.2 尾盘成交额占比因子多周期构建与表现（3.2-3.3）

• 为提升稳定性，构造尾盘最后t分钟成交额占比因子 $APLt$，取t从1至30分钟区间；

- 非强中性化时，尾盘最后一分钟因子ICIR表现最佳，但受到换手率影响较大（图9,10）；

• 强中性化后，IC与ICIR稳定在15-25分钟，表现较优（图11,12）。

- 以$APL{20}$因子为例，数据显示尾盘20分钟成交额占比均值约12.3%，表现明显异于正态分布（偏度2.372，峰度40.253），呈尖峰态（图13）。

• $APL{20}$因子月度IC均值约-0.052，rankIC均值-0.055，年化ICIR-4.161，月度胜率超84%，多空组合年化收益21.06%，年化波动6.12%，最大回撤6.05%（图14-17）；

- 时间序列上因子分布稳定，多头组尾盘成交额占比极低，空头组极高，体现因子单调性及稳定性（图18）。尾盘成交额较低暗示该股票未来预期表现更佳。

• 逻辑推测包括信息披露时点反映、知情交易行为、资金趁噪声较少时段建仓等。[page::8,9,10,11,12]

2.3.3 参数敏感性与加权合成方法（3.4）

• 按月度移动平均法（MA）和指数加权移动平均法（EWMA）合成月度因子，推荐尾盘18-22分钟，移动平均时长15日；

- EWMA法相较MA法效果更好，IC均值达到-0.054，ICIR超5（图19,20）；

• 因子时间窗口及加权方式对效果稳定性贡献明显。[page::12,13]

2.3.4 指数内选股表现（3.5）

• 在沪深300及中证500成分股中，$APL{20}$均展现良好选股能力，IC均值依然约-0.05，等权多头净值持续跑赢其他组合，表现稳健（图21-25）；

- 基于因子优化的中性组合构建，剔除行业、市值、动量波动暴露，组合显著跑赢指数，尤其在中证500中表现优异（图26-28）；

• 不同市场条件（上涨或下跌）均保持相对优势，充分证明了因子稳健性及Alpha有效性。[page::13,14,15]

2.3.5 调仓频率测试（3.6-3.7）

• 半月调仓相比月度调仓，因子多空组合年化收益分别为28.8% vs 23.1%，夏普率4.9 vs 3.94，最大回撤略优（5.88% vs 6.38%）；半月调仓显著提升收益表现（图29,30）；

- 调仓导致换手率显著上升，手续费成本环境下测试显示半月调仓仍优于月度调仓，特别是在手续费降低到1.5‰情形下收益优势明显（图31-35）。

2.4 与日内分钟换手率因子对比（第4节）

• 分析了绝对分钟换手率（分钟成交额/自由流通市值）与日均换手率相关性，相关程度比成交额占比更强，尤其早盘相关超0.65，尾盘及下午维持0.55左右（图36）；

- 换手率因子表现良好（图37），但较强中性化后（剔除行业、市值、动量、波动、换手）因素影响显著降低，仅尾盘仍有有效信号（图38）；

• 分钟换手率受流动性影响更大，且与日均换手率高度相关，部分选股效果被传统因子吞噬；

- 成交额占比因子因其相对稳定的时间分布特性，在构造高频选股因子上更加合适和有效。[page::17,18]

2.5 分钟成交额的其他特征（第5节）

2.5.1 高频成交额的高阶矩（方差、偏度、峰度）

• 分析分钟成交额的方差（VMA）、偏度（SMA）与峰度（KMA）因子表现；

- VMA在仅行业市值中性时表现有选股能力，但与市值、波动、换手高度相关，强中性化后效果减弱；SMA、KMA无明显Alpha贡献（图39-41）；

• 说明高阶矩未能提供独特增量Alpha，相关特性多被传统因子解释。[page::18,19]

2.5.2 分钟成交额的自相关性

• 定义ACMA因子衡量成交额的时序自相关性，1分钟滞后自相关均值0.385，呈正偏，表明多数股票有明显集群交易行为（图42）；

- 回测显示ACMA因子对行业、市值中性有一定选股能力，但与波动、换手相关，较强中性化后效果减弱，最优滞后阶数为1分钟（图43-46）；

• 从多空组收益看ACMA因子空头贡献较多，自相关性较强的股票更可能表现不佳（图47,48）；

- 表明成交额自相关性指标可用于风险排雷或空头滤除。[page::19,20,21]

2.5.3 空头效应对尾盘成交额占比因子的强化（5.3）

• 通过剔除ACMA因子高值（被认为风险较高股票）来强化$APL{20}$多头组合表现，剔除空头排名最高20%股票后，多头年化收益从18.32%提升至19.31%（图49,50）；

- 说明整合空头指标有助于提升尾盘成交额因子策略的收益质量。[page::21,22]

2.6 总结（第6节及回测说明）

• $APL{20}$因子表现稳定，月度IC均值约-0.054，年化ICIR约为-5.18，年化收益超23%，回撤低于6.5%，夏普率显著。

- 因子源于对成交额在日内自然分布偏离的深刻洞察，在排除传统因子已提取信息后仍具有增量Alpha。

• 半月调仓优于月度调仓，手续费敏感性分析建议合理均衡交易成本。

- 结合成交额的自相关性因子可优化组合风险，提升选股策略效果。

• 报告基于2014-2019年A股市场高频数据，经过详细中性化及多角度评估，具有较高参考价值。

---

3. 详细图表深度解读

图表1：日内流动性指标的日内特征（2019）

图表显示：价格冲击指数、买卖价差在开盘时峰值较高，随后价格冲击逐渐下降，流动性指数呈现先升后稳趋势，尾盘因集合竞价变动较大。表明日内流动性存在显著节奏，与成交额分布密切相关，成为突破点。[page::4]

图表2：全市场成交额日内分钟分布（2019/12/31）

该柱状图清晰体现成交额日内U型结构：早盘起始一分钟明显放量，随后缓慢下降，中午低谷，尾盘迅速回升至峰值，验证日内成交热点集中在开盘和尾盘。[page::5]

图表3：分钟成交额占比与日均换手率相关性

折线图揭示早盘相关度最高，午盘最低（甚至负相关），尾盘相关度回归0.1-0.2。表明分钟成交额占比具有符号对换手率的依赖性，在构造因子时需谨慎剔除换手因子影响。[page::5]

图表4~7：分钟成交额占比因子IC及ICIR（中性化程度不同）

• 业内市值中性时，早盘尾盘分钟成交额因子IC值企稳于负值，有较好选股能力；

- 强中性化后，早盘失效，尾盘最后7分钟的IC、ICIR仍较优，确认尾盘信号的独立性。[page::6~8]

图表8~12：尾盘成交额占比因子APLt IC和ICIR走势

• 随着采样尾盘时间t的增加，IC及ICIR趋于稳定，最优t范围为15~25分钟；

- 强中性化处理中，尾盘因子净效应凸显，可稳定预测未来收益走势。[page::8~10]

图表13~18：APL20因子统计特征

• 分布呈正偏态尖峰，尾盘成交额占比均值约12.3%；

- 月度IC值稳定为负，月度胜率高达84%以上；

• 年化收益达21%，波动率低于6.2%，最大回撤约6%；

- 多头组表现显著优于空头组，因子单调性明显。[page::11,12]

图表19~20：移动平均法与指数加权移动平均法合成

• EWMA法表现优于普通MA法，更强调近期信号，适合高频因子构造；

- 参数对模型稳定性影响较小，推荐尾盘18~22分钟及15日窗口。[page::12,13]

图表21~28：指数内APL20表现及优化组合回测

• 指数成分股中因子IC依旧稳定负值；

- 优化组合显示超额收益与指数明显分化，风险调整后的表现优越；

• 中证500表现优于沪深300，体现因子对中盘及小盘股更具预测力。[page::13,14,15]

图表29~35：调仓频率和手续费敏感性测试

• 半月调仓策略收益优于月度调仓，手续费较高时优势仍明显；

- 低手续费环境下，调仓频率提升带来显著收益改善，换手率相应上升。

• 图中收益分布与回撤表现均支持该结论。[page::15,16]

图表36~38：分钟换手率与换手率相关性及IC表现

• 换手率因子早盘相关较高，尾盘有所回升，但整体被换手率因子解释较多；

- 同时方差受流动性和交易量强影响，分钟成交额占比因子表现更稳定和独立。[page::17,18]

图表39~41：分钟成交额高阶矩因子表现与相关性

• 方差因子表现尚可但相关较高，高阶偏度和峰度无明显Alpha；

- 强中性化导致选股能力明显降低。

• 显示高阶矩因子未能突破传统因子范围限制。[page::18,19]

图表42~48：成交额自相关性因子统计与表现

• 自相关度均值0.385，偏态正，显示集群效应；

- 基础因子有一定选股能力，但受换手率等影响，强中性化后效果减弱；

• 多空组合表明空头侧贡献更大，自相关高股票可能是“风险信号”。

- 成交额自相关性可用于选股风险剔除或空头控制。[page::20,21]

图表49~50：尾盘成交额占比因子与自相关性因子联合强化效果

• 剔除自相关性最高的20%股票后，APL20多头收益提升近1%；

- 多头净值显著优于未经强化组合，体现因子协同效应。

• 证明风险剔除的策略有效，优化选股模型质量。[page::21,22]

图表51~54：APL20月度IC序列及多空组合表现回顾

• 月度IC稳定负值，主要集中在-0.02~-0.12区间；

- 多空组合收益持续攀升，最大回撤稳定控制在6%以下；

• 分组年化收益从近18%递减至-3%左右，分组净值曲线明显分化，保障回测兑现现实参考价值。[page::22]

---

4. 估值分析

本研究为因子研究报告，侧重量化Alpha挖掘与回测验证，未涉及传统估值（DCF、市盈率等）分析，核心在于量化Alpha的预测有效性及实现路径。

因子构造方法以成交额占比为基础，运用统计指标IC、ICIR评估预测能力，辅以多种中性化处理剔除共线性及估值因素影响，确保因子有效性独立。

半月调仓与手续费敏感性分析间接体现因子在实盘交易环境下的价值，在控制成本情况下提高收益，体现量化投资实用性优化思路。

---

5. 风险因素评估

• 历史数据不代表未来收益：基于2014-2019年数据回测，未来市场风格切换或微观结构变化可能令因子失效或效果削弱；

- 微观结构风险：市场高频结构或者交易机制变化或新规，尤其尾盘交易规则调整，可能改变成交额时间分布权重，影响因子效果；

• 模型风险：因子与传统因子高度相关，尤其换手率因子，若未充分剔除，可能导致因子减少增量Alpha；

- 交易成本及流动性风险：尽管手续费敏感性测试表明因子对成本较稳健，但市场实际流动性恶化或交易摩擦增大仍会对因子收益造成负面影响；

• 样本选择风险：剔除涨跌停、ST、新股等特殊股票可能导致因子表现存在一定的样本偏差；

- 策略过度拟合风险：因子敏感性测试虽表明稳健，但因子构造方法复杂，仍可能隐含数据挖掘和过拟合风险。

报告未提供完整风险缓解策略，但通过多因子中性处理、多市场测试及参数敏感性分析，部分控制了风险因素。[page::0,23]

---

6. 审慎视角与细微差别

• 报告非常专注尾盘成交额占比因子，虽然多次侧重尾盘优势，但对早盘因子的潜在价值否定略显绝对，实际上早盘交易活跃度和信息量较大，未来工作可以关注其多因子结合空间。

- 尾盘成交额占比因子虽然表现优异，但IC均值为负（约-0.05），投资者须理解因子负IC属于预期收益负向因子，需做因子符号调整；

• 结果展示集中在年化收益、IC等统计指标，缺乏对单次大幅波动期间的敏感性分析，风险敞口可能被低估；

- 报告假设尾盘成交额高的股票多为消息面偏向交易驱动，但未结合具体板块与事件验证，后续可深化信息面研究；

• 成交额高阶矩因子表现差，提示高频因子提取需要谨慎选择统计量，防止过度复杂化影响稳定性；

- 尾盘成交额占比因子增强方法采用ACMA剔除，细节及参数选择可进一步细化，且报告中未涉及多因子优化模型构建对比，未来有拓展空间；

• 报告总体未提及交易滑点等实际执行问题，模型执行性有待实盘验证。

---

7. 结论性综合

这篇报告在市场微观结构层面，创新性地利用了个股的日内分钟成交额占比，尤其是尾盘20分钟的成交额集中度，构建了高频有效Alpha因子 $APL{20}$。核心发现包括：

• 日内成交额分布自然呈U或W型，尾盘成交额占比的变化独立于传统换手率因子，含有额外预测信息；

- 通过严谨的中性化处理（行业、市值、动量、波动、换手），尾盘成交额占比因子表现出稳定且显著的负向信息系数，IC均值达-0.054，年化ICIR超过5，显示其预测能力强，且波动率低，最大回撤小，风险可控；

• 分组收益测试呈单调效应，多头组领先，空头风险也可通过成交额自相关性因子ACMA进行有效剔除；

- 指数内（沪深300、中证500）表现同样优秀，且定期调仓（半月调仓）优于月度调仓，手续费合理控制下半月调仓长期优于月度，显示该因子在实际投资中具备良好应用潜力；

• 相较于分钟换手率、成交额高阶矩因子，尾盘成交额占比因子稳健且显著，弥补了传统因子体系的短板；

- 图表系统地揭示从成交额分布（日内及多日）到因子绩效的逻辑链条，数据丰富，论据充分。

综上，报告成功构建了基于高频成交数据的尾盘成交额占比Alpha因子，揭示微观流动性交易结构中隐含的重要信号，具备较强的预测能力和投资价值。该因子作为传统换手率类因子的有力补充，为高频量化投资策略提供了创新视角和实证依据。

---

图片溯源示例：

• 报告封面因子多空收益与回撤曲线：

• 日内流动性指标：

• 全市场成交额分布：

• 分钟成交额占比因子IC表现图示：

• 尾盘成交额占比因子APLt月度IC：

• $APL{20}$因子分组收益：

• 成交额自相关性因子分组表现：

• 强化后APL_20多头净值：

---

综上，本报告提供了基于高频分钟成交额构造的尾盘成交额占比因子的全面建构与实证验证，因子表现稳定且带有实质增量Alpha，成为量化选股的重要补充因子。研究视角独到，方法严谨，为相关领域的市场微观结构与高频因子研究提供了极具价值的参考。投资者可结合实际交易环境，考虑手续费及调仓频率优化该因子应用，辅助构建更具风险调整收益优势的投资组合。[page::0-24]

报告