• 高频因子因子计算方式分为整体法、日内法和日间法三种，区别在于信息表达是否统一和是否包含微观结构信息增量。整体法将所有交易周期数据合并统一计算，日内法逐周期计算后汇总，日间法则基于日度数据计算 [page::3][page::4]。

- 高频反转因子核心逻辑为价格变动的成交量加权反转效应，短期成交量具有可比性且微观结构信息增量显著，因而整体法表现最佳。其风险指标显示整体法IC和超额收益均高于其他两种计算方式：

| 市场 | 计算方式 | IC | 超额收益(%) | 多空夏普比 |
|----------|----------|--------|-------------|------------|
| 全市场 | 整体法 | -9.03% | 5.84 | 2.62 |
| 全市场 | 日内法 | -8.49% | 4.63 | 2.48 |
| 全市场 | 日间法 | -8.18% | 2.56 | 1.85 |
| 中证800 | 整体法 | -7.57% | 4.30 | 1.77 |
| 中证800 | 日内法 | -7.03% | 4.53 | 1.71 |
| 中证800 | 日间法 | -6.19% | 2.52 | 1.29 |

- 说明整体法构建的因子更准确、稳定 [page::5].

• 波峰因子以成交异常活跃为选股逻辑，微观结构显著信息增量，日内法和整体法表现相近。日间法因日度成交量均小于阈值致失去选股能力。

| 指标 | 全市场整体 | 全市场日内 | 中证800整体 | 中证800日内 |
|--------------|------------|------------|-------------|-------------|
| IC | 8.88% | 9.14% | 7.15% | 6.71% |
| 超额收益(%) | 8.92 | 6.38 | 5.13 | 3.78 |
| 多空夏普比 | 2.80 | 2.89 | 2.01 | 1.83 |

- 日内法在全市场多空收益优于整体法，但整体表现接近，说明异常活跃成交区间可通过高频剖析有效区分 [page::7].

• 量价相关性因子描述不同价格区间成交量分布，价格分布偏度较小导致不同时间段刻画差异不大，微观结构信息增量不显著。整体法和日间法表现较好，日内法较弱。

| 市场 | 整体法IC | 日内法IC | 日间法IC | 超额收益(%)整体 | 超额收益(%)日内 | 超额收益(%)日间 |
|----------|----------|----------|----------|-----------------|-----------------|-----------------|
| 全市场 | -5.58% | -4.45% | -5.24% | 1.40 | -1.02 | 1.67 |
| 中证800 | -4.84% | -3.77% | -4.50% | 1.62 | -0.54 | 2.27 |

• 日内法可看作是对个股日度属性信息的综合扩展，量价相关性标准差因子即是对日度交易分布波动的刻画，具有一定选股能力 [page::11].

- 隔日时间段（昨收至开盘）与交易时间段信息表达存在差异，隔日阶段的价格变动呈现动量效应，集合竞价阶段价格多为反转效应。开盘后第一分钟至收盘可作为统一逻辑时间段进行因子计算，从而避免逻辑不一致影响因子表现 [page::11][page::12][page::13].

• 构建并回测日内反转策略：以开盘价格相对昨日收盘的收益率为因子分组，开盘买入当日收盘卖出，测试了开盘价、第一分钟收盘价及第一分钟均价三种买入价格。结果显示：

- 日内反转因子分组能力显著，但自2016年以来在中证800出现回撤。
- 三种买入价格中开盘价效果最佳，第一分钟均价次之，第一分钟收盘价最差。



[page::14][page::15]

• 交易费用对日内策略影响显著，单边0.5%-1%的费率时策略仍有超额收益，费率提高后收益大幅降低。中证800在0.3%单边费率下仍保持正超额收益 [page::16].

- 高频反转因子在不同时间频率下表现出复杂的动量与反转效应：
- 短周期（<120分钟）价格变动对未来短期收益呈反转关系。
- 日度及以上周期价格变动对未来中期收益呈反转效应。
- 短期向中期跨度显示动量及反转交替，支持多频率多层次选股策略设计。

表12中IC矩阵体现不同频率反转因子对未来不同时间窗口收益的预测关系，为多频率量化策略提供依据 [page::17][page::18].

• 总结：

- 高频因子计算方法选择应基于因子逻辑中量价信息表达一致性及微观结构信息增量。
- 整体法适用于多维度有信息增量的因子，尤其高频反转因子表现最佳。
- 日内法为因子的日度属性综合扩展，量价相关性标准差因子是典型例子。
- 不同时间段价格变动动量反转效应异质，日内反转策略在开盘区间可捕捉超额收益。
- 高频多层次动量反转特征为构建精细化量化策略提供理论和实证支持。[page::19]

高频因子（十二）日内与日间研究报告深度分析

---

一、元数据与报告概览

报告标题: 高频因子（十二）日内与日间
分析师及联系方式:

• 覃川桃（执业证书编号：S0490513030001）

- 郑起（执业证书编号：S0490520060001）

发布机构: 长江证券研究所
发布日期: 2021年6月6日
研究领域: 金融工程专题报告
核心议题: 本报告重点探讨高频数据在构建量价因子时，针对日内（交易时间段）与日间（隔日时间段）计算方式差异的理论与实证分析，围绕高频反转因子、波峰因子、量价相关性因子等展开，探讨因子的计算方法及频率对于因子表现的影响，提供微观结构信息增量与时间分割对于投资策略的实用价值分析。[page::1,3]

核心论点:

• 高频数据处理方式的选择关键取决于两个逻辑：

1. 不同交易周期（如日内与日间）量价信息表达是否一致；
2. 高频微观结构是否带来信息增量。

• 整体法（统一计算所有高频数据）在反转因子中表现最优，适合信息表达一致且含有显著微观结构信息增量的因子；

- 日内法（分别计算周期内因子后汇总）更适合波峰因子这类微观结构显著、日内成交特征明显的因子；

• 日间法（低频数据合并计算）在量价相关性因子表现较好，因其微观结构信息增量不显著，且日频价格划分具有较强代表性。

此外，报告指出日内和日间价格变动存在动量与反转效应的时间窗差异，且基于高频反转因子的开盘日内交易策略获得了超额收益，尤其在2016年前中证800有效。[page::1,3-5,10,13,19]

---

二、逐节深度解读

2.1 日内与日间的计算方式（第3-5页）

关键论点:

• 高频数据存在隔日（非交易时间段，如昨日收盘至今日开盘）与日内（当日开盘至收盘）信息表达差异。

- 选择因子计算方式需基于信息表达是否一致与微观结构是否有信息增量。

• 三种计算方式定义和适用性：

- 整体法: 将所有时间段高频数据合并为一序列统一计算，假设信息表达一致且含微观结构信息增量。
- 日内法: 每交易周期计算因子，再汇总，假设不同交易周期信息不一致，但微观结构含信息增量。
- 日间法: 低频数据合并计算，假设信息表达一致，微观结构无信息增量。

关键数据: 表1明确了三种方法的逻辑假设，为后续因子分析构建框架 [page::4].

---

2.2 高频反转因子分析（第4-5页）

定义与方法:
高频反转因子以成交量为权重，对价格变动的加权求和，逻辑基于价格过度反应和成交量聚集，特别聚焦成交量最高和价格变动最大的20%时间段，期望捕捉短期内反转效应。

推理与假设:

• 不同交易周期成交量水平相对可比。

- 反转效应在日内及隔日交易周期均有，但整体法更能综合全部时间段的微观信息，提升表现。

重要数据:
表2展示三种计算方式在全市场和中证800的风险指标与选股绩效，整体法表现最佳（IC -9.03%，信息比0.98，多空夏普比2.62），显著优于日间法，日内法略逊于整体法，支持整体法适用性 [page::5].

---

2.3 波峰因子分析（第5-7页）

定义:
波峰因子通过标准差倍数筛选异常大成交量的时间段，捕捉知情交易。

逻辑: 知情交易分布在局部时间段，日内成交量与市场活跃度高度相关，故波峰因子日内可比性更强。

数据解读:

• 日间法计算波峰因子因成交量阈值失效，失去选股能力。

- 整体法与日内法表现接近，但整体法稍优（例如全市场IC分别为8.88%、9.14%；多空夏普比2.80,2.89）[page::6-7].

---

2.4 量价相关性因子分析（第7-9页）

定义:
量价相关性测度成交量与价格的相关程度，刻画不同价格档位的成交密集情况。

逻辑:

• 价格分布偏度影响因子表现。

- 高频分割能减少轨迹偏移影响，但日度收盘价已有较强代表性。

数据:

• 表4显示整体法和日间法选股效果较好，IC分别为-5.58%、-5.24%；超额收益均正，日内法相对较弱，说明微观结构信息增量不显著。

- 证明整体法适用于该因子。[page::7-8]

---

2.5 综合日内属性与高阶矩因子（第8-10页）

重点:

• 日内法计算因子描述个股属性，类似于日度收益率高阶矩的扩展，具有选股能力。

- 以高频反转偏度因子和量价相关性标准差因子为例，展示了其较好的回测净值和风险指标（表5、表6，图1-4），表明日内属性综合方法有效提升投资信息。

---

2.6 日内与日间价格变动的动量与反转异同（第11-13页）

发现:

• 隔日时间段和交易时间段信息存在差异，尤其开盘第一分钟价格动量表现与其他时间段反转效应相反。

- 关键断点有三个，昨日收盘价、今日开盘价、第一分钟收盘价，构建不同时间段收益率因子检验其预期收益表现。

数据:

• 表7动量时间段因子风险指标显示只有第一分钟收盘相对昨收呈显著动量效应。

- 表8反转时间段因子风险指标表明剔除动量时间段后的因子表现更优，证实隔日信息消化和日内动量反转存在明显的时间差异。

---

2.7 日内反转因子构建与实证（第13-16页）

策略框架:

• 以今日开盘相对昨日收盘的收益率作为日内反转因子，构建5分组行业中性组合。

- 买入开盘及第一分钟价格，持仓至当日收盘，实现日内交易策略。

重要图表:

• 图5展示隔日价格变动反转到动量的节奏；

- 图6、7分组净值曲线显示日内反转策略年化回报具备显著超额能力，尤其在2016年前表现强劲。

• 表9和表10详列分年收益，表11展示交易成本敏感性，结果表明策略高频交易对费率敏感，适中费用率下仍有超额收益。

---

2.8 高频下动量与反转的频率依赖性（第17-19页）

方法:

• 通过计算不同频率（分钟级到月度级）反转因子与不同未来时间窗口收益的IC矩阵，探究周期长度对预期收益率的影响。

发现:

• 短期（分钟级）收益率与未来短期收益呈明显负相关（强反转）。

- 中短期（日频中期）收益率与未来短期收益呈正相关（动量）。

• 日频下短期价格变动与未来中期收益表现反转。

总结:

• 价格变动的动量与反转效应随时间频率变化且呈周期性交替，为多频率因子构建提供理论基础。

- 如表12详细展示，支持报告对不同因子频率选择的建议。

---

2.9 报告总结（第19页）

• 高频数据计算方式选择关键在量价信息表达一致性和微观结构信息增量。

- 具体应用中，高频反转因子适用整体法，波峰因子适用整体法及日内法，量价相关性因子适用整体法与日间法。

• 综合日内个股属性信息的日内法具备一定选股能力。

- 不同频率价格变动表现不同的动量与反转效应，支持从月度至日内多频率构建选股策略。[page::19]

---

三、图表深度解读

3.1 图1-2：高频反转偏度因子回测净值（全市场与中证800）

• 图表呈现了根据成交量加权的价格回报偏度分组的净值成长。

- 高组（第1组）组合显示显著跑赢基准线，说明该偏度因子具备分组选股能力。

• 净值趋势在2015年达到峰值后有所回落，标明因子表现随时间有波动性。

- 侧轴比价线支持因子有效区分性。

3.2 表2-4：因子计算方式风险指标对比

• 风险指标涵盖IC值、ICIR、超额收益、信息比、多空收益和夏普比。

- 反转因子整体法最高IC (-9.03%)，信息比0.98，表现稳定。

• 波峰因子日内法与整体法IC近似，夏普比均高于2。

- 量价相关性因子表现较弱，整体法和日间法较近。

3.3 图3-4与表6：量价相关性标准差因子表现（全市场与中证800）

• 净值分组曲线展示因子能有效区分个股风险特征。

- 表中的IC多数为负，反映因子与未来收益负相关，但信息稳定。

3.4 表7-8：动量与反转时间段因子风险指标

• 不同时间段动量因子第一分钟收盘相对昨收表现最佳，证实开盘动量效应。

- 剔除该动量段后，剩余时间段反转因子风险指标表现更好，强化因子信号。

3.5 图5-7：隔日收益与日内反转因子回测

• 图5示意价格从反转到动量的节奏，辅以图6、7展示因子分组净值走势。

- 净值曲线清晰展示了第一组投资组合收益显著高于基准，验证日内策略有效。

3.6 表9-11：日内反转因子分年收益及成本敏感性分析

• 多年分年收益展示策略在不同年份表现差异，2007-2015年表现突出。

- 交易成本敏感性分析表明，超额收益在单边交易费3‰以内仍具备竞争力。

3.7 表12：反转因子不同频率IC矩阵

• 详尽展示短期到长期频率反转因子对不同未来收益时间窗口的预测相关性。

- 矩阵揭示动量与反转效应随频率和时间窗变化的规律性，提供量化策略优化基础。

---

四、风险因素评估

报告列明的主要风险包括：

• 模型失效风险: 高频因子基于历史数据推导，未来市场结构变量可能导致策略失效。

- 历史数据局限: 回测依赖历史表现，未来可能因市场环境、政策等不可预见因素导致收益不达预期。

• 高频交易风险: 高频策略对交易成本敏感，费用或市场冲击成本增加可能削弱有效收益。

- 数据质量与频率选择: 高频数据噪声较大，频率选择不当可能导致过度拟合等问题。[page::1,20]

报告提醒投资者谨慎参考，策略运用需充分考虑实际环境与交易成本。

---

五、批判性视角与细微差别

• 计量假设依赖性强: 高频数据特性和市场微观结构动态变化，整体法假设信息表达一致可能在极端行情时失效，需要动态调整计算方法。

- 策略回撤需关注: 日内反转策略2016年后在中证800内出现回撤，表明市场结构变化或因子暂时失效，且实盘交易成本及滑点问题未完全解决。

• 动量与反转时间区间划分敏感: 不同断点划分对策略表现影响大，如何准确判别反转与动量时间窗口仍是挑战。

- 数据频率选择影响结果: 量价相关性因子中日间法表现优于高频日内法，暗示低频价格信息维度不可忽视，过度强调高频指标或忽视整体行情趋势风险较高。

---

六、结论性综合

本次报告以高频数据构建因子的计算方式选择为核心，系统探讨了整体法、日内法和日间法三种高频数据处理途径在不同因子中的适用性与表现。以三类经典量价因子为样本，高频反转因子因微观结构含丰富信息且成交量活跃度相对可比，整体法表现最优，选股能力突出。波峰因子因高频微观结构显著突出，整体法与日内法均有效，且明显优于日间法。量价相关性因子微观结构增量不足，整体法与传统低频日间法表现相近。

通过对动量与反转效应的时间区间切分，发现隔日价格变动开盘阶段存在明显动量效应，而集合竞价阶段表现为反转效应，合理划分时间窗口并对应匹配计算方法显著提升因子信号纯度。

报告进一步将高频反转因子应用到日内交易策略，验证其日内反转效应能够产生全年超额收益，尤其在2016年前表现突出，但近期受多重市场因素影响表现有所弱化，且高频交易策略对交易成本异常敏感。

不同时间频率的反转因子与未来多时段收益率的相关性矩阵，展示动量与反转在时间维度与频率上的复杂轮换现象，为多频率因子联合使用提供理论基础。

整体来看，本报告以严谨的微观结构分析辅助高频因子构建选择，结合丰富的回测和风险指标实证验证，提供了系统化、高精度的高频量价因子研究方法论及其实战应用建议，对于高频交易和量化投资策略构建具有重要指导意义。

---

报告图表示例:

• 

-

• 

-

---

总字数: 1300+字
引用页码: [page::1,3-20]

报告