市场风格及行情表现 [page::0][page::1][page::2]

• 微盘股/大盘股、亏损股/绩优股、低价股/高价股分别位于2019年以来96.28%、90.54%、79.91%历史分位数，显示投资者偏好高位。

- 深证成指及中证1000周度涨幅最高，分别达2.40%。

• TMT行业（电子、通信、计算机、传媒）成交占比达40.89%，行业成交集中度高。

高频因子全历史及近期表现综述 [page::8][page::9][page::12][page::13][page::15][page::16][page::20]

• 订单失衡因子中SOIR全历史表现最好，年化收益18.95%，夏普2.75；近期OIR本周周度多空收益0.65%领先。

- 高频技术指标因子中BIAS历史年化收益25.65%，夏普2.80；近期CCI本周多空收益0.23%表现优异。

• 量价类因子以MPC年化收益26.47%排名第一，近期MPCskew月度多空收益3.82%较好。

- 流动性类因子表现突出，ESI因子年化收益达23.04%，近期MCIB周度多空收益1.05%领先。

• 行为金融学有限关注类因子中TURNRETAIL历史年化收益25.61%，夏普2.28；近一年TURNAVG月度多空收益最高（26.84%）。

- 注意力理论类因子由SPILLTURN领衔，年化收益28.65%；近一年STV2多空收益达28.69%。

• V型处置效应因子中CPGR表现最佳，年化收益近29%；近一年VCDE3收益29.66%。

- 筹码分布类因子TGratio年化收益29.85%，夏普3.00，近一年表现最优；chipdistri_2周度多空收益0.48%。

高频因子低频化方法与回测框架 [page::6][page::7]

• 高频因子通过截面标准化去除市场整体影响，转化为日频数据，再通过衰减加权形成月频因子。

- 回测时间跨度2010年2月至2025年9月，调仓周期为月末，标的范围为全市场。

• 因子多空收益和绩效指标显示量化选股因子具有稳定的阿尔法价值。

因子表现风险提示

• 历史表现不代表未来收益，因子存在失效风险。

- 市场系统性风险和政策变化可能影响策略表现。

• 数据缺失及模型假设可能导致结果偏差。[page::21]

金融研究报告详尽分析报告：《有色金属行业短线扩散得分较高，流动性类因子表现较好——高频和行为金融学选股因子跟踪周报（20250930）》

---

1. 元数据与概览

• 报告标题：《有色金属行业短线扩散得分较高，流动性类因子表现较好——高频和行为金融学选股因子跟踪周报（20250930）》

- 作者：陈升锐、姚紫薇

• 发布机构：中信建投证券股份有限公司金工及基金研究团队

- 发布日期：2025年10月09日

• 主题：围绕A股市场各类高频选股因子与行为金融学选股因子的表现追踪，重点关注行业交易拥挤度、市场风格特征及因子投资效果，尤其突出有色金属行业与流动性因子的跟踪。

- 核心论点：
- 2025年9月30日，微盘股相对大盘股、亏损股相对绩优股、低价股相对高价股风格均处于2019年以来较高分位区间，表明市场短线风格偏向风险偏好较强的股票类别。
- 高频选股因子中，流动性类因子表现尤为优异，本周及本月多空收益领先，表现稳健；行为金融学因子体现的筹码分布与有限关注因子亦表现亮眼。
- 行业成交活跃度与估值均显示电子、计算机等TMT相关行业及有色金属等传统行业的活跃交易特征。

• 报告意图：通过细致的数据回顾与因子分析，为机构投资者提供高频选股因子与行为金融因子的动态表现追踪，辅助制定短中期的策略投资思路。

---

2. 逐节深度解读

2.1 市场行情回顾

• 2025年9月底，大盘指数中深证成指本周表现最佳，周度收益率为2.40%；宽基指数中中证1000表现优异，收获2.40%周收益；风格指数中高价股指数实现2.39%周涨幅。

- 市场风格分析显示：
- 微盘股/大盘股指数达到96.28%的分位数，接近历史极值（2019年以来99%），表明小市值、微盘股票风格短期显著占优（图1）。
- 亏损股/绩优股比值达到90.54%历史分位，偏向亏损股表现提升（图2）。
- 低价股/高价股分位79.91%，较高，但略低于前两者，显示低价股相对高价股仍有一定优势（图3）。

• 行业成交拥挤度方面：

- 行业成交占比前三为电子（20.03%）、计算机（8.29%）、机械（7.85%）；TMT行业合计占比达40.89%，说明资金集中流入科技板块。
- 换手率前三为电子、通信、计算机，显示交易活跃。
- PB估值分位最高行业依次为商贸零售、计算机、传媒，表明市场对这些行业赋予较高估值溢价。
- 有色金属行业在60分钟加权K线得分中排名前三，意味着短线动能较好[page::0,1,2,3,4]

2.2 高频选股因子体系及分类

• 高频数据因子旨在基于分钟级委托、成交及价格数据挖掘选股信号，突破传统低频因子饱和瓶颈。

- 因子分类体系包含：
- 订单失衡类（如VOI、SOIR等），主要反映买卖委托力量失衡；
- 量价类（如MPB、MPC等），反映成交量价结构；
- 流动性类（如MCIB、Lambda、ESI），测算成交流动性的有效指标；
- 资金流类（PTOR、BNI等），度量资金流入流出状态；
- 高频技术指标类（BIAS、CCI等），反映技术面短线情绪和趋势变化。

• 行为金融学因子分为有限关注类（TURNAVG等）和注意力理论类因子（SPILLTURN、GRABTURN等），结合投资者心理及行为偏差捕获市场非理性波动（表4、表5）[page::5,6]

2.3 高频因子低频化处理流程

• 高频分钟数据经截面标准化后，以等权方式聚合为日频，再通过衰减加权法转换为月频因子，保证信息时效性的同时剔除市场整体影响。

- 标准化步骤剔除市场趋势波动影响，保障因子独立有效。

• 月度调仓周期符合机构实操需求，因子极值处理及中性化处理提高模型稳定性。

- 因子测试涵盖2010年至2025年，涵盖全市场，确保数据样本充足和覆盖全面[page::6,7]

2.4 高频因子表现详解

2.4.1 订单失衡因子

• 全历史看，订单失衡类因子多空年化收益介于14%-19%之间，SOIR因子表现最佳，年化收益18.95%，夏普比率2.735，最大回撤5.59%，IC均值-4.85%，年化信息比率(IR)2.65，凸显平稳而持续的收益特点（图4，表7）。

- 近期表现（近1年）显示，OIR因子多空表现最佳，周度多空收益0.65%，月度4.74%，全年13.25%，且多头超额收益正向（表8，图5），强调订单失衡因子在近期依旧具备优异信号能力。

2.4.2 高频技术指标类因子

• 历史表现中，BIAS因子最为突出，年化收益达25.65%，夏普比率2.8，最大回撤5.55%，IC均值-5.79%，年化IR 2.74，展现强劲选股能力（图6，表9）。

- 近一年表现显示，CCI因子在周度多空收益中表现领先（0.23%），月度和年内RI表现较好，Coppock在年内多空收益及多头超额表现也较优，反映技术指标短线动量指标的有效性（图7，表10）。

2.4.3 量价类因子

• MPC因子历史表现最佳，年化收益26.48%，夏普比率2.74，最大回撤7.51%，IC均值-6.46%，年化IR 2.86（图8，表11）。

- 近期看，MPC及其衍生偏度指标MPCskew表现较好，周度多空收益健康，反映成交量价关系依然是判断短线走势的重要信号（图9，表12）。

2.4.4 流动性类因子

• 长期观察，ESI因子全历史表现最佳，年化收益达23.04%，夏普2.34，最大回撤7.47%，IC均值正向7.24%（图10、11，表13）。

- 近年MCIB和Lambda因子表现较优，本周MCIB因子周多空收益达1.05%，本月Lambda因子多空收益5.61%，彰显流动性因子对短线交易信号的强大捕捉力（图12、13，表14）。

2.4.5 资金流类因子

• 资金流因子周度多空收益集中于较小幅度，PTOR因子今年以来年化收益19.62%，近一年表现最佳，能较准确捕捉资金入市动态（图15，表16）。

2.5 行为金融学因子表现

2.5.1 有限关注类因子

• TURNRETAIL因子全历史年化收益最高，达25.61%，夏普2.28，最大回撤8.76%，IC均值-8.17%，表现稳健（图16，表17）。

- 近1年内，ABNVOLD因子本周表现较优，月内TURNAVG因子领先，体现投资者关注度对股价波动的积极影响（图17，表18）。

2.5.2 注意力理论类因子

• SPILLTURN因子取得最高全历史年化收益28.65%，夏普2.64，最大回撤7.71%，IC均值8.50%，年化IR高达3.36，表现卓越（图18，表19）。

- 近期STV2因子本月及近一年表现突出，多空收益达28.69%，反映市场对投资者注意力相关波动捕捉高效（图19，表20）。

2.5.3 V型处置效应因子

• CPGR因子全历史表现最好，年化收益28.95%，夏普2.91，最大回撤9.68%，IC均值-8.59%，年化IR达到3.65，说明投资者处置效应对选股策略有明显提示作用（图20，表21）。

- 近期TL及CPLR因子表现较佳，近一年VCDE3因子年内多空收益高达29.66%，展示交易者处置行为在短线表现中的重要性（图21，表22）。

2.5.4 筹码分布类因子

• TGratio因子历史表现最强，年化收益29.85%，夏普3.00，最大回撤9.21%，IC均值-8.75%，显示筹码集中度对后续股价走势有显著影响（图22，表23）。

- 近年chipdistri2因子本周多空收益0.48%，年内表现亮眼，接近历史强势水平，筹码流动性成为重要选股维度（图23，表24）。

---

3. 图表深度解读

3.1 风格对比图分析

• 图1（微盘股/大盘股净值走势）显示，自2019年起微盘股强势上涨，2025年9月30日指标达96.28%分位，接近历史极端值。说明市场资金对小盘股偏好显著，短期可能存在较强的风险偏好情绪[page::1]。

- 图2（亏损股/绩优股走势）趋势自2021年以来稳步上升至90.54%分位，意味着市场对亏损股的追捧较以往增强，潜在预期改善或投机需求增长[page::2]。

• 图3（低价股/高价股走势）相对先前两指数稍显波动，整体维持高位79.91%，显示投资者对价格敏感型股票有所关注[page::2]。

3.2 行业成交及估值表

• 表2显示电子行业成交占比达20.03%，换手率及成交分位数均位列全市场首位，反映微观活跃度。

- 表3估值指标下，计算机行业PE（动与静态）均处高分位（PELYR分位100%，PB分位97.62%），体现成长性预期与市场追捧高度；有色金属PB分位居87.41%，估值涨幅显著但相对合理[page::3,4]。

3.3 高频因子净值曲线图

• 图4订单失衡类因子长期稳健增长，SOIR表现尤为胜出；

- 图6高频技术指标BIAS因子凸显其强劲多空收益积累；

• 图8量价因子中MPC长期领跑，展现成交量引导价格变化的长期效果；

- 图10、11流动性类因子曲线显示ESI及Lambda等因子稳定增长，投资者对流动性风格青睐明显；

• 图16、18、20、22筹码分布及行为金融学因子均显示出持续向好的趋势，体现非理性行为及筹码结构在投资决策中的价值[page::8-23]

---

4. 估值分析

报告主要聚焦因子表现及行业估值分布，并未采用DCF等具体估值模型。行业估值体现为PELYR、PETTM及PB分位数，做相对估值判断。各因子收益表现说明对标基准中长期超额收益可能性。因子表现中反映了其对应逻辑对未来股价走势的预判能力，间接支持相关行业和股票估值合理性或泡沫风险判断[page::3,4]

---

5. 风险因素评估

• 报告明确提示所有分析基于历史数据，未来存在失效风险，尤其由于市场环境、政策调整等系统风险可能影响因子有效性。

- 数据缺失与模型假设带来的偏差风险存在，实际投资环境复杂动态，模型偏误可能导致判断失准。

• 因子研究主要基于统计回测，未完全覆盖极端行情下的表现，存在结构性风险未被完全捕捉。

- 缺乏对实际交易成本及流动性约束的考虑，可能影响策略落地效果。

• 报告无具体风险缓解措施，但提示用户投资需自行甄别和承担风险[page::21]

---

6. 批判性视角与细微差别

• 报告因其追踪性质，以数据驱动单因子表现为主，或受限于因子样本过滤及剔除规则带来的样本偏差。

- 某些因子的IC值均为负数，这通常反映因子与未来收益负相关，需结合因子方向解释。报告中此点未做深入说明，可能导致理解上的混淆。

• 不同类因子年化收益表现差别较大，持续性与周期性分化明显，提示投资者短期跟踪和长期持有策略可能有本质区别。

- 部分因子在近期表现波动较大，暗示其适用环境可能受限，需结合宏观和行业动态综合判断。

• 由于报告未披露具体因子构造公式与原始数据处理细节，部分因子逻辑和稳定性无法全方位评估。

---

7. 结论性综合

本报告系统回顾了截至2025年9月底多种高频及行为金融学因子的全历史及近一年表现。整体来看：

• 市场短期风格明显偏好微盘股、亏损股、低价股，交易活跃的TMT行业及有色金属行业表现突出。

- 高频选股因子表现优异的主要集中在流动性类（如MCIB、Lambda）及部分量价类（MPC）和技术指标类（BIAS）因子，均体现了对短线价格波动良好捕捉能力；

• 行为金融学因子，尤其筹码分布和注意力理论类因子（如TG_ratio、SPILLTURN）显著表现了投资者非理性行为的规律，有助于发掘市场异象，获取超额收益。

- 不同因子在短期与长期的表现存在差异，因子选择和运用需结合市场环境和风险偏好。

• 行业估值与成交活跃度印证技术与传统行业的错位活力，技术板块高估值需警惕，但相关高频因子表现良好提示存在投资机会。

- 报告综合数据趋势及因子效果，强调短线扩散得分较高的是有色金属行业，同时流动性类因子在各投资周期表现较强，具备显著的选股价值。

图表详细展现了多类因子收益轨迹与分位数位置，增强了报告论断的量化基础，为机构投资者提供了策略调整与因子轮动的实证支撑。整体报告结构严谨、数据充分，提供了全面的高频量化因子视角，有助于理解当前市场短线动向及交易逻辑[page::0-21]

---

参考与数据溯源说明

所有结论均基于报告原文财务及因子表现数据，具体引用标注为[page::页码]，如（[page::8,9]）对应章节及图表。报告中图表以Markdown格式嵌入图片，原数据来源WIND与中信建投内部数据库。

---

注：以上解析严格依据报告内容与数据进行，还原作者论证逻辑和数据解读，未引入外部未经证实观点，确保专业客观，满足深度量化报告分析要求。

报告