高频因子分类及构建方法 [page::5]

• 高频因子主要分为收益率分布、成交量分布、量价复合、资金流、日内动量五大类。

- 各类因子可细化为偏度、峰度、成交量占比、量价相关性等多个具体指标。

收益率分布因子表现 [page::6][page::7][page::8]

| 回看期/持有期 | 1 | 2 | 3 | 4 | 5 | 10 | 15 | 20 |
|---------------|----|----|----|----|----|----|----|----|
| 年化收益率 % |7.32|4.15|3.37|3.18|2.72|2.38|1.10|0.70|
| 夏普比率 |1.21|0.99|0.97|1.07|1.02|0.86|0.39|0.25|

• 高频偏度因子在股票表现为反转效应（因子值小的股票未来收益更高），在期货表现为动量（因子值大品种收益更佳）。

- 高频峰度因子在股票中选股效果弱，期货中负收益且无选股能力。

• 复合因子（偏度+峰度）期货表现较好，年化收益率达7.46%，夏普比率1.27。

下行波动占比因子及上行波动相关因子表现 [page::9][page::10]

• 股票下行波动占比因子多空组合月均收益差达1.87%，正交因子IR达3.12。

- 期货上行波动占比因子年化收益率最高可达8.11%，夏普比率1.31，显示动量特征。

• 转换因子为累计上行波动率减累计下行波动率后，期货收益水平更高，平均年化收益率3.96%。

成交量分布因子表现及时间段影响 [page::12][page::13][page::14]

| 时间段 | 原始因子IC均值 | 正交因子IC均值 |
|----------------|-------------|-------------|
| 上午10:30-11:00 | 0.037 | 0.022 |
| 下午14:30-15:00 | -0.027 | -0.047 |

• 10:30-11:00成交量占比因子正相关股票下月收益，多空组合月均收益差约1.35%。

- 收盘前半小时成交量占比因子负相关股票收益，期货中该因子无有效区分能力。

高频量价相关性与仓价相关性因子表现 [page::14][page::15][page::16]

• 高频量价相关性因子在股票中表现显著，量价相关系数大（量价背离）股票未来收益更好，多空组合月均收益差约2.10%。

- 期货高频量价相关性因子在合适参数区间年化收益率约3.46%。

• 仓价相关性因子反映期货持仓量与价格同步性，表现类似量价相关性因子，平均年化收益率约3.58%。

资金流因子表现及特点 [page::16][page::17]

• 两种定义的资金流因子在期货中均显示短期反转、长期动量特征。

- 短期回撤期因子收益为负，长期持有期因子收益为正。

• 资金流入因子年化收益率和夏普比率随回看期和持有期变化而变化。

动量与改进反转因子 [page::18][page::19][page::20]

• 股票趋势强度因子存在选股效果，但剔除风格因子后选股效果消失。

- 期货趋势强度因子稳定，最高年化收益9.45%，夏普比率1.48。

• 改进反转因子剔除隔夜及开盘后半小时涨幅后，多空组合月均收益差从1.79%提升至2.28%。

- 期货日内动量因子在不同时间点表现稳定，最高年化收益率超过10%，夏普比率达1.97。

高频因子相关性分析 [page::20][page::21]

| 因子 | 高频偏度 | 下行波动占比 | 量价相关性 | 改进反转 |
|--------------------|---------|-------------|-----------|---------|
| 高频偏度 | 1 | -0.83 | 0.25 | 0.28 |
| 下行波动占比 | -0.83 | 1 | -0.32 | -0.44 |
| 量价相关性 | 0.25 | -0.32 | 1 | 0.37 |
| 改进反转 | 0.28 | -0.44 | 0.37 | 1 |

• 多数因子间相关性较低。

- 高频偏度与下行波动占比存在强负相关，后者更能解释选股效果。

结论与展望 [page::21]

• 高频因子在股票和期货市场表现差异明显，反映市场结构和交易机制差异。

- 高频偏度、下行波动占比、量价相关性等因子具备显著的选股和交易信号价值。

• 成交量分布因子体现不同交易时段的投资者行为差异。

- 改进反转因子提高选股收益，期货趋势强度因子稳定且收益显著。

• 未来将继续挖掘更多日内高频alpha因子，完善量化选股与CTA策略体系。

海通证券研究所高频量价因子在股票与期货中的表现详尽分析报告

---

一、元数据与报告概览

• 标题：高频量价因子在股票与期货中的表现

- 作者：冯佳睿、姚石

• 机构：海通证券股份有限公司研究所，金融工程研究团队

- 发布日期：2018年10月（报告内回测数据覆盖至2018年9月）

• 研究主题：基于分钟级别高频交易数据，构建一系列高频量价交易特征因子，比较这些因子在中国A股股票市场和期货市场的表现差异及其选股策略应用。

核心论点和结论：

• 高频因子可分为收益率分布、成交量分布、量价复合、资金流和日内动量等类别。

- 大多数高频因子在股票中体现反转效应，即值小的股票未来表现更好；而在期货中体现动量效应，即值大的期货品种未来表现更好。

• 高频偏度、下行波动占比、量价相关性等因子均显示显著的选股效果。

- 成交量分布在不同时间段表现迥异，上午10点至11点成交量占比对股票收益有正向推动，收盘前半小时体现负相关。

• 传统日频因子可由分钟级别信息增强，如去除隔夜和开盘后半小时涨跌幅后的反转因子表现更强。

- 资金流因子在期货方面展示短期反转和长期动量的双重特征。

• 因子失效风险、流动性风险及统计规律改变风险是主要风险提示。

[page::0,1,5,21]

---

二、逐节深度解读

2.1 研究背景及因子分类

报告首先系统地将高频因子分门别类，展示了基于分钟级别数据构建收益率分布、成交量分布、量价复合、资金流和日内动量等因子的框架（见图1）。

• 收益率分布因子：包括已实现偏度、峰度及上下行波动率，用于捕捉价格的非对称形态和极端波动。

- 成交量分布因子：反映不同日内时段的成交量占比，揭示投资者行为的时间分布特征。

• 量价复合因子：衡量量价及仓价相关性，表达资金流入和持仓量变化与价格关系。

- 资金流因子：基于交易委托信息测算资金净流入的不同指标。

• 日内动量因子：观察短期趋势及反转的价格特征。

报告强调，除图中所列因子，有潜力结合机器学习等方法挖掘更多复杂高频因子。[page::5]

---

2.2 回测参数设置

• 回测时段：2010年1月至2018年9月。

- 期货保证金固定20%，无杠杆策略。

• 调仓方法：期货及股票分别按选股因子值排序，做多前20%、做空后20%。

- 跨期资金分配避免路径依赖。

• 股票剔除特殊处理包括ST股、上市不足6个月、停牌等。

- 股票因子分为原始和正交版本，正交因子剔除行业、市值等风格影响。

以上保障了回测的科学性及稳健性。[page::5]

---

2.3 收益率分布因子

2.3.1 高频偏度与峰度

• 定义：

- 高频偏度因子反映日内的收益率偏斜方向。
- 高频峰度捕捉极端震荡频率。

• 股票表现：

- 高频偏度因子有反转效应，即低偏度股票通常未来收益更好（多空组合月均收益约1.45%，IC均值负向，因子显著，见图2-5）。
- 高频峰度因子无显著选股能力，月均多空收益仅0.21%（图7-9）。

• 期货表现：

- 高频偏度展示动量效应，偏度高的品种收益率更好，年化最高约7.3%，夏普比率1.21（表1，图6）。
- 高频峰度则呈负收益，高峰度对应未来低收益（表2，图9）。

• 复合因子：

- 将偏度排名从低到高，峰度排序从高到低，合并计算综合得分后组合，表现优于单因子，期货平均年化收益达3.96%（表3，图10）。

此段反映出期货与股票收益率分布因子表现的本质差异，源于市场结构和投资者行为差异。[page::6,7,8,9]

---

2.4 高频上下行波动占比

• 高频下行波动占比因子在股票中表现良好，多空组合月均收益达1.87%，IC超过0.06（图11-14）。

- 期货中则基于上行波动占比构建因子，参数稳定区间年化收益3.81%，夏普1.31（表4，图15）。

• 进一步将上行波动率减下行波动率构建综合指标，期货表现更优，平均年化收益3.96%（表5，图16）。

这种针对风险方向的区分体现投资者对下行风险的高敏感度，也突显出期货市场中波动方向性控制的潜力。[page::9,10,11]

---

2.5 成交量分布因子

• 股票日内成交量多呈U/W型，开盘和收盘活跃。

- 不同时段成交量占比与未来收益的相关性差异大：
- 上午10:30-11:00量占比正相关，因子IC ~0.02-0.03，多空月收益约1.35%（表6，图17-21）。
- 收盘前30分钟量占比则呈显著负相关，IC低至-0.047，多空收益表现差（图22-25）。

• 期货因交易时间分布不统一，收盘前半小时成交量因子无显著区分能力（表7）。

报告推断，上午时段交易反映投资者对隔夜信息的分歧，信息含量大；而收盘时段噪声多、个人投资者行为主导，导致收益负相关。[page::11,12,13,14]

---

2.6 量价复合因子

• 量价相关性：基于分钟价格和成交量序列的Pearson相关系数，高相关系数（量价背离）的股票未来表现优于低相关（量价同向）（图26-29）。

- 股票量价相关性因子IC均为负，因子表现与偏度类似，表明是一种反转信号。

• 期货中量价相关性因子收益随持有期和回看期增长，由负转正，稳定年化收益3.46%（表8，图30）。

- 仓价相关性：研究价格与仓位变化的相关性，高正相关通常代表多头持续加仓趋势，负相关反之，期货表现同样良好，年化收益3.58%（表9，图31）。

这两个因子均基于价格与交易量或持仓量的同步性，捕捉资金流向与市场偏好的微观信号。[page::14,15,16]

---

2.7 资金流因子

• 股票资金流因子复杂，报告未详述，推荐参考相关早期研究。

- 期货资金流入因子定义为：
- 因子1：成交量×价格 ×涨跌方向，归一化成交金额。
- 因子2：持仓量变化×价格×涨跌方向，归一化持仓市值。

• 期货资金流因子表现呈现短期反转与长期动量特征，短期回看持有期内收益为负，长期期正收益（表10、11，图32）。

此演示反映资金流导向和市场参与者行为的多层次影响，短中长期交易信号存在差异。[page::16,17]

---

2.8 动量类因子

• 趋势强度因子：衡量日内价格变动的平滑性和持续性，比值越高代表越强日内趋势。

- 股票中选股效果有限（月均1.18%收益，剔除风格后无效）。
- 期货中趋势强度表现突出，年化高达9.45%，稳定性强（表12，图33）。

• 改进反转因子：剔除隔夜及开盘半小时涨跌幅后，反转因子效果显著增强，多空组合收益从1.79%提升至2.28%；正交因子胜率80%以上（图34-36）。

- 期货日内动量策略：基于日内涨跌幅排名进行做多做空建仓，9:03时刻表现最好，收益率10.61%，夏普1.97(表13，图37)。

显示日内动量在期货市场极具潜力，且对传统因子进行日内信息增强是提升效果的有效路径。[page::18,19,20]

---

2.9 高频因子间相关性分析

• 股票：

- 下行波动占比与高频偏度负相关度极高（-0.83），且下行波动占比对选股贡献完全覆盖偏度。
- 大多数因子相关度较低，说明因子之间具有较好的独立性和多样性（表14）。

• 期货：

- 高频偏度与上行波动占比正相关较高，其他因子相关性较低，且多数和时间序列动量正相关（图38）。

此分析有助于多因子组合构建和风险控制，避免因子冗余。[page::20,21]

---

三、重要图表解读

图1 高频因子分类图（page 5）

• 展示了高频因子5大类及其细分指标。

- 这幅图作为报告框架纲领，明确分类指引，为后文具体解析铺垫。

股票高频偏度因子分组收益及IC（图2-5，页6）

• 反转特征明显：偏度值越低的股票组绝对收益越高。

- IC指数为负，显示因子值与未来收益呈负相关。

• 正交处理后因子效果削弱但仍显著。

期货高频偏度因子年化收益率及净值曲线（表1，图6，页7）

• 高频偏度因子收益在短期（回看和持有期为1日）最高，达到7.32%。

- 净值曲线稳步上升验证其投资策略的稳健性。

期货高频峰度因子年化收益率及净值（表2，图9，页8）

• 峰度因子多阶段为负收益，暗示峰度高的预示未来表现较差。

- 净值曲线呈下降趋势。

期货高频偏度+峰度复合因子（表3，图10，页9）

• 显著提升组合稳定收益，年化超7%，夏普达到1.27。

- 净值曲线呈现一致且平稳上行态势。

股票下行波动占比因子收益与IC（图11-14，页9-10）

• 下行波动多空收益差达1.87%，IC均值高达0.06。

- 正交因子虽有所下降但仍有效。

期货上行波动占比（表4，图15）与上行-下行波动率（表5，图16）

• 收益稳定分布在3%-8%之间。

- “上行减下行”因子提升收益及风险调整表现。

成交量占比IC统计（表6，图17，页12）

• 上午时段成交量占比相关性较高，10:30-11:00段显著正相关。

- 下午收盘时段IC转负，且减弱了收益率。

10:30-11:00成交量占比及分组收益（图18-21页12-13）

• 正相关突出，正向收益率达1.35%，正交仍有0.82%。

- IC表现显示因子具有持续稳定的正面信息。

14:30-15:00成交量占比负相关表现（图22-25，页13）

• 负相关性强，月均收益差高达负1.54%，对应收盘时段投资行为特征。

高频量价相关性股票和期货表现（图26-30，表8，页14-15）

• 股票相关系数呈反转型，期货因子随着参数调整升值。

- 期货年化收益稳定在3%-4%。

高频仓价相关性期货表现（表9，图31，页15-16）

• 与量价相似，信号稳定，反映持仓量与价格同方向变动暗示结构性资金流入。

资金流因子收益（表10-11，图32，页16-17）

• 短期回看持有期内多数负收益，长期持有时收益率升高。

- 反映资金流短期反转、长期趋势。

趋势强度因子（表12，图33，页18）

• 期货中趋势强度最优，年化收益高达9.45%，IC和夏普显著。

- 股票中选股效果被风格因子剔除。

改进反转因子（图34-36，页19）

• 去除开盘跳空影响显著提升选股效果。

- 多空收益率提升0.5%+，胜率超80%。

期货日内动量因子表现（表13，图37，页19-20）

• 日内动量因子收益率高，夏普约2，表现较为稳健。

高频因子相关性矩阵（表14，图38，页20-21）

• 展现各因子之间关系，为多因子联合建模提供基础。

---

四、估值分析

报告未涉及具体估值模型及目标价，主要聚焦因子构建与策略回测，故无估值部分。

---

五、风险因素评估

• 因子失效风险：历史统计规律可能中断，因子未来表现不佳。

- 流动性风险：部分因子涉及成交量和资金流，低流动品种可能导致执行困难。

• 统计规律失效风险：市场结构或行为变化导致历史规律失效。

报告并无给出缓解策略或发生概率评估，但已明示投资者应关注上述风险。[page::0,21]

---

六、批判性视角与细微差别

• 报告逻辑清晰，数据详实，因子设计严谨。

- 高频偏度因子在股票和期货中表现差异巨大，提示因子表现与市场结构紧密相关，但报告未深入揭示导致差异的微观交易机制，留待未来挖掘。

• 股票市场的反转效应可能受到散户行为过度反应影响，而期货机构占比更高导致动量效应明显，这一假设虽合理但需结合微观委托数据验证。

- 部分因子依赖于分钟高频数据，数据处理复杂，实操时考虑市场滑点、交易成本未在回测中扣费，可能夸大收益表现。

• 成交量因子因交易时间差异在期货中的应用受限，需进一步细分品种或调整时间窗口。

- 资金流因子定义简洁，但简化模型可能未完全捕捉期货市场复杂资金活动。

• 报告强调改进反转因子有效性，表明市场行为随时间演变，投资者需灵活调整策略。

- 部分图表IC大多数为负值，谨慎者应关注数据背后的因果关联及其稳定性。

综上，报告突出理论与实证的结合，但因子单独使用时可能依赖特定市场环境，组合策略及动态调节是未来重点。

---

七、结论性综合

本报告凭借海通证券金融工程团队的深入研究，通过刻画股票与期货市场的高频量价交易特征，系统构建和检验了多个高频因子，并全面对比了这些因子在两类市场中的表现和策略应用价值。核心发现总结如下：

• 高频因子丰富且多样，覆盖收益率分布、成交量、量价关系、资金流和日内动量，形成了较为完整的高频交易特征体系。

- 选股因子在股票市场主要呈现反转效应，因子值小（如高频偏度低、下行波动高、量价相关性负）的股票未来收益表现更好，符合散户过度反应及调整的市场微观机制。

• 期货市场则表现出动量效应，因子值大（如高频偏度大、上行波动率占比高）的期货品种收益更丰厚，受益于多空双向交易机制及机构比例高，行情较为持续。

- 成交量分布因子揭示投资者行为的时间结构特征，上午10:30-11:00成交量占比正向预测未来股票收益，收盘前则反向。

• 高频量价及仓价相关性因子在捕捉资金流动和多空力量方面展现价值，期货市场表现稳定，年化收益达3.5%以上。

- 资金流因子同时揭示期货资金活动的短期反转和长期动量。

• 传统反转因子结合分钟级数据进行改进，显著提升了预测及超额收益能力。

- 高频动量策略尤其适用于期货日内交易，具有高胜率和显著的超额收益。

• 因子相关性分布广泛，提供多因子组合优化空间。

- 风险提示明确，提醒因子在未来可能失效，流动性约束和市场结构变化是主要风险因素。

报告配套大量图表和详实回测数据，为量化投资者理解及应用高频因子体系提供了坚实基础，强调了市场结构对策略表现的关键影响。综合来看，高频量价因子对于有效捕捉价格变动和投资者行为具有重要价值，未来通过结合更深入的行为特征和机器学习方法，有望进一步丰富多因子投资框架。

---

主要图表示例：

（1）图2 股票高频偏度因子分组收益

• 展示高频偏度从低到高分组的绝对收益和超额收益，明显体现低偏度组表现优异。

（2）表1 期货高频偏度因子的年化收益率与夏普比率

| 回看期/持有期 | 1天 | 2天 | 3天 | 4天 | 5天 | 10天 | 15天 | 20天 |
|-----------|------|------|------|------|------|------|------|------|
| 1天年化收益率（%） | 7.32 | 4.15 | 3.37 | 3.18 | 2.72 | 2.38 | 1.10 | 0.70 |
| 1天夏普比率 | 1.21 | 0.99 | 0.97 | 1.07 | 1.02 | 0.86 | 0.39 | 0.25 |

• 清晰表明短期高频偏度因子表现最佳。

（3）图11 股票下行波动占比因子分组收益

• 表现出较强的正向收益率分布趋势。

---

结语

海通证券研究所在本报告中展开了系统且细致的高频因子研究，发掘并验证了多项基于分钟数据的量价因子，并详细比较其在股票和期货市场的表现差异，揭示不同市场投资行为与交易机制对因子特性的深刻影响，辅助投资者构建更具针对性的交易策略。持续深入微观结构和行为式的高频研究，将提升策略的科学性和盈利持续性。

[page::0,1,2,5,6,7,8,9,10,11,12,13,14,15,16,17,18,19,20,21]

---

（全文完）

报告