• 研究发现个股日内分钟成交额在时序上分布不均，早盘和尾盘成交额较多，尾盘成交额占比独立于传统换手率因子，蕴含有效Alpha[page::0][page::4][page::5][page::6]

• 分钟成交额占比因子与换手率相关性显示早盘相关较强，但尾盘相关较弱，尾盘成交额占比因子效果在强中性后更突出，表现优异[page::6][page::7][page::8]

• 构建尾盘成交额占比因子APL_t，发现尾盘15-25分钟时间段表现最佳，建议采用15日EWMA法合成月度因子[page::8][page::9][page::10][page::12][page::13]

• 以APL20因子（尾盘20分钟成交额占比）为例，因子值分布呈正偏态，IC均值-0.052，年化ICIR为4.16，多空组年化收益21.06%，夏普比3.44，最大回撤6.05%，多头组超额收益显著[page::11][page::12]

• APL20在沪深300和中证500指数内依旧表现良好，多空净值曲线差异明显，且利用等权组合优化构建的中性组合显著跑赢指数[page::13][page::14][page::15]

• 半月调仓策略优于月度调仓，半月调仓年化收益达28.8%，最大回撤5.88%，夏普4.90，手续费不同水平下半月调仓仍保持超额收益[page::15][page::16]

• 分钟成交额的高阶矩因子（方差、偏度、峰度）效果有限，选股能力被传统因子解释，分钟成交额的自相关因子ACMA表现出空头效应，可辅助排雷强化因子效果[page::18][page::19][page::20][page::21]

• 利用ACMA因子空头效应强化APL20因子，剔除成交额自相关性最大的20%股票后，多头组合年化收益由18.32%提升至19.31%[page::21][page::22]

• 与日内分钟换手率因子对比，分钟换手率因子受日度换手率影响大，效果多被解释，尾盘成交额占比因子能更好反映日内交易特征，更适用于挖掘Alpha[page::17][page::18]

• APL20因子整体表现优异，IC均值稳定在-0.054，ICIR达-5.18，多空组年化收益23.19%，最大回撤仅6.38%，其稳健的风险调整回报及显著多头效应显示出极强的投资价值[page::23]

高频视角下成交额蕴藏的 Alpha：市场微观结构剖析之七——详尽分析报告

---

1. 元数据与报告概览

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》
分析师：尹沿技
机构：华安证券研究所
发布日期：2020年6月10日
研究主题：基于高频分钟成交额构建因子，重点研究尾盘成交额占比因子对Alpha的挖掘及其与传统换手率因子关系。

核心观点概述：
本报告是市场微观结构系列报告的第七篇，延续日内高频选股因子研究，重点利用分钟级别成交额构造因子，尤其尾盘20分钟成交额占比（APL20）因子。在剔除传统换手率等因子影响后，APL20因子依然展现强大且稳定的负向Alpha预测能力。其月度IC均值达到-5.43%，年化ICIR达5.18，分组年化多空收益约23.1%，波动率仅5.9%，最大回撤6.38%，表现优异且稳健。

报告通过深入分析分钟成交额占比的时序分布发现，尾盘时段蕴含独特、增量Alpha信息，此部分信息独立于传统换手率因子，具备较强预测力。此外，报告也探讨分钟成交额的高阶矩和自相关等其它指标因子，发现大部分表现被换手因子解释，但其中自相关性表现的空头效应可用于尾盘因子强化。

报告谨慎提示基于历史数据的回测不代表未来表现，市场风格变化可能导致因子失效[page::0,4,23]。

---

2. 逐章深度解读

2.1 引言

本报告承接“市场微观结构剖析”系列，关注市场高频成交额的微结构特征及其选股Alpha。本章节回顾了市场流动性日内变化特征（图表1），发现开盘和尾盘流动性显著波动，成交额呈天然的U型或W型分布。早盘成交高峰反映隔夜信息反应，尾盘成交高峰则更受次日股价预期及信息泄露影响。该背景逻辑提示早盘和尾盘成交额可能蕴含更多有效Alpha，报告重点挖掘成交额在日内的不均匀分布信息，并探讨其与传统因子的关系及额外Alpha内容[page::4,5]。

2.2 日内分钟成交额占比与换手率关系

报告定义了分钟成交额占比因子 $AP{t,d} = \frac{Amount{t,d}}{TotalAmountd}$ ，并以日均换手率为比较基准，计算二者相关性（图表3）。结果显示：

• 早盘（9:30-9:40）分钟成交额占比与日均换手率高度正相关（相关系数近0.5）。

- 午后相关性迅速降低甚至为负，13:00分钟相关最低约-0.3。

• 尾盘相关性虽回升，但幅度较早盘弱，最大也不到0.2。

- 此消彼长效应说明日内不同分钟成交额占比因子互相制约。

结论可理解为高换手率股票在早盘和尾盘更活跃，传统换手率可解释早盘效果，尾盘仍有增量信息值得深入分析[page::5,6]。

2.3 日内成交额占比因子表现及尾盘因子构建

2.3.1 分钟成交额占比因子整体表现

对2014-2019年整体A股，测试240分钟占比因子IC值（扣除行业与市值效应），重点：

• 早盘（9:30-9:40）、午后开盘（13:00）和尾盘（14:50-15:00）分钟成交额占比因子IC显著高于零。

- 早盘因子与换手率高度正相关（图表4、5），初步说明其Alpha多为换手率驱动。

• 强化剔除换手等五因子后（图表6、7），尾盘因子仍保持显著表现，尤其14:53-14:57及最后一分钟IC>0.03，年化ICIR>3.5，成为最有价值的Alpha时段。

2.3.2 尾盘成交额占比因子（APLt）构建与时间窗口优化

• 使用尾盘最近t分钟成交额占比APLt，对不同t参数IC进行测试（图表8、9）。

- 单参数因子剔除行业与市值中性后，尾盘最后一分钟表现最佳，受换手率影响较大（图表10）。

• 进一步剔除动量、波动、换手率，即五因子中性处理后，APLt在t=15至30分钟区间表现较优且稳定（图表11、12）。

- 故推荐尾盘18-22分钟的成交额占比作为日内高频alpha因子，月度指标建议使用15-20日指数加权移动平均（EWMA）合成。

2.3.3 APL20因子统计特征及性能测试

• APL20分布偏正偏态，平均尾盘20分钟成交额占全天约12.3%，偏度2.372，峰度40.253，表明成交分布极端情况存在（图表13）。

- 因子负向IC均值-0.052，rankIC-0.055，年化ICIR-4.16

• 多空组合年化收益23.1%，波动率5.9%，夏普率约3.94，最大回撤6.38%，表现稳健（图表14-17）。

- 因子分组收益呈单调递减趋势，尾盘成交额越高的股票下期表现越差，反映尾盘过度交易可能是负面信号。

• 时间序列表现稳定，分位数间波动较小，且在市场活跃时期总体因子值略上升（图表18）。

- 因子含义猜测有二：一是尾盘成交额高可能反映交易驱动型股票偏多信息交易，二是可能包含知情交易与信息提前泄露[page::6-12]。

2.3.4 参数敏感性及合成方法

• MA和EWMA两种月度合成方法均测试，发现EWMA略优。

- 参数对APLt影响不大，尾盘18-22分钟，移动平均期15天为最优选择（图表19、20）。

2.3.5 指数样本中APL20的选股能力

• 在沪深300、中证500指数范围内，APL20因子依然表现优异。

- 调用五因子中性后，IC均值均超过-0.05，多头端组合净值显著跑赢其他组和指数基准（图表21-28）。

• 多空组合净值稳定领先，超额收益在行情上涨期尤为显著，行情下跌时未明显落后，展现稳健性。

2.3.6 调仓频率敏感性及手续费影响测试

• 半月调仓相较月度调仓能取得更高年化收益（28.8% vs 23.1%），回撤略有降低（5.88% vs 6.38%），夏普率提高至4.9（图表29、30）。

- 半月调仓增加换手率，手续费敏感性测试表明，在较高手续费（3‰）下，半月调仓收益稍优，但差异不大（图表31-33）。

• 低手续费环境（1.5‰）进一步放大半月调仓优势，半月调仓收益超21%，显著高于月度（图表34、35）。

- 综合建议考虑交易成本与资金规模，适当提高调仓频率可提升收益[page::15,16]。

2.3.7 小结

尾盘成交额占比因子经过验证显示稳定且独立的增量Alpha，尾盘18-22分钟为最优核心时间窗口，采用EWMA方法构造月度因子表现更佳。因子具有较优多头收益和低换手率特征，且指数内选股效果突出。半月调仓策略适合手续费较低环境，有望带来更优收益[page::16]。

2.4 与日内分钟换手率因子的对比

• 计算基于分钟成交额除以自由流通市值的分钟换手率因子，发现早盘分钟换手率与日均换手率相关性超过0.65，下午维持约0.55，尾盘略有回升（图表36）。

- 分钟换手率剔除行业与市值后表现尚好IC≤-0.06（图37），加强五因子中性处理后，仅尾盘表现有效（图38），与成交额占比因子表现相似。

• 缺陷：分钟换手率受流动性及市场整体影响较大，因子效果部分被日度换手率解释较多，统计特征和选股效果均略逊于成交额占比因子。

- 结论：分钟成交额占比因子更适合描述日内成交分布，能提供更优的选股Alpha信息[page::17,18]。

2.5 日内成交额的其他特征

2.5.1 分钟成交额的高阶矩

• 定义分钟成交额方差(VMA)、偏度(SMA)、峰度(KMA)三因子。

- 仅行业+市值中性时，VMA表现尚可，相关于市值、波动率及换手因子较强，SMA和KMA无显著Alpha。

• 剥离传统因子后，高阶矩因子效果大幅衰减，表明其Alpha主要与传统因子重叠[page::18,19]。

2.5.2 分钟成交额的自相关性（ACMA）

• 计算成交额分钟序列的1-5分钟滞后自相关系数。其中ACMA1均值0.385，表明显著正自相关（图42）。

- 股票成交额自相关强表示事件影响集聚、羊群效应明显。

• 在只行业+市值中性时，ACMA因子表现较好，较强的五因子中性处理后，表现减弱（图44、45）。

- 因子收益主要来自空头端，成交额高自相关的股票表现较差，可为组合提供空头排雷或强化因子多头收益的作用（图47、48）。

2.5.3 空头效应对尾盘因子的强化

• 结合空头指标ACMA1对APL20多头端进行筛选，剔除ACMA1最高20%股票，提升多头收益表现（图49、50）。

- 该方法有效避免了分钟成交额自相关高的潜在风险，增强尾盘成交额占比因子的实用性[page::21,22]。

2.6 总结

报告系统探讨了基于日内分钟成交额占比的高频Alpha因子构建与验证，明确指出尾盘成交额占比因子APL20在全面剔除传统因子后展现了稳定且强劲的负向选股能力及收益表现，IC稳定且ICIR高达5.18，分组多头收益超20%，显示其具备实证的预测能力。

与此同时，报告分析明确分钟成交额因子在时序结构上的复杂关系，指出换手率因子能解释部分早盘alpha，但尾盘成交额占比因子提供了增量信息。分钟成交额高阶矩因子及自相关因子的表现对比揭示出自相关因子主要贡献空头信号，可通过组合方式提升尾盘因子多头收益。

调仓频率调整测试表明，半月调仓在手续费可控情况下优于月度，适合实战应用。该因子在不同指数范围（沪深300、中证500）内均保持良好性能，具备较强的实际投资意义。

报告最终提醒因子基于历史高频数据测试，未来市场风格变化可能震荡因子表现，使用需谨慎，结合实际交易策略与风险控制手段[page::22,23]。

---

3. 图表深度解读

图表1（页面4）

内容：2019年市场流动性指标日内特征，包含价格冲击指数（10万和300万基点）、相对买卖价差、相对有效价差和流动性指数。
解读：价格冲击指数在早盘较高，随后缓慢下降且下午趋于稳定，流动性指数呈先上升后趋稳态，尾盘由于集合竞价出现波动。该图显著表明市场流动性在日内时序上的差异，为成交额分布分析提供宏观流动性背景。

图表2（页5）

内容：2019年12月31日全市场成交额分钟分布柱状图。
解读：成交额明显呈现U型分布，早盘及尾盘成交较集中，午盘轻微高峰，符合市场典型成交节奏习惯，为选取尾盘时间窗口奠定基础。

图表3（页5）

内容：分钟成交额占比与日均换手率相关性，时间序列柱状图。
解读：9:30-9:40高正相关（>0.4），13:00附近出现负峰约-0.3，整体尾盘点击升至0.1-0.2。说明日均换手率主要反映早盘成交特征，尾盘贡献的Alpha存在独立信息。

图表4、5（页6、7）

内容：分钟成交额占比因子IC及ICIR（行业+市值中性，红色柱状）与与换手率相关性（黑色曲线）。
解读：早盘及尾盘分钟占比因子IC均较正，尤其中午13:00和尾盘表现突出。黑色曲线显示早盘与换手率高度正相关，尾盘相关性较弱，证明尾盘因子包含传统换手率因子外的增量Alpha。

图表6、7（页7、8）

内容：对5个传统因子中性后的分钟成交额占比因子IC和ICIR。
解读：早盘因子效果衰减，尾盘14:53-14:57及15:00因子表现仍优，日内尾盘成为独立Alpha来源时段。

图表8、9、10（页8、9）

内容：尾盘成交额占比APLt随着时间窗口长度t变化的IC均值、年化ICIR以及与换手率相关性分析。
解读：IC与ICIR随着t增加趋向平稳，最佳区间为15分钟以上，尾盘最后1分钟时因子尽管IC高但换手率相关高。此显示中等长度尾盘区间因子更能体现独立Alpha。

图表11、12（页10）

内容：剔除五因子中性后的APLt IC和ICIR。
解读：APLt因子在15-30分钟较稳定，IC -0.05左右，ICIR约4，确定了尾盘15-25分钟区间为采集时窗推荐。

图表13-18（页11、12）

内容：APL20因子值分布、时间序列IC表现、多空组收益、净值、时间序列统计等。
解读：偏度与峰度显著，表明极端尾盘成交额占比情况存在；月度IC负向稳定；多空组收益单调递减，尾盘成交额低者表现更佳；时间序列稳健，市场活跃期因子偏大。

图表21-28（页13、14、15）

内容：指数内APL20选股效果，含沪深300和中证500分组收益、净值、回撤等。
解读：APL20因子在指数样本内依然保持稳定优秀的预测力，尤其中证500表现更为突出，组合稳健跑赢指数且回撤控制较好。

图表29-35（页15、16）

内容：不同调仓频率（半月和月度）与手续费敏感性测试的多空收益、回撤及分组收益。
解读：半月调仓表现优于月度，尤其低手续费环境下优势明显，但换手率显著提升带来手续费成本，实际应用应权衡调仓频率和交易成本。

图表36-38（页17、18）

内容：分钟换手率因子与日均换手率的相关性及IC表现，包含行业市值中性及5因子中性结果。
解读：分钟换手率与日均换手率高度相关，早盘表现最佳，但尾盘独立版本效果有限，且因子多数被传统换手率解释，次优于成交额占比因子。

图表39-41（页18、19）

内容：分钟成交额高阶矩因子（方差、偏度、峰度）的投资表现及与传统因子相关性。
解读：高阶矩因子效果有限，表现被市值、波动、换手等传统因子解释，说明分钟成交额高阶矩无显著增量Alpha。

图表42-48（页20、21）

内容：分钟成交额自相关系数（ACMA）统计分布、时间序列特征、回测表现及多空组合收益。
解读：成交额存在显著自相关，多头效果弱，空头端表现明显，说明高自相关股票存在羊群效应及交易风险，对组合构建具有负面信号作用。

图表49、50（页21、22）

内容：利用ACMA空头效应强化APL20尾盘因子选股效果的多空收益及净值表现。
解读：剔除高自相关（风险集中）股票后，APL20因子收益普遍提升，多头年化收益从18.32%增至19.31%。

图表51-54（页22）

内容：APL20月度IC序列及多空组收益、年化收益分布和净值表现。
解读：指标表现持续稳定，多空收益持续上升，净值区分度明显，确认APL20因子稳定有效。

---

4. 估值分析

本报告为量化因子研究报告，未涉及传统公司估值方法如DCF、PE等，主要聚焦于因子构建与回测验证。其核心方法是统计学显著性检验与多因子中性化处理，以保证因子增量信息的独立性与持久性。

---

5. 风险因素评估

风险提及明确指出：

• 历史回测不代表未来，市场风格可能变化（如流动性结构或交易行为改变）导致Alpha失效。

- 高频数据受市场微观结构影响，可能因交易规则改变、交易者行为波动等带来的非稳定性风险。

• 因子选取的分钟区间与指数调仓频率需要与实际交易策略匹配，忽视手续费、滑点等可能影响实盘。

- 剔除涨跌停、停牌、低流动性股票等，提高因子有效性，但影响普适性和应用范围。

报告在风险提示中强调因子应用需谨慎结合实际交易条件，建议持续监测微观结构及市场风格变化[page::0,23]。

---

6. 批判性视角

• 报告强调尾盘成交额占比的独立增量Alpha，但整体因子表现仍与换手率及其他传统因子有一定相关，实际独立性受到部分制约，体现了微观结构因子设计的天然复杂性。

- 高阶矩因子和自相关因子表现被传统因子解释，提示构造更多层次的微观因子需深化差异化。

• 报告未讨论因子在极端市场行情（如大跌、流动性枯竭）下的表现，多头收益稳定但整体因子偏负向与换手率高的股票归类（尾盘成交额高对应表现较差）是否存在策略适用局限。

- 半月调仓带来显著收益提升，实操中需关注手续费、影响成本对净收益的冲击，报告虽做手续费敏感测试，但实际交易风险及滑点未深入探讨。

• 报告将APL20因子的月度IC表现呈负色调，实质该因子负相关收益为正Alpha（即成交额占比上涨对应价格下跌的逆向预测），较少明确指示因子收益方向，使用时需理解此负相关背后逻辑。

---

7. 结论性综合

本报告以高频分钟成交额为切入点，系统深入分析了日内成交额分布特征与传统换手率间的关系及其超越性。通过构造尾盘成交额占比因子APL20，利用15~20分钟尾盘统计区间，并采用15日指数加权移动平均方法凝练出稳定的月度因子露头。该因子剔除行业、市值、动量、波动及换手率五大传统因子影响后，仍表现出强劲的负相关预测能力，月度IC均值约-5.4%，年化ICIR超5，年化多空组合收益超过23%，且振幅小和最大回撤仅6.4%，显示其蕴含实用、稳定的超额Alpha。

报告图表全面展示了因子在全市场及沪深300、中证500指数内的卓越选股表现，且多头组合显著跑赢基准指数。调仓策略测试表明，半月调仓在可控制交易成本基础上进一步提升收益潜力。针对尾盘因子空头部分风险，提出结合分钟成交额自相关因子进行空头排雷强化，进一步提升多头收益与策略稳健性。

总的来看，尾盘成交额占比提供了一个重要的高频微观结构视角，捕捉市场深层流动性与交易行为异动，实现Alpha增量。其对市场微观结构与交易行为的依赖明确了高频因子设计的方向，也为量化投资实务提供了一种有实际应用价值的因子构造思路。报告对于深入挖掘日内高频交易数据中的因子信息及其实际运用具有重要参考价值，建议投资者结合交易成本和市场环境动态调整因子构建与运用策略[page::0-23]。

---

附图示范（页码对应）

图示APL20多空组合年化收益曲线（红色）与回撤（灰色），显示超额收益稳定增长且回撤控制良好。


APL20月度调仓多空收益与回撤，从2014年至2019年，收益稳步提升，回撤整体在合理范围内。


分钟换手率因子IC呈负值趋势，但整体低于成交额占比因子，表现略逊一筹。


成交额1分钟自相关因子体现的空头效应在组合表现上的体现，多空组收益差异显著。

---

总结

《高频视角下成交额蕴藏的 Alpha：市场微观结构剖析之七》报告深入挖掘了基于分钟成交额时序的高频因子，理论架构清晰，实证方法完备，实证结果令人信服。尾盘成交额占比因子APL20具备较强的增量Alpha，与传统换手率因子互为补充，其负向Alpha特征为高频因子设计及量化选股提供强有力支撑。调仓频率及成本研究进一步增强了因子的实用性与可操作性。报告对市场微结构研究和实盘投资均有重要启示价值。

---

全文引用均对应不同页码，便于追溯验证。

报告