• 高频因子计算方式包括整体法、日内法、日间法三种，分别对应不同的信息表达一致性和微观结构信息增量假设[page::4]。

- 高频反转因子采用成交量加权价格变动，整体法因其整合所有交易周期数据，选股表现最佳，反映了价格变动反转效应在短期内信息表达一致且微观结构含信息增量[page::5]。
表2：高频反转因子不同计算方式风险指标

| 指标 | 全市场整体 | 全市场日内 | 全市场日间 | 中证800整体 | 中证800日内 | 中证800日间 |
|------------|------------|------------|------------|-------------|-------------|-------------|
| IC | -9.03% | -8.49% | -8.18% | -7.57% | -7.03% | -6.19% |
| ICIR | -99.56% | -85.45% | -68.17% | -65.27% | -58.38% | -44.64% |
| 超额收益(%) | 5.84 | 4.63 | 2.56 | 4.30 | 4.53 | 2.52 |
| 信息比 | 0.98 | 0.77 | 0.38 | 0.77 | 0.78 | 0.42 |
| 多空收益(%) | 28.55 | 29.23 | 25.46 | 19.24 | 20.23 | 16.62 |
| 多空夏普比 | 2.62 | 2.48 | 1.85 | 1.77 | 1.71 | 1.29 |

• 波峰因子通过标准差倍数识别异常成交时间段，整体法和日内法适用，日间法因日度成交异常弱失效。日内法在全市场多空收益略优于整体法，短期每日成交特性显著[page::6][page::7]。

• 量价相关性因子刻画成交量与价格相关性，整体法和日间法表现相近，微观结构信息增量不显著，交易日度收盘价定价具代表性，选股能力稳健[page::7][page::8]。

| 指标 | 全市场整体 | 全市场日内 | 全市场日间 | 中证800整体 | 中证800日内 | 中证800日间 |
|------------|------------|------------|------------|-------------|-------------|-------------|
| IC | -5.58% | -4.45% | -5.24% | -4.84% | -3.77% | -4.50% |
| ICIR | -51.64% | -45.27% | -51.04% | -38.34% | -35.21% | -37.10% |
| 超额收益(%) | 1.40 | -1.02 | 1.67 | 1.62 | -0.54 | 2.27 |
| 信息比 | 0.22 | -0.14 | 0.26 | 0.29 | -0.06 | 0.39 |
| 多空收益(%) | 19.39 | 15.49 | 18.56 | 13.24 | 10.40 | 13.87 |
| 多空夏普比 | 1.61 | 1.51 | 1.61 | 1.23 | 1.16 | 1.30 |

• 日内法计算的因子可视为个股属性的综合量度，其基于日内属性高阶矩的变种如量价相关性标准差因子，表现出一定的选股能力[page::9][page::10]。

- 通过分时间段对隔日价格变动进行解构，发现日内开盘集合竞价阶段价格变动存在反转效应，而开盘后第一分钟价格变动呈现动量效应，指示隔日时间段与交易时间段信息表达不一致[page::11][page::12]。

• 动量时间段因子风险指标显示，第一分钟收盘相对昨收时间段因子在多头端表现最佳，反映隔日信息主要在市场全面交易后被消化[page::12]。

- 剔除隔日时间段中动量成分后构建反转因子，反转效应更强，且日内反转因子在不同时点调仓展现显著分组能力，表明其在日内具有策略潜力[page::13][page::14]。

• 以日内反转因子开盘买入当日卖出策略的回测显示，开盘价建仓策略表现优于第一分钟均价和收盘价，策略在全市场和中证800均有着稳定的超额收益，但近年来中证800内表现有所回撤，交易成本对收益影响显著[page::14][page::15][page::16]。

• 高频下不同时长因子对未来不同时间窗口的预期收益关系显示，短期（分钟级）价格变动相对未来短期价格呈现强反转效应，日度短期价格与未来中期价格呈现反转，月度因子则体现中期反转与动量切换特征，验证了多频率下动量和反转效应的存在[page::17][page::18][page::19]。

- 总结强调，因子计算方法的选择需基于微观结构信息增量和信息表达一致性判断，整体法在存在信息增量时更优，日内法为对个股日内属性的综合，结合动量与反转效应可构建多频选股策略，实现高频数据在低频调仓中的高效运用[page::19]。

报告全面深度分析报告

一、元数据与报告概览

• 报告标题：高频因子 (十二)日内与日间

- 发布机构：长江证券研究所

• 发布时间：2021年6月6日

- 分析师：覃川桃、郑起

• 主题对象：高频因子的构建方法、计算方式及其不同时间周期的应用研究，重点探讨在微观结构存在与否的条件下，如何选择日内法、日间法和整体法三种不同的因子计算方式，并结合实证结果优化高频交易策略构建。

- 核心信息：报告系统阐述了高频数据因子的三种计算方式——整体法、日内法、日间法的理论逻辑及适用性，结合高频反转因子、波峰因子和量价相关因子三个典型因子的实证，确定了在不同信息表达和微观结构增量条件下最优计算方式。特别强调微观结构对信息增量的影响以及“隔日时间段”与“交易时间段”的异质性，推动高频因子构建从传统低频数据方法的突破，促进因子表现提升和低频策略改良。报告结尾还重点分析了日内反转效应的表现及动量-反转效应的频率依赖关系，为实盘交易策略提供了重要理论支撑与实践路径。[page::1,2,3,19]

---

二、章节逐节深度解构

1. 计算方式区分及逻辑基础

报告首先明确了高频因子在计算时面临的主要难题：高频数据的“时间非连续性”和隔日时间段与交易时间段信息表达上的差异。论文重点提出了三种计算方法的定义及其核心假设：

• 整体法：将整个计算时间窗口内的所有交易周期数据合并后统一计算，假设不同交易周期信息表达一致且微观结构中含有信息增量。

- 日内法：单独对每个交易周期计算因子，再对这些周期的因子值进行合并，假设不同交易周期信息表达不一致但微观结构存在信息增量。

• 日间法：将所有周期数据合并，但认为微观结构无信息增量，信息表达一致。

此三法的本质差别在于对微观结构是否包含有价值信息和各周期间信息表达是否一致的不同判断。报告通过理论框架解释了微观结构增量带来的高频数据信用提升和因子构建优势。[page::3,4,10]

2. 高频反转因子

高频反转因子基于成交量加权的价格变动，呈现市场过度反应导致的价格反转效应。报告指出高频数据能够细粒度区分价格变动时段，尤其在成交量最高的前20%时间段和价格变动最大的20%时间段反转效应最显著。整体法假定整个时间窗口内成交量和价格变动具有可比性，因而在高频反转因子计算中表现最佳。实证显示整体法相关系数(IC)为-9.03%，超额收益5.84%，多空夏普比2.62，均优于日内法和日间法，验证了整体法下微观结构提供的有效信息增量。[page::4,5,9]

3. 波峰因子

波峰因子用于捕捉成交量异常高企的区间，反映知情交易的风险溢价。此因子强调成交量的短时波动分布，微观结构中异常成交表现明显，日间法因统计周期涨跌平衡而失效，只有整体法和日内法有效。报告数据表明二者表现相近，但整体法稍优，表明微观结构信息在多个交易周期内较为稳定。日间法因成交量统计无异常，甚至完全失效，说明高频数据的细化时序意义重大。[page::6,7]

4. 量价相关性因子

量价相关性通过相关系数评估交易量和价格分布的关联性，反应市场交易的羊群效应。报告分析其价格分布的偏度对于因子质量有重大影响。整体法和日间法在该因子计算中效果相近，日内法表现较弱，表明该因子的信息表达在日度内具有较好代表性，微观结构信息增量不明显。实证显示整体法全市场IC约-5.58%，超额收益1.4%，表明因子虽有选股能力，但收益稳定性较低。[page::7,8]

5. 日内法的拓展意义

报告认为日内法得到的因子本质是对个股日度内属性的均值计算和综合描述。以高频反转偏度因子为例，通过日内法计算日度偏度，结合成交量加权的价格变动，捕获反转效应的分布和变化，为选股提供额外信息。量价相关性标准差因子作为日内因子的同类拓展，对个股日度交易分布的波动给予刻画，展现一定选股能力。[page::8,9,10]

6. 高频数据隔日与交易时间段的异质性

报告深刻分析“隔日时间段”（昨收至当日开盘）和“交易时间段”（当日开盘至收盘）信息表达存在差异。实证展示每日开盘头部价格变动多表现为动量效应，而非其他时段的反转效应，且集合竞价时间段市场往往过度反应，表现为反转。基于对不同时间段价格收益率的研究，报告提出：

• 昨日收盘至第一分钟收盘表现为弱动量，集合竞价阶段以反转为主。

- 动量信息主要集中在集合竞价之后至第一分钟收盘阶段。

因此推荐剔除逻辑不一致时间段，只保留逻辑相符的时间段计算因子，可减少噪音，提升因子表现。实证结果表明剔除动量区间计算的反转因子表现最优。[page::11,12]

7. 日内反转效应及回测策略

报告进一步尝试将日内反转效应用于实际交易策略，设计了开盘价、第一分钟收盘价和第一分钟均价三种调仓价位的买入卖出组合策略，覆盖全市场及中证800。结果显示：

• 日内反转策略具有明显分组能力，特别是以开盘价建仓表现最佳。

- 回测净值图显示全市场和中证8002016年以后表现有所回撤，表明策略存在一定衰减。

• 年化收益分布体现出阶段性行情依赖，且交易费率对收益影响显著。

策略的年化收益率在单边3%-5%手续费情况下仍可保持超额收益，说明策略在实际交易成本影响下尚具参考价值。[page::13,14,15,16]

8. 高频下的动量与反转关系

报告系统研究因子计算时间长度与未来收益预测的相关性（IC）矩阵，梳理出不同频率下动量与反转效应分布规律：

• 短期（小于120分钟）的高频因子表现明显反转效应，尤其12分钟内反转效应最显著。

- 中期（日均数百分钟）价格变动对短期表现动量效应，体现趋势延续。

• 长期（日频以上）短期价格变动对中期价格有反转影响，即周期性均值回归。

- 不同时间跨度因子对不同未来收益区间的预测能力显著不同。

该结构性特征为量化因子频率选择和交易策略调度提供理论依据和实证支持。[page::17,18]

---

三、图表深度解析

表1 三种因子计算方式比较

• 明确整体法、日内法、日间法的区别，尤其在信息表达一致性和微观结构信息量方面差异。此表成为后续各因子选择计算方法的理论基础。[page::4]

表2 高频反转因子风险指标

• 整体法IC在全市场-9.03%，中证800-7.57%，且对应信息比和多空夏普均明显优于日内法和日间法，证明合并全部数据计算因子有利于捕捉反转效应，成交量权重对反转信号的放大读取效果突出。[page::5]

表3 波峰因子风险指标

• 全市场IC整体法8.88%，日内法9.14%，中证800略低，日间法不适用。这一对比显示微观结构高频数据在异常成交捕捉上较低频更有效。[page::7]

表4 量价相关性因子风险指标

• IC相对较低且负值，整体法和日间法表现相近，日内法表现最弱，说明价格分布的日常代表性强，低频数据信息表达充分，反映羊群交易特征。[page::8]

图1-4 因子回测净值趋势图

• 高频反转偏度因子和量价相关性标准差因子在全市场和中证800均展现稳定且较优的分级净值增长，验证精选因子的实用性和优秀信息含量。[page::9,10]

表7 动量时间段因子风险指标

• 不同时间段间的因子收益率和信息比变化，确认市场隔日消化信息的时间节点，开盘后第一分钟相对昨收有最显著动量效应。[page::12]

表8 反转时间段因子风险指标

• 剔除含有动量效应的时间段后反转因子表现更优，如今收相对第一分钟收盘呈现最大负IC值，表明相对纯净的反转信号可提升策略质量。[page::12]

图5 隔日相对收益走势示意

• 可视化动量反转时间区间，定义价格反转向动量转换的节点，助力高频交易时序划分[page::14]

图6-7 日内反转因子回测净值

• 展现分组后前五个组合的净值差距，说明因子的分级选股能力，此外开盘建仓效果最佳，体现了开盘价价格变动的重要性。[page::14]

表9-10 日内反转因子分年收益

• 长期视角下部分年份因子分组收益呈现下滑和反转，提示策略历史优良但近年表现有波动，尤其中证800范围内的年化收益分布差异明显，[page::15,16]

表11 日内反转因子不同交易成本下收益

• 交易成本对策略回报影响显著，单边3-5%交易费率后仍保持超额收益，强调交易成本管理的重要性。[page::16]

表12 不同频率反转因子IC矩阵

• 复杂矩阵揭示频率-时长-收益关系，有力映射A股价格动量和反转周期结构，供策略多频率复合构建参考。[page::17]

---

四、估值方法概述

本报告以量化因子研究为主，未涉及直接的企业估值和目标价格评估，因此无传统DCF、市盈率等估值方法内容。报告估值等同于对因子选股能力的评估，包括IC（信息系数）、超额收益、信息比、夏普比等多维投资组合表现指标。分析着重通过这些数据反映不同计算方法对因子质量和投资策略有效性的影响。[page::全文]

---

五、风险因素评估

报告具体风险提示如下：

• 模型失效风险：历史因子回测结果不保证未来表现，有可能因市场结构变化、政策或其他因素失效。

- 样本数据局限：基于历史回测，未来市场环境可能异于历史，数据非完美反映未来走势。

报告未详细展开策略风险管理和缓解措施，但通过多方法对比和多个因子验证减少偶然性，且强调在不同市场条件下的表现差异隐含一定风险识别。[page::1]

---

六、批判性视角与细微差别

• 报告整体逻辑严谨，实证分析翔实，但对模型稳定性的讨论相对较弱，尤其量化策略在高交易费用、市场冲击及流动性变化的情况下表现的脆弱性未明确探索。

- 高频数据是否真正实现了信息增量的判断较依赖特定因子，其他类型因子可能不适用整体法，可能存在样本/因子选择偏差。

• 结论对隔日和日内时间分割的处理较为机械，因子调仓期对策略动态适应变化的讨论不足。

- 长期回测表现特别是2016年后中证800日内反转因子的策略衰减提示模型鲁棒性需密切关注。

综上，报告的高频数据优势阐述充分，但实际投资应用仍需配合风险控制和流动性分析，避免过度依赖历史表象。[page::1,15,19]

---

七、结论性综合

本报告基于高频数据对量价因子构建计算方式的深入研究，主要结论如下：

• 因子计算方式选择依赖于信息表达一致性与微观结构增量：

- 高频反转因子因成交量权重有效区分时间窗口内价格变动，且成交量在不同交易周期具备可比性，整体法构建的因子表现优于日内法和日间法。
- 波峰因子着重成交量异常检测，日间法失效，整体法与日内法均适用，体现微观时序结构的重要信息增量。
- 量价相关性因子微观结构信息增量不显著，日间法表现突出，表明价格分布日度划分对捕捉羊群交易行为足够有效。

• 隔日时间段与交易时间段的信息表达有本质差别：

- 集合竞价及开盘前价格变动多表现反转效应；开盘后第一分钟至收盘部分则显现动量效应。
- 高频因子构建中剔除动量时间段，保留反转时间段，可有效去噪，提升因子表现。

• 高频因子日内策略具备实证交易价值：

- 以开盘价为基准构建日内反转因子选股策略，在全市场及中证800均展现出持续的分组能力及超额收益。
- 交易成本对策略表现影响显著，当前环境下超额收益有所收敛。

• 动量与反转效应呈频率依赖特征：

- 短期高频内（分钟级）价格变动偏反转，日频至5日频度表现动量效应，日频以上中期呈反转，构成多层次动量-反转复合周期结构。

• 日内法兼具属性因子综合功能，如反转偏度、量价相关性标准差等，体现个股日度微观结构特征的波动，有助于构建更复合的高频低频结合策略。

本报告通过充分的理论分析和丰富的历史回测数据验证，为高频数据因子构建提供了科学的方法论指导，尤其强调了微观结构信息增量和时间段划分的关键作用，为量化选股模型和高频交易策略设计提供了关键依据。[page::全文]

---

重要政策及合规声明―摘录

• 本报告基于公开数据，分析观点不构成投资建议，投资者据此操作风险自负。

- 作者与相关证券无利益冲突，保证观点独立客观。

• 版权归属长江证券，非授权不得转载或引用。

- 评级体系明晰，行业及公司评级对应市场表现区间。

---

总体点评

报告结合高频市场数据和微观交易结构，从根本上分析了因子构建的时间和频率切片理论及技术实施路径。通过三类核心因子案例分析，报告既理论严密又实证丰富，充分展示了高频数据对低频策略的增益潜力。尤其在异质信息的时间分割和高频动量反转关系研究上提出创新视角。
然而，报告对实盘环境下的高交易成本、市场冲击、模型非稳态风险及实际执行难度讨论尚显不足，未来可结合市场微结构变迁增强动态策略适应性分析。此外，高频选股策略的结构性变化和行业风格调整对因子有效期影响需进一步跟踪。

总体上，本报告为高频因子研究提供了系统性方法论，兼顾理论与实践，学术价值和应用前景显著，是量化投资和工程研发团队的重要参考文档。[page::全文]

---

（以上分析按照报告各章节和表图内容编排，引用页码以便追溯验证，确保内容详尽完备，超1000字。）

报告