• 报告采用过去5个交易日分钟成交量序列90%分位数为阈值，识别日内趋势资金的交易分钟，并基于交易价格和成交量构建选股因子[page::0][page::2]

• 趋势资金相对均价因子表现：月度IC均值为-0.044，年化ICIR为-2.58，5分组多空对冲年化收益率15.17%，信息比率2.54，月度胜率81.30%。因子逻辑为当趋势资金成交量加权价格高于市场均价倾向卖出，反之买入[page::2]

• 净支撑成交量因子（基于全分钟）表现：月度IC均值0.040，年化ICIR2.59，5分组多空对冲年化收益率13.80%，信息比率2.29，月度胜率77.24%。定义为支撑成交量减阻力成交量，反映价格站稳力量[page::3]

• 趋势资金净支撑量因子（仅趋势资金分钟）表现优于全分钟，月度IC均值0.057，年化ICIR3.09，年化收益19.60%，信息比率2.77，月度胜率76.42%[page::4]

• 组合趋势资金相对均价因子与净支撑量因子，构成综合因子，获得更优绩效：月度IC均值0.060，年化ICIR3.12，年化收益20.33%，信息比率2.99，胜率82.93%，最大回撤7.57%[page::5][page::6]

• 纯净综合因子剔除与Barra风格因子相关影响后，依然保持良好选股能力：年化ICIR达2.36，年化收益11.98%，信息比率2.00，月度胜率72.36%，最大回撤率3.68%[page::7][page::8]

• 参数敏感性检验显示，因子效果对趋势资金识别的k（过去天数）与m（分位数）参数高度稳健，年化RankICIR均维持在4以上，月度胜率均高于80%[page::8][page::9]

- 不同样本空间表现：趋势资金综合因子在中小市值股票中表现更佳，尤其在中证1000与国证2000成分股中，月度IC均值分别为0.060和0.064，年化收益率达19.41%及22.37%，信息比率超过2.3，胜率超78%[page::9][page::10]

• 本报告风险提示：历史数据和模型结果不保证未来表现，市场环境剧变可能导致模型失效[page::1][page::10]

【国盛金工 量价选股】基于趋势资金日内交易行为的选股因子——深度分析报告

---

1. 元数据与报告概览

• 报告标题： 《【国盛金工 量价选股】基于趋势资金日内交易行为的选股因子》

- 作者： 沈芷琦、刘富兵

• 发布机构： 国盛证券金融工程团队

- 发布日期： 2024年6月3日

• 主题： 探索并构建基于趋势资金（抽象资金群体）日内交易行为的量价选股因子，通过分钟级成交量与价格数据，精准识别趋势资金交易，从而提炼有效的选股因子模型。

报告核心观点与目标：

• 报告聚焦“趋势资金”的日内交易行为，通过最简单且高频的成交量数据在分钟层面识别趋势资金，构造两个关键因子：趋势资金相对均价因子和趋势资金净支撑量因子。

- 进而将上述因子等权合成趋势资金交易行为综合因子，该综合因子在全市场具有显著的选股能力，统计特征良好，且净化市场主流风格后依旧有效。作者旨在揭示趋势资金的量价行为对后续价格表现的重要信息，支持投资者更好地捕捉市场趋势。

---

2. 逐节深度解读

2.1 研究摘要与前言

• 关键论点：

“趋势资金”作为一个难以明确定义的群体，其核心特征是大量资金动作必然生成显著的成交量变化。作者放弃对资金形态和主体的复杂划分，聚焦成交量，通过回顾过去5日的分钟成交量，截取90百分位阈值，将超过此阈值的分钟视为趋势资金交易分钟。

• 逻辑依据：

趋势资金大额进出必伴随相对较大成交量，因而利用成交量的统计分布区分趋势资金交易时点，减少了对资金身份和交易方式的假设。

• 数据与性能统计:

在2014-2024年期间的A股全市场数据测试，趋势资金交易行为综合因子月度IC均值为0.060，年化ICIR达3.12，收益率等指标表现稳健且优异。

---

2.2 趋势资金相对均价因子（第2节）

• 关键论点与方法说明：

识别趋势资金的分钟，计算趋势资金交易均价相对于当日所有分钟平均交易均价的相对偏离程度，即
\[
\text{因子(t)} = \frac{\text{趋势资金成交量加权均价}}{\text{全日成交量加权均价}} - 1
\]

• 推理逻辑：

- 当因子值高时，趋势资金买入价格高于市场均价，意味着可能在高位出货，显示未来趋弱信号，因子与未来收益负相关。
- 当因子值低时，趋势资金逢低买入，看涨。

• 数据体现与绩效：

- 月度IC均值-0.044，说明因子与未来收益呈负相关，符合逻辑（买入价偏高，后市回落）。
- 多空对冲年化收益15.17%，信息比率2.54，月度胜率81.30%，最大回撤7.71%。

• 图表解读（图表2）：

5分组分层收益差显著，排名第一的组别走势强劲，说明分组后因子能有效区分优劣标的。红色虚线的5-1组对冲曲线稳步攀升，表现优异。

---

2.3 趋势资金净支撑量因子（第3,4节）

• 创新点：

相较于仅关注价格，报告进一步从趋势资金的交易量入手，设计“支撑成交量”和“阻力成交量”概念，基于分钟收盘价相对于当日均价的高低划分交易分钟，统计对应成交量。

• 具体计算过程：

- 汇总支撑成交量（收盘价低于平均价的趋势资金成交量）。
- 汇总阻力成交量（收盘价高于平均价的趋势资金成交量）。
- 计算净支撑量因子 = （支撑成交量 - 阻力成交量）/ 流通股本。

• 逻辑推断：

净支撑量越大，支撑力量越强，预示后市更有上涨概率。

• 性能表现比较：

- 与未区分趋势资金的“所有分钟净支撑量因子”相比，基于趋势资金的因子表现更优，月度IC均值0.057，年化ICIR3.09，年化收益19.60%，信息比率2.77，最大回撤7.15%。

• 图表解读（图表3、图表4、图表5）：

5分组分层的收益曲线表现较之前因子更稳定。表格对比清晰显示趋势资金净支撑量因子优于所有分钟因子，尤其在IC信息和收益波动性上均有显著提升。

---

2.4 趋势资金交易行为综合因子（第4节）

• 构建逻辑：

将趋势资金相对均价因子（取负）与净支撑量因子标准化后等权合成，利用两者互补的信息增强选股能力。公式如下：
\[
\mathbf{\tau} = -\text{zscore}(\text{相对均价因子}) + \text{zscore}(\text{净支撑量因子})
\]

• 综合绩效：

- 月度IC均值0.060，年化ICIR 3.12，月度RankIC均值0.082，年化RankICIR 4.53。
- 5分组多空对冲年化收益率20.33%，年化波动率6.80%，信息比率2.99，月度胜率82.93%，最大回撤7.57%。

• 图表解读（图表6、图表7、图表8）：

综合因子5分组表现分层明显，对冲组合展现较稳定的正向收益曲线。年度表现显示综合因子在多数年份均能产出正对冲收益，且波动和回撤相对可控。

---

2.5 纯净趋势资金综合因子及风格剔除（第5.1节）

• 因子与风格因子相关性：

综合因子与市场主流Barra风格因子相关较低，尤其是流动性因子（-0.35）和特质波动率因子（-0.28）相关性较为显著，表明其一定程度捕获了这两方面信息。

• 剔除常用风格影响：

通过月度回归去除10个Barra风格因子和行业因素后，取残差作为纯净因子。

• 纯净因子表现：

年化ICIR仍达2.36，5分组多空对冲年化收益11.98%，信息比率2.00，最大回撤降至3.68%，表现依然稳健。

• 图表解读（图表9、图表10、图表11）：

剔除风格后因子净值曲线依然显著向上，验证因子内在有效性，并非因风格因子驱动。

---

2.6 参数敏感性分析（第5.2节）

• 参数说明：

趋势资金识别的核心参数包括过去成交量时间窗口k（5或10天）、成交量分位数阈值m（80%和90%），以及构造月度因子时回看天数（10日、20日、40日）。

• 敏感性测试结果（图表12、13、14）：

不同参数组合下，综合因子月度RankICIR均保持在4以上，年化收益稳定在17%~20%区间，信息比率均维持在2.5以上，最大回撤适中。

• 结论：

因子绩效对参数选择比较稳健，表明所用逻辑和方法具备一定的普适性及实际可操作性。

---

2.7 不同样本空间表现（第5.3节）

• 样本空间含义：

将A股市场划分为沪深300（大盘股）、中证500（中盘股）、中证1000、国证2000（小盘股）分区，检验因子在不同规模股票中的选股表现。

• 发现：

量价类选股因子在小市值股票中优势更明显。趋势资金综合因子在中证1000和国证2000中的月度IC均值高于沪深300，年化ICIR达到2.57及2.78，5分组多空对冲年化收益率分别达到19.41%和22.37%。

• 风险指标关注：

小盘股样本的最大回撤显著高于大盘，达11%以上，提示较大市场波动风险。

• 图表解读（图表15）：

各指数成分股分层收益分布明显，综合因子优异选股能力在中小盘股表现更为突出。

---

3. 重要图表深度解读

图表1（趋势资金交易行为综合因子5分组及多空对冲净值）

• 描述：展示2014至2024年趋势资金交易行为综合因子不同分组的累积净值情况及最大分组间对冲收益。

- 解读趋势与绩效：排名第5组（表现最优）净值曲线稳步上升，排名第1组大幅下降，红色对冲曲线呈平稳上行走势，证明因子具有持续的择时和选股能力。

• 该图支持文本中因子表现优异的结论[page::1]

图表2（趋势资金相对均价因子5分组及多空对冲净值）

• 描述：趋势资金相对均价因子分组的累计收益，其中最高价比组表现差，最低价比组表现优。

- 解读趋势与验证逻辑：因子负向关系与收益吻合，反映作者逻辑准确，验证了趋势资金在相对高价卖出的预警信号。

• 数据吻合月度IC和回报数据[page::2]

图表3、4及5（净支撑量因子表现）

• 描述：图表3是基于所有分钟数据的净支撑量因子表现，图表4是基于趋势资金分钟数据的净支撑量因子表现，图表5为两者的对比表。

- 解读：趋势资金净支撑量因子表现出更高的IC均值、更好的年化收益及信息比率，验证了趋势资金的聚焦成功提升了因子质量。

• 该视图直观体现为何优先采用趋势资金构建因子[page::3][page::4][page::5]

图表6、7、8（综合因子和年度绩效）

• 描述：展示趋势资金交易行为综合因子的5分组净值曲线、多项统计绩效指标及年度具体表现数据。

- 解读：图表6曲线清晰分层，年度数据表明因子在大部分年份均获得正对冲收益，尤其2015年表现最为突出，最大回撤整体控制较好。

• 数据深化整体结论，为因子可持续性提供证据[page::6][page::7]

图表9、10、11（纯净因子相关性及绩效）

• 描述：9号图标明因子与Barra风格因子相关系数，10号图和11号表格展示剔除风格和行业因素后的纯净因子净值和年度表现。

- 解读：纯净因子显著剔除主流风格影响仍保留良好选股能力，相关性中等偏低，证明了独立因子的有效性。

• 反应了因子非纯粹风格标签，提升实用性[page::7][page::8]

图表12-14（参数敏感度）

• 描述：不同识别参数条件下的因子表现，涵盖k和m两个核心参数，以及20日前后窗口长度。

- 解读：因子对参数变化稳定，IC及收益指标波动有限，体现模型鲁棒性，减少参数选择风险。

• 助力后续实际应用决策[page::8][page::9]

图表15（不同样本空间表现）

• 描述：综合因子分别在沪深300、中证500、中证1000、国证2000不同股票池的IC及收益表现。

- 解读：小市值市场展现更优选股效果，但伴随更高风险（最大回撤大幅提高），为投资者提供了风险收益权衡视角。

• 为确定目标投资范围提供参考[page::9][page::10]

---

4. 估值分析

本报告属于量化因子研究性质，并无直接传统的公司估值模型分析。

因子利用IC（信息系数）、ICIR（信息比率）、年化收益率、年化波动率、信息比率、最大回撤、月度胜率等多维统计指标评估因子表现，尤其强调5分组多空对冲策略下的收益风险特征。

因子结合了成交量阈值等参数，又经过回归剔除风格效应处理，突出因子独立性及稳健性，具备相对锁定超额收益的潜力。

---

5. 风险因素评估

报告仅在多处提醒：

• 宏观市场环境变化风险： 因子效果基于历史统计数据和模型，市场环境的结构性转变可能导致模型失效。

- 模型参数及假设风险： 虽然敏感性测试显示因子对参数稳健，但极端市场波动或交易行为变化仍可能削弱效果。

• 样本分布及流动性风险： 因子在小市值区间风险与收益均较高，投资者需结合风险承受能力评估组合暴露。

- 方法论风险： 报告归纳趋势资金交易行为基于成交量特征，可能无法完全捕捉所有市场资金动态，部分极端或非典型资金行为未必有效被纳入。

• 提示措施： 无专门缓解策略，风险提示体现在报告末尾提醒策略可能失效，需结合实际市场灵活调整。

---

6. 批判性视角与细微差别

• 报告将“趋势资金”视为成交量阈值对应的模糊群体，简化了对资金身份的识别，但可能忽视部分大单拆分、算法交易或快速震荡造成的异常成交量，存在样本甄别误差。

- 相对均价因子表现负相关，显示市场中趋势资金高价卖出信号更强，这符合经验，但长期内因子负相关的解释可能导致实际资金操作时的理解复杂。

• 风格因子剔除后的纯净因子仍有效，增强因子本身信号的可靠性，但与流动性和波动率因子仍有显著负相关，提示因子潜藏流动性偏好和风险偏好溢出，需结合多因子模型谨慎使用。

- 回撤规模虽控制良好，但在市场极端波动时期（如2018、2022年）表现仍有较大波动，表明仍需注意策略的风控和资金管理。

• 报告未详细说明成交量阈值背后对高频噪声或市场微结构变化的应对，实际应用需结合数据清洗及交易成本管理。

- 因子成果基于历史回测，未来风格和市场结构变化可能削弱其有效性。

---

7. 结论性综合

本报告系统性地研究了基于“趋势资金”日内交易行为的量价选股因子，创新地利用分钟级成交量的统计分布界定趋势资金交易时点，构建了两大核心因子：

• 趋势资金相对均价因子： 衡量趋势资金交易价格相对市场价格的高低，捕捉资金在高价卖出或低价买入的动态，尽管因子与未来收益负相关，但能有效捕捉重要交易信号。

- 趋势资金净支撑量因子： 通过构造趋势资金支撑与阻力成交量的差值，反映资金推动价格的力量和市场支撑情况，具有较强的预测能力。

将两者等权合成的交易行为综合因子表现更优，信息比率接近3，年化收益超过20%，回撤和波动控制合理，且净化市场主流风格和行业后依然保有强劲的选股能力。

此外，因子在不同股票规模市场的表现验证了市场细分的重要性，中小市值上市公司中该因子的选股能力更突出，符合量价选股因子理论。

报告充分利用丰富的统计指标和多角度绩效展现，结合详实的图表展示，验证了高频成交量数据挖掘趋势资金交易行为的有效性，为量化选股策略提供了坚实的理论与实践依据。

---

通过本次详尽分析，投资者和量化研究者可获悉如何基于简单成交量统计准确捕捉复杂趋势资金行为，从而构造高效、鲁棒的股票选股因子，并进一步优化投资组合构建的策略框架。

---

所有引用均标明溯源页码： [page::0],[page::1],[page::2],[page::3],[page::4],[page::5],[page::6],[page::7],[page::8],[page::9],[page::10],[page::11]

报告