长江金工"高频因子(二十)"把"极端时间点"当作离散向量锚点,给出一套事件锚定式因子构造范式;其余召回均为跟踪型周报
本期唯一一篇方法论报告是长江金工"高频因子"系列第二十篇——把"价格高点、成交量高点"等极端时间点作为离散向量锚点、再以振幅/收益率等连续向量描述窗口强度,系统给出时间点局部/区间/特点三类因子构造范式,其中"成交量-高点个数"因子量价中性后衰减最小(中证全指 IC 3.65%、分组年化超额 4.07%)。其余召回(沪深300周线择时、招商与国信因子周报、指增组合超额跟踪)属例行跟踪,已排除。
0. 近月脉络
近月主线三条在并行:深度学习因子的去风格化与稳定性(国盛 WPE/CDE、广发 StableAlpha)、Level-2 逐笔数据的切面扩张(撤单、知情交易概率、重点时段)、经典风格因子的精细化手术(招商成长七困境、广发 PB-ROE 三重过滤)。长江那条”算子化高频因子”的线索也在持续迭代——从时间段切割推进到本期的时间点划分,本质是把”离散向量”的锚点从一段区间收窄到一个极端时点。
1. 本期研究灵感 ⭐
灵感点1:用”极端时间点”作为离散向量锚点——时间点局部 / 区间 / 特点三类因子构造范式 [1]
- 灵感点:长江把因子计算的最后一步拆为”K线算子 × 维度匹配”,本文专攻维度匹配中的离散向量衍生,给出时间点向量化的三种范式:①时间点局部因子——以一个时间点为中心向两侧扩充成离散向量,连续向量取振幅,得到”价格-高点-振幅”因子;②时间点区间因子——取可匹配的多个时间点、以其间为时间段,如以成交量高点前的低点到其后的低点为离散向量、收益率为连续向量,得到”成交量-前低后低-平均收益率”因子;③时间点特点因子——按同一规则筛出多个时间点、由时间点组成时段,如以”成交量规模以上高点”为离散向量、以常数向量为连续向量,得到”成交量-高点个数”因子。报告对离散向量的方法论定性是:先以极端条件筛出最具代表性的信息,再放宽条件向其它时间点扩充,实现信噪比均衡。实证(2010 年以来)在中证800/中证全指:价格-高点-振幅因子市值行业中性后 IC 5.01%/7.04%、分组年化超额 3.84%/5.71%,量价中性后降至 IC 2.82%/2.99%;成交量-前低后低-平均收益率因子中性后 IC 4.23%/6.84%、超额 2.82%/5.90%,量价中性后 2.80%/4.35%;成交量-高点个数因子表现最强且最抗中性化,中性后 IC 5.98%/8.61%、分组年化超额 6.18%/8.25%,量价中性后仍有 IC 3.65%/4.60%、超额 4.07%/5.61%。三个因子在中证全指的空头能力普遍强于多头。
- 出处:长江证券金融工程郑起/刘胜利——“高频因子”系列第二十篇《收益来源基础的因子挖掘方法论三——时间点划分因子》,隶属其”算子挖掘体系”中的维度匹配方法分支(前一篇为第十九篇时间段切割因子),切入角度是把”离散向量”这一算子衍生单独拿出来做方法论讨论,而非只报一个因子的 IC。
- 启发 / 怎么用:①最可迁移的是这条**“事件锚点 + 强度描述”的分离式构造**:把任意极值事件(价格高点、成交量高点、波动率突变、订单簿失衡峰值、集合竞价异常)当作离散向量的锚点,再用连续向量(振幅、收益率、换手)刻画窗口内强度,等于把”何时”和”多强”拆成两个正交维度分别建模,比常见的固定窗口统计更贴近信息发生的时间结构;②长江走的是算子库穷举路线(离散向量 × 连续向量 × K线算子),与广发 Level-2 因子挖掘里的”行为×时间×统计”笛卡尔积是同一方法论在不同数据载体上的表达,提示因子生产可以从”想逻辑”转向”定义算子空间的组合枚举”;③三类中**“高点个数”这类计数型表达比”振幅/收益率”这类幅度型表达更独立于既有量价因子**(量价中性后衰减明显更小),值得在自建因子库时优先试计数/频率类表达;④需要警惕的是量价中性后 IC 普遍接近腰斩(7.04%→2.99%),说明这批因子与存量量价风格仍有相当重叠,验收时应照长江自己的做法同时报”市值行业中性”和”量价中性”两套结果,别只看前者。
3. 值得持续追踪的系列
- 长江金工”高频因子”系列:本期更新至第二十篇(时间点划分因子)[1],与方法论二(时间段切割因子,第十九篇)共同构成”离散向量”算子分类学;该系列的写法是”每期只钉一个算子衍生维度、并给出三类构造 + 中性前后双套实证”,适合作为自建高频因子库的模板手册来跟。
附:补充信源
- [2] 国信金工 — 指数增强组合与因子表现周报的附录:完整给出 MFE(中性约束下最大化因子暴露)组合的优化形式(相对基准行业暴露为 0、市值风格中性、个股偏离≤1%、成分股内权重占比 100%、双边 0.3% 费率),以及”公募重仓指数”这一检验样本空间的构造(普通股票型+偏股混合基金,剔除规模<5000 万且成立不足半年,平均持仓后取累计权重 90% 为成分股)。按纪律该周报不计入灵感,但”在真实约束下检验因子有效性”与”用公募重仓池检验机构风格下的有效性”这两条思路值得固化为因子验收环节。
- [3] 招商金工 — 因子周报附录中的复合因子流程:因子市值行业中性化 → 对称正交 → 滚动 1 年 RankICIR 加权 → 权重方向与预期因子收益方向相反时反向归零 → 约束优化下最大化复合因子暴露。其中”反向归零”这个细节对因子权重稳定性处理有直接参考价值。
- [4] 国盛金工 — 择时周报中的两处方法细节:基于基金个性化持仓 + Lasso 回归的高频测算主动偏股基金仓位与行业配置;多因子选基 FOF 的四维打分(基金经理稳健换股能力、剔除风格后选股能力、内部管理人认可程度、负向规模)。按纪律不计入灵感。
本报告为卖方金工研究的灵感摘录,方法与结论以各家原始报告为准,不构成投资建议。
本系列近 30 天回顾 9/17 – 10/17
- 从“造因子”转向“重做信息表示”:近月先见成长因子困境修补、Level-2 撤单与知情交易等新切面,随后申万把情绪指标重合成状态×变化交互、把 K 线图交给视觉大模型,兴证用转移熵刻画个股到行业传导,主线从换数据源演变为换信息组织方式。
- 深度学习选股从端到端黑箱走向职责分离与状态自适应:国盛把量价指纹预训练与收益解耦、Alpha/Beta 双头训练单头部署,申万用可实时状态标签给 GRU 做时序分域,广发 StableAlpha 继续追风格捷径,重心从模型复杂度转向可复现的约束与归因。
- Level-2 与高频因子从成交信息扩向“非成交、极端时点、图形”:广发把撤单与知情交易概率做成因子族,长江以极端时间点为离散向量锚点,申万再用 ViT 从 K 线图取与数值因子正交残差,信息切面持续外扩。
- 配置与轮动从截面选股外扩到风格、行业和多资产:广发用宏观预期差、相对波动极端分位、多维行业打分构建轮动,兴证把转移熵嵌入行业轮动并迭代股债性价比,国盛把量价事件信号改造成绝对收益策略,信号应用层成为新战场。
- 验收标准从 IC 高低转向增量、正交与真实约束:多篇开始强调量价中性后衰减、回归取残差、与既有因子低相关、按数据发布时点起算收益、状态标签不可含未来信息,评价重心从“因子有效”变为“在真实流程中是否仍有增量”。