（转自：尔乐量化）
➤ A股市场的日内收益率对未来20日收益存在明显的“反转”效应。
用4个交易时段的收益率及其1分钟波动数据构建的因子均为反转因子，但是利用不同时段构建的选股因子效果存在一定差异，那么具有什么样的日内收益特征更容易使得股票未来出现“反转”？我们构建了“偏锋涨跌幅”和“量涌波动率”因子，更精确地识别股票日内收益率的“反转”效应。
➤ 基于股票相对于市场的超额动量，构建了“偏锋涨跌幅”因子。
当市场上有相对更多的股票上涨时，该时段的个股收益率更偏向于产生过度的“上涨动量”从而更易发生“反转”，我们构建了“偏锋涨跌幅”因子更细致地捕捉个股日内的“超额动量”。从回测表现上来看，因子的IC均值为6.29%，Rank IC均值为9.20%，多空年化收益为29.13%，多空年化夏普比率为1.52，多头年化超额收益为7.46%。
➤ 根据成交量形态对日内时段进行重新划分，构建了“量涌波动率”因子。
我们使用成交量峰值对日内时段进行划分，每两个成交量峰值之间的区段都可以代表一部分具有相同情绪投资者的集中交易，我们通过计算不同时段收益率的波动率，得到不同类别投资者对股票收益率的影响程度的差异。“量涌波动率”为负向因子，从回测表现上来看，因子的IC均值为6.83%，Rank IC均值为10.06%，多空年化收益为31.95%，多空年化夏普比率为2.83，多头年化超额收益为8.42%。
➤ “偏锋涨跌幅”和“量涌波动率”因等权合成为“动量脉冲”因子。
合成因子的IC均值为6.98%，Rank IC均值为10.24%，多空年化收益为31.93%，多空年化夏普比率为2.50，多头年化超额收益为7.88%，多头超额年化夏普比率为1.55。在沪深300、中证500、中证1000和国证2000内年化多空收益分别为12.14%、20.41%、27.09%、33.06%。
➤ “动量脉冲”因子与民生金工已有因子相关性及绩效测试。
动量脉冲”因子与“主力波动率”的平滑方式都为计算滚动过去20日波动率，因此因子相关性较高，达到76.3%，与“虹吸效应”和“主买成交特异性”相关性分别为22.2%和63.4%。已有高频价量因子仍然保持较好的选股效果，主力波动率/虹吸效应/主买成交特异性/动量脉冲因子的Rank IC分别为10.12%、8.44%、11.21%、10.24%，多头年化超额分别为10.83%、8.64%、9.00%、7.88%。
01
A股市场的日内收益率对未来20日收益存在明显的“反转”效应。用4个交易时段的收益率及其1分钟波动数据构建的因子均为反转因子，但是利用不同时段构建的选股因子效果存在一定差异，那么具有什么样的日内收益特征更容易使得股票未来出现“反转”？本篇报告中我们构建了“偏锋涨跌幅”和“量涌波动率”因子，更精确地识别股票日内收益率的“反转”效应。
日内不同时间区间的收益率所体现的“反转”效应不一致。取日内第1、2、3、4个小时的区间收益率作为4个日频因子，并分别对这4个因子计算过去20日的均值和标准差并等权合成后取负数，得到日内第1、2、3、4小时的反转因子进行测试。测试股票范围为全A剔除ST、*ST、退市、涨跌停股票。从测试结果来看，四个小时区间的收益率都具有一定的“反转”效应，其中尾盘（第4小时）的Rank IC均值达到6.99%，多空年化达到27.35%，效果最强。
同样的波动率信息的预测效力也具有日内分布的不均衡性。取日内第1、2、3、4个小时区间的1分钟收益率的波动率，并计算20日的均值和标准差并等权合成后取负数，得到四个日内波动率因子。从测试结果来看，四个小时区间的波动因子都具有一定的选股效果，其中第1小时波动率的Rank IC均值达到7.95%，多空年化为21.91%，相对选股效果最好。
02
2.1 因子定义
因子主要刻画股票各个时刻相对于市场的超额动量。由于不同股票的日内交易形态并不相同，使用第一节中简单的时间顺序进行划分较为粗糙。当市场上有相对更多的股票上涨时，该时段的个股收益率更偏向于产生过度的“上涨动量”从而更易发生“反转”。我们希望通过日内交易形态划分更细致地捕捉个股日内的“超额动量”，因此我们构建了“偏锋涨跌幅”因子，具体步骤如下：
1. 动量基准：每分钟计算市场上所有上涨或者下跌股票收益率的平均值，分别作为“正向动量基准”和“负向动量基准”；
2. 偏离度：对每个股票、每分钟，计算该股票1分钟收益率与当前分钟同方向的“动量基准”之差，记为1分钟偏离度，若该股票1分钟收益率为0或没有股票与之收益率方向相同，则1分钟偏离度为0；
3. 偏离度的偏度：每分钟截面计算全市场股票偏离度的偏度，并将其大于0的时刻作为市场的“动量时刻”，将每只股票“动量时刻”的1分钟对数“偏离度”进行加总，得到日度因子；
4. 高频因子低频化：每月月底，分别计算步骤3中日度因子过去20天的标准差，记为“日内偏锋涨跌幅”因子；
1分钟偏离度的偏度刻画了当前时段市场上股票处于“离群上涨”或“离群下跌”的比例。若1分钟偏离度的偏度大于0，说明这一分钟市场上股票偏离度分布呈现右偏，即当前时段市场上离群上涨（超涨）或离群下跌（少跌）的股票的数量更多，上涨的股票更有可能过度反应，下跌的股票更有可能反应不足。根据前述逻辑，在动量时段内“偏离度”越高的股票，日后越有可能使得股票价格会有更低的预期收益。
2.2 因子绩效
“偏锋涨跌幅”因子回测条件：我们在全市场范围内进行单因子测试（市值行业中性化，下同），选股范围为剔除ST、*ST、退市、停牌、涨跌停股票后的全市场剩余股票，测试区间为2012年12月31日至2025年4月30日，调仓频率为月频，下同。
“偏锋涨跌幅”因子表现较好，多空年化收益29.13%。“偏锋涨跌幅”为反向因子，从回测表现上来看，因子的IC均值为6.29%，Rank IC均值为9.20%，多空年化收益为29.13%，多空年化夏普比率为2.25，多头年化超额收益为7.46%，多头超额年化夏普比率为1.52。
03
“量涌波动率”因子刻画连贯波动信息
CHAPTER
3.1 因子定义
根据成交量形态对日内时段进行重新划分，可以获得更精确的波动信息。我们使用成交量峰值对日内时段进行划分，每个时间段内的交易情绪存在一定的共性，而与其他时间段存在一定的差异，因此可以将每个成交量峰值之间的区段内的收益率视为一个整体，用来计算股票的日内波动率，从而衡量股票的连贯波动信息：
根据这个思想，我们构建了“量涌波动率”因子，具体步骤如下：
1. 循环时段划分：采用二分法的思想，循环对每只股票按照成交量峰值时刻对时段进行划分（剔除开盘的10分钟，因为这个时间段成交较为活跃，会使得这些时间内时段较为密集从而影响结果）。
*例如，将股票的230分钟用该区间段内成交峰值划分为2个时段，记为第1次划分，然后对划分得到的2个时段分别再找到区间段内成交量峰值，将两个区间段再各自划分为2个时段，得到4个时段，记为第2次划分……重复以上操作，直到共进行了6次划分为止，最终我们将日内240分钟划分为若干个小时段（理想情况下会划分为26=64个区间）。
划分时有以下几种情况：
a）若时段内包含至少3分钟：根据1分钟成交量的最大时刻（寻找最大时刻的时候不包括时段内第一分钟和最后一分钟）将时段划分为两个时段（最大时刻归为第一个时段）；
b）若时段包含2分钟：划分为两个长度为1分钟的时段；若时段仅包含1分钟：不再进行划分；
c) 若时段仅包含1分钟：不再进行划分；
2. 计算波动率：对每只股票计算步骤2中划分得到的每个小时段的收益率，并计算这些区间收益率的标准差，作为该股票当日因子值；
3. 高频因子低频化：计算步骤3中得到的日频因子标准化后，计算过去20天的标准差，记为“量涌波动率”因子。
3.2 因子绩效
“量涌波动率”刻画不同交易情绪投资者对股票收益率的影响程度。对比按照常规的时间先后顺序对日内交易时段进行切割，我们将个股的成交量峰值视为投资者交易情绪的转折点来对日内区段进行划分，每两个成交量峰值之间的区段都可以代表一部分在不同信息冲击下具有相同情绪投资者的集中交易。我们通过计算不同时段收益率的波动率，得到不同情绪投资者对股票收益率的影响程度的差异。波动率越小，说明不同情绪投资者对股票收益率的影响程度基本一致，更不容易出现过度反应现象，股票的“区段收益稳定性”更强，从而使得股票未来收益率更高；反之，股票的“区段收益稳定性”更弱，股票未来收益率更低。
“量涌波动率”因子表现较好，多空年化收益31.95%。“量涌波动率”为反向因子，从回测表现上来看，因子的IC均值为6.83%，Rank IC均值为10.06%，多空年化收益为31.95%，多空年化夏普比率为2.83，多头年化超额收益为8.42%，多头超额年化夏普比率为1.78。
04
精细化后的“反转”效应捕捉
CHAPTER
4.1 因子构建及绩效
“动量脉冲”因子合成。前文中，我们构建了基于日内“动量时刻”划分的“偏锋涨跌幅”因子和基于成交量峰值对日内时段进行划分后得到的“量涌波动率”因子。
“偏锋涨跌幅”：从“超额动量”旨在捕捉在特定时刻，个股相较于市场的涨幅出现超额收益的现象，即瞬态脉冲，这一因子反映了股票在短时间内可能出现的市场过度反应，帮助识别股价在特殊时段的快速波动与反应。
“量涌波动率”：基于成交量峰值对日内时段进行划分，重点刻画了“区段收益稳定性”——即某一时段内收益波动的稳定性和持续性，即连续脉冲。反映市场是否存在因不同情绪投资者介入而造成的股价过度反应。
“动量脉冲”因子表现较好，多空年化收益31.93%。全历史来看，合成因子的IC均值为6.98%，Rank IC均值为10.24%，多空年化收益为31.93%，多空年化夏普比率为2.50，多头年化超额收益为7.88%，多头超额年化夏普比率为1.55。分年度来看，“动量脉冲”的多头年化超额均为正数。
4.2 风格相关系数
“动量脉冲”因子偏向低波动和低流动性。从相关性上来看，“动量脉冲”与价值、流动性和波动率存在较高的相关性，平均截面平均相关系数为33.6%，-40.6%和-56.0%，与其他因子相关性较低，说明因子更偏向选择低估值、低流动性、低波动率的股票。
“纯净动量脉冲”因子多头年化超额收益1.95%。从回测表现上来看，因子的IC均值为3.25%，Rank IC均值为4.26%，多空年化收益为13%，多空年化夏普比率为1.80，多头年化超额收益为1.95%，多头超额年化夏普比率为0.40。“动量脉冲”因子相较于传统的20日波动率与流动性因子的多头超额走势明显较强。
4.3 不同频率下的回测结果
周频测试条件下，“动量脉冲”因子多空年化收益率60.09%，表现相较于月频大幅提高。周频调仓下，“动量脉冲”因子的IC均值为5.91%，Rank IC均值为8.61%，多空年化收益率达到60.09%，多头年化超额收益率达到14.00%，因子收益率相比月频调仓大幅提高。月频调仓下，“动量脉冲”因子双边换手率约为16倍，周频调仓下约为36倍。
4.4 其他样本空间表现
上述测试均基于全市场股票池进行选股，我们选取沪深300、中证500、中证1000、国证2000的指数成分股作为选股池，测试“动量脉冲”因子在不同样本空间中的选股能力。
“动量脉冲”因子在各样本空间中的选股效果均不错。从测试结果来看，“偏锋涨跌幅”、“量涌波动率”和“动量脉冲”因子在不同样本空间中均具有一定的选股能力，且选股能力均随着市值的逐步下沉而稳步提升。在沪深300/中证500/中证1000/国证2000成份股中“动量脉冲”的Rank IC均值分别为4.37%、7.96%、10.51%、11.99%，多空年化收益率分别为12.14%、20.41%、27.09%、33.06%。
05
“动量脉冲”因子与我们之前已构造的高频价量因子相关性及绩效测试如下，（测试区间：2012年12月31日至2025年4月30日）：
1、《基于分钟K线的“主力波动率”构造及应用》：“主力波动率”；
2、《资金流潮汐与“引力场”因子构建》：“虹吸效应”；
3、《资金流潮汐与“引力场”因子构建》：“主买成交特异性”。
“动量脉冲”因子与“主力波动率”的平滑方式都为计算滚动过去20日波动率，因子相关性较高，达到76.3%，与“虹吸效应”和“主买成交特异性”相关性分别为22.2%和63.4%。
已有高频价量因子仍然保持较好的选股效果。从选股有效性来看，“主买成交特异性”在横截面上对收益率的区分能力最强且最稳定，其IC、Rank IC均为最高，分别为8.54%和11.21%，ICIR为3.70显著优于其他因子；“主力波动率”和“动量脉冲”的Rank IC相近分别为10.12%和10.24%，但“动量脉冲”的选股稳定性相对较弱；从多空收益与风险来看，“主买成交特异性”的多空年化收益为42.03%，多头年化超额收益9.00%并非最高，其优势更多体现在空头端；“主力波动率”的多头超额收益为10.83%，夏普比率为2.28，从多头端收益来看，其表现较为理想。
06
A股市场的日内收益率对未来20日收益存在明显的“反转”效应。我们考虑使用日内区间收益率和日内区间收益波动率分别刻画日内“上涨动量”效应的大小和稳定性。我们分别使用股票1分钟偏离度和1分钟成交量最大值时刻对日内交易时段进行划分，构建得到了“偏锋涨跌幅”因子和“量涌波动率”因子，更精确地识别股票日内收益率的“反转”效应。
基于股票相对于市场的超额动量构建了“偏锋涨跌幅”因子。当市场上有相对更多的股票上涨时，该时段的个股收益率更偏向于“动量”效应，我们希望通过日内交易形态更细致地考察个股日内哪些时段的收益率体现更多的“动量”效应，并计算这些时段内的“超额动量”。“偏锋涨跌幅”为负向因子，从回测表现上来看，因子的IC均值为6.29%，Rank IC均值为9.20%，多空年化收益为29.13%，多空年化夏普比率为1.52，多头年化超额收益为7.46%。
根据成交量形态对日内时段进行重新划分，刻画了“量涌波动率”因子。我们使用成交量峰值对日内时段进行划分，每两个成交量峰值之间的区段都可以代表一部分同类投资者的集中交易，我们通过计算不同时段收益率的波动率，得到不同类别投资者对股票收益率的影响程度的差异。“量涌波动率”为负向因子，从回测表现上来看，因子的IC均值为6.83%，Rank IC均值为10.06%，多空年化收益为31.95%，多空年化夏普比率为2.83，多头年化超额收益为8.42%。
“偏锋涨跌幅”和“量涌波动率”因等权合成为“动量脉冲”因子。合成因子的IC均值为6.98%，Rank IC均值为10.24%，多空年化收益为31.93%，多空年化夏普比率为2.50，多头年化超额收益为7.88%，多头超额年化夏普比率为1.55。在沪深300、中证500、中证1000和国证2000内年化多空收益分别为12.14%、20.41%、27.09%、33.06%。
“动量脉冲”因子与民生金工已有因子相关性及绩效测试。“动量脉冲”因子与“主力波动率”的平滑方式都为计算滚动过去20日波动率，因此因子相关性较高，达到76.3%，与“虹吸效应”和“主买成交特异性”相关性分别为22.2%和63.4%。已有高频价量因子仍然保持较好的选股效果，主力波动率/虹吸效应/主买成交特异性/动量脉冲因子的Rank IC分别为10.12%、8.44%、11.21%、10.24%，多头年化超额分别为10.83%、8.64%、9.00%、7.88%。
报告信息：
裴钰琪 S0100124060004 peiyuqi@mszq.com
本文来自民生证券研究院于2025年05月08日发布的报告《量化专题报告：日内“动量脉冲”与股价过度反应的精细刻画》，详细内容请阅读报告原文。
《证券期货投资者适当性管理办法》于2017年7月1日起正式实施，通过本微信订阅号/本账号发布的观点和信息仅供民生证券的专业投资者参考，完整的投资观点应以民生证券研究院发布的完整报告为准。若您并非民生证券客户中的专业投资者，为控制投资风险，请取消订阅、接收或使用本订阅号/本账号中的任何信息。本订阅号/本账号难以设置访问权限，若给您造成不便，敬请谅解。我司不会因为关注、收到或阅读本订阅号/本账号推送内容而视相关人员为客户；市场有风险，投资需谨慎。
免责声明
民生证券股份有限公司（以下简称“本公司”）具有中国证监会许可的证券投资咨询业务资格。本报告仅供本公司境内客户使用。本公司不会因接收人收到本报告而视其为客户。本报告仅为参考之用，并不构成对客户的投资建议，不应被视为买卖任何证券、金融工具的要约或要约邀请。本报告所包含的观点及建议并未考虑个别客户的特殊状况、目标或需要，客户应当充分考虑自身特定状况，不应单纯依靠本报告所载的内容而取代个人的独立判断。在任何情况下，本公司不对任何人因使用本报告中的任何内容而导致的任何可能的损失负任何责任。
在法律允许的情况下，本公司及其附属机构可能持有报告中提及的公司所发行证券的头寸并进行交易，也可能为这些公司提供或正在争取提供投资银行、财务顾问、咨询服务等相关服务，本公司的员工可能担任本报告所提及的公司的董事。客户应充分考虑可能存在的利益冲突，勿将本报告作为投资决策的唯一参考依据。
