高頻因子（十八）：收益來源基礎的因子挖掘方法論一——維度匹配因子.pdf

上傳者：00*****
時間：2026/02/27
熱度：99
0人點贊
舉報

高頻因子（十八）：收益來源基礎的因子挖掘方法論一——維度匹配因子。

高頻因子的計算過程可拆解成若干個數據變換和 K 線聚合步驟

數據變換即對維度數據做函數映射，本質為交易信息的局部處理；K 線聚合即對維度數據按照一定頻率進行聚合計算，本質為交易信息的局部整合，以將數據從高頻降至低頻。量價因子的最后一步均為 K 線聚合，低頻量價因子無數據變換和 K 線聚合的交叉。相比深度學習，該方法可以側重至局部信息；相比遺傳算法，該方法可以更好對應收益來源。

由殘差波動率的匹配邏輯可得殘差成交量波動率和殘差振幅波動率因子

以 2010 年以來中證全指內選股為例，市值行業中性后的殘差成交量波動率和殘差振幅波動率 IC 分別為 5.76%、7.55%，分組年化超額收益分別為 4.65%、5.25%，且基本每年超額收益均為正。但在量價中性后，兩個因子的 IC 下降到 4.02%、2.67%，超額收益下降到 2.74%和 0.45%，且超額收益的時序穩定性顯著下降。簡單邏輯的復制挖掘的信息增量有限。

由匹配 K 線算子計算最后一步得到的因子稱為維度匹配因子

本文通過殘差波動率算子，對每筆成交額和成交量占比聚合，構建成交匹配波動因子。以滬深 300、中證 500、中證 1000 和中證全指范圍內選股為例，量價中性后因子 IC 分別為 3.81%、 3.63%、4.25%、4.15%，因子分組超額收益分別為 5.05%、3.53%、5.00%、5.77%，除中證 1000 有 5 年超額收益為負，其余板塊的超額收益時序上較為穩定。