情绪系数加权K线评分因子如何优化传统K线选股策略的横截面区分度？

传统K线评分因子基于Kelly值离散化为整数，导致大量股票集中在相同评分档位，横截面排序精度不足。为解决此问题，报告引入价量共振因子作为情绪调整系数，构建复合因子。 首先，价量共振因子通过结合价能与量能来刻画个股情绪。价能描述近期价格平均形态相对于过去一段时间同周期的相对高低，量能反映近期成交量相对于长期成交量的强弱。两者乘积定义为价量共振因子，共振程度越高代表情绪越强。研究指出，高情绪组别股票平均回报较弱，存在低情绪溢价现象，即原始价量共振因子属于反向因子。 其次，选择价量共振因子作为调整系数是因为其具备连续型特征，能提供更细粒度的排序。与K线因子的离散状态不同，价量共振因子在相同K线评分内部可形成横截面差异，缓解因子“扎堆”问题，提升组合构建的可操作性。 最后，构建逻辑为：先对价量共振因子进行横截面标准化（Z-Score）以降低极端值影响，并取反向以符合“因子值越高越优”的选股习惯，得到情绪调整系数。最终复合因子为K线评分因子与情绪调整系数的乘积。该逻辑意味着K线越看多且市场情绪越低（尚未过热），最终因子值越高。这种结合实现了“趋势判断”与“强度刻画”的融合，筛选出未来可能上涨且未被充分交易的股票，显著提升了选股模型的稳定性与有效性。