2025年多因子选股系列研究报告：个股日内成交量分布特征与日内流动性弹性刻画

1 今年以来高频因子低频化系列样本外表现出色

今年以来市场成交活跃，小市值+量价类因子表现出色，方正金工高频因子低频 化系列因子整体表现较为出色。截至 2025 年 7 月 31 日，细分因子中“适度冒 险”因子月频调仓下的多空收益为 20.56%，表现最为出色，而合成的“综合量 价”因子多空收益为 23.31%。

从多头组合超额收益表现来看，“综合量价”因子今年以来月度超额收益较为稳 定，年初以来多头组超额收益约为 11.44%。

在量价因子构建过程中，我们发现以成交量为核心的因子，整体表现可能不是 最出色的，但是其相关性要明显低于以收益率为核心的因子。如下图所示，“待 著而救”、“激流勇进”、“水中行舟”等因子整体相关性要明显低于其他因子。 本文中我们将分别从成交量分布特征及日内流动性弹性角度出发，构建一个新 的因子——“暗流涌动”。

2 “暗流涌动”因子构建及测试

2.1 “成交量分布熵值”因子构建与测试

全市场股票的日内成交量分布总体呈现 U 型结构，即早盘开盘后的交易相对较 为活跃，临近中午收盘时交易量明显下降，下午开盘后逐步回升，并在临近全 天收盘时恢复活跃。但就具体个股而言，由于不同股票的交易群体、个股的基 本面或技术面信息、盘中可能带来潜在影响的信息等均不相同，因此个股的交 易量分布呈现一定的差异性。

个股日内交易量的分布特征隐含了一定的交易信息。举例来说，假设股票 A 的 日内交易量分布特征与全市场分布几乎一致，那么我们可以认为股票 A 在当天 交易中几乎没有出现过因突发信息或噪音引发的脉冲式交易，其交易节奏基本 跟随了市场本身。假设股票 B 的交易量分布呈现明显的波浪形态，我们可以认 为在当天的交易中，股票 B 可能出现了一定的信息影响或集中交易。 为了更为清晰的刻画不同股票的日内交易量分布的特异性，我们将每只股票每 分钟的交易量与全市场所有股票这一分钟交易量的比值，作为该股票的相对成 交量。如下图所示，从股票 A 和股票 B 的相对成交量来看，股票 A 的相对交易量更为均匀，更接近市场本身的交易节奏，而股票 B 则在盘中出现了几次明显 的相对放量交易。

在报告《推动个股价格变化的因素分解与“花隐林间”因子——多因子选股系 列研究之十》中，我们曾尝试将推动个股股价变化的影响因素进行分解，其中 个股突然到来的信息以及噪音，最有可能直接体现在盘中的交易量变化上。

对于股票日内交易量的分布特征，我们可以通过香农熵（Shannon Entropy）来 刻画，当熵值越大时，表明个股日内相对交易量的分布越趋于均匀分布（注： 此处我们用的是相对成交量，因此熵值越大实际表达的是个股的成交量越接近 于市场整体的成交分布特征）。当熵值越小时，表明个股日内相对交易量的分布 越集中或越不均匀，此时该股票的交易越有可能由信息驱动。 我们按照如下步骤来计算成交量分布熵值因子： 1） 将当天分钟频交易时间等距离划分为 48 等分，每 5 分钟一个时间区间（240 分钟/5 分钟）； 2） 计算每分钟个股的相对成交量（个股成交量/全市场所有股票成交量）； 3） 统计每个 5 分钟区间内的相对成交量占全部时间区间的占比；

我们在沪深两市非 ST 股票中进行测试，同时剔除上市不满半年的次新股，调仓 频率为月频，分组数量为 10 组，各分组内部等权加权，测试区间为 2014 年 12 月至 2025 年 7 月底（下同）。可以看到合成的“成交量熵值”因子 Rank IC 均 值为-5.72%，Rank ICIR 为-3.54，多空组合年化收益率为 23.14%，信息比率为 2.74，选股效果较为出色。

2.2 “日内流动性弹性”因子构建与测试

日内流动性弹性，反应了个股在日内交易时的价格灵敏程度，区别于传统非流 动性因子等定义，我们更关注在日内出现成交量突变（成交量激增）时的价格 灵敏程度。在报告《成交量激增时刻蕴含的 alpha 信息》中，我们曾介绍过一 个类似的思路，当股票日内成交量出现激增时刻时，短期的价格波动率越高和 越低的股票，表现均相对不佳，而越接近市场均值的股票表现反而更为理想。 本节中我们借鉴类似的思路，重新构建一个反应日内流动性弹性的因子。 1）剔除开盘和收盘数据，仅考虑日内分钟频数据，我们首先筛选出个股每分钟 成交量相较于过去 5 分钟均量超过 1 倍的时间点，并将其定义为“激增时刻”， 其余时刻均统一定义为“普通时刻”。 2）计算每分钟的价格波动幅度，即（最高价-最低价）/开盘价。 3）对于当日所有的“激增时刻”，计算其价格波动幅度的平均值，同时计算所 有“普通时刻”的价格波动幅度的平均值。 4）“激增时刻”的价格波动幅度均值/“普通时刻”的价格波动幅度均值，即为 价格敏感系数，价格弹性系数=1-价格敏感系数。 5）根据上述逻辑，弹性系数较大的股票，可以理解为流动性相对较好，对短期 交易放量的反应相对较小，弹性系数较小的票，流动性相对较弱，对短期交易 量的冲击反应较大。 6）对所有股票的价格弹性系数进行横截面“均值距离化”处理，即所有股票的 因子值减去横截面均值再取绝对值，得到日度流动性弹性因子。 7）根据过去 20 日的价格弹性因子，进行低频化处理，即分别对过去 20 日价格 弹性因子求移动平均值和移动标准差，分别得到“月均流动性弹性”因子和 “月稳流动性弹性”因子，最终将二者等权合成为“流动性弹性”因子。

合成的“流动性弹性”因子 Rank IC 均值为-7.14%，Rank ICIR 为-4.18，多空 组合年化收益率为 29.49%，信息比率为 4.36，选股效果较为出色。

2.3 “暗流涌动”因子构建及测试

“成交量熵值”因子反应了个股日内交易量分布的不平稳特征，那些与市场不 同步，但同时偏离不太大的股票更容易获得超额收益。而“流动性弹性”因子 则从流动性角度刻画了当成交量突然放大时，那些具备适当流动性缓冲的股 票，更容易获取超额收益。 本节中我们将“成交量熵值”因子与“流动性弹性”因子等权合成，得到“暗 流涌动”因子。 同样，我们在沪深两市非 ST 股票中进行测试，同时剔除上市不满半年的次新 股，调仓频率为月频，分组数量为 10 组，各分组内部等权加权，测试区间为 2014 年 12 月至 2025 年 7 月底。

“暗流涌动”因子 Rank IC 均值为-7.65%，Rank ICIR 为-4.44，多空组合年化 收益率为 29.17%，信息比率为 3.49，选股效果较为出色。

今年以来截至 7 月底，多头组合上涨 31.85%，空头组合上涨 9.76%，各组别单 调性较为明显，多空组合相对收益为 22.10%。

从分行业表现来看，“暗流涌动”因子在各一级行业内表现普遍较好，绝大多数 行业 Rank IC 均值超过-7%。

2.4 剥离其他风格因子影响后“暗流涌动”因子仍然表现较好

从上述测试结果来看，“暗流涌动”因子选股能力较为出色，进一步，我们测试 其与其他常见风格因子的相关性。如下图所示，“暗流涌动”因子整体与其他风 格因子相关性相对较低，仅与波动率因子相关性超过 20%，为 22.84%。为进一 步验证因子的增量信息，我们使用常用风格因子及行业因子对“暗流涌动”因 子进行正交化处理，得到“纯净暗流涌动”因子，再检验其选股能力。

可以看到，在剔除了常用的风格因子影响后，“暗流涌动”因子仍然具有不错的 选股能力，Rank IC 均值为-4.38%，Rank ICIR 为-3.14，多空组合年化收益率 为 20.45%，信息比率 2.99。

2.5 “暗流涌动”因子在不同样本空间下的表现

为了检验“暗流涌动”因子在其他样本空间下的选股表现，我们分别选取了沪 深 300 成分股、中证 500 成分股、中证 1000 成分股作为股票池，测试其选股能 力。可以看到，“暗流涌动”因子在中证 1000 指数成分股内表现较为强势，Rank IC 均值为-7.76%，多空组合年化收益为 26.03%，在沪深 300、中证 500 指数成 分内选股效果也相对较好，Rank IC 均值为-4.28%、-5.70%，多空组合年化收益 率为 16.85%、14.64%。

3 “暗流涌动”因子对高频因子低频化系列增量明显

3.1 “暗流涌动”因子与其他量价因子相关性相对偏低

在此前的多因子选股系列研究中，我们分别构建了“适度冒险”、“完整潮汐”、 “勇攀高峰”、“球队硬币”、“云开雾散”、“飞蛾扑火”、“草木皆兵”、“水中行 舟”、“花隐林间”、“待著而救”、“多空博弈”、“协同效应”、“一视同仁”、“激 流勇进”等 14 个合成量价因子，其中除“球队硬币”因子数据源为日频数据 外，其余所有因子均根据分钟频数据计算得到，为了降低因子换手率，我们对 所有的因子进行了月度频率的平滑处理，即高频因子低频化处理。

从各因子之间的相关性来看，“暗流涌动”因子与“适度冒险”和“云开雾散” 因子相关性较高，分别为 56.11%和 48.09%，与其余因子相关性相对较小，“暗 流涌动”因子与其余 14 个因子的平均相关系数为 33.47%。

3.2 “暗流涌动”因子与其他量价因子合成后 Rank IC 提升至-12.10%

进一步我们将上述 15 个因子正交化后简单等权合成为综合量价因子，其表现相 较于单个因子大幅提升。

综合量价因子 Rank IC 均值为-12.10%，Rank ICIR 为-4.95，多空组合年化收益 率为 47.37%，信息比 4.16，月度胜率 84.25%。

从分组表现来看，综合量价因子各年份表现均较为出色，多头组合年化收益率 为 23.35%，空头组合年化收益率为-18.23%。今年以来多头组合上涨 34.94%， 空头组合上涨 8.78%，多空相对收益约为 26.16%，已超过过去两年全年表现。

在因子合成过程中，虽然“暗流涌动”因子权重相对较低，但相较于不含“暗 流涌动”因子的综合量价而言，加入“暗流涌动”因子后的增量信息依然较为 明显，其 Rank ICIR、多空组合年化收益率、年化波动率、信息比率以及最大回 撤等指标，均有较为明显的提升。

最后，我们剔除常见风格因子影响后得到纯净综合量价因子，其 Rank IC 均值 为-7.04%，Rank ICIR 为-3.63，多空组合年化收益率为 28.10%，信息比 2.97， 月度胜率 79.53%，仍然非常有效。

3.3 “综合量价”因子在沪深 300/中证 500/中证 1000 指数成分下表现出色

我们分别选取了沪深 300 成分股、中证 500 成分股、中证 1000 成分股作为股票 池，测试“综合量价”因子的选股能力。可以看到，“综合量价”因子在沪深 300、中证 500、中证 1000 指数成分股内表现均较为强势，Rank IC 均值分别为 -6.85%、-8.08%、-11.31%，Rank ICIR 分别为-2.48、-3.00、-4.42，多空组合 年化收益分别为 19.01%、21.09%、37.71%。

我们进一步通过指增模型来验证“综合量价”因子在沪深 300/中证 500/中证 1000 指数增强中的效果。这里我们仅通过“综合量价”因子对股票收益进行打分 预测，严格控制市值中性、行业中性、个股权重偏离在 1%以内，同时约束指数 成分股权重之和大于 80%。 从组合历史表现来看，“综合量价”因子在沪深 300/中证 500/中证 1000 指数增 强中均表现较好，年化超额收益分别为 8.57%、11.12%、16.92%。

（本文仅供参考，不代表我们的任何投资建议。如需使用相关信息，请参阅报告原文。）