2025年金融工程深度报告：高频流动性与波动率因子再构建

一、高频选股因子介绍

1.1、高频选股因子简介

随着国内市场传统因子选股的广泛应用，对公司的基本情况、财务状况以及日间量价关系等低频数据的挖 掘已经趋于饱和，以往有效因子也逐渐失效，市场对新信息的挖掘提出了迫切的需求。高频数据中蕴含了丰富 的市场交易信息，它能带我们通过数据窥探知情交易者的隐藏信息，也让我们更近距离地感受市场交易者的情 绪，从而帮助我们更准确地拿捏市场股票价格的走势。

1.2、高频选股因子分类体系

之前总共写了八篇高频因子报告《高频量价选股因子初探》、《买卖报单流动性因子构建》、《高频订单失衡 及价差因子》、《多层次订单失衡及订单斜率因子》、《流动性因子系统解读与再增强》、《高频选股因子分类体系》、 《流动性高频因子再构建与投资者注意力因子》、《技术指标因子高频化》，并根据上述的因子构建了分类体系。

二、流动性因子介绍和投资逻辑

2.1、流动性因子研究简介

流动性在金融市场中有着重要的作用，与资产定价、企业融资和市场微观结构有密切的联系。简单来看， 流动性代表金融资产的变现能力，即金融资产以合理的价格顺利转换成现金的能力。流动性越高，则金融资产 的交易成本越低，变现能力就越强。 有效买卖价差衡量观察到的交易价格与未观察到的基本价格的距离，是金融市场交易成本的主要衡量标准. 估计价差的方法大致可分为两类：一类是使用高频交易和高频报价数据（bid-ask）估计买卖价差（见《流动性高 频因子再构建与投资者注意力因子》等报告）；另一类是使用价格数据（高开低收）估计买卖价差。 本文使用第二种方法，利用分钟级价格数据，构建多种价差来衡量股票的交易成本。另外，本文使用边际 交易成本（cost-per-dollar-volumn）的衡量方式，代表交易中每单位交易额的边际交易成本，对价差因子进行增 强。

2.2、流动性因子投资逻辑

价差因子的选股逻辑主要有以下两点： 1、 流动性溢价理论：如果投资者持有流动性较差的股票，那么在变现时会面临较高的交易成本和较长的 等待时间。为了补偿变现时的潜在损失，投资者会要求一个更高的预期收益率，因此有正向的流动性溢 价。 2、 信息不对称：价差的大小反映了市场中的信息不对称程度。对于信息不透明、研究覆盖少的股票，做市 商和流动性提供者会面临更大的与知情交易风险。这种情况下，他们会设置更大的买卖价差。因此，价 差往往与信息不对称程度有正相关关系，而这同样需要更高的风险溢价来补偿。 一般情况下，使用价差因子都可以筛选出具有流动性溢价的股票，但是部分股票可能因为消息面的原因出 现短期的剧烈波动，考虑两种情况：1、在市场剧烈波动、消息面复杂（如发布财报）的时候，股票 A 交易过于 活跃，股价剧烈波动，此时股票价差与成交额均高于正常水平；2、由于股票 B 交易过于低迷，股票价差较大， 此时股票 B 成交额较低，股票交易难度较大 。 虽然股票 B 的流动性风险要高于股票 A，但是无法使用价差数据区分以上两种情况。因此本文引入边际交 易成本的逻辑，将价差除以成交额构建增强因子。增强因子可以更好区分出以上两种情况，更精准地获取流动 性溢价，增强因子的稳定性。

2.3 流动性因子定义与构建

2.3.1 ROLL 指标

Roll (1984)：通过计算资产价格变动的协方差来估计市场买卖价差。 Roll 价差基于以下两个基础假设 假设 1：有效市场。 假设 2：观察到的价格变动的概率分布是平稳的。

在有效市场，股票价格围绕均衡价格波动。当且仅当市场接收到未预期的重大消息时，均衡价格才会变动， 股票价格围绕新的均衡价格波动，价格变化不存在相关性。

2.4 流动性因子绩效表现

Roll_I 因子： ????_?因子表现出优异的选股能力。因子年化多空收益 18.13%，夏普比率 2.26，IC 均值 6.99%，年化 IC _I R 达到 2.89。

????_?因子的分层效果区分度明显。不同分组间具有单调的年化超额收益（相对中证全指），并且，Q 1 组 相对 Q10 组具有将近 18.74%的超额收益（其中 Q 1 达 18.37%的多头超额收益， Q10 为-0.37%⁡ ）

CS_I 因子： ??_?因子表现出优异的选股能力。因子年化多空收益 35.19%，夏普比率 3.69，IC 均值-9.22%，年化 I C_ IR 达到-3.80。

??_?因子的分层效果区分度明显。不同分组间具有单调的年化超额收益（相对中证全指），并且，Q 1 组相对 Q10 组具有将近 31.86%的超额收益（其中 Q1 达 19.29%的多头超额收益， Q10 为-12.57%⁡ ）

AR_I 因子： ??_?因子表现出优异的选股能力。因子年化多空收益 28.47%，夏普比率 2.96，IC 均值 8.15%，年化 I C_ IR 达到 3.18。

??_?因子的分层效果区分度明显。不同分组间具有单调的年化超额收益（相对中证全指），并且，Q 1 组相 对 Q10 组具有将近 27.00%的超额收益（其中 Q1 达 18.73%的多头超额收益， Q10 为-8.27%⁡ ）

OHLC_I 因子： ???C_I 因子表现出优异的选股能力。因子年化多空收益 21.25%，夏普比率 2.55，IC 均值 7.56%，年化 IC_IR 达到 3.32。

???C_I 因子的分层效果区分度明显。不同分组间具有单调的年化超额收益（相对中证全指），并且，Q 1 组 相对 Q10 组具有将近 21.28%的超额收益（其中 Q 1 达 18.80%的多头超额收益， Q10 为-2.48%⁡ ）

OHL_I 因子： ???_I 因子表现出优异的选股能力。因子年化多空收益 21.45%，夏普比率 2.48，IC 均值 7.91%，年化 I C_ IR 达到 3.28。

???_I 因子的分层效果区分度明显。不同分组间具有单调的年化超额收益（相对中证全指），并且，Q 1 组相 对 Q10 组具有将近 21.46%的超额收益（其中 Q1 达 18.33%的多头超额收益， Q10 为-3.13%⁡ ）

CHL_I 因子： ???_I 因子表现出优异的选股能力。因子年化多空收益 21.14%，夏普比率 2.50，IC 均值 7.61%，年化 I C_ IR 达到 3.14。

???_I 因子的分层效果区分度明显。不同分组间具有单调的年化超额收益（相对中证全指），并且，Q 1 组相 对 Q10 组具有将近 21.26%的超额收益（其中 Q1 达 18.42%的多头超额收益， Q10 为-2.84%⁡ ）

CHLO_I 因子： ????_I 因子表现出优异的选股能力。因子年化多空收益 21.28%，夏普比率 2.54，IC 均值 7.46%，年化 IC_IR 达到 3.27。

????_I 因子的分层效果区分度明显。不同分组间具有单调的年化超额收益（相对中证全指），并且，Q 1 组 相对 Q10 组具有将近 21.33%的超额收益（其中 Q 1 达 18.74%的多头超额收益， Q10 为-2.59%⁡ ）

EDGE_I 因子： ????_?因子表现出优异的选股能力。因子年化多空收益 24.07%，夏普比率 2.69，IC 均值 7.74%，年化 I C_ IR 达到 3.10。

????_?因子的分层效果区分度明显。不同分组间具有单调的年化超额收益（相对中证全指），并且，Q 1 组 相对 Q10 组具有将近 23.46%的超额收益（其中 Q 1 达 17.94%的多头超额收益， Q10 为-5.52%⁡ ）

三、波动率因子

波动率因子介绍及投资逻辑

波动率指标衡量了标的的波动程度，波动率越高，资产收益的不确定性就越大，风险也就越高。市场 中存在低波异象，即波动率较低的股票往往有更佳的市场表现。投资者可能对高波动的股票过度乐观，导 致价格被高估；而对低波动的股票悲观，导致价格被低估。 本文使用日内分钟级数据构建波动率相关指标，衡量日内波动的剧烈程度。 一般来说，投资者在承担波动率风险时，往往会要求一定的风险溢价，这意味着波动率高的股票往往 未来表现更好。现实中，可能存在动量效应的扰动，即股票的单边行情引发大量趋同交易，导致股票价格 高估。为了减弱动量效应的影响，本文使用波动率因子除以当天的成交额构建改进因子，用新的因子衡量 波动率风险溢价。

波动率因子绩效表现

parksinson_vol_I

parksinson_vol_I 因子表现出优异的选股能力。因子年化多空收益 31.75%，夏普比率 3.19，IC 均值 8.55%， 年化 IC_IR 达到 3.39。parksinson_vol_I 因子的分层效果区分度比较高。不同分组间具有单调的年化超额收益（相 对中证全指），并且，Q1 组相对 Q10 组具有将近 29.37%的超额收益（其中 Q1 达 18.76%的多头超额收益， Q10 为-10.61% ）。

garman_class_vol_I 因子： garman_class_vol_I 因子表现出优异的选股能力。因子年化多空收益 33.30%，夏普比率 3.39，IC 均值 8.75%， 年化 IC_IR 达到 3.50。garman_class_vol_I 因子的分层效果区分度比较高。不同分组间具有单调的年化超额收益 （相对中证全指），并且，Q1 组相对 Q10 组具有将近 30.48%的超额收益（其中 Q1 达 18.87%的多头超额收益， Q10 为-11.61% ）。

rogers_satchell_vol_I 因子： rogers_satchell_vol_I 因子表现出优异的选股能力。因子年化多空收益 32.85%，夏普比率 3.42，IC 均值 8.76%， 年化 IC_IR 达到 3.58。rogers_satchell_vol_I 因子的分层效果区分度比较高。不同分组间具有单调的年化超额收益 （相对中证全指），并且，Q1 组相对 Q10 组具有将近 29.98%的超额收益（其中 Q1 达 18.22%的多头超额收益， Q10 为-11.76% ）。

yang_zhang_vol_I 因子： yang_zhang_vol_I 因子表现出优异的选股能力。因子年化多空收益 31.69%，夏普比率 3.23，IC 均值 8.58%， 年化 IC_IR 达到 3.36。yang_zhang_vol_I 因子的分层效果区分度比较高。不同分组间具有单调的年化超额收益（相 对中证全指），并且，Q1 组相对 Q10 组具有将近 29.42%的超额收益（其中 Q1 达 19.15%的多头超额收益， Q10 为-10.27% ）。

cho_frees_vol_I 因子： cho_frees_vol_I 因子表现出优异的选股能力。因子年化多空收益 31.33%，夏普比率 3.03，IC 均值 9.05%，年 化 IC_IR 达到 3.74。cho_frees_vol_I 因子的分层效果区分度比较高。不同分组间具有单调的年化超额收益（相对 中证全指），并且，Q1 组相对 Q10 组具有将近 29.31%的超额收益（其中 Q1 达 18.69%的多头超额收益， Q10 为 -10.62% ）。

四、高频流动性与波动率因子样本外跟踪表现

从 2024 年 9 月开始样本外跟踪，截至 2025 年 9 月，有 3 个因子多空收益超 30%，有 10 个因子多空收益在 20%-30%区间，其中表现最好的因子是 yang_zhang_vol_I，多空收益 31.63%，夏普比率 2.94，IC 均值 9.07%，年 化 IC_IR 达到 3.88，表现非常不错。

五、高频流动性与波动率因子在主要宽基指数样本池内的绩效表现

5.1 流动性因子在主要宽基指数样本池内的绩效表现

我们将本文流动性因子分别限制在中证 1000、中证 800、中证 500、沪深 300 成分股上，考察因子在不同 指数样本池里的绩效表现。 流动性因子在中证 1000 指数成分股上表现较好，成交额增强因子的多头超额收益均超 10%。

流动性因子在中证 800 指数成分股上表现不如中证 1000 指数，绝大部分因子多头超额超 5%。

流动性因子在中证 500 指数成分股上表现优于中证 800 指数。

流动性因子在沪深 300 指数成分股上表现一般，edge 因子多头超额超 5%。

流动性因子在中证 A500 指数成分股上表现优于沪深 300 指数成分股。

5.2 波动率因子在主要宽基指数样本池内的绩效表现

波动率因子在中证 1000 指数成分股上表现较好，成交额增强因子的多头超额均超 12%。

波动率因子在中证 800 指数成分股上表现弱于中证 1000 指数。

波动率因子在中证 500 指数成分股上表现较好。

波动率因子在沪深 300 指数成分股上表现较差。

波动率因子在中证 A500 指数成分股上表现优于沪深 300 指数成分股。

六、高频流动性与波动率因子和常规因子相关性

6.1 高频流动性因子和常规因子的相关性

流动性因子和常规因子的相关性如下： 由于流动性因子都是由价格数据构建，并且逻辑都是衡量买卖价差，因此流动性因子内部相关性较高。除 了 CS_I 因子与 LnFloatCap 因子的相关性系数较高（0.56），流动性因子与其他大类因子的相关性较低。

6.2 波动率因子和常规因子的相关性

波动率因子内部相关性较高。除了 parkinson_I、garman_class_I 和 rogers_satchell_I 因子与 LnFloatCap 因子 的相关性系数较高，波动率因子与其他大类因子的相关性较低。

七、总结和思考

本文对高频流动性因子与波动率因子进行了深入研究，发掘出价差类、波动率类共两类因子。其中， 基于股票高频高开低收数据构建了 Roll、CS、AR、DGE、EDGE 等价差因子，基于高频高开低收数据构建了 Parkinson、Garman-Klass 等历史波动率因子，并构建了价差增强因子与波动率增强因子。 本文基于股票高频高开低收数据构建了 Roll、CS、AR、DGE、EDGE 等价差因子，其中 CS_I 因子表现最 好，年化多空收益 35.19%，夏普比率 3.69，IC 均值-9.22%，年化 IC_IR 达到-3.80；基于高频高开低收数据构建 了 Parkinson、Garman-Klass 等历史波动率因子，其中 garman_class_vol_I 因子表现最好，年化多空收益 33.30%，夏普比率 3.39，IC 均值 8.75%，年化 IC_IR 达到 3.50 本文测试了高频流动性与波动率因子在不同样本池的表现，高频流动性与波动率因子在中证 1000 样 本池内表现最好。相关性分析结果表示，高频流动性与波动率因子与常规大类因子的相关性较低，具有良 好的互补性。

（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。）