cn_stock_factors_hf_dw_cpv_uid_composite

数据描述

基于分钟价量相关性与高频波动率均匀度，构建CPV与UID两类选股因子

数据简介

两篇研报都从日内分钟序列的统计结构出发构造选股因子：前者用分钟收盘价与分钟成交量的日度相关系数，取 20 日的均值、标准差与趋势三个维度，逐层剔除传统反转因子后合成最终的 CPV 因子；后者用日内分钟涨跌幅的标准差（日度高频波动率），取 20 日的变异系数作为「信息分布均匀度」UID 因子，再剔除传统波动率因子。

本表输出这两篇研报中由子因子进一步合成或正交化得到的因子，共 8 个：CPV 家族的综合因子、剔除反转版、原文口径趋势因子、最终 CPV 与纯净 CPV；UID 家族的剔除波动率版、纯净 UID，以及作为对照基准的传统波动率因子。两篇研报的日频中间量（日价量相关系数、日内高频波动率）都只需扫描一次 cn_stock_bar1m_c 的日内分钟序列，故合并为一张表。

本表与 cn_stock_factors_hf_dw_intraday_pv 同源但不重复：那张表的来源是东吴金工分钟因子研报汇总，输出的是各篇的子因子（pv_corr_avg、pv_corr_std、pv_corr_trend、vol_daily、uid 等）；本表来源是上述两篇研报原文，只输出汇总中缺失的合成与正交化因子，字段名不与那张表重叠。其中 pv_corr_trend_full 与那张表的 pv_corr_trend 是同一个回归斜率的两种中性化口径，详见该因子的项目实现说明。

数据区间：2015-01-05 ~ 2026-11-03（每个交易日一条记录）。

文献来源

• 标题: 《“技术分析拥抱选股因子”系列研究（一）：高频价量相关性，意想不到的选股因子》

• 作者: 高子剑、沈芷琦

• 机构: 东吴证券

• 时间: 2020-02-23

• 标题: 《“波动率选股因子”系列研究（二）：信息分布均匀度，基于高频波动率的选股因子》

• 作者: 高子剑

• 机构: 东吴证券

• 时间: 2020-09-01

表结构

• 表名: cn_stock_factors_hf_dw_cpv_uid_composite
• 中文表名: 东吴证券价量相关性与信息分布均匀度因子
• 数据描述: 基于分钟价量相关性与高频波动率均匀度，构建CPV与UID两类选股因子
• 主键: date + instrument
• 记录粒度: 每个交易日每只股票一条记录

依赖数据

分钟表按 CAST(date AS TIME) >= '09:31:00' 过滤，剔除开盘集合竞价 bar、保留 15:00 收盘集合竞价 bar，当日恰为 240 根连续竞价分钟（已实测 min(bars) = max(bars) = 240）。因子窗口为 20 个有效交易日，为覆盖停牌实际回溯 40 个交易日的分钟数据；cpv_pure / uid_pure 的风格因子含 250 个交易日同比的营收增速项与 22 日贝塔，故 cn_stock_prefactors 单独回溯 300 个交易日。

因子列表

pv_corr

中文名: 价量相关性综合因子

描述: 研报把日价量相关系数的 20 日均值与 20 日标准差视为两个互补维度：均值因子 PV_corr_avg 刻画过去一段时间价量配合（正相关，对应反转）还是价量背离（负相关，对应动量）；波动性因子 PV_corr_std 刻画价量关系是否稳定——价量关系维持一种稳定形态的股票被归为未来多头，在多种形态间频繁转换的被归为空头。研报指出两个子因子的平均月度相关系数仅约 0.15，故简单等权合成。合成后月度 RankIC 均值 $-0.081$、年化 RankICIR $-3.69$，5 分组多空对冲年化收益 19.62%、信息比率 2.42、月度胜率 83.10%、最大回撤 9.50%，明显优于传统反转因子（信息比率 1.04）。

构建逻辑: 每月月底回溯每只股票过去 20 个交易日，每日计算该股票分钟收盘价与分钟成交量的相关系数。取 20 日相关系数的平均值并做横截面市值中性化，得到均值因子 PV_corr_avg；取 20 日相关系数的标准差并同样做市值中性化，得到波动性因子 PV_corr_std。再把两者分别横截面标准化后等权线性相加：

$$\text{PV\_corr} = \frac{\text{PV\_corr\_avg} - \text{mean}(\text{PV\_corr\_avg})}{\text{std}(\text{PV\_corr\_avg})} + \frac{\text{PV\_corr\_std} - \text{mean}(\text{PV\_corr\_std})}{\text{std}(\text{PV\_corr\_std})}$$

项目实现说明:

• 计算频率：研报原文为每月月底计算，本项目按项目规范改为每个交易日计算
• 240 根分钟 bar 的口径：按 CAST(date AS TIME) >= '09:31:00' 剔除开盘集合竞价 bar（沪深记在 09:25、北交所记在 09:30），保留 15:00 收盘集合竞价 bar
• 相关系数取 Pearson 相关。当日分钟收盘价或分钟成交量为常数（无成交、一字板）时 DuckDB 的 CORR 返回 NaN 而非 NULL，本项目显式转为 NULL，避免 NaN 传播污染后续 20 日滚动统计
• 两个子因子 PV_corr_avg / PV_corr_std 是中间量，字段名已被 cn_stock_factors_hf_dw_intraday_pv 占用，本表不重复输出
• 市值中性化实现为：先对子因子做截面 MAD 5 倍去极值与 z-score，再对 $\log(\text{total\_market\_cap})$ 回归取残差

文献出处: 作者：高子剑、沈芷琦；时间：2020-02-23；标题：《“技术分析拥抱选股因子”系列研究（一）：高频价量相关性，意想不到的选股因子》；机构：东吴证券

pv_corr_deret20

中文名: 剔除反转后的价量相关性综合因子

描述: 研报指出价量相关性因子可以看作对传统反转因子的一种修正，因此两者选股信息必然重叠——综合因子 PV_corr 与反转因子的平均月度相关系数约 0.16。进一步精炼信息后，新因子月度 IC 均值 $-0.054$、RankIC 均值 $-0.076$、年化 ICIR $-3.28$、年化 RankICIR $-4.17$；相比传统反转因子在维持年化收益不变（19.50% 对 18.74%）的情况下大幅提高稳定性，信息比率 2.86、月度胜率 84.51%、最大回撤仅 3.67%。

构建逻辑: 先把两个子因子 PV_corr_avg 和 PV_corr_std 分别剔除反转因子（对 20 日收益率因子 Ret20 回归取残差），再各自横截面标准化，等权线性相加。

项目实现说明:

• 计算频率：研报原文为每月月底计算，本项目按项目规范改为每个交易日计算
• 反转因子 Ret20 取过去 20 个有效交易日涨跌幅的累乘收益，与研报「20 日收益率因子」一致

文献出处: 作者：高子剑、沈芷琦；时间：2020-02-23；标题：《“技术分析拥抱选股因子”系列研究（一）：高频价量相关性，意想不到的选股因子》；机构：东吴证券

pv_corr_trend_full

中文名: 价量相关性趋势因子

描述: 研报在均值与波动两个维度之外，发现价量相关性的变化趋势还能带来增量信息。因子值越小，即价量相关系数随时间推移变小的股票，未来收益倾向于越高，这与均值因子的逻辑相呼应。研报回测月度 IC 均值 $-0.042$、RankIC 均值 $-0.057$、年化 ICIR $-3.45$、年化 RankICIR $-3.97$；5 分组多空对冲年化收益 14.55%、信息比率 2.83、月度胜率 85.92%、最大回撤 2.45%。研报注明整体分组不严格单调（分组 2 优于分组 1），但多空对冲在 2019 年明显优于 pv_corr_deret20。

构建逻辑: 每月月底仍回溯过去 20 个交易日的日度价量相关系数 $\rho_t$，把 20 个 $\rho_t$ 对时间 $t$ 回归，取回归系数 $\beta$：

$$\rho_t = \beta \cdot t + \varepsilon_t, \quad t = 1, 2, 3, \ldots, 20$$

再把所有股票的回归系数 $\beta$ 在横截面上剔除市值与传统价量类因子（20 日反转、20 日换手率、20 日波动率因子），得到的结果即为趋势因子。

项目实现说明:

• 计算频率：研报原文为每月月底计算，本项目按项目规范改为每个交易日计算
• 字段名加 _full 后缀以区别于 cn_stock_factors_hf_dw_intraday_pv 的 pv_corr_trend：那张表来自研报汇总，只对 $\beta$ 做了市值中性化；本字段按研报原文同时剔除市值与 20 日反转、换手率、波动率四项，是四元截面回归的残差
• 四个自变量分别取 $\log(\text{total\_market\_cap})$、Ret20（20 日涨跌幅累乘）、Turn20（20 日平均换手率）、VOL20（20 日日收益率样本标准差），回归前逐列做截面 MAD 5 倍去极值与 z-score

文献出处: 作者：高子剑、沈芷琦；时间：2020-02-23；标题：《“技术分析拥抱选股因子”系列研究（一）：高频价量相关性，意想不到的选股因子》；机构：东吴证券

cpv

中文名: CPV 因子

描述: 研报的最终因子（Correlation of Price and Volume），涵盖价量相关性 3 个维度的综合信息。研报检验趋势因子在剔除 pv_corr_deret20 后仍具有一定选股能力，故把趋势因子的增量信息叠加其上。回测月度 IC 均值 $-0.053$、RankIC 均值 $-0.073$、年化 ICIR $-3.77$、年化 RankICIR $-4.53$；5 分组多空对冲年化收益 19.29%、信息比率 3.03、月度胜率 87.32%、最大回撤仅 2.90%。

构建逻辑: 把 pv_corr_deret20 与趋势因子分别横截面标准化后等权相加：

$$\text{CPV} = \frac{\text{PV\_corr\_deRet20} - \text{mean}(\text{PV\_corr\_deRet20})}{\text{std}(\text{PV\_corr\_deRet20})} + \frac{\text{PV\_corr\_trend} - \text{mean}(\text{PV\_corr\_trend})}{\text{std}(\text{PV\_corr\_trend})}$$

项目实现说明:

• 计算频率：研报原文为每月月底计算，本项目按项目规范改为每个交易日计算

文献出处: 作者：高子剑、沈芷琦；时间：2020-02-23；标题：《“技术分析拥抱选股因子”系列研究（一）：高频价量相关性，意想不到的选股因子》；机构：东吴证券

cpv_pure

中文名: 纯净 CPV 因子

描述: 研报为剔除常用风格与行业的干扰，把 CPV 因子对 Barra 风格因子与申万一级行业虚拟变量回归取残差。研报称纯净 CPV 仍然具备良好的选股能力，其 5 分组多空对冲的信息比率甚至优于原始因子。

构建逻辑: 在每个截面上，把 cpv 对 10 个风格因子与申万一级行业哑变量做最小二乘回归，取残差。

项目实现说明:

• 计算频率：研报原文为每月月底计算，本项目按项目规范改为每个交易日计算
• 风格因子口径：研报使用 Barra 风格因子，本项目无 Barra 因子库，用 cn_stock_prefactors 字段构造十个同名代理变量——Beta 取 beta_000300SH_22，Size 取 $\log(\text{total\_market\_cap})$，NonLinearSize 取 Size 的三次项，BooktoPrice 取 $1 / \text{pb}$，EarningsYield 取 $1 / \text{pe\_ttm}$，Growth 取营业总收入 TTM 的 250 个交易日同比，Leverage 取 debt_to_asset_lf，ResidualVolatility 取日收益率的 22 日标准差，Liquidity 取 $\log$(22 日平均换手率)，Momentum 用 Ret20 替代
• 行业口径：本项目用 sw2021_level1（申万 2021 版一级行业，31 个）
• 回归前对因子与自变量逐列做截面 MAD 5 倍去极值与 z-score；行业缺失的股票不参与回归，残差置空

文献出处: 作者：高子剑、沈芷琦；时间：2020-02-23；标题：《“技术分析拥抱选股因子”系列研究（一）：高频价量相关性，意想不到的选股因子》；机构：东吴证券

vol20_neutral

中文名: 传统波动率因子 VOL20

描述: UID 研报用来对照的传统波动率因子。研报指出 UID 因子在 2019 年 8 月以来的表现欠佳，可能是受传统波动率因子拖累（同期传统因子累计多空对冲收益为负），因此才有后续的正交化处理。

构建逻辑: 过去 20 日的日收益率标准差，并做市值中性化处理。

项目实现说明:

• 计算频率：研报原文为每月月底计算，本项目按项目规范改为每个交易日计算
• 市值中性化实现为：先做截面 MAD 5 倍去极值与 z-score，再对 $\log(\text{total\_market\_cap})$ 回归取残差

文献出处: 作者：高子剑；时间：2020-09-01；标题：《“波动率选股因子”系列研究（二）：信息分布均匀度，基于高频波动率的选股因子》；机构：东吴证券

uid_devol20

中文名: 剔除传统波动率后的信息分布均匀度

描述: 研报把 UID 因子对传统波动率因子 VOL20 做正交化得到的新因子。逻辑是：假设某只股票过去 20 个交易日的信息总量一定，若在某几个交易日发生信息冲击（信息流入速度突然加快、流入量突然增大），这几天的高频波动率会明显高于其他交易日，从而使 20 日波动率的标准差变大；因此信息分布越不均匀的股票该指标越大。研报实测 $\text{std}(\text{Vol\_daily})$ 与 $\text{mean}(\text{Vol\_daily})$ 的平均月度相关系数高达 0.66，故需相除做标准化。正交化后月度 IC 均值 $-0.044$、年化 ICIR $-3.43$；全市场 5 分组多空对冲年化收益 17.99%、年化波动 6.42%、信息比率 2.80、月度胜率 81.82%、最大回撤 1.26%，相比 UID 在近期的表现明显提升。

构建逻辑: 先逐日用分钟数据计算日内分钟涨跌幅的标准差，记为每日高频波动率 Vol_daily；对每只股票计算过去 20 个 Vol_daily 的标准差与平均值，相除后做市值中性化，得到信息分布均匀度 UID：

$$\text{UID} = \frac{\text{std}(\text{Vol\_daily})}{\text{mean}(\text{Vol\_daily})}$$

再把 UID 对 VOL20 做正交化处理，取残差。

项目实现说明:

• 计算频率：研报原文为每月月底计算，本项目按项目规范改为每个交易日计算
• 日内分钟涨跌幅仅用当日数据，首根 bar 无涨跌幅、自然剔除研报要求剔除的隔夜收益分量
• UID 本身是中间量，字段名已被 cn_stock_factors_hf_dw_intraday_pv 的 uid 占用，本表不重复输出
• 正交化对象取本表的 vol20_neutral（已做市值中性化），与研报「UID 因子对 VOL20 做正交化」一致

文献出处: 作者：高子剑；时间：2020-09-01；标题：《“波动率选股因子”系列研究（二）：信息分布均匀度，基于高频波动率的选股因子》；机构：东吴证券

uid_pure

中文名: 纯净 UID 因子

描述: 研报把 UID 因子对 Barra 风格因子和 28 个申万一级行业虚拟变量回归取残差。剔除常用风格与行业后，纯净 UID 因子年化 ICIR 仍可达 $-3.17$，全市场 5 分组多空对冲年化收益 12.96%、年化波动 4.97%、信息比率 2.61、月度胜率 75.32%、最大回撤仅 1.22%，且最近 1 年的表现也明显提升。研报给出 UID 与 10 个 Barra 风格因子的相关系数，其中 VOL20 0.2806、BooktoPrice $-0.1968$、Liquidity 0.1350 最高。

构建逻辑: 在每个截面上，把 UID 因子对 10 个风格因子与申万一级行业哑变量做最小二乘回归，取残差。

项目实现说明:

• 计算频率：研报原文为每月月底计算，本项目按项目规范改为每个交易日计算
• 风格因子与行业口径同 cpv_pure；研报在相关性表中用 VOL20 替代波动因子，本项目的十个代理变量中 ResidualVolatility 已承担该角色，不额外加入 VOL20

文献出处: 作者：高子剑；时间：2020-09-01；标题：《“波动率选股因子”系列研究（二）：信息分布均匀度，基于高频波动率的选股因子》；机构：东吴证券

复现核对

核对口径: 2015-03-01 ~ 2020-07-31（CPV 篇回测期为 2014/01/01-2020/01/31、UID 篇为 2014/01/01-2020/07/31，本项目 cn_stock_bar1m_c 自 2015-01-05 起才有数据，加上 20 日窗口预热，起点晚约 14 个月）；全市场不做任何股票过滤（两篇研报均剔除 ST、停牌、上市不足 60 个交易日的次新股）；前向收益取次日开盘到 21 个交易日后开盘（不用收盘口径：收盘价含当日反转信息，会系统性放大反转类因子的表现）；IC 为 Pearson、RankIC 为 Spearman；研报为月末截面、本项目逐日，故同时给出月末子样本（65 个截面日）与逐日全样本（1324 个截面日）。研报的「年化 ICIR」是月度 ICIR $\times \sqrt{12}$，本项目月末列按同一口径年化。

复现质量：CPV 家族的三个主因子全部命中——pv_corr_deret20 月度 IC -0.0520 对研报 -0.054、RankIC -0.0741 对 -0.076；最终因子 cpv 月度 IC -0.0511 对 -0.053、RankIC -0.0698 对 -0.073，年化 RankICIR -4.16 对 -4.53。UID 家族的 uid_devol20 月度 IC -0.0428 对研报 -0.044，误差 0.001 以内。cpv_pure 的年化 RankICIR -5.09 强于未纯净化的 cpv（-4.16），与研报「纯净 CPV 的信息比率甚至优于原始因子」的描述一致。

一处明确对不上，标为待确认：pv_corr_trend_full 的强度只有研报的约一半——月度 IC -0.0188 对研报 -0.042，RankIC -0.0244 对 -0.057，年化 RankICIR -1.96 对 -3.97。方向（负）与研报一致，量级差一倍。可能的原因，按可疑程度排列：

1. 四个控制变量的定义未被研报披露。研报只写「剔除市值、传统价量类因子（20 日反转、20 日换手率、20 日波动率因子）」，没说这三个传统因子各自怎么算（反转是累乘还是均值、波动率是日收益率标准差还是别的、是否各自先做市值中性化）。本项目取 Ret20 = 20 日涨跌幅累乘、Turn20 = 20 日平均换手率、VOL20 = 20 日日收益率样本标准差，四个自变量一次性做四元回归。若研报是逐个顺序剔除、或对自变量另有处理，残差不同
2. 样本区间不同：本项目缺 2014 全年与 2015 年前两个月，而研报的趋势因子在 2014 年表现最弱（研报表 5：2014 年分组 1 对冲分组 5 的信息比率仅 0.38）。缺掉弱年份本应使本项目更强而非更弱，故这一项解释不了差距方向
3. 趋势因子本身是研报中最弱的一个（研报年化 ICIR -3.45，三个维度里最低），对实现细节最敏感

未为了对上研报去调整控制变量的定义或回归方式。cpv 作为 pv_corr_deret20 与趋势因子的等权合成，受此影响后仍对上了研报（-0.0511 对 -0.053），说明差距集中在趋势分量本身。

两点结构性说明：

• pv_corr 与 cn_stock_factors_hf_dw_intraday_pv 的 pv_corr_avg / pv_corr_std 是上下游关系而非重复：本表的 pv_corr 是那两个子因子标准化后的等权和，子因子本身不在本表输出（字段名已被那张表占用）
• 逐日样本的 ICIR 普遍小于月末样本的年化值，这是口径差异不是衰减：逐日列给的是日度 ICIR（未年化），日度 IC 的噪声远大于月度，两列不可直接比较。本表实际输出的是逐日口径，月末列只用于与研报对数

示例数据

按 date、instrument 排序后的前 5 行与后 5 行，由 update_docs() 推送文档时自动填充。