cn_stock_factors_hf_fz_institution_trace

数据描述

以分钟成交量首位数字偏离本福特分布的程度，度量机构交易行为留下的痕迹

数据简介

本福特法则指出，许多真实数据集中首位数字的出现频率并不均匀，而是服从 $P(n) = \log_{10}(n+1) - \log_{10}(n)$ 的递减分布。研报发现个股分钟成交量整体上很好地贴近这一理想分布，而偏离的大小可作为「机构行为痕迹」的代理变量：机构单笔成交量更大，更容易干扰首位数字的分布，因此偏离越大、机构的行为痕迹越重。

本表基于 cn_stock_bar1m 输出两个因子：偏离度本身 institution_trace（研报第 2 节，即研报中的 X 指标），以及研报用于划分情景空间的偏离度环比变化 institution_trace_chg（研报第 3 节，即研报中的 ΔX）。两者共用同一次分钟成交量扫描，故合并为一张表。研报强调 X 指标不带买卖方向性，本身不具备选股能力，用途是对其他因子做横截面的「情景分析」（判断因子对哪些股票有效），而非直接选股。

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: 《本福特的启示：从分钟成交量看机构痕迹——“聆听高频世界的声音”系列研究（六）》
• 作者: 魏建榕、高子剑
• 机构: 方正证券
• 时间: 2017-08-13

表结构

• 表名: cn_stock_factors_hf_fz_institution_trace
• 中文表名: 方正证券机构痕迹因子
• 数据描述: 以分钟成交量首位数字偏离本福特分布的程度，度量机构交易行为留下的痕迹
• 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

institution_trace 单日需回溯至多 40 个交易日的分钟数据以凑足 5000 个非零成交量；institution_trace_chg 还需 20 个交易日前的 institution_trace，因此实际回溯约 60 个交易日，单日增量的分钟数据扫描量约为输出区间的 60 倍。

分钟数据按股票分块查询（每块的 bar 行数不超过 MAX_BARS_PER_CHUNK），逐块查完在 Python 侧拼接后再算因子。cn_stock_bar1m 按 instrument 分区存储，instrument 过滤能触发分区裁剪，因此分块不增加总扫描量。

因子列表

institution_trace

中文名: 机构痕迹指标

描述: 用分钟成交量首位数字分布对本福特理想分布的偏离程度，度量个股上的机构交易痕迹。机构相对散户单笔成交量更大，更容易干扰首位数字的分布，因此偏离越大、机构行为痕迹越重。研报指出该指标不带买卖方向，本身不具备选股能力，用于对其他因子做情景分析。

构建逻辑:

1. 在每个月月底，对每只股票向前取其最近 5000 个非零的分钟成交量数据。若向前推 40 个交易日仍未凑足 5000 个非零数据，则该股票当期不参与 X 指标的计算。
2. 对步骤 1 得到的 5000 个成交量数据，统计首位数字出现的频率，分别记为 $f(1), f(2), \ldots, f(9)$。
3. 计算该频率分布与本福特理想分布的偏差 X，即各项偏差的平方和：

$$X = \sum_{n=1}^{9} \bigl(f(n) - P(n)\bigr)^2$$

其中 $P(n)$ 为本福特理想分布中首位数字出现 $n$ 的频率：

$$P(n) = \log_{10}(n+1) - \log_{10}(n)$$

X 的数值越大，则成交量数据与本福特理想分布的偏离越大，机构的行为痕迹也越大。

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。窗口口径不变，仍为「截至该交易日收盘的最近 5000 个非零分钟成交量，且不早于该交易日前推 40 个交易日」，凑不足 5000 个时该股当日因子为空。
• 日内时段的落地口径：研报只要求「非零」，未要求剔除任何日内时段，因此 cn_stock_bar1m 全天的分钟 bar（含开盘集合竞价汇总的那一根）只要 volume > 0 就都参与首位数字统计，不做时段裁剪。首位数字统计对数量级不敏感（本福特分布具有尺度不变性），集合竞价那一根成交量偏大也不会系统性改变分布形态，且在 5000 个样本中占比可忽略。

institution_trace_chg

中文名: 机构痕迹指标增量

描述: 机构痕迹指标的环比变化率，刻画机构行为痕迹是在增强还是减弱。研报按该指标把全市场股票排序分为 3 个情景空间，用于检验其他因子在「机构痕迹增量大 / 中 / 小」的股票上分别有多强的选股能力；研报结论是机构行为痕迹增量大的股票上，换手率变化率、聪明钱 Q 因子、净利润同比增长率的选股效果都更显著。

构建逻辑: 在每个月月底，用本月 X 指标除以上月 X 指标再减 1，得到 X 指标的增量 ΔX：

$$\Delta X = \frac{X_t}{X_{t-1}} - 1$$

其中 $t$ 为月度序号。研报按 ΔX 对全体 A 股排序分组，划分为 3 个情景空间。

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
• 环比间隔：研报为月度环比（本月 X / 上月 X - 1），本项目改为逐日计算后取 20 个交易日的间隔（当日 X / 20 个交易日前 X - 1），以 20 个交易日近似研报的一个月
• 情景空间分组：研报的「排序分 3 组」是截面分组动作，取决于下游的股票池与分组数，不属于因子值本身，本表只输出 ΔX 原始值，不做分组

复现核对

核对口径: 待因子入库后按 2013-04 ~ 2017-05（研报回测区间）与全样本区间分别核对；全市场不做任何股票过滤；前向收益取 20 个交易日；rankIC（Spearman，按 hfwarehouse.utils.ic.validate_factor_ic 的口径先做截面百分位排名再算 Pearson 相关）；研报为月末截面、本项目逐日，故同时给出月末子样本与逐日全样本两列。

研报没有披露 X 指标或 ΔX 自身的 IC / ICIR：研报明确指出 X 指标「因其不带『买』或『卖』的方向性，天然地不具备选股能力」，全文给出的数值都是被测因子在 X 情景空间内的表现（图表 5 换手率变化率因子 ICIR 1.26 / 0.63 / 0.90、多空年化 18.2% / 5.0% / 6.8%；图表 6 聪明钱 Q 因子 ICIR 2.93 / 2.06 / 1.88、多空年化 29.2% / 20.3% / 17.3%，按 ΔX 从大到中到小排列）。

因此本表的复现核对分两层，第二层需要在本表之外另建被测因子：

1. 因子值层面（本表可自证）：检查分钟成交量首位数字的真实分布是否贴近本福特分布（对应研报图表 4），以及 institution_trace 的量级与横截面分布是否合理。研报图表 4 只给了万科 A 在 2017 年 4 月的柱状图、未给数值表，只能做形态比对。
2. 情景分析层面（对应研报图表 5）：需要额外构建「换手率的变化率」因子（近 20 个交易日平均换手率 / 近 40 个交易日平均换手率 - 1，可由 cn_stock_prefactors 直接算出），按 institution_trace_chg 分 3 组后分别计算 ICIR 与五分组多空对冲年化收益，与研报图表 5 的 6 个数值对照。图表 6 的聪明钱 Q 因子来自另一篇研报（《跟踪聪明钱：从分钟行情到数据选股因子》，20160708），本仓库尚未构建，无法核对。

上述两层核对均在因子入库后补做，数值出来后回填本小节；对不上时如实记录差异，不调参数去凑研报。

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。