cn_stock_factors_hf_ht_hf_collection

数据描述

用1分钟K线计算偏度等五个高频因子并对常规风格正交的月度与周度版本

数据简介

研报从 Level2 行情的组成出发，系统整理海通前期基于分钟 K 线、TICK 委托、逐笔成交构建的十几个高频因子，所有因子均与行业、市值、中盘、反转、波动、换手等常规因子正交后检验（月度 T=20、周度 T=5），再展示其在指数增强模型中的应用。本表输出分钟 K 线可算的 5 个因子按研报口径正交后的残差，T=20、T=5 各 5 个，共 10 个字段。

不重复建的部分：

• 5 个因子的原始值：T=20 见 cn_stock_factors_hf_ht_return_distribution.rskew_1m_m1 与 cn_stock_factors_hf_ht_hf_price_volume 的 down_vol_ratio_1m_20、vol_ratio_hh8_20、pv_corr_1m_20、improved_reversal_20；T=5 见 cn_stock_factors_hf_ht_hf_factor_suite 的 hf_skew_5、down_vol_ratio_5、tail_vol_ratio_5、pv_corr_5、improved_reversal_5。两表与本表的正交残差只是控制变量集合不同
• 平均单笔流出金额占比、大单推动涨幅需要分钟成交笔数，见 cn_stock_factors_hf_ht_intraday_trade_count
• 开盘后净委买增额占比、开盘后买入意愿占比 / 强度（净委买类）与大买成交占比（大单类）按分组约定不做；开盘后净主买占比 / 强度源自海通（五十七），见 cn_stock_factors_hf_ht_active_buy，开盘后知情主卖占比源自海通（五十八），见 cn_stock_factors_hf_ht_informed_trade（两表由 orderbook 组构建），均需 cn_stock_bar1m_derived_c 的主动买卖，不在本表（kline 表）范围

数据区间：2011-01-04 ~ 2026-11-03（历史起点 2011-01-01，每个交易日一条记录）。

文献来源

• 标题: 《选股因子系列研究（六十九）——高频因子的现实与幻想》
• 作者: 冯佳睿、袁林青、姚石、罗蕾、余浩淼
• 机构: 海通证券
• 时间: 2020-07-30

表结构

• 表名: cn_stock_factors_hf_ht_hf_collection
• 中文表名: 海通证券分钟高频因子正交版
• 数据描述: 用1分钟K线计算偏度等五个高频因子并对常规风格正交的月度与周度版本
• 主键: date + instrument
• 记录粒度: 每个交易日每只股票一条记录（骨架为 cn_stock_prefactors 当日全部股票, 停牌股因子为空）

依赖数据

因子回溯 39 个交易日，单日增量实际读取约 40 个交易日的分钟数据（按自然月分块读取，stage1 结果有本地缓存时只读缺失的交易日）。历史起点 2011-01-01。

因子列表

hf_skew_20_orth69

中文名: 正交高频偏度（T=20，六十九口径）

描述: 日内 1 分钟收益已实现偏度的 N 日均值，日内下行风险大的股票风险溢价更高；影响方向为负。本字段为对行业、市值、中盘、反转、波动、换手正交后的残差（研报检验的就是正交后的因子）。

构建逻辑: 先按 T=20 计算高频偏度：

$$\frac{1}{T}\sum_{n=t-T+1}^{t}\frac{\sqrt{N_J}\sum_j r_{i,j,n}^3}{\left(\sum_j r_{i,j,n}^2\right)^{1.5}}$$

$N_J=240$ 为日内分钟数。

原始值同 cn_stock_factors_hf_ht_return_distribution.rskew_1m_m1；再在横截面上对常规因子与行业回归取残差。

项目实现说明:

• 计算频率：研报原文为月末（T=20）/ 周末（T=5）调仓日计算，本项目按项目规范改为每个交易日计算
• 「T 日」取 20 个有效交易日（停牌日不占名额），20 个有效日须落在当天往前 40 个交易日内，否则为空；当天无分钟数据时为空
• 分钟数据取 09:31 起 240 根连续竞价 bar；1 分钟收益为对数收益，第 1 根用 ln(close/open)，其余用相邻收盘价对数差，不含隔夜
• 当日有效收益不足 10 个或收益平方和为 0 时当日为空；$N_J$ 取当日有效收益个数
• 研报写「已和行业、市值、中盘、反转、波动、换手等常规因子正交」，未给定义。本项目自建：行业为申万一级（2021）哑变量；市值 ln(总市值)；中盘按海通常用口径取非线性市值（截面标准化市值三次方对标准化市值回归的残差）；反转为过去 20 个有效交易日累计收益；波动为过去 20 个有效交易日日收益标准差；换手为过去 20 个有效交易日日均换手率
• 回归前因变量与控制变量逐列做截面 MAD 5 倍去极值 + 标准化，控制变量缺失按当日同行业均值填补，行业缺失为空，当日样本少于 60 时整截面为空（框架 cs_neutralize）

down_vol_ratio_20_orth69

中文名: 正交下行波动占比（T=20，六十九口径）

描述: 日内负收益平方和占比的 N 日均值；影响方向为正。本字段为对行业、市值、中盘、反转、波动、换手正交后的残差（研报检验的就是正交后的因子）。

构建逻辑: 先按 T=20 计算下行波动占比：

$$\frac{1}{T}\sum_{n=t-T+1}^{t}\frac{\sum_j r_{i,j,n}^2\cdot I_{r_{i,j,n}<0}}{\sum_j r_{i,j,n}^2}$$

原始值同 cn_stock_factors_hf_ht_hf_price_volume.down_vol_ratio_1m_20；再在横截面上对常规因子与行业回归取残差。

项目实现说明:

• 计算频率：研报原文为月末（T=20）/ 周末（T=5）调仓日计算，本项目按项目规范改为每个交易日计算
• 「T 日」取 20 个有效交易日（停牌日不占名额），20 个有效日须落在当天往前 40 个交易日内，否则为空；当天无分钟数据时为空
• 分钟数据取 09:31 起 240 根连续竞价 bar；1 分钟收益为对数收益，第 1 根用 ln(close/open)，其余用相邻收盘价对数差，不含隔夜
• 当日有效收益不足 10 个或收益平方和为 0 时当日为空
• 研报写「已和行业、市值、中盘、反转、波动、换手等常规因子正交」，未给定义。本项目自建：行业为申万一级（2021）哑变量；市值 ln(总市值)；中盘按海通常用口径取非线性市值（截面标准化市值三次方对标准化市值回归的残差）；反转为过去 20 个有效交易日累计收益；波动为过去 20 个有效交易日日收益标准差；换手为过去 20 个有效交易日日均换手率
• 回归前因变量与控制变量逐列做截面 MAD 5 倍去极值 + 标准化，控制变量缺失按当日同行业均值填补，行业缺失为空，当日样本少于 60 时整截面为空（框架 cs_neutralize）

tail_vol_ratio_20_orth69

中文名: 正交尾盘成交占比（T=20，六十九口径）

描述: 14:30-15:00 成交量占全天成交量比例的 N 日均值；尾盘投机度高、非知情交易者更倾向尾盘交易；影响方向为负。本字段为对行业、市值、中盘、反转、波动、换手正交后的残差（研报检验的就是正交后的因子）。

构建逻辑: 先按 T=20 计算尾盘成交占比：

$$\frac{1}{T}\sum_{n=t-T+1}^{t}\frac{Vol_{i,14:30-15:00,n}}{\sum_j Vol_{i,j,n}}$$

原始值同 cn_stock_factors_hf_ht_hf_price_volume.vol_ratio_hh8_20；再在横截面上对常规因子与行业回归取残差。

项目实现说明:

• 计算频率：研报原文为月末（T=20）/ 周末（T=5）调仓日计算，本项目按项目规范改为每个交易日计算
• 「T 日」取 20 个有效交易日（停牌日不占名额），20 个有效日须落在当天往前 40 个交易日内，否则为空；当天无分钟数据时为空
• 尾盘为 minute_idx 211~240 的 30 根 bar（含 15:00 收盘竞价），分母为全天 240 根成交量之和；全天无成交时当日为空
• 研报写「已和行业、市值、中盘、反转、波动、换手等常规因子正交」，未给定义。本项目自建：行业为申万一级（2021）哑变量；市值 ln(总市值)；中盘按海通常用口径取非线性市值（截面标准化市值三次方对标准化市值回归的残差）；反转为过去 20 个有效交易日累计收益；波动为过去 20 个有效交易日日收益标准差；换手为过去 20 个有效交易日日均换手率
• 回归前因变量与控制变量逐列做截面 MAD 5 倍去极值 + 标准化，控制变量缺失按当日同行业均值填补，行业缺失为空，当日样本少于 60 时整截面为空（框架 cs_neutralize）

pv_corr_20_orth69

中文名: 正交量价相关性（T=20，六十九口径）

描述: 日内分钟收盘价与成交量占比相关系数的 N 日均值；量价背离的股票未来表现更好；影响方向为负。本字段为对行业、市值、中盘、反转、波动、换手正交后的残差（研报检验的就是正交后的因子）。

构建逻辑: 先按 T=20 计算量价相关性：

$$\frac{1}{T}\sum_{n=t-T+1}^{t}corr\left(Close_{i,j,n},\frac{Vol_{i,j,n}}{\sum_j Vol_{i,j,n}}\right)$$

原始值同 cn_stock_factors_hf_ht_hf_price_volume.pv_corr_1m_20；再在横截面上对常规因子与行业回归取残差。

项目实现说明:

• 计算频率：研报原文为月末（T=20）/ 周末（T=5）调仓日计算，本项目按项目规范改为每个交易日计算
• 「T 日」取 20 个有效交易日（停牌日不占名额），20 个有效日须落在当天往前 40 个交易日内，否则为空；当天无分钟数据时为空
• 成交量除以当日总量不改变当日相关系数，直接用分钟成交量；价格或成交量全天不变等退化样本当日为空（框架 safe_corr）
• 研报写「已和行业、市值、中盘、反转、波动、换手等常规因子正交」，未给定义。本项目自建：行业为申万一级（2021）哑变量；市值 ln(总市值)；中盘按海通常用口径取非线性市值（截面标准化市值三次方对标准化市值回归的残差）；反转为过去 20 个有效交易日累计收益；波动为过去 20 个有效交易日日收益标准差；换手为过去 20 个有效交易日日均换手率
• 回归前因变量与控制变量逐列做截面 MAD 5 倍去极值 + 标准化，控制变量缺失按当日同行业均值填补，行业缺失为空，当日样本少于 60 时整截面为空（框架 cs_neutralize）

improved_reversal_20_orth69

中文名: 正交改进反转（T=20，六十九口径）

描述: 剔除隔夜与开盘后半小时涨幅的 N 日累计收益；隔夜与开盘半小时的涨跌属于对隔夜信息的合理定价，不存在反转效应；影响方向为负。本字段为对行业、市值、中盘、反转、波动、换手正交后的残差（研报检验的就是正交后的因子）。

构建逻辑: 先按 T=20 计算改进反转：

$$\prod_{n=t-T+1}^{t}\frac{Close_{i,15:00,n}}{Close_{i,10:00,n}}-1$$

原始值同 cn_stock_factors_hf_ht_hf_price_volume.improved_reversal_20；再在横截面上对常规因子与行业回归取残差。

项目实现说明:

• 计算频率：研报原文为月末（T=20）/ 周末（T=5）调仓日计算，本项目按项目规范改为每个交易日计算
• 「T 日」取 20 个有效交易日（停牌日不占名额），20 个有效日须落在当天往前 40 个交易日内，否则为空；当天无分钟数据时为空
• $Close_{10:00}$ 为 10:00 那根 bar（09:59~10:00）的收盘价，任一 bar 缺失时当日为空
• 研报写「已和行业、市值、中盘、反转、波动、换手等常规因子正交」，未给定义。本项目自建：行业为申万一级（2021）哑变量；市值 ln(总市值)；中盘按海通常用口径取非线性市值（截面标准化市值三次方对标准化市值回归的残差）；反转为过去 20 个有效交易日累计收益；波动为过去 20 个有效交易日日收益标准差；换手为过去 20 个有效交易日日均换手率
• 回归前因变量与控制变量逐列做截面 MAD 5 倍去极值 + 标准化，控制变量缺失按当日同行业均值填补，行业缺失为空，当日样本少于 60 时整截面为空（框架 cs_neutralize）

hf_skew_5_orth69

中文名: 正交高频偏度（T=5，六十九口径）

描述: 日内 1 分钟收益已实现偏度的 N 日均值，日内下行风险大的股票风险溢价更高；影响方向为负。本字段为对行业、市值、中盘、反转、波动、换手正交后的残差（研报检验的就是正交后的因子）。

构建逻辑: 先按 T=5 计算高频偏度：

$$\frac{1}{T}\sum_{n=t-T+1}^{t}\frac{\sqrt{N_J}\sum_j r_{i,j,n}^3}{\left(\sum_j r_{i,j,n}^2\right)^{1.5}}$$

$N_J=240$ 为日内分钟数。

原始值同 cn_stock_factors_hf_ht_hf_factor_suite.hf_skew_5；再在横截面上对常规因子与行业回归取残差。

项目实现说明:

• 计算频率：研报原文为月末（T=20）/ 周末（T=5）调仓日计算，本项目按项目规范改为每个交易日计算
• 「T 日」取 5 个有效交易日（停牌日不占名额），5 个有效日须落在当天往前 10 个交易日内，否则为空；当天无分钟数据时为空
• 分钟数据取 09:31 起 240 根连续竞价 bar；1 分钟收益为对数收益，第 1 根用 ln(close/open)，其余用相邻收盘价对数差，不含隔夜
• 当日有效收益不足 10 个或收益平方和为 0 时当日为空；$N_J$ 取当日有效收益个数
• 研报写「已和行业、市值、中盘、反转、波动、换手等常规因子正交」，未给定义。本项目自建：行业为申万一级（2021）哑变量；市值 ln(总市值)；中盘按海通常用口径取非线性市值（截面标准化市值三次方对标准化市值回归的残差）；反转为过去 20 个有效交易日累计收益；波动为过去 20 个有效交易日日收益标准差；换手为过去 20 个有效交易日日均换手率
• 回归前因变量与控制变量逐列做截面 MAD 5 倍去极值 + 标准化，控制变量缺失按当日同行业均值填补，行业缺失为空，当日样本少于 60 时整截面为空（框架 cs_neutralize）

down_vol_ratio_5_orth69

中文名: 正交下行波动占比（T=5，六十九口径）

描述: 日内负收益平方和占比的 N 日均值；影响方向为正。本字段为对行业、市值、中盘、反转、波动、换手正交后的残差（研报检验的就是正交后的因子）。

构建逻辑: 先按 T=5 计算下行波动占比：

$$\frac{1}{T}\sum_{n=t-T+1}^{t}\frac{\sum_j r_{i,j,n}^2\cdot I_{r_{i,j,n}<0}}{\sum_j r_{i,j,n}^2}$$

原始值同 cn_stock_factors_hf_ht_hf_factor_suite.down_vol_ratio_5；再在横截面上对常规因子与行业回归取残差。

项目实现说明:

• 计算频率：研报原文为月末（T=20）/ 周末（T=5）调仓日计算，本项目按项目规范改为每个交易日计算
• 「T 日」取 5 个有效交易日（停牌日不占名额），5 个有效日须落在当天往前 10 个交易日内，否则为空；当天无分钟数据时为空
• 分钟数据取 09:31 起 240 根连续竞价 bar；1 分钟收益为对数收益，第 1 根用 ln(close/open)，其余用相邻收盘价对数差，不含隔夜
• 当日有效收益不足 10 个或收益平方和为 0 时当日为空
• 研报写「已和行业、市值、中盘、反转、波动、换手等常规因子正交」，未给定义。本项目自建：行业为申万一级（2021）哑变量；市值 ln(总市值)；中盘按海通常用口径取非线性市值（截面标准化市值三次方对标准化市值回归的残差）；反转为过去 20 个有效交易日累计收益；波动为过去 20 个有效交易日日收益标准差；换手为过去 20 个有效交易日日均换手率
• 回归前因变量与控制变量逐列做截面 MAD 5 倍去极值 + 标准化，控制变量缺失按当日同行业均值填补，行业缺失为空，当日样本少于 60 时整截面为空（框架 cs_neutralize）

tail_vol_ratio_5_orth69

中文名: 正交尾盘成交占比（T=5，六十九口径）

描述: 14:30-15:00 成交量占全天成交量比例的 N 日均值；尾盘投机度高、非知情交易者更倾向尾盘交易；影响方向为负。本字段为对行业、市值、中盘、反转、波动、换手正交后的残差（研报检验的就是正交后的因子）。

构建逻辑: 先按 T=5 计算尾盘成交占比：

$$\frac{1}{T}\sum_{n=t-T+1}^{t}\frac{Vol_{i,14:30-15:00,n}}{\sum_j Vol_{i,j,n}}$$

原始值同 cn_stock_factors_hf_ht_hf_factor_suite.tail_vol_ratio_5；再在横截面上对常规因子与行业回归取残差。

项目实现说明:

• 计算频率：研报原文为月末（T=20）/ 周末（T=5）调仓日计算，本项目按项目规范改为每个交易日计算
• 「T 日」取 5 个有效交易日（停牌日不占名额），5 个有效日须落在当天往前 10 个交易日内，否则为空；当天无分钟数据时为空
• 尾盘为 minute_idx 211~240 的 30 根 bar（含 15:00 收盘竞价），分母为全天 240 根成交量之和；全天无成交时当日为空
• 研报写「已和行业、市值、中盘、反转、波动、换手等常规因子正交」，未给定义。本项目自建：行业为申万一级（2021）哑变量；市值 ln(总市值)；中盘按海通常用口径取非线性市值（截面标准化市值三次方对标准化市值回归的残差）；反转为过去 20 个有效交易日累计收益；波动为过去 20 个有效交易日日收益标准差；换手为过去 20 个有效交易日日均换手率
• 回归前因变量与控制变量逐列做截面 MAD 5 倍去极值 + 标准化，控制变量缺失按当日同行业均值填补，行业缺失为空，当日样本少于 60 时整截面为空（框架 cs_neutralize）

pv_corr_5_orth69

中文名: 正交量价相关性（T=5，六十九口径）

描述: 日内分钟收盘价与成交量占比相关系数的 N 日均值；量价背离的股票未来表现更好；影响方向为负。本字段为对行业、市值、中盘、反转、波动、换手正交后的残差（研报检验的就是正交后的因子）。

构建逻辑: 先按 T=5 计算量价相关性：

$$\frac{1}{T}\sum_{n=t-T+1}^{t}corr\left(Close_{i,j,n},\frac{Vol_{i,j,n}}{\sum_j Vol_{i,j,n}}\right)$$

原始值同 cn_stock_factors_hf_ht_hf_factor_suite.pv_corr_5；再在横截面上对常规因子与行业回归取残差。

项目实现说明:

• 计算频率：研报原文为月末（T=20）/ 周末（T=5）调仓日计算，本项目按项目规范改为每个交易日计算
• 「T 日」取 5 个有效交易日（停牌日不占名额），5 个有效日须落在当天往前 10 个交易日内，否则为空；当天无分钟数据时为空
• 成交量除以当日总量不改变当日相关系数，直接用分钟成交量；价格或成交量全天不变等退化样本当日为空（框架 safe_corr）
• 研报写「已和行业、市值、中盘、反转、波动、换手等常规因子正交」，未给定义。本项目自建：行业为申万一级（2021）哑变量；市值 ln(总市值)；中盘按海通常用口径取非线性市值（截面标准化市值三次方对标准化市值回归的残差）；反转为过去 20 个有效交易日累计收益；波动为过去 20 个有效交易日日收益标准差；换手为过去 20 个有效交易日日均换手率
• 回归前因变量与控制变量逐列做截面 MAD 5 倍去极值 + 标准化，控制变量缺失按当日同行业均值填补，行业缺失为空，当日样本少于 60 时整截面为空（框架 cs_neutralize）

improved_reversal_5_orth69

中文名: 正交改进反转（T=5，六十九口径）

描述: 剔除隔夜与开盘后半小时涨幅的 N 日累计收益；隔夜与开盘半小时的涨跌属于对隔夜信息的合理定价，不存在反转效应；影响方向为负。本字段为对行业、市值、中盘、反转、波动、换手正交后的残差（研报检验的就是正交后的因子）。

构建逻辑: 先按 T=5 计算改进反转：

$$\prod_{n=t-T+1}^{t}\frac{Close_{i,15:00,n}}{Close_{i,10:00,n}}-1$$

原始值同 cn_stock_factors_hf_ht_hf_factor_suite.improved_reversal_5；再在横截面上对常规因子与行业回归取残差。

项目实现说明:

• 计算频率：研报原文为月末（T=20）/ 周末（T=5）调仓日计算，本项目按项目规范改为每个交易日计算
• 「T 日」取 5 个有效交易日（停牌日不占名额），5 个有效日须落在当天往前 10 个交易日内，否则为空；当天无分钟数据时为空
• $Close_{10:00}$ 为 10:00 那根 bar（09:59~10:00）的收盘价，任一 bar 缺失时当日为空
• 研报写「已和行业、市值、中盘、反转、波动、换手等常规因子正交」，未给定义。本项目自建：行业为申万一级（2021）哑变量；市值 ln(总市值)；中盘按海通常用口径取非线性市值（截面标准化市值三次方对标准化市值回归的残差）；反转为过去 20 个有效交易日累计收益；波动为过去 20 个有效交易日日收益标准差；换手为过去 20 个有效交易日日均换手率
• 回归前因变量与控制变量逐列做截面 MAD 5 倍去极值 + 标准化，控制变量缺失按当日同行业均值填补，行业缺失为空，当日样本少于 60 时整截面为空（框架 cs_neutralize）

复现核对

检验口径：全市场不过滤（研报未写过滤规则）；研报买卖价为调仓日均价，本项目前向收益为信号日次一交易日开盘 → 再往后 N 个交易日开盘（月频 N=21，周频 N=5，后复权）；月频取每月最后一个交易日截面、周频取每周最后一个交易日截面；年化 ICIR 月频 = 均值/标准差 × √12，周频 × √52。研报分钟因子样本 2012.01-2020.06，对照区间同（月频 102 期、周频 434 期）；「全样本」为 2011-01 ~ 2026-10 月末 / 周末截面，「逐日全样本」为每个交易日截面（前向收益重叠，ICIR 只作口径参考）。研报只给按选股方向调整后的绝对值，本项目值带符号。

月度 T=20（对照研报 2.1 节正文：全 A、正交后）

五个因子方向全部一致，rank IC 均值差 0.10.8 个百分点，ICIR 差 0.20.5；研报「尾盘成交占比表现最优」也复现（本项目 rIC 最高的也是它）。研报月度只给多空胜率（83%、78%、82%、75%、82%），未给 rank IC 胜率，不对照。

周度 T=5（对照研报表 8：全 A 周度选股能力）

rank IC 均值差 0.1~0.4 个百分点，胜率差 ≤ 2 个百分点，ICIR 除尾盘成交占比（本项目 5.23 比研报 4.17 高 1.06）外差 ≤ 0.35；研报「改进反转与大单推动涨幅周度较强」中改进反转复现（大单推动涨幅不在本表）。

未对照的部分与样本外

• 月度 T=5、周度 T=20 研报未披露；中证 500 / 沪深 300 域内（研报表 6、7、9、10）未检验；多空收益未复现（本表只提供因子值）
• 研报正交控制变量未给定义，本项目口径见各字段「项目实现说明」；与 cn_stock_factors_hf_ht_hf_factor_suite 的 _pure 字段（10 个控制变量）相比，本表全样本月度 rank IC 绝对值高 0.2~0.9 个百分点，可能是少剔了特异度、流动性、估值等与高频因子相关的风格
• 样本外衰减：T=20 正交因子 2021 年后月末 rank IC 多在 ±2% 内（pv_corr_20_orth69 20212023 年 -0.9%、-0.1%、-0.6%，tail_vol_ratio_20_orth69 2023 年 +1.4%），全样本月度 rICIR 降到 2.22.9；T=5 版本 down_vol_ratio_5_orth69、hf_skew_5_orth69 衰减较轻

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。