cn_stock_factors_hf_ht_intraday_trade_count

数据描述

基于1分钟成交笔数与成交额计算的平均单笔成交金额与大单资金流向日频因子

数据简介

研报在 1 分钟量价数据之外引入「成交笔数」，每日用分钟成交额、成交笔数与收益率构建两类日内分时成交因子：平均单笔成交金额类（全天、上涨分钟、下跌分钟的平均单笔成交金额及其比值），以及以平均单笔成交金额最大的前 N% 分钟为「大单样本」的大单资金净流入率与大单驱动涨幅，均取过去 20 日均值。本表输出研报全部 10 个因子（大单类 N = 10%、20%、30% 三档各一个），成交笔数取 cn_stock_bar1m_derived_c.deal_number（已核实全天求和与日线成交笔数一致）。

数据区间：2015-01-05 ~ 2026-11-04（历史起点 2014-01-02，每个交易日一条记录）。

文献来源

• 标题: 《选股因子系列研究（四十六）——日内分时成交中的玄机》
• 作者: 冯佳睿、姚石
• 机构: 海通证券
• 时间: 2019-04-16

表结构

• 表名: cn_stock_factors_hf_ht_intraday_trade_count
• 中文表名: 海通证券日内分时成交因子
• 数据描述: 基于1分钟成交笔数与成交额计算的平均单笔成交金额与大单资金流向日频因子
• 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 19 个交易日，单日增量实际读取约 20 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）；风格代理另需约 340 个交易日的日频回溯。历史起点 2014-01-02。

因子列表

amt_per_trd

中文名: 平均单笔成交金额

描述: 全天平均每笔成交的金额。与市值高度正相关，研报中原始因子 IC 均值 −1.6%，正交后才有较弱的正向选股能力。

构建逻辑: 每日取股票 $i$ 的 1 分钟成交额序列 $Amt_{ij}$ 与成交笔数序列 $TrdNum_{ij}$，计算全天成交额之和与成交笔数之和的比值；因子值为过去 20 日均值。

$$AmtPerTrd_i = \sum_{j=1}^{N} Amt_{ij} \Big/ \sum_{j=1}^{N} TrdNum_{ij}$$

项目实现说明:

• 计算频率：研报为月度调仓，本项目按项目规范每个交易日计算
• 剔除集合竞价成交：只用连续竞价分钟 bar，即 09:31~14:58（14:58 的 bar 只含 14:57:00 整点的连续竞价成交，15:00 为收盘集合竞价）；上交所 2018-08-20 实行收盘集合竞价之前取到 15:00
• 价格不动日剔除：研报「当日 25% 以上的时间价格不波动则剔除该交易日」，本项目以连续竞价分钟中最高价 = 最低价的分钟占比 > 25% 判定（若按相邻分钟收盘价不变判定，2024-03-12 实测 64% 的股票会被剔除，与研报全 A 样本不符），该日全部 10 个日度指标置空
• 入库前测试：价格不动日剔除使全部 20 列的无效值同步偏高（列间差 ≤ 0.16pp），经用户同意（2026-11-04）保留该规则、把本表 invalid_ratio 上限放宽到 40%；按年逐日实测 20202026 年最大 35.6% / 33.9% / 25.6% / 29.9% / 35.0% / 18.3% / 13.9%。2014、20172019 年最大 67.7% / 47.5% / 51.9% / 45.7%（40% 也挡不住），按用户决定不入库；2015、2016 年在 20% 门禁下已入库，保留
• 过去 20 日均值：取过去 20 个交易日（按交易日历，含当天）内的有效日均值，有效日不足 10 个或当天无分钟数据（停牌）时为空。研报未写剔除日如何处理窗口，此为本项目口径

apt_in_ratio

中文名: 平均单笔流入金额占比

描述: 上涨分钟的平均单笔成交金额相对全天平均单笔成交金额的倍数，刻画大单买入推升价格的程度。研报中原始因子 IC 均值 −2.1%、rank IC 均值 −1.5%，与未来收益负相关但较弱。

构建逻辑: 分钟收益 $r_{ij} > 0$ 的分钟成交额之和除以这些分钟的成交笔数之和，得到平均单笔流入金额，再除以当日平均单笔成交金额；因子值为过去 20 日均值。

$$AmtPerTrd\_inFlow_i = \frac{\sum_j Amt_{ij} \cdot I_{r_{ij}>0}}{\sum_j TrdNum_{ij} \cdot I_{r_{ij}>0}}, \quad ApT\_inFlow\_ratio_i = \frac{AmtPerTrd\_inFlow_i}{AmtPerTrd_i}$$

项目实现说明:

• 计算频率、集合竞价、价格不动日、20 日均值口径同 amt_per_trd
• 分钟收益为相邻分钟收盘价之比减 1，当日第一根取收盘价 / 开盘价 − 1；当日没有上涨分钟时为空

apt_out_ratio

中文名: 平均单笔流出金额占比

描述: 下跌分钟的平均单笔成交金额相对全天平均单笔成交金额的倍数。研报的核心因子：IC 均值 5.8%、rank IC 均值 7.4%，IC-IR 2.76、rank IC-IR 3.08，多空月均收益差 1.65%；正交后 rank IC 3.2%、rank IC-IR 3.82。

构建逻辑: 分钟收益 $r_{ij} < 0$ 的分钟成交额之和除以这些分钟的成交笔数之和，再除以当日平均单笔成交金额；因子值为过去 20 日均值。

$$AmtPerTrd\_outFlow_i = \frac{\sum_j Amt_{ij} \cdot I_{r_{ij}<0}}{\sum_j TrdNum_{ij} \cdot I_{r_{ij}<0}}, \quad ApT\_outFlow\_ratio_i = \frac{AmtPerTrd\_outFlow_i}{AmtPerTrd_i}$$

项目实现说明:

• 口径同 apt_in_ratio，当日没有下跌分钟时为空

apt_net_in_ratio

中文名: 平均单笔流入流出金额之比

描述: 平均单笔流入金额占比与平均单笔流出金额占比之比。研报中原始因子 rank IC 均值 −3.1%、rank IC-IR −2.51，多空月均收益差 −1.17%。

构建逻辑: 每日计算两者之比，因子值为过去 20 日均值。

$$ApT\_netInFlow\_ratio_i = ApT\_inFlow\_ratio_i \,/\, ApT\_outFlow\_ratio_i$$

项目实现说明:

• 口径同 apt_in_ratio；先算日度比值再取 20 日均值

big_net_in_ratio_n10

中文名: 大单资金净流入率（N=10%）

描述: 以平均单笔成交金额最大的前 10% 分钟为大单样本，其中上涨分钟与下跌分钟的成交额之差占全天成交额的比例。研报中原始因子 rank IC 均值 −4.06%、rank IC-IR −2.94。

构建逻辑: 每日计算每分钟的平均单笔成交金额 $AmtPerTrd_{ij} = Amt_{ij}/TrdNum_{ij}$，从高到低排序取前 N 的分钟作为大单样本 $IdxSet$；大单资金净流入金额为样本中上涨分钟成交额之和减下跌分钟成交额之和，再除以全天成交额；因子值为过去 20 日均值。

$$Amt\_netInFlow\_bigOrder_i = \sum_{j} Amt_{ij} \cdot I_{r_{ij}>0,\, j \in IdxSet} - \sum_{j} Amt_{ij} \cdot I_{r_{ij}<0,\, j \in IdxSet}$$ $$Amt\_netInFlow\_bigOrder\_ratio_i = Amt\_netInFlow\_bigOrder_i \Big/ \sum_{j=1}^{N} Amt_{ij}$$

项目实现说明:

• 计算频率、集合竞价、价格不动日、20 日均值口径同 amt_per_trd
• 排序样本为当日有成交（成交笔数 > 0）的连续竞价分钟，前 N% 的分钟数 = 有成交分钟数 × N 四舍五入（至少 1 根），平均单笔成交金额并列时按时间先后取；研报未披露取整与并列规则

big_net_in_ratio_n20

中文名: 大单资金净流入率（N=20%）

描述: 同 big_net_in_ratio_n10，大单样本取前 20% 分钟。研报正文重点展示的参数：原始因子 rank IC 均值 −5.6%、rank IC-IR −2.77，多空月均收益差 −1.56%；正交后 rank IC −2.2%、rank IC-IR −2.39。

构建逻辑: 同 big_net_in_ratio_n10，N = 20%。

项目实现说明:

• 同 big_net_in_ratio_n10

big_net_in_ratio_n30

中文名: 大单资金净流入率（N=30%）

描述: 同 big_net_in_ratio_n10，大单样本取前 30% 分钟。研报中原始因子 rank IC 均值 −5.78%、rank IC-IR −2.27。

构建逻辑: 同 big_net_in_ratio_n10，N = 30%。

项目实现说明:

• 同 big_net_in_ratio_n10

mom_big_order_n10

中文名: 大单驱动涨幅（N=10%）

描述: 大单样本分钟的收益连乘，刻画大单交易推动的价格涨幅。研报中原始因子 rank IC 均值 −5.88%、rank IC-IR −3.67。

构建逻辑: 大单样本 $IdxSet$ 的取法同 big_net_in_ratio_n10，对样本分钟的收益做连乘；因子值为过去 20 日均值。

$$Mom\_bigOrder_i = \prod_j \left(1 + r_{ij} \cdot I_{j \in IdxSet}\right)$$

项目实现说明:

• 同 big_net_in_ratio_n10；分钟收益口径同 apt_in_ratio

mom_big_order_n20

中文名: 大单驱动涨幅（N=20%）

描述: 同 mom_big_order_n10，大单样本取前 20% 分钟。研报中原始因子 rank IC 均值 −7.59%、rank IC-IR −4.45。

构建逻辑: 同 mom_big_order_n10，N = 20%。

项目实现说明:

• 同 mom_big_order_n10

mom_big_order_n30

中文名: 大单驱动涨幅（N=30%）

描述: 同 mom_big_order_n10，大单样本取前 30% 分钟。研报正文重点展示的参数：原始因子 rank IC 均值 −8.2%、rank IC-IR −4.12，多空月均收益差 −2.23%；正交后 rank IC −3.1%、rank IC-IR −3.56。

构建逻辑: 同 mom_big_order_n10，N = 30%。

项目实现说明:

• 同 mom_big_order_n10

amt_per_trd_pure

中文名: 平均单笔成交金额（正交）

描述: amt_per_trd 剔除常见风格与行业影响后的残差，对应研报的「正交因子」。

构建逻辑: 研报通过横截面回归剔除行业、市值、非线性市值、反转、换手、特异度、流动性、估值、盈利、成长等因子，取残差。

项目实现说明:

• 计算频率：每个交易日计算
• 控制变量：研报未给出各风格的具体定义，本项目用框架 pure_style：amt_per_trd 截面去极值标准化后，对 Beta、市值、BP、EP、成长、杠杆、动量、波动、流动性、非线性市值十个风格（同 cn_stock_factors_hf_dw_uid.uid_pure 口径）与申万一级行业哑变量回归取残差；比研报少特异度，多 Beta、杠杆、动量

apt_in_ratio_pure

中文名: 平均单笔流入金额占比（正交）

描述: apt_in_ratio 剔除常见风格与行业影响后的残差，对应研报的「正交因子」。

构建逻辑: 研报通过横截面回归剔除行业、市值、非线性市值、反转、换手、特异度、流动性、估值、盈利、成长等因子，取残差。

项目实现说明:

• 计算频率：每个交易日计算
• 控制变量：研报未给出各风格的具体定义，本项目用框架 pure_style：apt_in_ratio 截面去极值标准化后，对 Beta、市值、BP、EP、成长、杠杆、动量、波动、流动性、非线性市值十个风格（同 cn_stock_factors_hf_dw_uid.uid_pure 口径）与申万一级行业哑变量回归取残差；比研报少特异度，多 Beta、杠杆、动量

apt_out_ratio_pure

中文名: 平均单笔流出金额占比（正交）

描述: apt_out_ratio 剔除常见风格与行业影响后的残差，对应研报的「正交因子」。

构建逻辑: 研报通过横截面回归剔除行业、市值、非线性市值、反转、换手、特异度、流动性、估值、盈利、成长等因子，取残差。

项目实现说明:

• 计算频率：每个交易日计算
• 控制变量：研报未给出各风格的具体定义，本项目用框架 pure_style：apt_out_ratio 截面去极值标准化后，对 Beta、市值、BP、EP、成长、杠杆、动量、波动、流动性、非线性市值十个风格（同 cn_stock_factors_hf_dw_uid.uid_pure 口径）与申万一级行业哑变量回归取残差；比研报少特异度，多 Beta、杠杆、动量

apt_net_in_ratio_pure

中文名: 平均单笔流入流出金额之比（正交）

描述: apt_net_in_ratio 剔除常见风格与行业影响后的残差，对应研报的「正交因子」。

构建逻辑: 研报通过横截面回归剔除行业、市值、非线性市值、反转、换手、特异度、流动性、估值、盈利、成长等因子，取残差。

项目实现说明:

• 计算频率：每个交易日计算
• 控制变量：研报未给出各风格的具体定义，本项目用框架 pure_style：apt_net_in_ratio 截面去极值标准化后，对 Beta、市值、BP、EP、成长、杠杆、动量、波动、流动性、非线性市值十个风格（同 cn_stock_factors_hf_dw_uid.uid_pure 口径）与申万一级行业哑变量回归取残差；比研报少特异度，多 Beta、杠杆、动量

big_net_in_ratio_n10_pure

中文名: 大单资金净流入率（N=10%）（正交）

描述: big_net_in_ratio_n10 剔除常见风格与行业影响后的残差，对应研报的「正交因子」。

构建逻辑: 研报通过横截面回归剔除行业、市值、非线性市值、反转、换手、特异度、流动性、估值、盈利、成长等因子，取残差。

项目实现说明:

• 计算频率：每个交易日计算
• 控制变量：研报未给出各风格的具体定义，本项目用框架 pure_style：big_net_in_ratio_n10 截面去极值标准化后，对 Beta、市值、BP、EP、成长、杠杆、动量、波动、流动性、非线性市值十个风格（同 cn_stock_factors_hf_dw_uid.uid_pure 口径）与申万一级行业哑变量回归取残差；比研报少特异度，多 Beta、杠杆、动量

big_net_in_ratio_n20_pure

中文名: 大单资金净流入率（N=20%）（正交）

描述: big_net_in_ratio_n20 剔除常见风格与行业影响后的残差，对应研报的「正交因子」。

构建逻辑: 研报通过横截面回归剔除行业、市值、非线性市值、反转、换手、特异度、流动性、估值、盈利、成长等因子，取残差。

项目实现说明:

• 计算频率：每个交易日计算
• 控制变量：研报未给出各风格的具体定义，本项目用框架 pure_style：big_net_in_ratio_n20 截面去极值标准化后，对 Beta、市值、BP、EP、成长、杠杆、动量、波动、流动性、非线性市值十个风格（同 cn_stock_factors_hf_dw_uid.uid_pure 口径）与申万一级行业哑变量回归取残差；比研报少特异度，多 Beta、杠杆、动量

big_net_in_ratio_n30_pure

中文名: 大单资金净流入率（N=30%）（正交）

描述: big_net_in_ratio_n30 剔除常见风格与行业影响后的残差，对应研报的「正交因子」。

构建逻辑: 研报通过横截面回归剔除行业、市值、非线性市值、反转、换手、特异度、流动性、估值、盈利、成长等因子，取残差。

项目实现说明:

• 计算频率：每个交易日计算
• 控制变量：研报未给出各风格的具体定义，本项目用框架 pure_style：big_net_in_ratio_n30 截面去极值标准化后，对 Beta、市值、BP、EP、成长、杠杆、动量、波动、流动性、非线性市值十个风格（同 cn_stock_factors_hf_dw_uid.uid_pure 口径）与申万一级行业哑变量回归取残差；比研报少特异度，多 Beta、杠杆、动量

mom_big_order_n10_pure

中文名: 大单驱动涨幅（N=10%）（正交）

描述: mom_big_order_n10 剔除常见风格与行业影响后的残差，对应研报的「正交因子」。

构建逻辑: 研报通过横截面回归剔除行业、市值、非线性市值、反转、换手、特异度、流动性、估值、盈利、成长等因子，取残差。

项目实现说明:

• 计算频率：每个交易日计算
• 控制变量：研报未给出各风格的具体定义，本项目用框架 pure_style：mom_big_order_n10 截面去极值标准化后，对 Beta、市值、BP、EP、成长、杠杆、动量、波动、流动性、非线性市值十个风格（同 cn_stock_factors_hf_dw_uid.uid_pure 口径）与申万一级行业哑变量回归取残差；比研报少特异度，多 Beta、杠杆、动量

mom_big_order_n20_pure

中文名: 大单驱动涨幅（N=20%）（正交）

描述: mom_big_order_n20 剔除常见风格与行业影响后的残差，对应研报的「正交因子」。

构建逻辑: 研报通过横截面回归剔除行业、市值、非线性市值、反转、换手、特异度、流动性、估值、盈利、成长等因子，取残差。

项目实现说明:

• 计算频率：每个交易日计算
• 控制变量：研报未给出各风格的具体定义，本项目用框架 pure_style：mom_big_order_n20 截面去极值标准化后，对 Beta、市值、BP、EP、成长、杠杆、动量、波动、流动性、非线性市值十个风格（同 cn_stock_factors_hf_dw_uid.uid_pure 口径）与申万一级行业哑变量回归取残差；比研报少特异度，多 Beta、杠杆、动量

mom_big_order_n30_pure

中文名: 大单驱动涨幅（N=30%）（正交）

描述: mom_big_order_n30 剔除常见风格与行业影响后的残差，对应研报的「正交因子」。

构建逻辑: 研报通过横截面回归剔除行业、市值、非线性市值、反转、换手、特异度、流动性、估值、盈利、成长等因子，取残差。

项目实现说明:

• 计算频率：每个交易日计算
• 控制变量：研报未给出各风格的具体定义，本项目用框架 pure_style：mom_big_order_n30 截面去极值标准化后，对 Beta、市值、BP、EP、成长、杠杆、动量、波动、流动性、非线性市值十个风格（同 cn_stock_factors_hf_dw_uid.uid_pure 口径）与申万一级行业哑变量回归取残差；比研报少特异度，多 Beta、杠杆、动量

复现核对

核对口径: 本表入库区间为 2015-01 ~ 2016-12 与 2020-01 ~ 2026-11（2014、20172019 年不入库，见下）；下表 IC 在 2020 年起补入前计算，只用 2015-01 ~ 2016-12 的 24 个月末截面；研报样本 2010.012019.03。全市场不过滤（研报剔除 ST、停牌、涨跌停、上市不满 6 个月等）；前向收益为次日开盘到其后 21 个交易日开盘（后复权），研报为次日开盘后半小时 VWAP 成交；表中为 rank IC 均值 / 年化 rank ICIR（月度 × √12；研报 rank IC 7.4% 对应 ICIR 3.08，只能是年化口径）；逐日列为全部交易日截面 rank IC 均值。

• 方向全部与研报一致，量级接近：核心因子 apt_out_ratio rank IC 0.081（研报 0.074），mom_big_order_n30 −0.098（研报 −0.082），big_net_in_ratio_n20 −0.067（研报 −0.056）；正交后量级普遍略低于研报原始值的一半，与研报正交因子相当。只有 2 年样本，ICIR 的抽样误差很大，仅作方向与量级核对
• 正交控制变量与研报不同（研报：行业、市值、非线性市值、反转、换手、特异度、流动性、估值、盈利、成长；本项目：十个风格 + 申万一级）
• 入库状态：已入库 2015、2016 年（20% 门禁下通过）与 2020-01-02 ~ 2026-11-04（2026-11-04 补入 8,177,721 行）；2014 年与 20172019 年不入库。研报「当日 25% 以上时间价格不动则剔除该日」使低价、低波动股票频繁被剔，20 个列的无效值同步变化（列间差 ≤ 0.16pp）。2026-11-04 按年全量实测（逐日，全部 20 列取最大）：2014 年中位数 45.1%、最大 67.7%（2014-06-09，不含 1 月预热期），118/224 天超过 40%；2017 年最大 47.5%（2017-12-27），15 天超 40%；2018 年中位数 41.5%、最大 51.9%（2018-09-18），154 天超 40%；2019 年最大 45.7%（2019-12-09），81 天超 40%，门禁抽样日 2019-11-22 即为 40.6%；20202026 年最大分别为 35.6% / 33.9% / 25.6% / 29.9% / 35.0% / 18.3% / 13.9%。经用户同意（2026-11-04）保留该规则、invalid_ratio 上限放宽到 40%，只回填 2020 年起；2014、2017~2019 年在 40% 下仍超限，按用户决定不入库

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。