cn_stock_factors_hf_ky_moneyflow_dynamics

数据描述

基于各类资金净流入间的同步与错位秩相关，刻画资金流结构与散户羊群效应

数据简介

此前的资金流研究都在「单一资金流」维度上展开，本篇研报首次从「各类资金流之间的相关性结构」出发挖掘 alpha。研报分两类：同步相关性（两类资金净流入在过去 N 个交易日的秩相关系数）与错位相关性（一类资金净流入与另一类资金次日净流入的秩相关系数）。同步相关性里超大单与小单的组合最有效，但研报进一步证明它是「伪动力学」因子——其 alpha 可被两类资金的流入量级占比指标 $H$ 解释，底层来源仍是资金流强度。错位相关性里小单与小单自身错位的组合最有效，研报证明它的 alpha 来源是散户羊群效应，可被 $RankCorr(R_t, S_{t+1})$（过去收益率与小单次日净流入的秩相关）完全解释，后者才是独立有效的新因子。研报最后把同一思路延伸到行业层面，用一阶差分的秩相关 $RankCorr(\Delta R_t, \Delta S_{t+1})$ 做行业轮动。

数据区间：2016-01-04 ~ 2026-11-03（每个交易日一条记录）。

文献来源

• 标题: 《新型因子：资金流动力学与散户羊群效应——市场微观结构研究系列（14）》
• 作者: 魏建榕、盛少成
• 机构: 开源证券
• 时间: 2022-06-02

表结构

• 表名: cn_stock_factors_hf_ky_moneyflow_dynamics
• 中文表名: 开源证券资金流动力学因子
• 数据描述: 基于各类资金净流入间的同步与错位秩相关，刻画资金流结构与散户羊群效应
• 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

秩相关窗口为 20 个交易日，错位一期多用 1 天，行业因子的一阶差分再多用 1 天，_build 统一倒退 22 个交易日取数，故单日增量的实际扫描区间约为输出区间的 22 倍（日频表，扫描成本可忽略）。

历史起点说明：本表的历史数据从 2016-01-04 开始，不含 2015 年。原因有两条，都来自上游数据而非计算： 其一，cn_stock_prefactors 的分档资金流字段 2015 年 1 月中旬才开始有数据，首个「20 日窗口全有效」的交易日是 2015-02-16； 其二，2015 年 7 月的「千股停牌」期间超过一半的 A 股在 20 日窗口内有停牌日，本表因子对它们真的无定义， 实测 2015-07-14 的无效值占比达 56%~62%。把入库前测试的 invalid_ratio 上限放宽到能容纳这个比例， 等于让该测试点再也拦不住「某天半数股票缺失」这类真实故障，因此选择不回填 2015 年并在此说明， 而不是放宽门禁。2016 年起各年抽样日的无效值占比上限为 29.5%，均在门禁之内。

因子列表

sync_corr_el_l

中文名: 超大单-大单同步相关性

描述: 同步相关性因子之一。研报给出的 20 日回看选股 ICIR 为 -1.02。

构建逻辑: 对某只股票，取过去 20 个交易日超大单净流入序列与大单净流入序列，计算两者的秩相关系数。

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
• 股票过滤：研报剔除 ST、停牌以及上市不足 60 个交易日的次新股。本项目按项目规范不对股票做任何过滤，仅在窗口内按交易日是否有效取舍
• 秩相关的实现：DAI 没有滚动秩相关算子，本项目在 Python 侧用 numpy 实现——对每个 20 日窗口沿时间轴求平均秩（并列取均值）后做 Pearson 相关，等价于 Spearman 秩相关
• 有效交易日：要求窗口内每一天的四档资金流金额、成交额与涨跌幅都可用且未停牌，否则该股当日因子值置空
• 分档口径：研报的超大单 / 大单 / 中单 / 小单对应 cn_stock_prefactors 资金流字段后缀的 large / big / mid / small（该表的 large 指超大单，不是研报的大单），字段名按研报语义命名
• 净流入的还原：源表只给出各档「主动 / 被动 × 买 / 卖」四个方向的金额。实测确认 净流入 = (主动买入 + 被动卖出) - (主动卖出 + 被动买入)，四档净流入之和精确为 0，与研报所依赖的「超大单 + 大单 + 中单 + 小单 = 0」配平恒等式一致

sync_corr_el_m

中文名: 超大单-中单同步相关性

描述: 同步相关性因子之一。研报给出 20 日回看选股 ICIR 为 1.41，但与 sync_corr_el_s 的相关性达 27.25%，回归掉后 ICIR 降至 0.87，基本没有选股能力。

构建逻辑: 口径同 sync_corr_el_l，第二条序列换成中单净流入。

项目实现说明:

• 计算频率、股票过滤、秩相关的实现、有效交易日、分档口径、净流入的还原：同 sync_corr_el_l

sync_corr_el_s

中文名: 超大单-小单同步相关性

描述: 同步相关性中表现最好的因子，20 日回看选股 ICIR 达 2.43、IC 均值 5.13%，五分组多空对冲年化收益 12.09%、信息比率 1.93、月度胜率 76.79%、最大回撤 7.17%。但研报进一步证明它是「伪动力学」因子：受「超大单 + 大单 + 中单 + 小单 = 0」恒等式约束，超大单与小单天然负相关，其相关性强弱取决于两者的流入量级占比，与 H 指标相关性高达 -54.56%，回归掉 H 后基本不具备选股能力。

构建逻辑: 口径同 sync_corr_el_l，第二条序列换成小单净流入。

项目实现说明:

• 计算频率、股票过滤、秩相关的实现、有效交易日、分档口径、净流入的还原：同 sync_corr_el_l

sync_corr_l_m

中文名: 大单-中单同步相关性

描述: 同步相关性因子之一。研报给出的 20 日回看选股 ICIR 为 -0.85。

构建逻辑: 口径同 sync_corr_el_l，两条序列分别为大单与中单净流入。

项目实现说明:

• 计算频率、股票过滤、秩相关的实现、有效交易日、分档口径、净流入的还原：同 sync_corr_el_l

sync_corr_l_s

中文名: 大单-小单同步相关性

描述: 同步相关性因子之一。研报给出的 20 日回看选股 ICIR 为 0.01，基本无效。

构建逻辑: 口径同 sync_corr_el_l，两条序列分别为大单与小单净流入。

项目实现说明:

• 计算频率、股票过滤、秩相关的实现、有效交易日、分档口径、净流入的还原：同 sync_corr_el_l

sync_corr_m_s

中文名: 中单-小单同步相关性

描述: 同步相关性因子之一。研报给出 20 日回看选股 ICIR 为 -1.70，与 sync_corr_el_s 的相关性达 -55.19%，回归掉后 ICIR 降至 -0.45，基本没有选股能力。

构建逻辑: 口径同 sync_corr_el_l，两条序列分别为中单与小单净流入。

项目实现说明:

• 计算频率、股票过滤、秩相关的实现、有效交易日、分档口径、净流入的还原：同 sync_corr_el_l

flow_magnitude_h

中文名: 资金流量级占比指标 H

描述: 研报为检验「同步相关性是否只是量级效应」而构造的指标。逻辑是：受净流入配平恒等式约束，超大单和小单具有天然的负相关；若某只股票大单 + 中单 = 0，超大单与小单的相关系数就会等于 -1。因此两者的量级水平会影响恒等式的约束强度，进而影响同步相关性。研报的实证显示 H 的多空对冲曲线与 sync_corr_el_s 极为相似，相关性高达 -54.56%，是后者的 alpha 来源。

构建逻辑: 计算每只股票在过去 20 天中，超大单和小单净流入量级之和占全体资金净流入量级之和的比重。

$$H = \frac{|NI_{EL}| + |NI_{S}|}{|NI_{EL}| + |NI_{L}| + |NI_{M}| + |NI_{S}|}$$

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
• 求和次序：研报公式按单日写出，正文说明是「过去 20 天中」的量级之和占比，本项目按正文先在 20 日窗口内对各档净流入绝对值分别求和，再相除
• 股票过滤、有效交易日、分档口径、净流入的还原：同 sync_corr_el_l

lag_corr_el_el

中文名: 超大单自错位相关性

描述: 错位相关性因子之一。研报给出错位 1 期、20 日回看的选股 ICIR 为 0.84。

构建逻辑: 对某只股票，在过去 20 个交易日上，把超大单净流入与其次日超大单净流入配成 20 对，计算两者的秩相关系数。

项目实现说明:

• 计算频率、股票过滤、秩相关的实现、分档口径、净流入的还原：同 sync_corr_el_l
• 有效交易日：错位一期要多用窗口前一天，故要求 21 个交易日全部有效

lag_corr_l_l

中文名: 大单自错位相关性

描述: 错位相关性因子之一。研报给出的选股 ICIR 为 0.66。

构建逻辑: 口径同 lag_corr_el_el，两条序列换成大单净流入与其次日值。

项目实现说明:

• 计算频率、股票过滤、秩相关的实现、有效交易日、分档口径、净流入的还原：同 lag_corr_el_el

lag_corr_m_m

中文名: 中单自错位相关性

描述: 错位相关性因子之一。研报给出的选股 ICIR 为 0.88。

构建逻辑: 口径同 lag_corr_el_el，两条序列换成中单净流入与其次日值。

项目实现说明:

• 计算频率、股票过滤、秩相关的实现、有效交易日、分档口径、净流入的还原：同 lag_corr_el_el

lag_corr_s_s

中文名: 小单自错位相关性

描述: 错位相关性中表现最好的因子，选股 ICIR 达 2.07、IC 均值 3.09%，五分组多空对冲年化收益 8.45%、信息比率 2.05、月度胜率 76.58%、最大回撤 4.21%。研报进一步证明它的 alpha 来源是散户羊群效应：与 herding_corr_s 相关性高达 -58.77%，回归掉后基本不具备选股效果。

构建逻辑: 口径同 lag_corr_el_el，两条序列换成小单净流入与其次日值。

项目实现说明:

• 计算频率、股票过滤、秩相关的实现、有效交易日、分档口径、净流入的还原：同 lag_corr_el_el

lag_corr_s_l

中文名: 小单-大单错位相关性

描述: 错位相关性因子之一。研报给出的选股 ICIR 为 -1.99，与 lag_corr_s_s 相关性 -62.92%，回归掉后 ICIR 降至 -1.25，基本没有选股能力。

构建逻辑: 口径同 lag_corr_el_el，第一条序列为小单净流入、第二条为大单的次日净流入。

项目实现说明:

• 计算频率、股票过滤、秩相关的实现、有效交易日、分档口径、净流入的还原：同 lag_corr_el_el

lag_corr_el_l

中文名: 超大单-大单错位相关性

描述: 错位相关性因子之一。研报给出的选股 ICIR 为 1.79，与 lag_corr_s_s 相关性 35.30%，回归掉后 ICIR 降至 1.22，基本没有选股能力。

构建逻辑: 口径同 lag_corr_el_el，第一条序列为超大单净流入、第二条为大单的次日净流入。

项目实现说明:

• 计算频率、股票过滤、秩相关的实现、有效交易日、分档口径、净流入的还原：同 lag_corr_el_el

lag_corr_el_s

中文名: 超大单-小单错位相关性

描述: 错位相关性因子之一。研报给出的选股 ICIR 为 -1.58，与 lag_corr_s_s 相关性 -54.44%，回归掉后 ICIR 降至 -0.56，基本没有选股能力。

构建逻辑: 口径同 lag_corr_el_el，第一条序列为超大单净流入、第二条为小单的次日净流入。

项目实现说明:

• 计算频率、股票过滤、秩相关的实现、有效交易日、分档口径、净流入的还原：同 lag_corr_el_el

herding_corr_el

中文名: 超大单跟随收益相关性

描述: 研报为对照散户羊群效应而对另外三类资金流做的同类计算。研报的全市场统计显示，四类资金中只有小单呈现明显的「追涨杀跌」形态。

构建逻辑: 对某只股票，在过去 20 个交易日上，把当日收益率与次日超大单净流入配成 20 对，计算两者的秩相关系数。

项目实现说明:

• 计算频率、股票过滤、秩相关的实现、有效交易日、分档口径、净流入的还原：同 lag_corr_el_el

herding_corr_l

中文名: 大单跟随收益相关性

描述: 研报对照项，说明见 herding_corr_el。

构建逻辑: 口径同 herding_corr_el，第二条序列换成大单的次日净流入。

项目实现说明:

• 计算频率、股票过滤、秩相关的实现、有效交易日、分档口径、净流入的还原：同 lag_corr_el_el

herding_corr_m

中文名: 中单跟随收益相关性

描述: 研报对照项，说明见 herding_corr_el。

构建逻辑: 口径同 herding_corr_el，第二条序列换成中单的次日净流入。

项目实现说明:

• 计算频率、股票过滤、秩相关的实现、有效交易日、分档口径、净流入的还原：同 lag_corr_el_el

herding_corr_s

中文名: 散户羊群效应因子

描述: 研报的核心新因子。度量方法是对每只股票计算「过去 N 日收益率」与「小单未来 N 日净流入」的相关系数，前者代表市场涨跌、后者代表散户行为。研报对滞后期 N 做遍历后发现 N=1 时选股效果最好且衰减较快。该因子为负向因子，即股票的散户羊群效应越高、未来预期收益越差；研报给出五分组多空对冲年化收益 12.51%、信息比率 2.18、月度胜率 77.48%，回看天数在 20~60 天之间敏感性不高，与常见 Barra 风格因子相关性不高，行业风格中性化后多空对冲信息比率仍有 2.27。

构建逻辑: 口径同 herding_corr_el，第二条序列换成小单的次日净流入。

项目实现说明:

• 计算频率、股票过滤、秩相关的实现、有效交易日、分档口径、净流入的还原：同 lag_corr_el_el

ind_herding_corr_s

中文名: 行业散户羊群效应因子

描述: 把散户羊群效应的思路延伸到行业层面。研报发现行业层面改用一阶差分的秩相关更有轮动效果，且该指标在滞后期 N=1、2 时 ICIR 相对最显著并呈现相反效果（由两者强负相关导致），最终采用滞后一期版本。研报的解释是：对于某行业小单资金净流入的日度变化而言，若其跟随昨日行业收益日度变化越紧密，则该行业散户羊群效应越高、后市表现可能越差。研报给出 IC 均值 -5.85%、ICIR -1.04，三分组多空对冲年化收益 11.99%、信息比率 1.25、胜率 66.07%、最大回撤 8.22%。

构建逻辑:

1. 对每个申万一级行业，逐日计算行业收益率与行业小单净流入；
2. 分别取两者的一阶差分 $\Delta R_t$ 与 $\Delta S_t$；
3. 在过去 20 个交易日上把 $\Delta R_t$ 与次日的 $\Delta S_{t+1}$ 配对，计算秩相关系数。

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
• 记录粒度：研报的因子是行业指数粒度的轮动因子，本项目的表结构要求 date + instrument 主键，故把行业因子值广播到该行业的全部成分股，每只股票带上所属申万一级行业的因子值
• 行业收益率：取 cn_stock_prefactors 的申万一级行业指数收盘价 sw_level1_close 计算日收益率
• 行业小单净流入：把该行业当日成分股的小单净流入相加；停牌股当日没有成交、净流入本就是 0，故按有效成分股求和而不是整个行业判缺失（否则任一成分股停牌就会让整个行业 22 天窗口作废，实测覆盖度只剩 4%）
• 秩相关的实现：同 sync_corr_el_l
• 有效交易日：行业层面以行业指数收盘价与成分股小单净流入可用为准，要求 22 个交易日全部有效（20 日窗口 + 错位 1 期 + 一阶差分 1 期）

复现核对

核对口径: 2016-01-04 ~ 2026-09-30（128 个月末截面 / 2611 个逐日截面）；全市场不做任何股票过滤（研报剔除 ST、停牌与上市不足 60 个交易日的次新股）；前向收益取 21 个交易日的收盘到收盘收益；rankIC 按截面计算；研报 ICIR 为年化口径，本项目的 rankICIR 已年化。研报回测区间为 2013-01-01 ~ 2022-04-30。ind_herding_corr_s 是行业级因子广播到成分股，个股截面 IC 对它没有分辨力，该行已单独说明。

本表是七张表里与研报逐项数值吻合度最高的一张。

六个同步相关性因子的 ICIR 符号与量级全部复现（本项目年化 rankICIR 对研报表 1）:

六格符号全部一致，其中四格的差距在 0.25 以内。研报指认的最优组合 sync_corr_el_s 在本项目同样是同步相关性里最强的一个（IC 0.0546 对研报 5.13%、年化 ICIR 2.18 对 2.43），误差在 0.3 个百分点与 0.25 个 ICIR 以内。

「伪动力学」的论证也复现了。研报的核心论点是 sync_corr_el_s 的 alpha 可被量级占比指标 H 解释，两者相关 -54.56%。本项目 flow_magnitude_h 的 rankIC 为 -0.0782、年化 rankICIR -2.94，与 sync_corr_el_s 的 +0.0546 / +2.18 符号相反、强度相当，正是「两者高度负相关、承载同一份信息」的表现。

七个错位相关性因子有六个符号一致:

唯一符号相反的是「大单-大单」（本项目 -0.24 对研报 +0.66），两者绝对值都很小、落在噪声范围内，标为待确认。研报指认的最优组合 lag_corr_s_s 在本项目同样是四个自错位组合里最强的（+1.04），但强度只有研报的一半（2.07）。

散户羊群效应因子方向正确、强度偏弱。herding_corr_s rankIC -0.0375、年化 rankICIR -1.77，为负向因子，与研报「股票的散户羊群效应越高、未来预期收益越差」一致；研报给的多空收益波动比 2.18 与本项目的 IC 信息比率不同口径，不能直接相减。四档对照项里只有小单（-1.77）与中单（-1.07）为负、大单（+1.14）与超大单（+1.00）为正，与研报图 6「四类资金中只有小单呈现明显追涨杀跌」的方向基本一致（中单也偏负，研报未给逐项数值）。

行业散户羊群效应未能复现。ind_herding_corr_s 在个股截面上的 rankIC 为 +0.0006（逐日 -0.0077），而研报给的是行业层面 IC -5.85%、ICIR -1.04。两者口径不同：本表把行业因子广播到成分股，个股截面 IC 对它没有分辨力（31 个取值铺到 5000 多只股票）。本项目在 cn_stock_factors_hf_ky_industry_rotation 的核对里已经量过，近十年行业层面的截面 alpha 整体接近 0，因此该因子的行业级强度也预期偏弱，但本小节没有做行业级的 IC 计算，该项标为未核对。

差异来源:

• 强度普遍偏弱约一半。研报区间 2013-01 ~ 2022-04，本项目 2016-01 ~ 2026-09。研报的核心论点之一正是「同步相关性是伪动力学、错位相关性的 alpha 来自散户羊群效应」，而散户行为类因子在 2022 年后的衰减会直接压低本项目的 ICIR。
• 股票过滤: 研报剔除 ST、停牌与上市不足 60 个交易日的次新股，本项目按项目规范不做任何过滤。
• 秩相关实现: 本项目用 numpy 实现滚动 Spearman（并列取平均秩），已与 scipy.stats.spearmanr 逐窗口核对一致，不是差异来源。

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。