title: 量能类技术指标因子（cn_stock_factors_ta_volume_energy） source: bigfactorwarehouse / cn_stock / cn_stock_factors_ta_volume_energy format: markdown

量能类技术指标因子（cn_stock_factors_ta_volume_energy）

只用成交量序列构造的量能指标，是把价格类经典指标（MA / MACD / OSC / STD / RSI / ROC）整体平移到成交量上的一族因子，外加上涨量与下跌量对比的 VR。这类因子与价格方向无关（VR 除外），适合与价格动量因子组合使用以降低相关性。

• 因子数量：7 个因子 / 7 个数据列
• 主键：date + instrument（按 cn_stock_instruments 对齐全市场标的）
• 数据起始：2010-01-01，日频增量更新
• 复权口径：后复权（cn_stock_bar1d 全表统一）

1. 上游依赖（基础数据表）

cn_stock_bar1d 为分区表，SQL 的 date 过滤由 dai.query(filters={"date": [...]}) 下推完成。

2. 因子清单（7 列）

3. 因子族公式与 DAI SQL

3.1 VMA 量均线 / VSTD 量标准差

公式：VMA5 = MA5(Volume)；VSTD10 = STD10(Volume)

输出列（2）：vma5、vstd10

SELECT date, instrument,    m_avg(volume, 5) AS vma5,    m_stddev(volume, 10) AS vstd10FROM cn_stock_bar1dWHERE close IS NOT NULLORDER BY date, instrument

3.2 VMACD 量指数平滑异同平均 / VOSC 成交量震荡

公式：VMACD = EMA12(Volume) − EMA26(Volume)；VOSC = (EMA5(Volume) − EMA20(Volume)) / EMA5(Volume) × 100

输出列（2）：vmacd、vosc

SELECT date, instrument,    m_ta_ema(volume, 12) - m_ta_ema(volume, 26) AS vmacd,    (m_ta_ema(volume, 5) - m_ta_ema(volume, 20)) / NULLIF(m_ta_ema(volume, 5), 0) * 100 AS voscFROM cn_stock_bar1dWHERE close IS NOT NULLORDER BY date, instrument

3.3 VR 成交量比率

公式：VR = (SUM_Up(V,26) + 0.5×SUM_Flat(V,26)) / (SUM_Down(V,26) + 0.5×SUM_Flat(V,26)) × 100

输出列（1）：vr26

SELECT date, instrument,    100.0 * (m_sum(if(close > m_lag(close, 1), volume, 0), 26) + 0.5 * m_sum(if(close = m_lag(close, 1), volume, 0), 26)) / NULLIF(m_sum(if(close < m_lag(close, 1), volume, 0), 26) + 0.5 * m_sum(if(close = m_lag(close, 1), volume, 0), 26), 0) AS vr26FROM cn_stock_bar1dWHERE close IS NOT NULLORDER BY date, instrument

3.4 VROC 量变动速率 / VRSI 量相对强弱

公式：VROC = (V − V_12日前)/V_12日前 × 100；VRSI = MA6(MAX(V−前V, 0)) / MA6(|V−前V|) × 100

输出列（2）：vroc12、vrsi6

SELECT date, instrument,    (volume - m_lag(volume, 12)) / NULLIF(m_lag(volume, 12), 0) * 100 AS vroc12,    m_avg(greatest(volume - m_lag(volume, 1), 0), 6) / NULLIF(m_avg(abs(volume - m_lag(volume, 1)), 6), 0) * 100 AS vrsi6FROM cn_stock_bar1dWHERE close IS NOT NULLORDER BY date, instrument

4. 数据加工说明

4.1 加工链路

cn_stock_bar1d（后复权，WHERE close IS NOT NULL）    → 4 组因子族 SQL 并行执行（joblib loky, n_jobs=8）    → 按 cn_stock_instruments 左连接对齐全市场标的    → schema 归一化（列序 / 类型 / 缺失值）    → dai_write 按 date 的年份分区落库

• 历史构建：create()，自 2010-01-01 起按 2 年一段滚动执行，每段结束后 gc.collect() 释放内存。
• 增量构建：build()，默认覆盖最近 5 个自然日；落库前跑 tester.py，落库后更新前端文档。

4.2 回溯冗余（避免窗口未预热导致的缺失值）

窗口算子只在查询下推后的行集上计算，所以每次计算都会向前多取一段行情：

多读一段历史不改变任何输出值（窗口算子只向前看），只是把区间首日的"本可避免的缺失"消掉。 EMA / RSI / ATR / MACD / TRIX 属于 IIR 递推算子，理论上预热期无限长，因此这些表的冗余按 约 5 倍最长周期取值，而非刚好等于窗口长度。

4.3 停牌空值行的处理

cn_stock_bar1d 在停牌日会保留一行、但 open/high/low/close/amount 全为 NULL、volume 为 0。 m_ta_* 递推类算子只要吃到一个 NULL，之后就永久输出 NULL。因此所有 SQL 统一加 WHERE close IS NOT NULL，把停牌行从计算输入中剔除（此时 m_lag(close, 1) 指向上一个交易日， 符合技术指标的常规口径）。

实测（2024-01 全市场，回溯起点 2021-06）：

4.4 累计型因子的锚点

本表不含累计型因子，全部因子都是固定长度的滚动窗口计算，因此只受 lookback_days 影响。

4.5 标的对齐与覆盖度

落库前以 cn_stock_instruments 为基准左连接，因此每个交易日都是全市场标的的完整行， 停牌股与上市不足窗口长度的新股在对应因子列上为 NULL。入库校验要求单因子整体覆盖度 ≥ 85% （tester.py 关键测试点），单日覆盖度 ≥ 80%（非关键，仅告警）。

4.6 本表实现要点

• vma5、vstd10 与成交量同量纲（股），跨股横截面使用前必须先做标准化或改用比值型因子（如量价类的 vol_ratio_*）。vmacd 同理。
• vosc、vroc12、vrsi6、vr26 已经是比值/百分比形式，可直接跨股比较。
• vr26 按 VR 标准公式实现，含 26 日滚动累计与平盘量 0.5 权重；部分上游写法只算了当日涨跌量（缺 m_sum(..., 26) 窗口），本表已修正。
• vmacd、vosc 统一用 DAI 宏 m_ta_ema，替代原生 ta_ema(...) OVER(...) 写法。

5. 覆盖度实测

实测区间 2026-09-07 ~ 2026-09-17（9 个交易日、50052 行，已按 cn_stock_instruments 对齐全市场标的）：

覆盖度最低的三列：vmacd(99.4%)、vr26(99.4%)、vosc(99.5%)。缺失主要来自上市不足窗口长度的新股与当日停牌，逐列明细见 testdata/coverage_report.md，数据示例见 testdata/sample_data.csv。

6. 示例数据

{{sample_data}}

7. 使用建议

1. 横截面标准化：本表含绝对量纲列（价位、波幅、成交量等），跨股票比较前建议用 c_zscore(因子, group=date) 或 c_rank(因子, group=date) 处理，或改用同族的比值型因子。
2. 去极值：比值类因子分母虽已做 NULLIF 保护，但小分母仍会放大尾部，建议按日做分位数截断。
3. 冗余筛选：同一指标的多参数档位之间相关性很高，建模前建议按 IC / 相关性 / 特征重要性做筛选， 而不是把全部列直接喂给模型。
4. 无未来函数：全部因子只用当期与历史滚动数据；回测时注意前向收益口径（建议用次日开盘价）， 收盘价口径会系统性高估短周期反转类因子的收益。