本报告为“技术分析拥抱选股因子”系列第六篇,基于分钟级价量数据,首次引入差分处理,构建价量差分相关性因子CDPDV系列。通过“价量不错位”、“价先量行”、“量先价行”三大类差分价量互动关系拆分子因子并合成,本报告发现合成因子CDPDV_V表现最佳,5分组多空对冲年化收益27.03%,信息比率3.61,最大回撤仅4.01%,展现较强稳定的选股能力。因子优于传统基准PV_Corr,且纯净因子扣除行业及主流风格影响后依然有效,验证了价量差分相关性在选股中的重要价值。参数敏感性检验及不同样本覆盖显示因子鲁棒性良好 。
报告标题:
“技术分析拥抱选股因子”系列研究(六)——[CTaPbVle _M因ain]子抢跑版,差分视角下的价量互动关系
发布机构:东吴证券研究所
作者:高子剑(证券分析师,执业证号 S0600518010001021)、沈芷琦(研究助理)
发布时间:2021年05月15日
研究主题:在技术分析框架下,以分钟级别的价格与成交量数据为基础,围绕价量相关系数的“差分”处理方法,深入探索价量互动关系及其作为选股因子的有效性,旨在通过差分处理后的价量相关系数构建新的、稳定且具有超额收益能力的选股因子,以辅助量化选股和资产配置决策。
核心论点与信息摘要:
总体而言,报告提出的差分价量相关性因子体系(特别是以“量先价行”为代表的CDPDV_V),为量化投资的选股因子库提供了有力的新补充,尤其强调领先趋势信号的把握 —— “做趋势的领先者,不做趋势的跟随者”,。
报告回顾了系列首篇CPV因子研究(2020年2月23日),该因子基于分钟级价格和成交量的相关系数构建,取得了年化收益17.52%,信息比率2.81,月度胜率83.72%的良好记录。然而,CPV因子存在价格自相关性影响,随后伴随发布的“CPV移位版”报告强调了对价格和成交量数据先做差分处理以剔除扰动的必要性。该篇报告即以此为基础,深入探究差分价量相关性的选股潜力。
定义与计算方式:
回测表现(2014/01/01-2021/04/30,全A股样本,剔除ST、停牌、次新股):
观察:PV_Corr因子尽管整体表现可观,但最近两年的回撤明显,说明其稳定性和持续性存在挑战(图4),.
报告创新地先对分钟价格、成交量数据做一阶差分处理,即:
[
\Delta P_t = P_t - P_{t-1},\quad \Delta V_t = V_t - V_{t-1}
]
在差分数据上,进一步基于价格与成交量的时间错位关系,将价量互动划分为三种情形:
每种情形均计算整体相关因子,进一步根据差分的正负拆分为四个子因子,以捕捉不同价量冲击及回响的异质性,.
均依照整体因子 + 正负子因子拆分 + 合成因子程序构建(dP_dV_Corr及dV_dP_Corr),并对应得到合成因子CDPDV_P和CDPDV_V。
总结(图13,表10,图14):
展示量先价行合成因子CDPDV_V在2014年至2021年间的5分组及对冲净值走势。各分组净值呈持续上升趋势,尤其分组1(表现最优组)涨幅显著,而分组5(表现最差组)呈下降趋势。对冲净值(分组1对冲分组5)稳步上升,表明因子选股能力强且稳定。
CPV因子在全市场5分组及对冲净值走势。整体净值中长期稳健增长,但近期增速放缓及表现分歧,表征其存在一定局限性。
基准因子PV_Corr的5分组及对冲净值走势。与图1对比,回撤幅度大较明显,涨幅较为有限,验证了差分处理后的改进必要性。
差分不错位因子delta_PV_Corr净值走势。曲线波动性较大,信息比率较基准低,表现较弱。
示意价量相关系数拆分逻辑。整体相关系数负向走势,拆分子因子呈现方向分歧,揭示价量关系的异质性和复杂性。
差分不错位合成因子CDPDV的净值走势。明显优于delta_PV_Corr及基准因子,波动更小,表现更平稳。
价先量行(CDPDV_P)及量先价行(CDPDV_V)因子的5分组净值及对冲净值走势。特别是量先价行净值表现极为稳健增长,对冲净值大幅领先整体因子,验证了该因子强劲的信号能力。
总结了价量相关系数及差分处理后相关因子的构建流程(图13),并汇总了基准因子与三个合成因子的多空对冲净值走势(图14)。三个合成因子整体表现优异,尤其是CDPDV_V,表现最突出。
剔除行业、风格及其他已知因子影响后的纯净CDPDV_V因子净值走势。该纯净因子依然表现出较强的选股能力,验证了因子的独立有效性。
全文逻辑简图。理清价量互动因子从不做差分(基准PV_Corr)到做差分后三种情形因子的逻辑梳理,清楚展现研究脉络。
本报告核心为量化选股因子开发及回测分析,重点在价量相关系数及基于差分的演进,并未涉及传统意义上的估值模型(如DCF、市盈率等),因此无估值部分展开。
报告明确提示实际应用需谨慎,合理结合资金管理和风险控制,避免对单一因子的过度依赖,.
该报告基于东吴证券“技术分析拥抱选股因子”系列研究的传承,创新引入对分钟级价格与成交量数据先做差分处理,系统构建并拆分价量互动相关系数因子。通过区分“价量不错位”、“价先量行”、“量先价行”三种差分价量错位关系,及对正负差分区间的细分与合成,提出了系列合成因子CDPDV、CDPDV_P与CDPDV_V。
其中,CDPDV_V作为“量先价行”模式的合成因子,表现最为优越:
图表数据表现验证了“量先价行”理念:成交量作为信息先行指标,提前胸怀价格趋势变化信号。报告表达了“做趋势的领先者,不做趋势的跟随者”的主题口号,强调领先成交量信号的重要性。
报告详尽的数据分析与丰富的图表与表格相辅映证,为资产管理者和量化研究员提供了一个可靠且有效的分钟价量互动选股因子库,尤其适用于强调趋势先行信号捕捉的量化选股策略。
整体评价:东吴证券团队对价量相关系数差分处理的深入挖掘,大幅优化了原始CPV因子,有效提升了信号稳定性和选股表现。报告思路严谨,数据详实,结果具有清晰的金融经济学解释与实证支持,具备可应用于实际量化投资的价值。风险提示充分,分析全面,体现了专业严谨的研究水准。
图1:量先价行合成因子CDPDV_V的5分组及多空对冲净值走势
图4:价量相关性基准因子PV_Corr的5分组及多空对冲净值走势
图6:差分不错位因子delta_PV_Corr的5分组及多空对冲净值走势
图8:价量相关性合成因子CDPDV的5分组及多空对冲净值走势(差分不错位)
图9-12:合成因子CDPDV_P与CDPDV_V的5分组及对冲净值走势
图14:价量相关性基准因子与三大合成因子的5分组多空对冲净值走势
图15:纯净CDPDV_V因子的5分组及多空对冲净值走势
图16:全文逻辑简图
综上,“差分视角下的价量互动关系”报告通过严谨的统计分析和创新因子构建,显著优化了基于价量关系的选股因子体系,尤其是量先价行CDPDV_V因子的表现优异。该研究不仅具有较强的实证基础,也能够为市场参与者在高频交易和量化选股策略中提供欠缺已久的领先信号,值得在实际中深入推广应用。,,,,,,,,,,,,,,,,,,
如需进一步拆解统计方法、计算细节或机制推演,欢迎提出。
“技术分析系拥抱选股因子”系列研究(六):CPV因子抢跑版 差分视角下的价量互动关系.pdf