高频因子（十二），日内与日间.pdf

金融工程 丨专题报告 目录 日内与日间的计算方式4 三种计算方式 4 高频反转因子5 波峰因子6 量价相关性8 从整体到日内 9 小节 11 日内与日间的剥离 12 日内与日间价格变动的异同 12 日内的反转效应 14 高频下的动量与反转 18 小节 19 总结20 图表目录 图1：全市场高频反转偏度因子回测净值10 图2 ：中证800 高频反转偏度因子回测净值10 图3 ：全市场量价相关性标准差因子回测净值 11 图4 ：中证800 量价相关性标准差因子回测净值 11 图5 ：隔日相对收益走势15 图6 ：全市场日内反转因子回测净值（取对数）15 图7 ：中证800 日内反转因子回测净值（取对数）15 表1：三种因子计算方式5 表2 ：高频反转因子不同计算方式风险指标6 表3 ：波峰因子不同计算方式风险指标8 表4 ：量价相关性因子不同计算方式风险指标9 表5 ：高频反转偏度因子风险指标10 表6 ：量价相关性标准差因子风险指标 11 表7 ：动量时间段因子风险指标13 表8 ：反转时间段因子风险指标14 表9 ：日内反转因子分年收益率16 表10：日内反转因子中证800 内分组分年收益率17 表11：日内反转因子不同成本年化收益率17 表12：不同频率下计算的反转因子对不同长度个股区分的IC 矩阵（行名、列名单位：分钟）19 请阅读最后评级说明和重要声明 3 / 21 金融工程 丨专题报告 在高频因子系列报告中，我们通过高频数据构建月度调仓的低频因子，实现高频数据的 低频化使用，而和低频数据相比，高频数据在使用时存在“时间非连续”的情况，即每 日数据可以分为从昨日收盘至今日开盘的隔日时间段和今日开盘至今日收盘的交易时 间段，其中隔日时间段的量价数据则仅存在于集合竞价一个时间段，其余时间段为非交 易时间段，交易时间段则是数据高频化的主要区间。隔日时间段不仅使得信息的表达上 产生了断点，也在信息处理上天然和交易时间段存在差别，和低频数据的使用相比涉及 到了以下问题：  微观结构是否有信息增量：如相同构建方法但提高数据频率是否可以加强因子表 现，构建因子逻辑是否仅在高频数据下得到刻画。如果微观信息没有信息增量，则 将低频提至高频无法改进因子表现，交易时间段不需要进行数据高频化处理，也就 不用区分隔日时间段和交易时间段。  低频数据直接将一轮隔日时间段和交易时间段作为一个交易周期，而高频数据使 用时则涉及到如何合并多个隔日时间段和交易时间段的信息：如隔日时间段和交 易时间段的信息表达是否存在差异，如量价变动对个股预期收益率的影响方式、影 响程度；如果不存在差异，那么将一个隔日时间段和交易时间段作为一个交易周期 （如以前一日收盘至下一日收盘为一个完整的交易周期），不同交易周期的信息表 达是否存在差异。 本文将从上述两个问题展开讨论。 日内与日间的计算方式