基于时间尺度的买卖压力度量与相对价格位置 RPP 指标 [page::2][page::3]

• 股票价格归一化为区间最高价和最低价之间的相对价格位置 RPP，衡量价格区间内的分布。

- 采用时间加权平均的相对价格位置 ARPP 度量股票在相对高位或低位的停留时间，ARPP 越大，表明股票价格在高位停留越长。

ARPP 因子构造与时间窗口设计 [page::3][page::4]

• 构造三个时间尺度买卖压力因子：ARPP1d20d、ARPP5d20d、ARPP20d20d，分别基于日内、5日、20日TWAP及最高价最低价滚动计算ARPP，平滑窗口均为20日。

- 不同平滑周期适应不同换手率策略，短周期适合高换手，长周期适合低换手。

ARPP 因子选股表现汇总 [page::5][page::6]

| 样本空间 | RankIC（行业市值中性） | 多空年化收益 | 夏普率 | 最大回撤 |
|---------|-----------------------|-----------|-------|---------|
| 中证全指 | 6.05% | 22.99% | 3.54 | -5.51% |
| 沪深300 | 4.02% | 11.91% | 1.21 | -17.15% |
| 中证500 | 5.25% | 17.27% | 2.25 | -12.82% |
| 中证1000| 6.94% | 25.78% | 2.88 | -7.77% |

• ARPP1d20d因子表现最佳，短期区间度量对未来收益预测更强。

- 因子分组多头收益和空头收益均显著，表现出较强的多空选股能力。

ARPP 因子分组年化对冲收益趋势 [page::6]

• 价格相对高位停留时间长的组合未来收益显著高于低位组合，表现单调递增。

ARPP 因子时间序列表现与拥挤度分析 [page::7]

• 过去10年表现稳健，无明显大幅回撤，ARPP1d20d近2年多空收益有所回落，可能与策略拥挤度有关。

ARPP 因子相关性分析及独立性验证 [page::8][page::9][page::10]

• 三个 ARPP 因子内部相关性适中，尤其是 ARPP1d20d 与 ARPP20d20d 相关性仅16%，可互补。

- ARPP 因子与传统估值、成长、盈利等基本面因子相关极低，与常用技术类因子尤其是日间因子相关性极弱。

• 两两因子分层验证表明 ARPP 因子贡献独立选股信息，多空收益稳定。

截面回归剔除其他因子后的选股表现 [page::11]

| 因子 | RankIC | ICIR | 多空年化收益 | 夏普率 | 最大回撤 |
|------------|--------|-------|------------|-------|---------|
| ARPP1d20d| 5.04% | 4.05 | 16.58% | 2.90 | -5.11% |
| ARPP5d20d| 3.78% | 3.15 | 11.90% | 2.32 | -4.73% |
| ARPP20d20d| 1.85% | 1.92 | 6.65% | 1.50 | -5.65% |

• 剔除行业市值和其他主流因子后，买卖压力因子仍有显著选股能力，尤其是 ARPP1d_20d因子。

因子风险提示 [page::0][page::12]

• 量化模型基于历史数据，未来可能失效。

- 极端市场环境可能对因子表现产生较大冲击。

《基于时间尺度度量的日内买卖压力》——详尽分析报告

---

一、元数据与报告概览

报告标题： 基于时间尺度度量的日内买卖压力
系列： 因子选股系列 之 六十六
作者与机构： 朱剑涛、王星星，东方证券研究所
发布日期： 2020年4月21日
研究主题： 本报告聚焦于如何通过股票价格在不同时间区间内的相对位置停留时间，度量股票的买卖压力，并基于此构建与验证有效的选股因子。
核心结论： 买卖压力不仅影响价格成交量的分布，还影响价格在时间维度的分布。股票价格在相对低位时买入压力大，因主动买单推高价格，导致价格在低位停留时间短；反之，卖出压力大时，价格在高位停留时间短。基于此，报告提出相对价格位置(RPP)和时间加权相对价格位置(ARPP)指标，构建三个不同时间尺度的买卖压力因子，并验证出较强的选股能力和稳健表现。投资者可依据不同换手需求，灵活应用这些因子。
风险提示： 主要包括量化模型失效风险及市场极端冲击风险。[page::0,12]

---

二、报告结构与章节分析

2.1 基于时间尺度的买卖压力度量

2.1.1 相对价格分布与买卖压力

报告先回顾了之前一篇《基于量价关系度量股票的买卖压力》中的发现，即股票买入压力大时，成交量在价格相对低位较大；卖出压力大时，成交量在价格相对高位较大。进而指出买卖压力同样影响价格在时间维度的分布：当买卖压力平衡时，价格在相对高低的停留时间均等；当买入压力大，股票价格一旦处于相对低位，主动买单驱动价格快速上升，导致价格在低位停留时间短，高位时间长；卖出压力大时反之。

这一逻辑清晰描述了时间停留与主动交易压力的正相关关系，为构建基于时间尺度的买卖压力因子奠定基础。[page::2]

2.1.2 时间尺度买卖压力的度量方法

为解决不同股票价格不可比较问题，报告采用归一化的价格分位数指标——相对价格位置 (RPP) 定义为：

\[
RPP{i,t} = \frac{P{i,t} - Li}{Hi - Li}
\]

其中，\(P{i,t}\) 是某时刻价格，\(Hi, Li\) 分别为统计区间内最高和最低价。RPP取值介于0到1，折算股票在特定区间价格的相对位置。报告展示了A股十年内日度和月度RPP分布图（图1，图2），显示RPP分布总体呈钟形，统计样本经过去涨跌停过滤，保证数据平稳。

为更细腻度量停留时间，避免阈值设定带来的偏差，报告采用时间加权平均的相对价格位置（ARPP），即\(RPP\)在时间上的积分。计算中，TWAP（时间加权平均价格）取代了积分中的价格部分，使得ARPP计算公式简化为：

\[
ARPPi = \frac{TWAPi - Li}{Hi - Li}
\]

通过不同的时间窗口滚动计算ARPP，具体为1日、5日、20日三个窗口，再对结果做20日滑动平均平滑处理。构造因子分别命名为ARPP1d20d、ARPP5d20d、ARPP20d20d，满足不同投资者的视野与周期需求。报告中剔除了涨跌停日期影响，加强模型稳健性。[page::2-4]

---

2.2 ARPP 因子的选股表现

2.2.1 数据说明

因计算依赖分钟级行情数据，样本周期为2009年12月至2020年3月，选样范围以上证全指成分股为主。用传统RankIC和因子分组收益方法评价因子有效性，分组采用原始值与行业市值调整后值，精细划分为10组构建多空组合。

2.2.2 表现汇总与发现

• 三个因子均表现显著，且与理论一致：价格长期处于相对高位的股票（即ARPP值较大）未来平均收益较高，反之收益偏低。

- 1日和5日窗口的因子表现优于20日窗口，说明短期价格相对位置信息在预测未来收益方面更具优势。

• 因子在小市值股票中表现更佳，沪深300表现最弱，中证1000表现最佳，符合市场上小市值股通常具备更强alpha因子的事实。

报告提供了详细的样本空间RankIC、ICIR、t值及多空组合年化收益、夏普率、月度胜率和最大回撤等统计指标（图3），表明因子具有稳定性和统计显著性。中证全指内ARPP1d20d月度均值RankIC达6.8%，多空年化收益约23%。[page::4-5]

2.2.3 因子分组收益

通过对因子十组进行收益展示（图4~图6），发现收益结构单调，低分组负收益幅度较大，高分组收益逐步上升，支持因子对未来收益具有预测力。多空组合收益中，空头端对冲收益（比如ARPP1d20d约为-10.9%）整体强于多头端（约为8.8%），但差异不明显，多头收益依然显著。[page::5-6]

2.2.4 时间序列表现

三个ARPP因子均在历史上保持较好选股表现，无明显大幅回撤，表现稳定。
ARPP1d20d因子近两年收益有减弱趋势，疑因市场拥挤度增加，5日和20日窗口因子表现更稳定。2020年初各因子均回暖，显示因子持续有效。[page::7]

---

2.3 因子相关性分析

2.3.1 数据及方法

本章在中证全指样本上，分析三个ARPP因子之间及其与各大类因子（估值、成长、盈利、流动性等）和常见技术因子（日间和日内）的相关性，排除金融股以避免特殊行业因子干扰。参照因子值相关系数、RankIC相关性和两两分层多空收益进行多角度剖析。
两层分层方法帮助判别不同因子组合下的收益独立性。

2.3.2 主要发现

• ARPP因子与基本面类因子相关性极低，最高不到20%，尤其ARPP1d20d相关性尤低（低于10%），表明该因子捕捉的是价行为信息之外的独立信号。

- 技术因子相关性总体偏低，尤其日间技术类因子相关性几乎为零，部分因子间略有中度相关， 如APB因子与ARPP5d、20d相关较高，但与ARPP1d弱相关。

• 不同时间尺度ARPP间具备一定信息重叠，但1天与20天尺度相关较低（16%），可互为补充。

- 两两分层结果支持上述结论，多空收益独立性强，尤其ARPP1d20d表现极其稳健，对其他因子敏感度低，适合作为主力alpha因子。

• 截面多元回归剔除其他因子后，ARPP因子仍显著，尤其基于1日周期的ARPP残差因子表现最佳。

因子相关性低以及回归结果证明，ARPP因子提供了市场上现有因子难以替代的价位及买卖压力信息，且具有实质投资价值。[page::8-11]

---

三、图表深度解读

3.1 图1、图2：A股日度和月度区间相对价格位置RPP分布

• 描述： 两图均展示了2009年至2020年期间，基于一分钟样本计算的RPP概率分布。

- 解读： RPP集中于中间区间，反映股票价格更频繁在走势区间中等位置，同埋频次较少在极限（0或1）。峰值的存在可能与交易行为或价格限制机制相关。

• 联系文本： 分布合理支撑归一化价格概念的有效性，为后文因子设计提供概率基础。

- 局限性： 高频数据源可能存在噪声，且分布剔除了涨跌停点，避免因极端点影响。

3.2 图3：ARPP因子在各个样本空间表现汇总

• 描述： 包含三个时间尺度ARPP因子在沪深不同指数样本内的RankIC、ICIR、t-value、多空年化收益、夏普率、最大回撤等统计指标。

- 解读： ARPP1d20d和ARPP20d20d RankIC均达6%以上，表明因子稳定预测收益；多空组合年化收益最高可达25%以上，且夏普率均超2，风险调整后收益具吸引力。大盘股表现弱于中小盘股，符合市场普遍现象。行业市值中性化后因子表现略有下降，说明市值因素对因子存在一定调整作用。

• 联系文本： 图表支持报告论断，即ARPP因子展现显著选股能力，且短周期因子表现更优。

- 局限性： 没有提供不同市场环境细分表现，未来极端行情表现仍需观察。

3.3 图4-图6：ARPP因子分组年化对冲收益

• 描述： 因子值由低至高分为10组，多空组合年化对冲收益递增图示。

- 解读： 明显单调递增趋势符合预期，低价位停留（低RPP）组收益为负，高停留组呈现正收益，因子信号显著。各因子曲线形态相似，但ARPP1d20d倾向表现最强。

• 联系文本： 强化因子对未来收益的预测能力说明。

- 局限性： 说明空间有限，未涵盖特殊行情风格调整。

3.4 图7-图9：三个ARPP因子时间序列表现

• 描述： 10年时间序列RankIC柱状图与多空净值曲线披露因子稳定性及收益。

- 解读： 三因子均保持正向有显著选股能力，无剧烈回撤，尤其ARPP5d20d和20d20d表现更稳定。近两年ARPP1d20d波动较大。

• 联系文本： 反映市场拥挤度影响短周期因子表现，提醒投资者关注换手策略适配。

---

四、估值与财务预测

本报告为量化因子研究报告，设计侧重于因子构建及实证检验。未涉及传统公司估值方法或财务预测模型的详细构建。因子表现通过RankIC及多空组合收益实证反映因子价值。投资者可结合自身资产配置需求，将此类因子作为选股Alpha补充，非作为独立估值工具使用。

---

五、风险因素评估

报告明确提示两大主要风险：

1. 量化模型失效风险： 因子基于历史数据，未来市场结构变化或投资者行为改变可能导致模型失效。投资者必须动态监控模型效果。

2. 市场极端环境冲击： 在极端行情下，买卖压力及价格表现可能偏离历史常态，带来预测失准及损失风险。

报告未特别展开缓解策略，通常建议投资者结合多因子模型，严格风控与动态调整仓位。[page::0,12]

---

六、批判性视角与细微差别

• 因子稳定性及拥挤风险： ARPP1d20d因子近两年表现减弱反映市场拥挤，可能影响因子未来表现，应警惕单因子拥挤度导致的收益波动。

- 因子独立性强，但收益偏离方向不对称： 空头端对冲收益通常高于多头，但差异波动较小，说明因子既能捕捉买入压力，也能反向捕捉卖出压力，适宜构造多空对冲组合。

• 时间窗口选择权衡： 报告选择1日、5日和20日窗口，尽管信息互补，但投资者需结合自身换手策略，微调时间尺度以优化收益。

- 未覆盖极端行情表现细节： 报告未深入分析极端波动、闪崩等行情对因子影响，建议投资者自行补充此类场景模拟。

• 卷积计算简化假设： TWAP通过分钟数据近似计算，可能存在计算误差，但报告未明确误差估计，需关注数据质量问题。

整体而言，报告分析扎实，结论客观，指标设计合理。

---

七、结论性综合

本报告首次系统构建并实证验证了基于价格相对位置在不同时间尺度内停留时间的买卖压力因子（ARPP），并证明：

• 买入（卖出）压力大的股票价格相对低（高）位停留时间较短（长），对应ARPP指标值较高（低），与成交量加权价格偏差因子互为补充。

- 设计的三个ARPP因子（1日、5日、20日时间窗口）均在2009年至2020年A股历史数据表现出稳定且显著的选股能力，特别是ARPP1d_20d因子表现最佳，中证全指样本中具备6.8%的RankIC，23%左右的多空年化收益率，且夏普率和月度胜率均优异。

• 不同时间尺度因子之间相关性较低（如1日与20日仅16%），信息互补度高，便于组合使用分散风险提高收益。

- 因子与传统基本面因子及大多数技术因子相关性极低，独立捕捉基于价格时间维度的买卖压力特征，剔除其他因子影响后依然有效。

• 因子收益在不同市值段存在差异，中小市值股票中效果更突出。

- 因子存在收益非对称风险，空头对应更大对冲收益，但多头端依然稳健；近两年短期因子表现波动有所增强，提示投资者关注拥挤风险。

• 报告给出量化因子失效及极端市场冲击的风险提示，提醒用户应密切追踪策略表现。

综上，基于时间尺度度量的日内买卖压力因子为量化选股提供了一个新的、稳健且独立的信号来源，适合结合其他因子构建多因子选股模型，是投资者和量化策略开发者宝贵的研究成果和实用工具。[page::0-11]

---

参考图表索引

1. 图1-A股日度区间RPP分布

2. 图2-A股月度区间RPP分布

1. 图3-ARPP因子样本空间表现汇总（复杂数据结构，详见正文解析）

4. 图4-6- ARPP三个因子分组年化对冲收益（中证全指）

1. 图7-9- ARPP因子时间序列表现

6. 图10-15- 因子相关性矩阵与两两分层月度收益显著性（详见正文章节三）

1. 图16-剔除大类因子后ARPP残差选股表现

---

总体评价

本报告条理清晰，研究框架严密，实证结果充分，图表丰富合理，指标定义清晰，且风险提示合理，是一篇理论联系实证、视觉效果良好且具备较强操作价值的量化研究报告。投资者和研究员可基于此进一步开发多因子策略，融合时间维度价格动量信息，提高投资组合的超额收益能力。

---

【全文完】

报告