个股交易量变动表现出“潮汐”特征 [page::3][page::4]

• 日内成交量由低到高再回归低位，被定义为一次“潮汐”过程。

- 成交量的峰谷形成“涨潮”、“退潮”两段，反映投资者热情变化。

“潮汐”因子定义与构造 [page::5][page::6]

• 计算邻域成交量的峰值与谷值确定“涨潮时刻”、”顶峰时刻“及“退潮时刻”。

- “全潮汐”因子为涨潮至退潮价格变动速率的20日均值。

“全潮汐”因子回测表现 [page::6][page::10]

| 因子名称 | Rank IC | Rank ICIR | 年化收益率 | 信息比率 | 月度胜率 | 最大回撤 |
|-------------|---------|-----------|------------|----------|----------|------------|
| 全潮汐因子 | -7.09% | -3.73 | 27.11% | 2.94 | 84.91% | -7.36% |

• 多空组合年化收益27.11%，月度胜率84.91%，信息比率2.94。

“强势半潮汐”和“弱势半潮汐”分拆及回测 [page::7][page::8][page::9]

• 根据涨潮和退潮起止成交量大小定义强弱半潮汐。

- “强势半潮汐”因子表现突出：年化收益21.01%，信息比3.38，月度胜率83.02%。

• “激进弱势半潮汐”因子表现一般，年化收益8.16%；“稳定弱势半潮汐”表现较好，年化收益19.28%，信息比1.82。

“完整潮汐”因子合成及表现 [page::10][page::11]

| 指标 | Rank IC | Rank ICIR | 年化收益率 | 年化波动率 | 信息比率 | 月度胜率 | 最大回撤 |
|-------------|---------|-----------|------------|------------|----------|----------|-----------|
| 完整潮汐因子 | -7.90% | -4.13 | 27.09% | 8.80% | 3.08 | 83.96% | 5.81% |

• 完整因子月度胜率84%，年化收益27.09%，表现稳定且优异。

剥离常见风格因子影响后的因子稳定性测试 [page::12]

• 与波动率和换手率相关性较高，剔除其他风格因子后仍保持显著选股能力。

| 因子名称 | Rank IC | Rank ICIR | 年化收益 | 信息比率 | 月度胜率 | 最大回撤 |
|------------------|---------|-----------|----------|----------|----------|----------|
| 纯净完整潮汐因子 | -3.47% | -2.72 | 14.77% | 2.53 | 78.30% | -5.99% |

不同样本空间下表现对比 [page::13]

| 样本空间 | Rank IC | Rank ICIR | 年化收益率 | 信息比率 | 月度胜率 | 最大回撤 |
|--------------|---------|-----------|------------|----------|----------|-----------|
| 沪深300成分股 | -4.21% | -1.79 | 11.80% | 1.14 | 61.32% | -16.87% |
| 中证500成分股 | -5.51% | -2.70 | 14.71% | 1.46 | 69.81% | -13.09% |
| 中证1000成分股 | -6.22% | -3.70 | 17.51% | 1.87 | 74.53% | -9.43% |

• 中证1000表现最好，多头组合年化超额收益13.01%。

报告详尽分析报告：《个股成交量“潮汐”变化及“潮汐”因子构建——多因子选股系列研究之二》

---

一、元数据与概览

• 报告标题：《个股成交量“潮汐”变化及“潮汐”因子构建——多因子选股系列研究之二》

- 作者：方正证券研究所，金融工程研究团队；主要分析师：曹春晓

• 发布时间：2022年5月8日

- 研究主题：基于日内分钟频成交量变化，提出“潮汐”因子（及其派生因子）构建方法，并检验其选股能力，归属于量化多因子选股领域。

• 报告核心论点：

- 个股日内成交量的高低变化呈现“潮汐”似的涨落过程，隐含着投资者交易情绪及行为的变迁，能够指示未来收益表现。
- 构建“全潮汐”因子及其细分的“强势半潮汐”与“弱势半潮汐”因子，综合形成“完整潮汐”因子，具有显著的选股效果。
- 实证回测显示该因子在多样本、剥离风格因子影响后，均有稳定的预测收益能力，适用沪深300、中证500、中证1000等关键样本空间。

• 投资评级与目标：报告不涉及对某单一标的的评级或目标价，着重因子研究和策略构建，强调因子选股能力。

---

二、逐节深度解读

1. 成交量的边际变化隐含着重要信息

报告首先指出成交量是市场活动的原动力，技术分析的“量在价先”理论强调成交量变化在价格波动中的领先作用。

通过“天量天价”与“地量地价”的案例（图表1和图表2），结合万得全A指数分钟成交量分布统计（图表3），展示出：

• 市场整体和个股的成交量均表现强烈的时段特征，个股成交量波动往往发生于交易日不同时间点，且非线性，存在显著的“峰谷”。

- 个股成交量高峰时，交易活跃，价格波动大；成交量低时，交易相对清淡，价格波动收敛。

结论为成交量状态与市场活跃度以及价格走势紧密相关，成交量变化的边际变化传递重要信息[page::3]。

2. 个股日内成交量的变动宛如“潮汐”变化

引入“潮汐”概念，将日内成交量由低至高再回到低的单次波动循环类比为海洋涨潮与退潮。

说明：

• “涨潮”时段表示投资者交易热情逐渐增强，成交活跃度上升，价格波动放大。

- “退潮”时段表示成交量回落，交易情绪趋于平静。

• 这一涨落循环映射了投资者结构和情绪的动态变化。

通过“潮汐要素示意图”（图表5）展示“涨潮时刻”、“顶峰时刻”、“退潮时刻”三个关键点。

投资者行为推论：

• 价格快速下跌时（“潮汐”过程中），表明投资者对未来预期过于悲观，存在抛售过度风险，未来或出现反弹补涨。

- 反之，价格快速上涨时表示过于乐观，市场反应可能过度，未来可能调整。

该节建立了基于日内成交量涨落的时间动态及价格响应的分析框架[page::4]。

3. “潮汐”因子构建及选股效应测试

3.1 “潮汐”定义

技术方法：

• 使用分钟级成交量数据，剔除开盘收盘异常数据。

- 计算每分钟的“邻域成交量”，即该分钟及其前后4分钟成交量之和，共9分钟窗口，减少异动噪声。

• 确定当日“邻域成交量”峰值时刻t。

- 定义涨潮时刻m为t之前的局部最低邻域成交量点，退潮时刻n为t之后的最低邻域成交量点。

• 一次完整潮汐包含从涨潮时刻m到退潮时刻n的全过程（涨潮阶段m至t，退潮阶段t至n）。

图表6直观展示了成交量与价格的关系和三节点定义[page::5]。

3.2 “潮汐”过程价格变动速率及“全潮汐”因子构造

• 价格变动率定义为由涨潮到退潮时段的收盘价变动率：$(Cn-Cm)/Cm$。

- 价格变动速率定义为价格变动率除以时间差$(n-m)$，表示单位时间价格变化强度，代理投资者交易热情。

• 对20个交易日该指标取平均，作为每日的“全潮汐”因子。

- 在全市场以月频回测，调整市值及行业影响，测试区间涵盖2013年4月至2022年2月。

图表7显示“全潮汐”因子表现卓越：

• Rank IC为-7.09%，ICIR为-3.73，t值-8.53（说明因子显著，有统计学意义的反向预测能力）。

- 多空组合年化收益率27.11%，波动率9.22%，信息比率2.94，月度胜率84.91%。

• 图表8中十分组净值走势清晰展示从1组（表现最好）到10组（表现最差）明显分层，多空对冲策略收益稳定增长。

该因子具有强逆向选股能力和风险调整后的良好业绩[page::6]。

3.3 “潮汐”过程强弱拆分

基于“涨潮”与“退潮”阶段“邻域成交量”大小关系拆分“半潮汐”：

• 当涨潮起点邻域成交量$vm < v_n$，涨潮被定义为“强势半潮汐”，退潮为“弱势半潮汐”。

- 反之，定义退潮为“强势半潮汐”，涨潮为“弱势半潮汐”。

• 该逻辑认为成交量区间跨度更大、推动力量更强的阶段信息密度更大，预测力也更强。

- 因此单独构造“强势半潮汐”因子。

• 测试显示强势半潮汐因子Rank IC为-4.88%，ICIR为-4.40，年化收益率21.01%，信息比率3.38，高于全潮汐因子中的某些分段。

图表9、10、11分别展示实例、统计性能及净值表现。表现依旧稳健且信息比率更优，表明拆分提高了因子预测的精细度[page::7-8]。

3.4 弱势半潮汐因子

• 弱势半潮汐定义为成交量跨度较小、推力弱的半段，通过两类指标构造因子：

- “激进弱势半潮汐”：利用弱势半潮汐价格变动速率平均值。
- “稳定弱势半潮汐”：利用弱势半潮汐价格变动速率标准差（反映稳定性）。

• 回测显示：

- 激进型表现一般，Rank IC仅-2.69%，ICIR-2.35，年化收益率8.16%，信息比率1.40。
- 稳定型表现更好，Rank IC-6.97%，ICIR-3.14，年化收益率19.28%，信息比率1.82。

图表12、13、14揭示稳定因子在弱势阶段的较好预测能力，表明成交量稳定性或许是趋势明确的信号。

结论：弱势阶段中，交易热情保持稳定比激进波动更能预测收益，显示投资者倾向于在此阶段积累力量准备未来走势转换[page::8-9]。

3.5 “完整潮汐”因子合成及性能

• 将“强势半潮汐”因子和“稳定弱势半潮汐”因子等权合成“完整潮汐”因子。

- 回测综述（图表15、16）：
- Rank IC达到-7.90%，ICIR-4.13，t值-8.43。
- 年化收益率27.09%，波动率8.80%，信息比率3.08，月度胜率83.96%。
- 十分组累积收益分布清晰，从分组1的594%到分组10的-27.61%，分组间差异明显，最大回撤控制相对合理。

净值走势图（图表17）表现整体稳定持续上升，分年度表现（图表18）显示多数年份中“完整潮汐”因子表现显著，且分组之间持续体现收益梯度，验证因子稳健性。

综合来看，“完整潮汐”因子通过捕捉成交量涨落与价格联动的内在逻辑，呈现较强的逆向选股能力[page::10-11]。

3.6 剥离其他风格因子后的独立选股能力

• 分析“完整潮汐”因子与市场常见风格因子（市值、估值、成长、波动率等）相关性（图表19）：

- 与波动率和换手率存在中等相关，但与其他风格因子相关度低，说明其信息增量明显。

• 通过正交化处理剔除风格及行业影响获得“纯净完整潮汐”因子。

- 该因子仍表现优异：
- Rank IC降至-3.47%，ICIR-2.72。
- 年化收益率14.77%，信息比率2.53，月度胜率依然较高。

净值曲线（图表21）体现该因子清晰的选股效果。

结论：因子不是简单风格代理，具有增量alpha信号，选股能力较强[page::11-12]。

3.7 不同样本空间下指标表现

• 测试因子在沪深300、中证500、中证1000成分股中的选股能力（图表22、23、24）。

- 结果显示：
- “完整潮汐”因子对中证1000（小盘股）表现最佳，Rank IC-6.22%，信息比率1.87。
- 中证500次之，沪深300表现较弱。
- 多头组合年化超额收益中证1000达13.01%，明显高于沪深300（5.12%）和中证500（3.42%）。

• 净值走势图证实中证1000样本下因子选股净值更高，风险调整后业绩更优。

说明该因子在不同流动性和规模样本中稳健，多适合中小市值股票市场应用[page::13]。

---

三、图表深度解读

• 图表1&2（成交量与价格峰谷案例）：分别展示了成交量放大至极致与缩小至极低时，伴随指数价格的峰值和谷值，验证了“量在价先”的逻辑。成交量大幅集聚等同“高潮”，其后的价格波动及反转为量价关系研究奠基[page::3]。

- 图表3（全A分钟成交量分布）：展示了一交易日内成交量呈现典型的早盘高、午盘低、收盘又提升的格局，体现了市场整体的成交节奏，为个股特殊波动提供标准参考[page::3]。

• 图表4（某股票成交量日内分布）：具体现了个股日内成交量的波动不均一，峰值集中的特点，为定义“潮汐”提供了实证支持[page::4]。

- 图表5（潮汐要素示意图）：形象搭建了成交量涨潮-退潮的周期性波浪形态，明确了“高潮高”、“低潮高”等关键参数，为因子构造提供结构化视角[page::4]。

• 图表6&9（典型“潮汐”和“强势半潮汐”实例）：直观呈现涨潮、顶峰、退潮三个节点成交量和价格的互动，体现推力差异对应强弱半潮汐的逻辑[page::5,7]。

- 图表7、10、12（因子统计测试表）：
- 系统量化了各因子的Rank IC、信息比率、年化收益等，展示因子显著性与应用价值。
- “全潮汐”与“强势半潮汐”表现亮眼，弱势因子中“稳定弱势半潮汐”优于“激进弱势半潮汐”，指向稳定性重要性。

• 图表8、11、13、14、17、21（十分组及多空净值走势图）：

- 清晰显示从最好分组1到差分组10的分层收益表现。
- 多空对冲组合净值线稳定攀升，反映因子具有实际应用可能性，且风险调整性能良好。

• 图表15、16（“完整潮汐”合成因子绩效与分组详细数据）：

- 数据全面展示了累计收益率、波动率、胜率、最大回撤等详细指标，展示因子性能的稳健性及更细致风险特征。

• 图表18（年度分表现）：

- 高频排名指标逐年保持一定稳定，部分年份出现负收益也伴随分组表现一致，有利于风险控制。

• 图表19（相关性分析）：

- 低相关系数验证因子提供了除传统风格以外的独立信息，说明其增量价值。

• 图表22-24（不同指数成分股表现）：

- 明确了因子在样本空间上的适用度和择优，助于产品或策略落地选定目标池。

---

四、估值分析

报告属于量化因子研究范畴，主攻因子的构建与有效性检验，未涉及单一资产估值或市盈率、DCF模型等传统估值方法，核心价值在于通过历史回测数据衡量因子预测能力和投资组合绩效。

---

五、风险因素评估

报告风险提示主要围绕：

• 基于历史数据建立模型，历史规律可能失效。

- 市场环境可能发生超预期变化，可能导致因子收益波动。

• 各驱动因子受宏观经济、政策、市场结构变化影响，可能存在阶段性失效风险。

风险提示表明研究具备一定局限性，因子策略需动态监控和风险管理[page::0,13]。

---

六、批判性视角与细微差别

• 因子命名中“全潮汐”、“强势半潮汐”等虽形象，但部分指标构造基于规则阈值和邻域成交量计算，存在一定的经验性和参数依赖，未见对参数敏感性检验，模型稳健性存在改进空间。

- IC指标均为负值，意味着该因子存在逆向投资价值，即收益可能在短期内与因子呈反向表现，未在报告中显式讨论投资策略搭配（如指数是否反向做多）。

• 因子设计偏重成交量与价格变动速率的均值和波动性，是否适用于不同市场环境（如极端波动、流动性危机）尚无系统验证，未来可加入环境自适应调节机制。

- 回测期较长（近十年），涵盖多阶段市场，但2022年起市场结构变化，因子表现出现下滑（年度表现表证实）需关注未来适应性。

• 对比风格因子虽做正交剔除，相关性分析较简单，缺乏模型共线性及多因子框架联动验证。

- 未披露具体交易成本、滑点、持仓频率，实际运用中收益可能被削减。

---

七、结论性综合

本报告通过深入挖掘个股日内分钟级成交量形态期间的“潮汐”变化（即成交量的涨潮与退潮阶段），系统构建了“全潮汐”及其“强势半潮汐”、“弱势半潮汐”等细分因子，以价格变动速率代理投资者买卖强度，设计多种衍生指标。

实证回测显示：

• “全潮汐”因子具备显著的逆向选股能力（Rank IC-7.09%，年化收益27.11%），且其细分的“强势半潮汐”因子和“稳定弱势半潮汐”因子对捕捉市场不同交易活跃度区间的价格波动更具预测力。

- 将强势与稳定弱势半潮汐因子等权合成的“完整潮汐”因子综合表现最佳，年化收益27.09%，信息比率3.08，月度胜率83.96%。

• 剥离常见风格因子和行业效应后，“纯净完整潮汐”因子依旧表现稳健，表明该因子含有独立增量信息。

- 在沪深300、中证500、中证1000等不同样本空间均表现良好，尤其在中证1000小盘股中表现更为出色，适应范围广。

• 通过大量图表数据和实际案例展示了因子构建的逻辑清晰性与回测的严谨性。

本研究具有较强的理论与实践价值，为基于成交量动态结构的新型量化选股因子提供有力支持，且因子具备较稳定的统计显著性与超额收益能力，适合作为量化多因子选股体系的重要组成部分。

风险方面，报告充分提示历史数据局限和市场环境变动风险，提醒投资者关注因子后续的适用性和风险控制。

---

附图展示

• 图表1：“天量天价”案例展示成交量峰值对应价格高点趋势，支持成交量领先价格的传统观点。

• 图表2：“地量地价”案例则体现成交量极低时价格通常处于低谷，为因子构造提供反向依据。

• 图表5：“潮汐”示意图将成交量涨落可视化为涨潮、顶峰、退潮的动态波形周期图。

• 图表6：实际样本中个股的“潮汐”与价格动态示范，高度还原交易日成交量变化结构。

• 图表8：“全潮汐”因子十分组+多空对冲净值走势展示明显分组净值分层，反映因子选股效力强。

• 图表17： “完整潮汐”因子十分组及多空对冲净值走势清晰体现分组收益差异和投资策略可行性。

• 图表19：与常见风格因子相关性分析柱状图，显示“完整潮汐”因子与波动率、换手率密切，但其余风格因子相关度低。

• 图表24：沪深300、中证500、中证1000成分股多空对冲净值走势图，强调中证1000样本池中因子最佳表现。

---

结语

本报告通过创新性抓取日内成交量波动的“潮汐”特征，系统设计并实证验证了多层次“潮汐”因子，构建了体现投资者买卖意愿强度和市场动态情绪的选股工具。经过长时间、多样本的回测验证，该因子展现出显著且稳健的预测能力。

报告内容严谨，数据详实，技术路线清晰，研究贡献有助于丰富量化多因子选股框架，对从事量化投资策略开发与优化的机构和人员具有重要参考价值[page::0-13]。

---

参考文献及数据来源

• Wind资讯数据库

- 方正证券研究所内部数据及分析

---

（全文完）

报告