（来源：建榕量化研究）
报告发布日期：2026-5-15
在专题报告《高频成交量的峰、岭、谷信息》（魏建榕、王志豪，2025年7月）中，我们基于日内成交量的局域分布特征，将分钟成交量按照高成交与低成交划分为喷发成交量与温和成交量，然后根据喷发成交量的局域情绪特征，将喷发成交量进一步划分为孤立喷发成交量与连续喷发成交量，并套用地理中的峰岭谷概念，将日内成交量划分为量峰、量岭、量谷三类，基于三类成交量时点的量价数据，构建了11个大类共20个有效因子。
本文，我们延续前报告的研究框架，从价格跳跃维度，基于分钟价格跳跃的局域情绪与跳跃结果双特征，将分钟价格跳跃划分为价峰、价岭、价谷三类，并基于三类价格跳跃时点的量价数据，构建11个大类的17个有效因子。
第一节，我们详细介绍对价格跳跃“峰、岭、谷”三类状态的划分方法。第二节至第六节，报告分别从分钟数、分钟收益、相对加权价格、时间间隔统计特征、以及成交额相关性方面，对“峰、岭、谷”各类别构建相应因子。考虑到报告涉及因子数量较多，将部分数据在第七节进行补充，讨论了本报告因子与Barra风格因子的相关性、本报告因子间的相关性，并基于相关性结果构建合成因子。
01
日内价格跳跃状态划分：峰、岭、谷
本文以股票分钟振幅为价格跳跃代理变量，将振幅在1倍标准差之上的时点作为价格跳跃时点，振幅在1倍标准差之下的时点作为非跳跃时点（下文称作价谷时点）。对于价格跳跃时点，我们以跳跃的前后时点是否存在价格跳跃衡量局域情绪，以跳跃的前后时点之间是否存在价格缺口衡量跳跃结果。
局域情绪：通过跳跃时点前后时点的振幅高低，衡量跳跃时点的局域情绪。前低后低代表前后时点均为低振幅，则局域情绪低迷，前高后高代表前后时点均为高振幅，则局域情绪高涨，前低后高与前高后低则代表局域情绪适中。
跳跃结果：通过跳跃前后时点之间是否存在价格缺口衡量跳跃结果。若跳跃前后时点的价格震荡区间存在重叠，则无缺口；若跳跃前后时点的价格震荡区间不存在重叠，则有缺口。
按照局域情绪特征，我们将日内跳跃时点划分为4类，统计每类跳跃时点的数量作为因子值，从因子RankIC来看，局域情绪低迷的跳跃呈现正向alpha，局域情绪高涨的跳跃呈现负向alpha，局域情绪适中的跳跃的alpha并不显著。按照跳跃结果特征，我们将日内跳跃时点划分为2类，无缺口的跳跃呈现正向alpha，有缺口的跳跃呈现负向alpha。
按照局域情绪与跳跃结果双特征，我们将日内跳跃时点划分为8类。非局域情绪高涨状态下的无缺口跳跃整体呈现较强正向alpha，非局域情绪低迷状态下的有缺口跳跃整体呈现较强负向alpha。本文中，我们将非局域情绪高涨状态下的无缺口跳跃时点取并集，作为价峰时点，将非局域情绪低迷状态下的有缺口跳跃时点取并集，作为价岭时点。
以2026年4月统计为例，价峰时点数量整体多于价岭时点数量。价格跳跃时点划分示例可参考图2。本文延续前报告《高频成交量的峰、岭、谷信息》（魏建榕、王志豪，2025年7月）的因子框架，基于价格跳跃的峰、岭、谷划分，构建11个大类的17个有效因子（如图3所示，√代表有效因子，×代表无效因子）。出于篇幅考虑，我们对其中6个代表性因子作展开介绍。如无特殊说明，本文因子测试采用月末再平衡，双边千三扣费，因子做市值、行业中性化处理，测试区间为20130101至20260430。
02
价峰分钟数因子：多空年化收益16.4%
我们简单统计过去20天的价峰时点数量，作为价峰分钟数因子。因子RankIC均值6.38%，RankICIR3.0，全市场10分组多空年化收益率16.37%，年化IR2.1，最大回撤10.6%，月度胜率68%，多头组年化收益率11.52%。
从分域表现来看，价峰分钟数因子更适用于小市值股票池。在沪深300中，多空年化收益率7.25%，年化IR0.82；在中证500中，多空年化收益率13.24%，年化IR1.71；在中证1000中，多空年化收益率18.44%，年化IR2.52。
从分年度多空年化收益来看，全域下，仅2013年出现负收益，其余年份均录得正收益；沪深300中，2019至2021年、2025至2026年出现负收益；中证500与中证1000中，所有年份均录得正收益。
03
价岭分钟收益因子：多空年化收益25.9%
我们将过去20天价岭时点的分钟涨跌幅加总，作为价岭分钟收益因子。因子RankIC均值-8.51%，RankICIR-3.8，全市场10分组多空年化收益率25.93%，年化IR2.96，最大回撤10.2%，月度胜率80%，多头组年化收益率14.83%。
从分域表现来看，价岭分钟收益因子在沪深300中，多空年化收益率6.07%，年化IR0.72；在中证500中，多空年化收益率6.88%，年化IR0.83；在中证1000中，多空年化收益率16.85%，年化IR2.18。
从分年度多空年化收益来看，全域中，所有年份均录得正收益；沪深300中，2023至2025年出现负收益，其余年份正收益；中证500中，2020年、2023年、2025至2026年录得负收益；中证1000中，仅2025年负收益，其余年份均录得正收益。
04
价谷相对加权价因子：多空年化收益18.4%
在开源金融工程团队2020年的专题报告《聪明钱因子模型的2.0版本》（魏建榕、高鹏、傅开波，2020年）中，我们从分钟行情数据的价量信息中，通过分钟成交量的价格冲击程度，尝试识别机构参与交易的多寡，最终构造出一个跟踪聪明钱的选股因子。
本节，我们参考聪明钱因子的构建方式，计算每日价谷的成交量加权价格，与当日总成交量加权价格做比，并计算20日均值作为价谷相对加权价因子。因子RankIC均值6.53%，RankICIR4.0，全市场10分组多空年化收益率18.37%，年化IR2.38，最大回撤13.56%，月度胜率79%，多头组年化收益率11.14%。
从分域表现来看，价谷相对加权价因子在沪深300中，多空年化收益率4.35%，年化IR0.53；在中证500中，多空年化收益率5.27%，年化IR0.65；在中证1000中，多空年化收益率12.67%，年化IR1.81。
从分年度多空年化收益来看，全域下，仅2026年出现负收益，其余年份均录得正收益；沪深300中，2021年、2025年、2026年出现负收益；中证500中，2023年、2025年、2026年出现负收益；在中证1000中，仅2025年出现负收益。
05
价岭间隔偏度因子：多空年化收益21.7%
我们对过去20日同日前后两个价岭之间的时间间隔分布，计算偏度指标作为价岭间隔偏度因子。因子RankIC均值-7.62%，RankICIR-3.5，全市场10分组多空年化收益率21.69%，年化IR2.44，最大回撤8.12%，月度胜率74%，多头组年化收益率14.51%。
从分域表现来看，价岭间隔偏度因子在沪深300中，多空年化收益率7.68%，年化IR0.96；在中证500中，多空年化收益率11.77%，年化IR1.49；在中证1000中，多空年化收益率16.26%，年化IR2.18。
从分年度多空年化收益来看，全域与中证1000中，所有年份均录得正收益；沪深300中，2019年、2025出现负收益，其余年份正收益；中证500中，仅2025年出现负收益，其余年份均录得正收益。
06
价格跳跃成交额相关性因子：多空年化收益31.2%
我们计算过去20天价格跳跃时点成交额与下一分钟成交额的错位相关系数，作为价格跳跃成交额相关性因子。因子RankIC均值-10.23%，RankICIR-3.8，全市场10分组多空年化收益率31.17%，年化IR2.98，最大回撤10.42%，月度胜率77%，多头组年化收益率17.23%。
从分域表现来看，价格跳跃成交额相关性因子在沪深300中，多空年化收益率5.34%，年化IR0.58；在中证500中，多空年化收益率12.13%，年化IR1.3；在中证1000中，多空年化收益率21.61%，年化IR2.43。
从分年度多空年化收益来看，全域与中证1000中，所有年份均录得正收益；沪深300中，2019年、2021年、2025年与2026年出现负收益；中证500中，2019年与2025年出现负收益，其余年份正收益。
07
基于6个独立alpha因子构建合成因子
从Barra风格暴露来看，分钟数以及成交额类因子在波动率、流动性风格暴露较多，基于收益与价格的因子在Barra的风格暴露相对较低。
在全域中，我们对比了Barra风格因子剔除前后的因子有效性，大部分因子在剔除Barra风格因子后仍有效。
由于本报告的因子，均依赖于价格跳跃的峰、岭、谷时点划分，且部分因子间的构建逻辑相似，因此，部分因子间的相关性较高。
我们对本文的17个因子做两两剔除处理，从而筛选具有相对独立alpha的因子。表9统计了两两剔除后的因子RankICIR值，其中，对角坐标（标红值）为因子原始RankICIR，坐标（p1，p2）的值为p1因子做市值、行业以及p2因子中性化后的RankICIR，以此衡量p1因子能否被p2因子所解释。基于表9结果，我们筛选出6个独立alpha因子，分别为：价峰分钟数、价岭分钟收益、价谷相对加权价、价谷加权价格分位点、价岭间隔偏度、价格跳跃成交额相关性。
7.1、合成因子：多空年化收益32.9%
我们将前述6个因子做简单等全合成，合成因子RankIC均值10.72%，RankICIR4.1，全市场10分组多空年化收益率32.86%，年化IR3.34，最大回撤10.64%，月度胜率78%，多头组年化收益率17.65%。
从分域表现来看，合成因子在沪深300中，多空年化收益率10.47%，年化IR1.05；在中证500中，多空年化收益率13.23%，年化IR1.4；在中证1000中，多空年化收益率25.66%，年化IR2.97。
从分年度多空年化收益来看，全域中，所有年份均录得正收益；沪深300中， 2021年、2025年出现负收益；中证500中，2019年、2025年与2026年出现负收益；中证1000中，仅2025年出现负收益，其余年份均录得正收益。
7.2、指数增强测试
我们尝试使用约束优化求解的方式进行沪深300、中证500与中证1000增强测试。合成因子为正向因子，因此组合因子暴露度最大化等价于预期收益率最大化。
其中， 表示因子暴露度， 表示待优化权重， 表示风格暴露度矩阵， 表示行业哑变量矩阵， 和 分别表示风格暴露度的偏离上下限， 和 分别表示行业偏离上下限， 和 分别表示权重偏离的上下限， 表示股票池个股是否位于指数成分股的示性向量， 表示成分股权重之和下限。
沪深300增强组合年化收益率11.45%，相较于沪深300，超额年化收益率5.9%，年化IR1.38，最大回撤8.7%，月度胜率67%。
分年度来看，沪深300增强组合仅2019年跑输沪深300，其余年份均跑赢。
中证500增强组合年化收益14.7%，相较于中证500，超额年化收益11%，年化IR1.32，最大回撤17.2%，月度胜率69%。
分年度来看，中证500增强组合2019年、2025年以及2026年跑输中证500指数。
中证1000增强组合年化收益13.03%，相较于中证1000指数，超额年化收益10.72%，年化IR1.37，最大回撤16.8%，月度胜率71%。
分年度来看，中证1000增强组合2025年、2026年跑输中证1000，其余年份均跑赢。
模型测试基于历史数据，市场未来可能发生变化。
做「开源」的量化研究
to be a quant，to be open-minded.
更多交流，欢迎联系：
开源证券金融工程团队 | 魏建榕 傅开波 高鹏 胡亮勇 王志豪 盛少成 蒋韬 常津铭
