从日内信息捕捉大资金行为：主角取筹因子

正文目录TOC\o"1-2"\h\z\u“主角取酬”因子逻辑及计算 4行为金融逻辑 4因子计算步骤 4因子计算案例 5实证检验 7日频因子检验 7中性化月频因子检验 93结论 4风险提示 图表目录图1：贵州茅台日内1分钟成交量，上图为2026年1月27日，下图为2026年1月28日 5图2：贵州茅台日内5分钟成交量，上图为2026年1月27日，下图为2026年1月28日 6图3：贵州茅台日内主角取筹因子的累计值 6图4：主角取酬因子隔日累计IC 7图5：主角取酬因子隔日RankIC均值 8图6：日频因子单调性表现较好 8图7：日频因子多空收益 8图8：中性化主角取酬因子月度累计IC 9图9：中性化主角取酬因子月度RankIC均值 9图10：月频因子单调性表现较好 10图月频因子多空收益 10图12：主角取酬月频因子行业IC 10表1：主角取酬因子分域隔日表现 8表2：中性化主角取酬因子分域月度表现 10“主角取酬”因子逻辑及计算行为金融逻辑该因子旨在通过捕捉日内成交量变化的剧烈程度，间接度量大资金（机构、私募、游资等）的活跃交易行为。其基本假设是：大资金的急切成交或者拆单交易会导致成交量在短周期内出现脉冲或持续的缩放，而这种模式与散户的随机交易不同。因子值越高，表明当日该股票有越多的大资金进行频繁或激烈的交易，暗示信息可能正在被消化但尚未完全定价，从而对未来的价格走势具有预测意义。A股市场中，个人投资者和小额交易者对总成交量的贡献不低，但是这部分投资者的交易行为比较随机，而且单个账户的资金量有限，很难导致股票的日内成交量发生显著的缩放量特征。而真正能够显著改变成交节奏的通常是机构、公募、量化、私募及游资等资金。当这些资金参与交易时，由于资金规模大、冲击成本高、风控和合规约束严格，往往不会以单笔订单完成买卖操作，而是需要在一段时间内，分批执行订单。因此，聚合后的日内成交量的显著变动，显示出大资金正在活跃交易。如果一只股票在一天内反复出现放量与缩量的现象，则代表有不同的大资金在当天交易该股票。机构交易通常具有单方向和持续性的特征，通常不会在日内或者隔日快速反向交易。机构资金一旦开始建仓，往往需要多日，其观点才可能发生方向变化。因此，当某只股票在一天内出现明显的成交量高频波动时，往往意味着有多类大资金在不同时间段参与交T进一步放大这种成交量的波动，使得成交量的“跳动”成为资金活跃度的综合体现。由于机构在信息获取、研究能力和资源整合方面具有优势，其交易行为通常领先于市场价格的充分反映。当因子值较大时，意味着当天有更多大资金参与交易，市场正在进行信息定价的过程，而这一过程往往需要一段时间才能完全反映到价格中。因此，较高的成交量波动通常预示着未来价格更可能沿着这些资金的交易方向继续运行，从而形成对未来收益的预测能力。因子计算步骤1K线及成交量信息。115分钟频率，区间价格采用最后成交价，区间成交量采用该时间段内成交量之和。30K线。5对极端值进行截断处理以降低异常波动对结果的影响。5内成交量波动越频繁，反映出市场中大资金参与交易的活跃程度。因子计算案例2026127日、20261281分钟交易数据为例，展示因子的计算流程。图1：贵州茅台日内1分钟成交量，上图为2026年1月27日，下图为2026年1月28日800006000040000200009:309:349:309:349:389:429:469:509:549:5810:0210:0610:1010:1410:1810:2210:2610:3010:3410:3810:4210:4610:5010:5410:5811:0211:0611:1011:1411:1811:2211:2613:0013:0413:0813:1213:1613:2013:2413:2813:3213:3613:4013:4413:4813:5213:5614:0014:0414:0814:1214:1614:2014:2414:2814:3214:3614:4014:4414:4814:5214:56800006000040000200009:309:349:309:349:389:429:469:509:549:5810:0210:0610:1010:1410:1810:2210:2610:3010:3410:3810:4210:4610:5010:5410:5811:0211:0611:1011:1411:1811:2211:2611:3013:0313:0713:1113:1513:1913:2313:2713:3113:3513:3913:4313:4713:5113:5513:5914:0314:0714:1114:1514:1914:2314:2714:3114:3514:3914:4314:4714:5114:55浙商证券研究所

贵州茅台在2026年1月28日有大资金活跃交易的特征。2026年1月27日：贵州茅台的分钟成交量在排除开盘后，出现了几次孤立的脉冲性放量以及可能一到两个周期性的温和放量过程。全天的成交量基线相对稳定，放量事件之间有明显“平静期”。2026年1月28日：与前一交易日形成鲜明对比，脉冲式放量发生的频率显著升高，且放量的幅度可能更大，周期性的放缩节奏更加紧凑。成交量曲线呈现出更高频率的“锯齿状”波动，显示资金交易节奏明显加快。为了将拆单成交还原，且避免部分股票1分钟成交稀疏的问题，将原始的1分钟成交量重采样为5分钟频率。重采样规则为：区间成交量采用5分钟内成交量累加。309:3010:005K和开盘初期流动性剧烈波动带来的噪音。剔除零成交量K线：确保后续计算的对数变化率有效。得到图2所示成交量数据。图2：贵州茅台日内5分钟成交量，上图为2026年1月27日，下图为2026年1月28日400000350000300000250000200000150000100000500000500000浙商证券研究所

对预处理后的成交量序列，逐笔计算相邻区间（5K线）Rtln(Vt/Vt-1)。其中，Vtt5分钟区间的成交量。为防止个别极端波动（如瞬间巨额交易）对单日因子值产生过大影响，将对数变化率Rt进行截断处理，截断阈值为±1。随后，计算当日所有截断后的|Rt|之和，即得到最终的日频因子值。日频因子值=Σ|截断后的Rt|图3：贵州茅台日内主角取筹因子的累计值20181614121086429:409:459:409:459:509:5510:0010:0510:1010:1510:2010:2510:3010:3510:4010:4510:5010:5511:0011:0511:1011:1511:2011:2511:2913:0513:1013:1513:2013:2513:3013:3513:4013:4513:5013:5514:0014:0514:1014:1514:2014:2514:3014:3514:4014:4514:5014:5515:001月27日 1月28日浙商证券研究所实证检验本节基于全市场和分域，对“主角取酬”因子进行系统回测，从预测能力、排序能力及稳定性三个维度进行验证。日频因子检验首先对因子全市场选股效果进行检验。股票池：中证全指成分股。因子值：采用第t个交易日计算得到的日频因子值。收益率：为贴近实际的交易场景并考虑因子信号的及时性，我们定义目标收益率为t+1日收盘价买入，t+2日收盘价卖出的隔日收益率。此设定预留了1天的调仓缓冲期，更具实操意义。测试周期：2018120261RankIC序列，并以此进行统计分析。IC0.036，IR0.31，说明在隔日交易的条件下，因子对未来收益具有稳定的正向预测能力，能够有效刻画股票未来收益的横截面差异。图4：主角取酬因子隔日累计IC80706050403020100-10进一步分市值域对因子的RankIC进行检验。分别以沪深300、中证500和中证1000指数成分股作为股票样本，代表大、中、小三个市值域。检验方法与前文保持一致：使用TT+1/T+2RankIC300、中证5001000RankIC分别为，0.0130.022、0.031。因子的选股效能呈现明显的市值域递减特征。在2018年至2021年3月期间，因子在沪深300内的选股效果一般，IC在零值附近徘徊。该时期正是以“核心资产”300成分股的价格运动主要受业绩预期、长期资金配置等系统性因素驱动，短期内由交易行为带来的成交量波动信号被更大的风格浪潮所淹没，因此因子失效。20213300内的选股效果变好。图5：主角取酬因子隔日RankIC均值

0.0360.0310.0220.0310.0220.0130.0250.0200.0150.0100.0050.000

沪深

中证500

中证1000 中证全指表1：主角取酬因子分域隔日表现沪深300中证500中证1000中证全指隔日IC0.0130.0220.0310.036年化隔日IC0.2050.3550.4980.578年化ICIR1.3522.3453.5614.926正IC日占比53.47%56.22%59.34%63.06%浙商证券研究所5组构建组合。结果显示，高因子组合长期显著跑赢低因子组合，分层收益呈现明显的单调性，说明因子具备良好的选股排序能力，能够有效区分优劣股票。在此基础上构建多空组合（做多最高分组，做空最低分组17.6%，因子并不依赖空头组贡献盈利。多空组合的最大回撤为15.04%。图6：日频因子单调性表现较好 图7：日频因子多空收益5 74.5643.5 53 42.52 31.5 210.5 10 0

0-0.02-0.04-0.06-0.08-0.1-0.12-0.14-0.161 2 3 4 5 回撤 多空组合中性化月频因子检验基础数据：每日计算原始的日频因子值。月度聚合：对于每一个月末截面（设为第月最后一个交易日，以该交易日的日频因子值作为该股票的月频因子值。根据实证测试结果，采用月末截面日频因子值直接作为月频信号，其预测效果略优于月内均值法。近期的资金活跃度信号对未来一个月的走势具有更强的指示意义。月末时点的成交量波动特征，更能反映大资金在当期最新、最紧迫的交易布局或情绪，这些信息尚未被价格完全消化，其预测效力相较于被整个月噪音平均化的信号更为集中和敏锐。在获得具有优异预测能力的月末值月频因子后，为进一步确保其阿尔法收益的纯粹股特异性的资金活跃度信息。图8：中性化主角取酬因子月度累计IC6543210-1以月末因子值和次月股票收益率为依据，以中证全指成分股为股票池，计算中性化月频因子的RankIC。经过降频和中性处理的因子IC均值为0.053，IR为0.78。图9：中性化主角取酬因子月度RankIC均值0.0600.0540.0440.0380.0440.0380.0190.0400.0300.0200.0100.000

沪深

中证500

中证1000 中证全指表2：中性化主角取酬因子分域月度表现沪深300中证500中证1000中证全指月度IC0.0190.0380.0440.054年化月度IC0.3030.5980.6930.852年化ICIR0.6571.5411.8842.698正IC月占比67.71%67.71%68.75%79.17%浙商证券研究所5子组合长期显著跑赢低因子组合，分层收益呈现明显的单调性，说明因子具备良好的选股15.1%4.60%。图10：月频因子单调性表现较好 图11：月频因子多空收益43.532.521.510.501 2 3 4 5

2.42.221.81.61.41.210.8回撤 多空组合

0-0.005-0.01-0.015-0.02-0.025-0.03-0.035-0.04-0.045-0.053129IC93%。因子的收益逻辑超越了行业基本面属性的限制，是一种具有普遍解释力的市场行为模式。图12：主角取酬月频因子行业IC0社会服务社会服务有色金属电子煤炭国防军工因子在石油石化和美容护理两个行业中IC为负。其中，石油石化作为强周期行业，其价格受全球大宗商品期货影响极大，国内股票交易或为商品趋势跟随，日内资金波动可能更多反映的是被动调整而非主动领先信号。结论大资金的急切成交或者拆单交易会导致成交量在短周期内出现脉冲或持续的缩放，而这种模式与散户的随机交易不同。因子值越高，表明当日该股票有越多的大资金进行频繁或激烈的交易，暗示信息可能正在被消化但尚未完全定价，从