量化研究参考系列之七：用日频K线重建累计Delta订单流指标

核心观点

• 研究背景： 累计Delta是衡量主动买卖力量变化的重要指标，但传统计算依赖逐笔成交数据，数据门槛高且覆盖范围受限。
• 研究方法： 论文提出利用日频OHLCV数据重建日内价格路径与成交量分布，进而估计累计Delta，实现订单流信息的近似恢复。
• 核心框架： 包括价格路径重建、高低点顺序判定、成交量分配机制和累计Delta计算四个步骤。
• 创新价值： 相比传统OBV指标，该方法从价格结果分析扩展至价格形成过程分析，从收盘涨跌判断资金流向升级为买卖力量估计，在保留部分订单流信息的同时大幅降低数据获取与计算成本。
• 实证结果： 通过Broadcom（AVGO）和Intel（INTC）案例分析，重建后的Delta_MVA50指标在趋势拐点识别和资金行为刻画方面优于传统OBV指标。

关键数据和研究结论

• 案例分析： AVGO案例显示，Delta_MVA50在股价上涨前已出现转弱信号，随后股价回调约40%；INTC案例显示，Delta_MVA50在股价下跌前已率先回升，提前反映市场买卖力量改善迹象。
• 指标对比： 与OBV相比，累计Delta更关注市场内部真实买卖力量变化，能够反映订单流失衡程度以及资金行为特征，在趋势拐点识别方面具有更强的前瞻性。
• 数据优势： 相比传统Tick级订单流分析方法，该方法显著降低了数据获取与研究成本，更适合A股市场研究。
• A股应用价值： 该方法为A股市场中大量仅具备日频数据的研究场景提供了重要参考，为传统量价因子体系补充新的订单流维度信息，并为低频订单流因子构建提供了新的思路。
• 优化方向： 建议从个股案例扩展至全市场因子检验，并引入机器学习优化价格路径重建过程，以提高订单流恢复精度。

风险提示

• 指标有效性可能受市场风格、资金流向与交易逻辑变化影响。
• 极端场景可能导致指标信号失真。
• 该指标本身存在估算偏差，面对复杂行情时误差会进一步放大。
• 将模型直接套用在A股市场可能出现适配性不足、效果不及预期的情况。