价量因子在量化投资中的构成、作用及典型应用因子有哪些？

价量因子是一类结合价格和成交量信息构建的选股因子，在量化投资中用于捕捉市场动态和评估股票表现，具体可从构成、作用、典型因子表现及研究趋势等方面理解：

一、价量因子的构成

价量因子通常包含三类：

• 价因子：基于股票价格信息计算，共100个因子，涉及多种价格计算方法和统计指标，能反映股票价格的长期和短期趋势[1]。
• 量因子：基于成交量数据，共30个因子，直接反映市场交易活动，提供流动性和投资者行为信息[1]。
• 量价相关性因子：同时考虑成交量和价格关系，共10个因子，通过分析量价关系深入理解市场供需动态和价格变动的内在驱动力[11]。

二、价量因子的作用与典型表现

价量因子通过价格和成交量的联动特征，帮助识别错误定价或趋势信号，部分典型因子表现如下：

• 短线交易拥挤度（STC）因子：在中证1000指数成分股中，2021-2022年年化超额收益约15%，表现稳定[4]。
• 时间重心偏离（TGD）因子：虽经中性化和标准化后表现略逊于STC，但长期能优选出优于指数的组合，且2022年前后表现稳定，说明早盘价格涨跌信息对日内A股定价仍重要[4]。
• 主力交易强度（MTS）因子：基于单笔成交金额和分钟成交额构建，在中证1000成分股内每年累计正向收益，2022年相对指数累计近20%收益安全垫[4]。
• AI优化的量价因子：例如通过“上涨日价格变动×涨幅平方－下跌日价格变动×跌幅平方”区分多空动能，ICIR（信息系数IR）达0.83；或聚焦量价共振强度，结合方向、幅度、量能验证构建纯净动量信号[13]。

三、研究现状与未来方向

• 现状：传统低频量价因子因同质化竞争，收益逐渐衰减[9]；部分因子（如TGD、MTS）与常见量价因子相关性低，具备独立信息来源，收益难以被现有定价模型解释[6]。
• 未来方向：聚焦深度学习挖掘非线性关系、多模态融合（结合新闻舆情等非结构化数据）及精细化数据处理，以提升因子表现[9]。

四、市场应用

价量因子在不同市场均有应用，例如港股通和全港股（剔除仙股）中均存在表现较好的价量因子[2][3]，澳大利亚市场的12个月价格动量因子（属价量相关策略）也保持持续性超额表现[5]。