交易因子

你提到的交易相关因子，结合提供的参考资料可以从多个维度梳理出详细信息哦：

一、核心交易行为类因子基础情况

这类因子的底层逻辑是从稳健的交易行为模式中挖掘alpha源，目前已经形成了多个经过市场验证的细分因子：

1. 理想反转因子：捕捉A股反转之力的微观来源，通过大单成交特征、每日平均单笔成交金额切割出反转属性最强的交易日 【1】 。
2. 聪明钱因子：从分钟行情的价量信息里识别机构参与交易的程度，跟踪机构资金动向 【1】 。
3. APM因子：利用日内不同时段交易者行为模式、反转强度的差异构建，适配日内不同交易时段的特性 【1】 。
4. 理想振幅因子：基于股价维度对振幅做切割，提取不同价态下振幅因子里的结构性信息 【1】 。
   这类因子合成时，会先在行业维度对单因子做去极值、标准化处理，再滚动选取过去12期因子ICIR值作为权重加权得到最终的交易行为合成因子 【6】 【7】 。

二、交易行为合成因子的实证表现

以2014.8-2026.7全市场、经过行业市值中性化处理的样本区间来看：

• 全历史区间内合成因子IC均值达0.064，rankIC均值0.092，多空对冲信息比率2.57，全区间多空对冲月度胜率77.8%，净值表现十分稳健 【7】 【9】 。
• 2026年7月单月的多空对冲收益为18.03%，近12个月的多空对冲月度胜率为41.7% 【7】 【11】 。
• 从适配的股票池来看，这类合成因子在中小市值股票池里的选股效果更优 【3】 。

三、其他常见交易相关细分因子

除了上述交易行为类因子，资料里还提及不少和交易数据直接相关的特色因子：

1. 日内成交量波动因子：通过将1分钟成交量重采样为5分钟序列、剔除开盘噪音后计算成交量对数变化率的绝对值之和，量化大资金交易活跃程度，在小市值域选股效果最好 【8】 。
2. 成交量冲击因子：用当日成交量和过去120个交易日（半衰期60）的成交量指数移动平均值计算得到，回测RankIC为-0.116，成交量冲击越大对应隔夜收益率越低，收益贡献主要来自空头组合 【14】 。
3. 量因子：基于成交量数据构建的大类因子，共包含30个细分指标，能够直接反映市场交易活跃度、流动性和投资者行为特征 【5】 。
4. 大单交易相关因子：比如大单买入占比因子，统计大单买入金额在总成交金额中的占比，属于高频交易类因子的典型代表 【12】 。