高频价量相关性趋势因子
factor.formula
1. 计算每日股票分钟级别收盘价与成交量的Pearson相关系数:
2. 对每个交易日，将该日内计算得到的20个连续时间窗口对应的相关系数 \( p_t \) 进行线性回归，时间 \( t \) 作为自变量，得到回归系数 \( \beta \):
3. 将所有股票每日计算得到的回归系数 \( \beta \) 在横截面上进行标准化处理，并剔除市值、传统价量类因子（如20日反转、20日换手率、20日波动率等）的影响，得到最终的高频价量相关性趋势因子。
公式中：
- :
每日内第 ( t ) 个时间窗口（例如，第 ( t ) 分钟）计算的股票分钟收盘价与分钟成交量之间的Pearson相关系数。该相关系数衡量了在该特定时间窗口内，价格与成交量同步或背离的程度。正相关表示价格上涨时成交量也倾向于增加，反之亦然；负相关则表示价格上涨时成交量倾向于减少，反之亦然。
- :
通过线性回归得到的回归系数，反映了每日内价量相关系数 ( p_t ) 随时间 ( t ) 变化的趋势和强度。 ( \beta ) 为正值表示每日内价量相关性随时间推移趋于增强； ( \beta ) 为负值表示每日内价量相关性随时间推移趋于减弱； ( \beta ) 的绝对值越大，表示趋势越显著。
- :
回归模型中的误差项，表示实际相关系数 ( p_t ) 与回归模型预测值之间的偏差。误差项的存在是由于实际数据中存在噪声和随机波动。
- :
时间窗口的序号，取值为1到20。例如，若采用分钟数据，则 ( t=1 ) 代表第一个分钟，( t=2 ) 代表第二个分钟，以此类推。需要注意的是，这里的 ( t ) 是指每日内部的时间序列，而非跨日的时间序列。具体时间窗口的划分可根据实际数据频率和研究需要进行调整。
factor.explanation
该因子的核心逻辑在于捕捉市场微观结构中，价格与成交量之间关系的动态变化。负值的 ( \beta ) （即PV_corr_trend越小），表示当日内价格与成交量的相关性在逐渐减弱，这可能暗示着市场情绪逐渐趋于分歧，价格上涨可能并未伴随成交量的有效放大，反之亦然，这通常被认为是多空双方力量开始出现不均衡的表现，并可能预示着潜在的反转机会。另一方面，正值的 ( \beta ) （即PV_corr_trend越大），则表示当日内价格与成交量的相关性在逐渐增强，可能暗示着市场情绪的一致性，价格与成交量同时放大或减小，这通常被认为是市场趋势强化的信号。因此，该因子主要利用高频数据，通过分析每日内价量关系变化趋势，来捕捉短期市场情绪和微观结构特征，以辅助进行股票选股。通常情况下，负向的趋势（ ( \beta ) 为负）可能具有更高的预测能力。