报告概述
本报告属于长江证券金融工程深度研究系列，聚焦高频因子方法论的第二部分——时间段切割因子。研究对象为通过离散化向量处理将数据划分为不同时间段，从而提取差异化信息的高频因子构建范式。报告详细介绍了时间段切割因子的数学定义、与维度匹配因子的关系，以及切割在去噪和逻辑提取上的意义。框架上，报告从交易性质和信息表达两个维度出发，遍历离散向量与连续向量的组合，构建了振幅边际异常相对波动因子、振幅边际异常相对换手因子和价格异常相对换手因子三类因子。通过2010年以来的历史回测，分别在中证800和全市场范围内检验因子的选股效果，并分析其与风格因子的相关性。读者可通过本报告系统掌握时间段切割因子的设计原理与实证表现，为量化策略开发提供新思路。
报告的核心结论
时间段切割因子本质是离散向量处理，通过信息钝化去噪并提取差异化逻辑。
在算子挖掘体系下，时间段切割因子是维度匹配因子的子类，计算最后一步的匹配K线算子中存在离散向量。离散化可将数据划分，通过信息钝化降低噪音，同时提取不同逻辑的信息，产生与传统维度匹配因子差异化的选股效果。例如，在收益率维度上，高活跃区间呈现反转逻辑，低活跃区间呈现动量逻辑。
振幅边际异常相对波动因子选股效果显著，中证800内部多头空头均衡。
以振幅边际异常为离散向量、收益率为连续向量构建的因子，2010年以来在中证800市值行业中性后IC达4.11%，分组年化超额收益4.85%；全市场IC为5.56%，超额收益6.53%。因子与低波、价值风格相关，量价中性后IC和超额收益有所下降但依然为正，2025-2026年持续贡献正超额，中证800内多空收益均匀，全市场因子空头能力更强。
振幅边际异常相对换手因子与常见风格因子相关性低，提供增量信息。
以振幅边际异常为离散向量、换手率为连续向量构建的因子，与波动率、规模、动量、BP等风格因子相关性均较低，表明其捕捉了传统因子之外的信息。2010年以来中证800市值行业中性后IC为2.46%，全市场IC为3.68%，分组超额收益分别为3.61%和4.80%。因子多空收益均匀，但在2025-2026年出现一定回撤。
价格异常相对换手因子量价中性后IC稳定，2025年以来收益为正。
以价格为离散向量、换手率为连续向量构建的因子，与风格因子相关性较低，因此市值行业中性和量价中性后IC差异不大。中证800量价中性后IC为2.33%，超额收益2.03%；全市场IC为3.32%，超额收益3.46%。2025-2026年因子均有正超额收益，中证800内多空均匀，全市场空头更强。
报告回答的关键问题
什么是时间段切割因子？
时间段切割因子是高频因子的一种构建范式，属于维度匹配因子中连续向量与离散向量匹配的子类。在计算最后一步的匹配K线算子中，若其中一个维度为离散向量（如通过排序、阈值划分得到的0-1化数据），则形成时间段切割因子。它通过将数据按时间特征划分为不同区间，实现信息钝化去噪，并可提取不同交易性质下的差异化逻辑，从而产生有别于传统单维度聚合因子的选股信号。
时间段切割因子如何构建？
构建步骤包括：先确定离散向量（来自交易性质维度，如振幅边际异常、价格异常等）和连续向量（信息表达维度，如收益率、换手率）。对离散向量进行数据变换以获得划分标记（如0-1化），然后将连续向量按标记分组，最后通过匹配K线算子（如加权求和、加权波动）聚合得到因子值。例如，用振幅边际异常的0-1标记对收益率做加权波动，即得振幅边际异常相对波动因子。
振幅边际异常相对波动因子的选股效果如何？
该因子在中证800和全市场均有出色表现。2010年以来，中证800市值行业中性后IC为4.11%，年化超额收益4.85%；全市场IC为5.56%，年化超额收益6.53%。因子多头空头收益在中证800内均匀，全市场空头更强。量价中性后IC和超额收益虽有所下降（中证800 IC 2.88%，超额3.97%；全市场IC 3.66%，超额5.10%），但2025-2026年仍贡献正超额，展示出稳健的选股能力。
价格异常相对换手因子与风格因子相关性如何？
价格异常相对换手因子与常见风格因子相关性较低。以中证800为例，它与波动率、规模、动量、反转、BP、DP、换手率、成长、盈利等因子的相关系数普遍在5%以下，仅与反转因子有约8.42%的正相关。低相关性意味着该因子提供了传统风格因子之外的增量信息，在量价中性后IC和超额收益下降幅度很小，证明了其独立的信息贡献。
报告中的代表性数据
振幅边际异常相对波动因子市值行业中性IC
2010年至2026年4月16日，因子在中证800和全市场范围内，经市值和行业中性化后的平均IC，反映因子与未来收益的线性相关性。
振幅边际异常相对波动因子分组年化超额收益
2010年至2026年4月16日，因子多头组合相对基准的年化超额收益，中证800内因子多头空头均匀，全市场空头更强。
价格异常相对换手因子量价中性后IC
2010年至2026年4月16日，因子经市值、行业、波动率、换手率中性化后的平均IC，因与风格因子相关性低，量价中性后IC下降幅度较小。
以上数据根据报告摘要整理，具体统计口径和数值请以完整报告原文为准。
完整报告包含什么
- 完整的高频因子算子定义及分类表，包括时间变换算子、匹配变换算子、时间K线算子、匹配K线算子的详细列举与经典因子示例。
- 时间段切割因子的数学定义推导，通过与维度匹配因子的对比，阐明离散向量与连续向量的区别及切割的信息钝化与逻辑提取意义。
- 基于活跃区间划分的实证分析，展示流动率、波动率、收益率在高/低活跃区间下的ICIR差异及分组收益反转现象，论证切割的必要性。
- 振幅边际异常相对波动因子的完整构建流程：离散向量（振幅边际异常）的计算步骤，连续向量（收益率）的处理，以及最终匹配K线算子（加权波动）的实现。
- 振幅边际异常相对波动因子在中证800和全市场的详细回测结果，包含累计IC图、分组净值图、逐年风险指标（超额收益、最大回撤、信息比、多空收益等）。
- 振幅边际异常相对换手因子的构建、相关性分析、IC统计及分组回测，展示了该因子与风格因子低相关的特性及逐年表现。
- 价格异常相对换手因子的构建、相关性分析、IC统计及分组回测，突出其量价中性后稳定性及2025-2026年的正超额收益。
- 因子风险提示：模型失效风险、市场交易行为变化、市场主题情绪波动、历史数据不保证未来收益等四大风险说明。
本页内容由川海智库整理，用于帮助读者快速了解报告主题、核心观点和主要内容。由于报告量大、人工能力有限，部分观点、数据、统计口径或表述可能存在偏差，具体内容请以完整报告原文为准。
