企业微信

分时量化选股的核心逻辑框架

分时量化选股本质是高频数据处理与模式识别的结合。其核心逻辑包含三个层次：

  1. 数据层：采集Tick级成交明细（委托量、价差、成交密度）及Level2盘口数据

  2. 特征层：提取量价衍生指标（如订单流不平衡度、波动弹性系数）

  3. 决策层：构建多因子加权评分模型

关键特征工程构建

量能动态监控指标


# 量能集聚因子（Volume Accumulation Factor）

def calculate_vaf(close, volume, period=5):

    vaf = np.zeros_like(close)

    for i in range(period, len(close)):

        vol_weight = volume[i-period:i] / np.sum(volume[i-period:i])

        vaf[i] = np.sum((close[i-period:i] - close[i-period-1:i-1]) * vol_weight)

    return vaf

该指标监测资金集中流向，当值突破±0.5%时触发预警

价格弹性系数

$$E_t = \frac{\Delta P / P_{t-1}}{\Delta V / V_{avg}}$$

其中$\Delta P$为t时段价格变动，$V_{avg}$为20日平均成交量。系数>1.2表明价格对量能敏感

如何构建有效的分时量化选股指标体系

盘口压力指数

$$SPI = \frac{\sum_{i=1}^{5} (AskQty_i - BidQty_i)}{\sum_{i=1}^{5} (AskQty_i + BidQty_i)} \times \frac{AvgSpread}{TickSize}$$

该指数>0.3时存在抛压，<-0.2时显示买盘积聚

动态因子权重分配

采用自适应加权机制提升策略鲁棒性：


# 基于市场状态的因子权重调整

def dynamic_weight(market_volatility):

    base_weights = {

        'momentum': 0.4,

        'volume': 0.3,

        'liquidity': 0.3

    }

    # 波动率放大时降低动量因子权重

    if market_volatility > 0.015:

        base_weights['momentum'] *= 0.7

        base_weights['liquidity'] *= 1.2

    return base_weights

策略回测验证要点

高频数据清洗规范

  1. 过滤开盘前15分钟及收盘前30分钟异常波动

  2. 处理涨跌停板状态下的无效报价

  3. 校准不同交易所的时区差异

关键性能评估维度

| 指标类型 | 计算公式 | 达标阈值 |

|---------|---------|---------|

| 日内胜率 | $\frac{\text{盈利次数}}{\text{总次数}}$ | ≥65% |

| 盈亏比 | $\frac{\text{平均盈利}}{\text{平均亏损}}$ | ≥2.5 |

| 最大回撤 | $MaxDrawdown = \max_{t}(\frac{P_{peak} - P_t}{P_{peak}})$ | ≤3% |

实盘部署风控机制

动态止损模块


def dynamic_stoploss(entry_price, current_price, volatility):

    # 基础止损幅度为ATR的1.5倍

    base_stop = 1.5 * volatility

    # 盈利超过2%后启动移动止损

    if current_price > entry_price * 1.02:

        trailing_stop = max(base_stop, 0.8 * (current_price - entry_price))

        return current_price - trailing_stop

    return entry_price - base_stop

流动性监测

实施交易量冲击成本模型：

$$ImpactCost = 0.5 \times \frac{OrderSize}{ADTV} \times \frac{Spread}{MidPrice}$$

当冲击成本>0.3%时自动缩减仓位

策略持续优化路径

  1. 因子衰减监测：每月检验因子IC值衰减率，超过15%启动警报

  2. 市场机制适应：针对科创板/创业板差异化涨跌幅设置调整参数

  3. 异常波动过滤：引入北向资金突变指标作为过滤器

  4. 多周期嵌套：将15分钟级别趋势信号与1分钟交易信号融合

分时量化选股需要平衡策略灵敏度与抗噪能力。通过动态因子配置、严格回测验证及实时风控三位一体架构，方可实现稳定收益。策略迭代周期建议控制在2-3周，以快速适应市场微观结构变化。