> **来源：[研报客](https://pc.yanbaoke.cn)** 金融工程深度 报告日期：2026年02月25日 # 从日内信息捕捉大资金行为：主角取筹因子 # 核心观点 主角取筹因子旨在通过捕捉日内成交量变化的剧烈程度，间接度量大资金（机构、私募、游资等）的活跃交易行为。其基本假设是：大资金的急切成交或者拆单交易会导致成交量在短周期内出现脉冲或持续的缩放，而这种模式与个人投资者的小额随机交易不同。因子值越高，表明当日该股票有越多的大资金进行频繁或激烈的交易，暗示信息可能正在被消化但尚未完全定价，从而对未来的价格走势具有预测意义。 # □ 从日内信息捕捉主角行为 个人投资者交易难以形成持续的成交量缩放模式，而机构、游资等"主角"资金因拆单交易、风控约束等需求，会在日内留下脉冲或周期性的放量/缩量痕迹。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，计算相邻区间成交量对数变化率的绝对值之和，以此量化日内成交量的波动剧烈程度。其核心逻辑在于，因子值越高，代表大资金当日交易越活跃，暗示未完全定价的信息正在流动，从而对短期股价走势形成预测能力。 # □ 主角取酮因子选股效能 实证检验表明，该因子在全市场及绝大多数行业内部均能有效选股，证实其逻辑超越行业基本面，是一种普适的市场行为模式。同时，因子在不同市值域均有选股效用，但是在小市值域内选股效果最好。这与不同市值板块的投资者结构和定价效率差异相符。 # □ 风险提示 本文中的模型及统计结果均基于历史数据统计得到，历史数据不代表未来。 本文回测的因子表现为历史情况，不代表未来收益。 本文涉及个股仅为因子计算举例使用，不代表任何投资观点。 分析师：陈奥林 执业证书号：S1230523040002 chenaolin@stocke.com.cn 分析师：陆达 执业证书号：S1230524070003 luda@stocke.com.cn # 相关报告 1 《五维行业配置框架》 2026.02.25 2《指增超额回撤控制：波动率 分域视角》 2026.02.24 3《春节特别篇：低起点，大空 间，维持乐观》 2026.02.23 # 正文目录 # 1 “主角取酬”因子逻辑及计算 4 1.1 行为金融逻辑 4 1.2 因子计算步骤 4 1.3 因子计算案例 5 # 2 实证检验 7 2.1日频因子检验 7 2.2 中性化月频因子检验 9 # 3结论 11 # 4风险提示 11 # 图表目录 图1：贵州茅台日内1分钟成交量，上图为2026年1月27日，下图为2026年1月28日 图2：贵州茅台日内5分钟成交量，上图为2026年1月27日，下图为2026年1月28日 图3：贵州茅台日内主角取筹因子的累计值 6 图4：主角取酬因子隔日累计IC. 7 图5：主角取酬因子隔日RankIC均值 8 图6：日频因子单调性表现较好. 8 图7：日频因子多空收益 8 图8：中性化主角取酬因子月度累计IC. 9 图9：中性化主角取酬因子月度RankIC均值 图10：月频因子单调性表现较好. 10 图11：月频因子多空收益 10 图12：主角取酬月频因子行业IC 10 表 1: 主角取酬因子分域隔日表现. 8 表 2: 中性化主角取酬因子分域月度表现 # 1 “主角取酬”因子逻辑及计算 # 1.1行为金融逻辑 该因子旨在通过捕捉日内成交量变化的剧烈程度，间接度量大资金（机构、私募、游资等）的活跃交易行为。其基本假设是：大资金的急切成交或者拆单交易会导致成交量在短周期内出现脉冲或持续的缩放，而这种模式与散户的随机交易不同。因子值越高，表明当日该股票有越多的大资金进行频繁或激烈的交易，暗示信息可能正在被消化但尚未完全定价，从而对未来的价格走势具有预测意义。 A股市场中，个人投资者和小额交易者对总成交量的贡献不低，但是这部分投资者的交易行为比较随机，而且单个账户的资金量有限，很难导致股票的日内成交量发生显著的缩放量特征。而真正能够显著改变成交节奏的通常是机构、公募、量化、私募及游资等资金。当这些资金参与交易时，由于资金规模大、冲击成本高、风控和合规约束严格，往往不会以单笔订单完成买卖操作，而是需要在一段时间内，分批执行订单。因此，聚合后的日内成交量的显著变动，显示出大资金正在活跃交易。如果一只股票在一天内反复出现放量与缩量的现象，则代表有不同的大资金在当天交易该股票。 机构交易通常具有单方向和持续性的特征，通常不会在日内或者隔日快速反向交易。机构资金一旦开始建仓，往往需要多日，其观点才可能发生方向变化。因此，当某只股票在一天内出现明显的成交量高频波动时，往往意味着有多类大资金在不同时间段参与交易，尤其是机构资金正在逐步建仓或调仓。同时，私募和游资的日内做T和跟随交易也会进一步放大这种成交量的波动，使得成交量的“跳动”成为资金活跃度的综合体现。 由于机构在信息获取、研究能力和资源整合方面具有优势，其交易行为通常领先于市场价格的充分反映。当因子值较大时，意味着当天有更多大资金参与交易，市场正在进行信息定价的过程，而这一过程往往需要一段时间才能完全反映到价格中。因此，较高的成交量波动通常预示着未来价格更可能沿着这些资金的交易方向继续运行，从而形成对未来收益的预测能力。 # 1.2因子计算步骤 1）获取原始数据，包含1分钟K线及成交量信息。 2）为了规避部分股票1分钟交易稀疏的问题，且更好的还原算法拆单对成交量冲击的隐藏，将1分钟数据重采样为5分钟频率，区间价格采用最后成交价，区间成交量采用该时间段内成交量之和。 3）进一步对数据进行预处理，剔除开盘前30分钟的交易数据，以减少开盘流动性冲击的影响；去除成交量为零的K线。 4）在获得稳定的5分钟成交量序列后，计算相邻时间区间成交量的对数变化率，并对极端值进行截断处理以降低异常波动对结果的影响。 5）最终，将当日所有5分钟成交量变化率的绝对值进行求和，得到日频因子值。该因子实质上衡量的是股票在一天内成交量变化的剧烈程度，因子值越大，代表日内成交量波动越频繁，反映出市场中大资金参与交易的活跃程度。 # 1.3因子计算案例 以贵州茅台在2026年1月27日、2026年1月28日两天的1分钟交易数据为例，展示因子的计算流程。 图1：贵州茅台日内1分钟成交量，上图为2026年1月27日，下图为2026年1月28日 资料来源：Wind，浙商证券研究所 贵州茅台在2026年1月28日有大资金活跃交易的特征。2026年1月27日：贵州茅台的分钟成交量在排除开盘后，出现了几次孤立的脉冲性放量以及可能一到两个周期性的温和放量过程。全天的成交量基线相对稳定，放量事件之间有明显“平静期”。2026年1月28日：与前一交易日形成鲜明对比，脉冲式放量发生的频率显著升高，且放量的幅度可能更大，周期性的放缩节奏更加紧凑。成交量曲线呈现出更高频率的“锯齿状”波动，显示资金交易节奏明显加快。 为了将拆单成交还原，且避免部分股票1分钟成交稀疏的问题，将原始的1分钟成交量重采样为5分钟频率。重采样规则为：区间成交量采用5分钟内成交量累加。 剔除开盘首30分钟数据：即剔除9:30至10:00的所有5分钟K线，以规避集合竞价和开盘初期流动性剧烈波动带来的噪音。 剔除零成交量K线：确保后续计算的对数变化率有效。 得到图2所示成交量数据。 图2：贵州茅台日内5分钟成交量，上图为2026年1月27日，下图为2026年1月28日 资料来源：Wind,浙商证券研究所 对预处理后的成交量序列，逐笔计算相邻区间（即相邻两根5分钟K线）成交量的对数变化率。公式为：成交量变化率 $\mathrm{Rt} = \ln (\mathrm{Vt} / \mathrm{Vt} - 1)$ 。其中，Vt为第t个5分钟区间的成交量。 为防止个别极端波动（如瞬间巨额交易）对单日因子值产生过大影响，将对数变化率Rt进行截断处理，截断阈值为 $\pm 1$ 。随后，计算当日所有截断后的 $|\mathrm{Rt}|$ 之和，即得到最终的日频因子值。 日频因子值 $= \Sigma$ |截断后的Rt| 图3：贵州茅台日内主角取筹因子的累计值 资料来源：Wind，浙商证券研究所 # 2 实证检验 本节基于全市场和分域，对“主角取酬”因子进行系统回测，从预测能力、排序能力及稳定性三个维度进行验证。 # 2.1日频因子检验 首先对因子全市场选股效果进行检验。 股票池：中证全指成分股。 因子值：采用第 $t$ 个交易日计算得到的日频因子值。 收益率：为贴近实际的交易场景并考虑因子信号的及时性，我们定义目标收益率为 $t + 1$ 日收盘价买入， $t + 2$ 日收盘价卖出的隔日收益率。此设定预留了1天的调仓缓冲期，更具实操意义。 测试周期：2018年1月至2026年1月。每日进行滚动计算，得到每日的RankIC序列，并以此进行统计分析。 此条件下，因子平均IC约为0.036，IR为0.31，说明在隔日交易的条件下，因子对未来收益具有稳定的正向预测能力，能够有效刻画股票未来收益的横截面差异。 图4：主角取酬因子隔日累计IC 资料来源：Wind，浙商证券研究所 进一步分市值域对因子的RankIC进行检验。分别以沪深300、中证500和中证1000指数成分股作为股票样本，代表大、中、小三个市值域。检验方法与前文保持一致：使用T日因子值与 $\mathrm{T} + 1 / \mathrm{T} + 2$ 日隔夜收益率计算RankIC。在相同的回测区间内，沪深300、中证500、中证1000成分内，平均RankIC分别为，0.013、0.022、0.031。因子的选股效能呈现明显的市值域递减特征。在2018年至2021年3月期间，因子在沪深300内的选股效果一般，IC在零值附近徘徊。该时期正是以“核心资产”为主导的蓝筹股牛市，市场风格极度偏向大盘龙头股。在强烈的趋势性行情中，沪深300成分股的价格运动主要受业绩预期、长期资金配置等系统性因素驱动，短期内由交易行为带来的成交量波动信号被更大的风格浪潮所淹没，因此因子失效。2021年3月后，该因子在沪深300内的选股效果变好。 图5：主角取酬因子隔日RankIC均值 资料来源：Wind，浙商证券研究所 表1：主角取酬因子分域隔日表现 <table><tr><td></td><td>沪深300</td><td>中证500</td><td>中证1000</td><td>中证全指</td></tr><tr><td>隔日IC</td><td>0.013</td><td>0.022</td><td>0.031</td><td>0.036</td></tr><tr><td>年化隔日IC</td><td>0.205</td><td>0.355</td><td>0.498</td><td>0.578</td></tr><tr><td>年化ICIR</td><td>1.352</td><td>2.345</td><td>3.561</td><td>4.926</td></tr><tr><td>正IC日占比</td><td>53.47%</td><td>56.22%</td><td>59.34%</td><td>63.06%</td></tr></table> 资料来源：Wind，浙商证券研究所 进一步进行分层检验，将全市场股票按照因子值分为5组构建组合。结果显示，高因子组合长期显著跑赢低因子组合，分层收益呈现明显的单调性，说明因子具备良好的选股排序能力，能够有效区分优劣股票。在此基础上构建多空组合（做多最高分组，做空最低分组）。回测结果表明，多空组合净值长期稳定上升，显示出持续的超额收益能力，其中，多头组年化收益率为 $17.6\%$ ，因子并不依赖空头组贡献盈利。多空组合的最大回撤为 $15.04\%$ 图6：日频因子单调性表现较好 资料来源：Wind，浙商证券研究所 图7：日频因子多空收益 资料来源：Wind，浙商证券研究所 # 2.2中性化月频因子检验 基础数据：每日计算原始的日频因子值。月度聚合：对于每一个月末截面（设为第T月最后一个交易日），以该交易日的日频因子值作为该股票的月频因子值。 根据实证测试结果，采用月末截面日频因子值直接作为月频信号，其预测效果略优于月内均值法。近期的资金活跃度信号对未来一个月的走势具有更强的指示意义。月末时点的成交量波动特征，更能反映大资金在当期最新、最紧迫的交易布局或情绪，这些信息尚未被价格完全消化，其预测效力相较于被整个月噪音平均化的信号更为集中和敏锐。 在获得具有优异预测能力的月末值月频因子后，为进一步确保其阿尔法收益的纯粹性、稳定性以及与现有因子的互补性，对其进行市值风格与行业中性化处理。此步骤旨在剥离因子收益中可能源于系统性风格敞口或行业轮动的部分，使残差因子更聚焦于捕捉个股特异性的资金活跃度信息。 图8：中性化主角取酬因子月度累计IC 资料来源：Wind，浙商证券研究所 以月末因子值和次月股票收益率为依据，以中证全指成分股为股票池，计算中性化月频因子的RankIC。经过降频和中性处理的因子IC均值为0.053，IR为0.78。 图9：中性化主角取酬因子月度RankIC均值 资料来源：Wind，浙商证券研究所 表2：中性化主角取酬因子分域月度表现 <table><tr><td></td><td>沪深300</td><td>中证500</td><td>中证1000</td><td>中证全指</td></tr><tr><td>月度IC</td><td>0.019</td><td>0.038</td><td>0.044</td><td>0.054</td></tr><tr><td>年化月度IC</td><td>0.303</td><td>0.598</td><td>0.693</td><td>0.852</td></tr><tr><td>年化ICIR</td><td>0.657</td><td>1.541</td><td>1.884</td><td>2.698</td></tr><tr><td>正IC月占比</td><td>67.71%</td><td>67.71%</td><td>68.75%</td><td>79.17%</td></tr></table> 资料来源：Wind，浙商证券研究所 进一步进行分层检验，将全市场股票按照因子值分为5组构建组合。结果显示，高因子组合长期显著跑赢低因子组合，分层收益呈现明显的单调性，说明因子具备良好的选股排序能力。多空组合净值长期稳定上升，显示出持续的超额收益能力，其中，多头组年化收益率为 $15.1\%$ ，多空组合的最大回撤大幅下降至 $4.60\%$ 。 图10：月频因子单调性表现较好 资料来源：Wind，浙商证券研究所 图11：月频因子多空收益 资料来源：Wind，浙商证券研究所 因子行业选股效果较好。在全部31个申万一级行业中，有29个行业的IC值为正，占比超过 $93\%$ 。因子的收益逻辑超越了行业基本面属性的限制，是一种具有普遍解释力的市场行为模式。 图12：主角取酬月频因子行业IC 资料来源：Wind，浙商证券研究所 因子在石油石化和美容护理两个行业中IC为负。其中，石油石化作为强周期行业，其价格受全球大宗商品期货影响极大，国内股票交易或为商品趋势跟随，日内资金波动可能更多反映的是被动调整而非主动领先信号。 # 3结论 大资金的急切成交或者拆单交易会导致成交量在短周期内出现脉冲或持续的缩放，而这种模式与散户的随机交易不同。因子值越高，表明当日该股票有越多的大资金进行频繁或激烈的交易，暗示信息可能正在被消化但尚未完全定价，从而对未来的价格走势具有预测意义。 个人投资者交易难以形成持续的成交量缩放模式，而机构、游资等"主角"资金因拆单交易、风控约束等需求，会在日内留下脉冲或周期性的放量/缩量痕迹。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，计算相邻区间成交量对数变化率的绝对值之和，以此量化日内成交量的波动剧烈程度。其核心逻辑在于，因子值越高，代表大资金当日交易越活跃，暗示未完全定价的信息正在流动，从而对短期股价走势形成预测能力。 实证检验表明，该因子在全市场及绝大多数行业内部均能有效选股，证实其逻辑超越行业基本面，是一种普适的市场行为模式。同时，因子在不同市值域均有选股效用，但是在小市值域内选股效果最好。这与不同市值板块的投资者结构和定价效率差异相符。 # 4风险提示 本文中的模型及统计结果均基于历史数据统计得到，历史数据不代表未来。 本文回测的因子表现为历史情况，不代表未来收益。 本文涉及个股仅为因子计算举例使用，不代表任何投资观点。 # 股票投资评级说明 以报告日后的6个月内，证券相对于沪深300指数的涨跌幅为标准，定义如下： 1.买入：相对于沪深300指数表现 $+20\%$ 以上； 2.增持：相对于沪深300指数表现 $+10\% \sim +20\%$ 3.中性：相对于沪深300指数表现 $-10\% \sim +10\%$ 之间波动； 4.减持：相对于沪深300指数表现-10%以下。 # 行业的投资评级： 以报告日后的6个月内，行业指数相对于沪深300指数的涨跌幅为标准，定义如下： 1.看好：行业指数相对于沪深300指数表现 $+10\%$ 以上； 2.中性：行业指数相对于沪深300指数表现 $-10\% \sim +10\%$ 以上； 3.看淡：行业指数相对于沪深300指数表现-10%以下。 我们在此提醒您，不同证券研究机构采用不同的评级术语及评级标准。我们采用的是相对评级体系，表示投资的相对比重。 建议：投资者买入或者卖出证券的决定取决于个人的实际情况，比如当前的持仓结构以及其他需要考虑的因素。投资者不应仅仅依靠投资评级来推断结论。 # 法律声明及风险提示 本报告由浙商证券股份有限公司（已具备中国证监会批复的证券投资咨询业务资格，经营许可证编号为：Z39833000）制作。本报告中的信息均来源于我们认为可靠的已公开资料，但浙商证券股份有限公司及其关联机构（以下统称“本公司”）对这些信息的真实性、准确性及完整性不作任何保证，也不保证所包含的信息和建议不发生任何变更。本公司没有将变更的信息和建议向报告所有接收者进行更新的义务。 本报告仅供本公司的客户作参考之用。本公司不会因接收人收到本报告而视其为本公司的当然客户。 本报告仅反映报告作者的出具日的观点和判断，在任何情况下，本报告中的信息或所表述的意见均不构成对任何人的投资建议，投资者应当对本报告中的信息和意见进行独立评估，并应同时考量各自的投资目的、财务状况和特定需求。对依据或者使用本报告所造成的一切后果，本公司及/或其关联人员均不承担任何法律责任。 本公司的交易人员以及其他专业人士可能会依据不同假设和标准、采用不同的分析方法而口头或书面发表与本报告意见及建议不一致的市场评论和/或交易观点。本公司没有将此意见及建议向报告所有接收者进行更新的义务。本公司的资产管理公司、自营部门以及其他投资业务部门可能独立做出与本报告中的意见或建议不一致的投资决策。 本报告版权均归本公司所有，未经本公司事先书面授权，任何机构或个人不得以任何形式复制、发布、传播本报告的全部或部分内容。经授权刊载、转发本报告或者摘要的，应当注明本报告发布人和发布日期，并提示使用本报告的风险。未经授权或未按要求刊载、转发本报告的，应当承担相应的法律责任。本公司将保留向其追究法律责任的权利。 # 浙商证券研究所 上海总部地址：杨高南路729号陆家嘴世纪金融广场1号楼25层 北京地址：北京市东城区朝阳门北大街8号富华大厦E座4层 深圳地址：广东省深圳市福田区广电金融中心33层 上海总部邮政编码：200127 上海总部电话：(8621)80108518 上海总部传真：(8621)80106010 浙商证券研究所：https://www.stocke.com.cn