分域标准化与股票间成对相关性 (Domain Standardization and Pairwise Correlation)
大白话：日内量价数据直接拿来算两两相关性有两个毛病——一是噪音大（分钟数据随机性高），二是有周期性（开盘收盘大家都忙、极端价位套利资金一起冲）。这篇的做法是：先把每只股票的一天切成「域」，在每个域内把全市场的数据标准化，再在每个域内单独算两两相关性，最后对所有域取平均。这样得到的是「在同样的交易环境里，这两只股票的行为像不像」。
得到的成对相似度矩阵有两个用途：一是压缩成基础型因子，二是当作「同伴」，套上显著性算法得到同伴显著性因子。
为什么日内数据不能直接算相似度
论文说得很直白：日内量价较少被用于相似性刻画，原因有两条。
噪音问题。 日内切片的颗粒度细，量价特征的信噪比低，对相似性算法的要求更高，现成算法难以直接搬过来。研究者们退而求其次，只用部分时间段或部分典型特征（如大单）做相似刻画——但这样就损失了信息。
周期性问题。 日内存在客观的周期性：开盘和收盘阶段交易集中；大量套利投资者在极端价格处交易，导致趋同性。结果是股票在相似价格位置或相似时序位置存在共性运动。用日内股价直接算相似度时，这些共性会污染结果——两只股票「看起来相似」可能只是因为都在尾盘放量。
所以这篇的核心思路是：用分域把「共同环境」隔离掉，剩下的才是真正的行为相似。
三步算法
第一步：分域特征矩阵
对每只股票 i、每个交易日，把分域后各域内的量价特征排成矩阵：
qcutCHRALL = \begin{bmatrix} qcutCHR^1_1 & \cdots & qcutCHR^1_j \\ \vdots & \ddots & \vdots \\ qcutCHR^N_1 & \cdots & qcutCHR^N_j \end{bmatrix} N 是股票数，j 是域序号。qcutCHR^i_j 表示股票 i 在第 j 个域内的量价特征。 域的数量因分域维度而异：时间维度 J = 8（半小时一块），成交量和价格维度 J = 5（等频分域）。每个维度下单个交易日全市场共包含两个分域特征矩阵，对应引入的两种域内数据： | 被分域特征 | 域内特征 | |---|---| | 时间 | 收益率、成交量 | | 价格 | 波动率、成交量 | | 成交量 | 波动率、收益率 | 所以按「分域维度 × 域内特征数据」两两组合，一共得到 3 × 2 = 6 个成对相似度矩阵，每个交易日一个。 ### 第二步：分域内标准化 对单个分域维度而言，基于每个域的特征数据在全市场截面上做标准化： qcutCHRSTD^i_j = \frac{qcutCHR^i_j - avg\left([qcutCHR^i_j]_{i=1\ldots N}\right)}{std\left([qcutCHR^i_j]_{i=1\ldots N}\right)}
注意分母的写法：\mathit{std}([qcutCHR^i_j]_{i=1\ldots N}) 是在固定 j（固定域）的条件下，对所有股票的该域特征求标准差。
这一步是整个方法的枢纽：它把「这一域里所有股票共同的成分」（周期性的来源）减掉，只留下个股相对同域同伴的偏离。原始的 qcutCHRALL 每一行长度 J，标准化后每一行同样长度 J。
第三步：域内逐域算相关性，再跨域平均
以日度为周期回望过去一段时间（论文举例回望周期为 10），任意两只股票在每个域上都有一个长度为 10 的特征向量，在每个域内分别算皮尔逊相关系数，再遍历所有域取均值：
corrCHR^{a,b} = \sum_j corr\left(qcutCHRSTD^a_j,\ qcutCHRSTD^b_j\right) / J
qcutCHRSTD^a_j 与 qcutCHRSTD^b_j 分别是两家公司在域 j 上、回望期内的特征数据。
最后，因为每个维度下有两种数据（对应两个分域特征矩阵），两者再取均值得到最终的股票间相似度矩阵 corrCHR。
一句话概括三步：分域（对齐交易环境）→ 域内标准化（剥掉共同成分）→ 域内相关再跨域平均（比较行为）。
相似度基础型因子：把矩阵压成两个数
得到成对相似度矩阵后，对每个交易日做压缩：均值和标准差。
| 压缩方式 | 含义 |
|---|---|
| 均值 | 该股与市场所有股票的相似度平均水平。越高说明该股与市场整体趋同性越强 |
| 标准差 | 该股与市场各股相似度的离散程度。越低说明该股与市场整体的趋同性越强（更一致地「像大家」），越高说明该股走势相对独立 |
论文的逻辑判断：均值应当为正向因子，标准差可能为反向因子。
因子取过去 20 日均值。三种分域 × 两种域内特征 × 均值/标准差 = 12 个因子：
| 被分域特征 | 域内特征 | 算法及因子名称 |
|---|---|---|
| 时间 | 收益率 | 均值 corrRtnMean_byT、标准差 corrRtnStd_byT |
| 时间 | 成交量 | 均值 corrVolMean_byT、标准差 corrVolStd_byT |
| 价格 | 波动率 | 均值 corrStdMean_byP、标准差 corrStdStd_byP |
| 价格 | 成交量 | 均值 corrVolMean_byP、标准差 corrVolStd_byP |
| 成交量 | 收益率 | 均值 corrRtnMean_byV、标准差 corrRtnStd_byV |
| 成交量 | 波动率 | 均值 corrStdMean_byV、标准差 corrStdStd_byV |
12 个因子的 Rank IC：
| 因子 | IC 均值 | IC 标准差 | ICIR | T 统计量 |
|---|---|---|---|---|
corrRtnMean_byT |
0.031 | 0.085 | 0.37 | 17.65 |
corrRtnStd_byT |
0.023 | 0.087 | 0.27 | 12.74 |
corrVolMean_byT |
0.022 | 0.068 | 0.33 | 15.67 |
corrVolStd_byT |
0.000 | 0.068 | 0.01 | 0.31 |
corrStdMean_byP |
0.024 | 0.067 | 0.36 | 17.41 |
corrStdStd_byP |
0.015 | 0.055 | 0.27 | 12.92 |
corrVolMean_byP |
0.021 | 0.058 | 0.36 | 17.06 |
corrVolStd_byP |
0.008 | 0.051 | 0.16 | 7.53 |
corrRtnMean_byV |
0.025 | 0.080 | 0.31 | 15.06 |
corrRtnStd_byV |
0.012 | 0.069 | 0.18 | 8.51 |
corrStdMean_byV |
0.021 | 0.063 | 0.34 | 16.17 |
corrStdStd_byV |
0.013 | 0.057 | 0.23 | 11.08 |
规律很清楚：均值类因子的 IC 一律高于同维度的标准差类因子。 corrVolStd_byT 的 IC 是 0.000、ICIR 0.01、T 值 0.31——基本没有预测力。
组合表现：
| 因子 | 多空收益率 | 多头收益率 | 空头收益率 | 年化波动率 | 夏普比率 | 最大回撤 | 多头换手率 |
|---|---|---|---|---|---|---|---|
corrRtnMean_byT |
18.99% | 8.87% | -8.12% | 7.12% | 2.66 | -5.16% | 5.05% |
corrRtnStd_byT |
11.81% | 5.64% | -5.00% | 7.03% | 1.68 | -8.47% | 5.41% |
corrVolMean_byT |
12.27% | 6.33% | -5.08% | 5.96% | 2.06 | -5.56% | 5.75% |
corrVolStd_byT |
3.90% | 2.98% | -1.70% | 5.36% | 0.73 | -8.48% | 6.48% |
corrStdMean_byP |
15.28% | 7.89% | -6.45% | 6.18% | 2.47 | -7.34% | 8.21% |
corrStdStd_byP |
14.15% | 7.27% | -6.69% | 5.41% | 2.62 | -8.37% | 9.59% |
corrVolMean_byP |
11.01% | 6.06% | -4.37% | 5.07% | 2.17 | -5.48% | 8.24% |
corrVolStd_byP |
11.27% | 5.85% | -5.41% | 4.55% | 2.48 | -6.93% | 9.95% |
corrRtnMean_byV |
16.44% | 7.81% | -6.97% | 6.73% | 2.44 | -5.48% | 5.73% |
corrRtnStd_byV |
5.10% | 2.65% | -1.82% | 5.50% | 0.93 | -7.60% | 6.44% |
corrStdMean_byV |
14.98% | 7.41% | -6.51% | 6.02% | 2.49 | -6.80% | 6.46% |
corrStdStd_byV |
8.58% | 5.06% | -4.09% | 5.39% | 1.59 | -18.85% | 7.00% |
与底层所有高频因子的时序相关性均值约 0.3，最高接近 0.6。注意 corrStdStd_byV 的最大回撤 -18.85%，是这批因子里唯一的大回撤。
同伴显著性因子：把成对相关性当显著性算法的输入
「同伴」（peer）这个概念来自 Yili Chen 等 2024 的工作：早期显著性理论把显著差异与自身股价走势结合，算出来的特征在 A 股与传统的动量反转因子相关性较高；后来研究者转向公司相对其「同伴」公司的显著性，以提高特异性。
他们的发现是：如果一只股票的近期表现相对于一组有代表性的同伴公司显著突出，投资者就会对价格变化及相关新闻过度反应——注意力被扭曲了。当股票与同伴公司的股价走势或基本面出现差异时，会自下而上地刺激注意力：较高水平的显著性吸引注意力（股价异动），较低水平则分散注意力。
关键问题是「同伴」怎么定义。 基本面研究用行业、分析师覆盖、专利等；量价和交易维度则可以用上一节的成对相似度矩阵。
这篇的做法：沿用前述算法，以个股之间的成对相关性作为显著性算法的输入，得到三个同伴显著性因子，分别对应三种分域维度：
peerDS_byT（时间分域）peerDS_byP（价格分域）peerDS_byV（成交量分域）
显著性越高的股票预期收益相对偏低。 最终因子取过去 20 日均值。
Rank IC：
| 因子 | IC 均值 | IC 标准差 | ICIR | T 统计量 |
|---|---|---|---|---|
peerDS_byT |
0.043 | 0.080 | 0.54 | 26.14 |
peerDS_byP |
0.039 | 0.079 | 0.50 | 23.83 |
peerDS_byV |
0.040 | 0.079 | 0.50 | 24.17 |
组合表现：
| 因子 | 多空收益率 | 多头收益率 | 空头收益率 | 年化波动率 | 夏普比率 | 最大回撤 | 多头换手率 |
|---|---|---|---|---|---|---|---|
peerDS_byT |
34.22% | 15.47% | -14.14% | 7.62% | 4.49 | -6.60% | 9.02% |
peerDS_byP |
28.77% | 13.18% | -12.29% | 7.50% | 3.84 | -6.69% | 9.23% |
peerDS_byV |
30.94% | 13.44% | -13.46% | 7.53% | 4.11 | -6.95% | 9.55% |
正交化后特异性极强：三个因子与底层高频因子的时序相关性均值约 0.35；正交化处理后降到 0.1 左右。
正交化后的 Rank IC：
| 因子 | IC 均值 | IC 标准差 | ICIR | T 统计量 |
|---|---|---|---|---|
peerDS_byT_Neu |
0.030 | 0.060 | 0.50 | 24.04 |
peerDS_byP_Neu |
0.026 | 0.045 | 0.58 | 27.79 |
peerDS_byV_Neu |
0.022 | 0.045 | 0.48 | 22.95 |
与低频量价因子的截面相关性均值约 0.17，最高接近 0.35——比自身显著性因子那组（均值 0.14、最高近 0.5）的最高值低不少。
全篇核心表
论文自己汇总的「部分日内分域因子测试结果」把三类因子放在一起：
| 因子 | IC 均值 | ICIR | 多空年化收益率 | 多空夏普比率 |
|---|---|---|---|---|
intraDSVol_byT |
0.039 | 0.62 | 35.02% | 5.55 |
intraDSVol_byP |
0.038 | 0.69 | 32.68% | 6.38 |
corrRtnMean_byT |
0.031 | 0.37 | 18.99% | 2.66 |
corrRtnMean_byV |
0.025 | 0.31 | 16.44% | 2.44 |
peerDS_byT |
0.043 | 0.54 | 34.22% | 4.49 |
peerDS_byV |
0.040 | 0.50 | 30.94% | 4.11 |
自身显著性因子（intra）的 ICIR 和夏普最高，相似度基础型因子（corr）最弱，同伴显著性因子（peer）居中但特异性最好。
与本 wiki 其他页面的接口
- 日内量价分域 — 本页的另一半：分域怎么做、域内特征怎么取、显著性因子怎么算
- 个股相关网络谱特征 — 另一条用股票间相关结构做选股的路：那篇用网络谱特征，本篇用成对相关性矩阵的逐股统计量
- 暴露相似图 — 「相似度」的另一种定义（暴露相似 vs 行为相似），可与分域标准化后的相似度对照
- 参与率谬误 — 标准化用的是当日全市场截面均值与标准差，域内成交量本身有强周期性，这一步到底剥掉了多少、留下了多少，未做分解
- 日内收益的周期性 — 周期性问题的另一份证据
Open Questions
- 同伴显著性因子的具体公式没有给出。论文说「以个股之间的成对相关性作为输入，引入同伴公司概念和显著性算法」，但没有展示 peerDS 的计算式。输入是 corrCHR^{a,b} 本身，还是它的截面排名？「同伴集合」是全部股票还是 top-N？都无法从原文确定
- 回望周期 10 天是固定的吗：论文举例「以回望周期为 10 为例」，但绩效表里未说明最终用的是 10 还是别的值
- 标准化在哪个时间窗内做：avg 和 std 是当日全市场截面，还是滚动窗口？当日截面意味着因子每日重算，滚动窗口则更平滑——未说明
- 相似度矩阵的计算成本：每日 N \times N 的成对相关矩阵，N 为全 A 股票数。这套算法在实盘中的计算与存储开销论文未讨论
- corrVolStd_byT 的 IC 为 0.000：时间分域 + 成交量域内特征 + 标准差压缩的三重组合完全失效。这是否说明「与市场离散度」这个信号在时间维度上没有信息，还是实现问题，未分析
- 分域标准化是否真的解决了周期性问题：论文没有把「分域前直接算相关」与「分域后算相关」做对照实验，来证明标准化这一步带来的增益。这是本方法最缺的一个证据
Sources
- summaries/202408-xingye-intraday-domain-information-alpha/202408-xingye-intraday-domain-information-alpha — 兴业金工《高频研究系列九》，2024-08-22