成交量分桶熵与极大值分布因子 (Volume Entropy and Extreme Value Factors)
大白话：前 7 个因子是从整体看成交量长什么样。这一页的两个族是从两个具体的毛病看：
- 分桶熵：把一天的分钟成交量按大小分桶，看成交量是摊得均匀还是全挤在几个桶里。挤在一起 = 有信息在某个时刻集中砸进来。
- 极大值分布：用极值理论 (Extreme Value Theory, EVT) 把「成交量的极值」单独剥出来看。极值出现的次数和量级，反映知情交易者在活动。
两个族各出一个因子（熵 1 个 + 极值 2 个），加上第 4 章的 3 个同价成交量因子，合计六个异构成交量分布因子（研报第 5.1 节的「基础高频因子库」就是 14 个收益率分布因子 + 7 个常见成交量分布因子 = 21 个）。
族一：成交量分桶熵因子 vol_entropy
想法
在非强有效市场里，利好/利空消息到来时投资者关注度大增，成交量随之激增。但因为信息传递有滞后、知情交易者与跟风者有先后、大额投资者会把订单分散执行，成交量的激增会近似随机地落在日内的任意一分钟上。
这类现象在学术上对应信息不对称理论，于是有了 PIN、VPIN 之类的代理变量。但 PIN 基于二叉树与贝叶斯概率模型，计算量过大；VPIN 依赖正态分布假设，且需要提前用长期历史数据算好。
研报的做法绕开这些麻烦：不用订单簿、不区分买卖方，只从成交量分布的统计量出发。
构造
信息论里熵用来描述信息源各可能事件的不确定性。做法是把时间序列的值分桶，剔除时间维度，衡量成交量数据的整体离散程度：
H = -\sum_{k=1}^{K} p_k \log p_k
其中 p_k 是第 k 个桶里分钟成交量的占比。
- 熵值大 = 成交量相对均匀地分布在最大值与最小值之间
- 熵值小 = 成交量相对集中地分布在某一个桶里，即成交量分布不均匀
研报给了两个实例（均为 2022-01-28）：
- 002459.SZ 当日分桶熵值较大。流动性好，每分钟都有较均衡的成交量，当日没有异常成交量，股价相对稳定。图 8 的直方图是从 0 到 9 十个桶、每桶 5–55 分钟的均匀铺开。
- 688551.SH 当日分桶熵值较小。流动性差，10 点前后存在异于其他时间的成交量激增，伴随价格大幅变动，近半小时跌幅高达约 10%。图 10 的直方图几乎全部压在第一个桶（超过 220 个分钟），后面只有零星几根。研报推测这或许是利空消息导致的成交量不稳定。
时序操作
对每只股票的日度分桶熵取近 20 日标准差，得到 vol_entropy：
F\_STD_{Di} = \frac{1}{n_s}\sum_{j=1}^{n_s}\left(F_j - \frac{1}{n_s}\sum_{j=1}^{n_s} F_j\right)^2, \quad n_s = 20
含义：因子值越大，说明近一段时间内该股成交量不稳定性的分散程度越大——股价曾经或正在受到知情交易者带动，此时个股不稳定性极高，整体下行风险较大。
表现
| 指标 | 数值 | 指标 | 数值 |
|---|---|---|---|
| IC 均值 | 2.18% | 多空年化 | 29.49% |
| IC 标准差 | 4.12% | 多头年化 | 15.12% |
| ICIR | 0.53 | 空头年化 | −11.58% |
| T 统计量 | 23.08 | 年化波动率 | 4.89% |
| 夏普比率 | 6.03 | 最大回撤 | −7.81% |
| 胜率 | 63.76% | 换手率 | 29.93% |
多空净值长期上升，近几年无明显回撤。
族二：成交量极大值分布因子
想法
现有的成交量分布研究大多以日内样本为主体、从均值等统计量挖信息，但日内成交量的极大值更令人感兴趣。前面已经论证过，成交量激增通常预示信息到来、传递滞后、知情与非知情交易者博弈。面对这些带额外信息的极大值成交量，样本数据本身已经出现了异于其他时间的变化趋势——所以要把极值单独剥离出来。
依据是极值理论 (Extreme Value Theory, EVT)：极值的分布与原分布相互独立，所以对极值分布的研究可以独立于整体分布进行，从而剥离出极值本身的信息。
构造
用有放回的重采样 (Bootstrapping) 得到极大值的样本数据。设 M^{(1)}, M^{(2)}, \ldots, M^{(B)} 是重采样得到的极大值样本，则：
- 样本均值大 = 该股成交量极值出现的次数相对较多，且骤增的量较大
- 样本标准差小 = 该股成交量极大值的量相对均衡，极值部分差异较小
时序上，研报对这两类高频指标取近 15 日标准差（注意：分桶熵用 20 日，极大值用 15 日），得到两个因子：
| 因子名 | 含义 |
|---|---|
vol_maxmean |
成交量极大值样本均值的 15 日标准差 |
vol_maxstd |
成交量极大值样本标准差的 15 日标准差 |
因子值越大，说明近一段时间内该股成交量极大值的分散程度较大——股价曾经或正在出现成交量多次过大，或极值差异明显。此时个股不稳定性极高，整体下行风险较大。
表现
| 因子 | IC 均值 | IC 标准差 | ICIR | T 统计量 |
|---|---|---|---|---|
vol_maxmean |
4.20% | 8.27% | 0.51 | 22.17 |
vol_maxstd |
3.66% | 7.87% | 0.47 | 20.30 |
| 因子 | 多空年化 | 多头年化 | 空头年化 | 年化波动率 | 夏普比率 | 最大回撤 | 胜率 | 换手率 |
|---|---|---|---|---|---|---|---|---|
vol_maxmean |
50.38% | 23.93% | −18.81% | 8.29% | 6.08 | −8.28% | 64.13% | 18.03% |
vol_maxstd |
46.29% | 21.46% | −18.12% | 8.03% | 5.77 | −9.14% | 64.60% | 18.86% |
这是全篇表现最好的两个因子：vol_maxmean 多空年化 50.38%、多头 23.93%、夏普 6.08、最大回撤不到 10%、换手率只有 18.03%（在多空高收益因子里换手最低）。多空净值长期上升，近几年有较明显回撤，但 2022 年以来表现优秀。
特异性：与 21 个基础高频因子的相关性
表 15 给出六个异构因子与基础高频因子库（14 个收益率分布 + 7 个常见成交量分布）的时序相关性统计：
| 因子 | 均值 | 中位数 | 最大值 | 最小值 |
|---|---|---|---|---|
vol_entropy |
0.44 | 0.43 | 0.71 | 0.19 |
vol_maxmean |
0.47 | 0.48 | 0.65 | −0.00 |
vol_maxstd |
0.45 | 0.48 | 0.63 | −0.03 |
vsa_high2min |
0.49 | 0.53 | 0.88 | 0.09 |
vsa_low2max |
0.42 | 0.40 | 0.86 | 0.07 |
vsa_ratio |
0.33 | 0.32 | 0.69 | −0.07 |
除 vsa_high2min 外，各因子的四分位数几乎都在 0.6 以下，特异性保持良好。vol_entropy 与累计成交量均值因子 cumsumvol_mean 相关性最高（0.71）——这符合直觉：两者都在描述「成交量的时间分布」。
按因子种类分开统计（图 25）得到一条有用的规律：
vol_entropy与成交量分布因子的相关性明显大于与收益率分布因子的相关性- 两个极大值分布因子与收益率分布因子的相关性更高
- 同价成交量分布因子因为引入了收盘价，与收益率分布因子相关
正交化：把与基础因子重叠的部分剥掉
研报挑了 4 个「特异性较强且表现相对优秀」的因子，找出与之时序相关性最高的基础高频因子，做正交化（表 16）：
| 异构成交量因子 | 对其正交化的基础高频因子 | 时序相关性 |
|---|---|---|
vsa_high2min |
real_var（已实现方差） |
0.88 |
vol_entropy |
cumsumvol_mean |
0.71 |
vol_maxmean |
rv_up |
0.65 |
vsa_ratio |
real_var |
0.69 |
正交化后，除 vsa_high2min_Neu 外，各因子与因子库中因子的相关性四分位数都 ≤ 0.4，最大值基本 < 0.6——特异性明显提升。
| 正交化因子 | IC 均值 | IC 标准差 | ICIR | T 统计量 |
|---|---|---|---|---|
vsa_high2min_Neu |
3.29% | 9.25% | 0.36 | 15.5 |
vol_entropy_Neu |
1.29% | 3.49% | 0.37 | 15.7 |
vol_maxmean_Neu |
1.31% | 3.47% | 0.38 | 16.5 |
vsa_ratio_Neu |
2.93% | 6.07% | 0.48 | 21.1 |
| 正交化因子 | 多空年化 | 多头年化 | 空头年化 | 年化波动率 | 夏普比率 | 最大回撤 | 胜率 | 换手率 |
|---|---|---|---|---|---|---|---|---|
vsa_high2min_Neu |
20.17% | 15.13% | −5.62% | 8.55% | 2.36 | −9.04% | 56.46% | 26.97% |
vol_entropy_Neu |
16.96% | 12.33% | −3.90% | 3.56% | 4.76 | −5.01% | 63.87% | 31.84% |
vol_maxmean_Neu |
31.45% | 19.81% | −9.89% | 7.76% | 4.05 | −12.07% | 61.03% | 20.81% |
vsa_ratio_Neu |
29.25% | 15.27% | −10.98% | 5.98% | 4.89 | −4.98% | 61.03% | 31.52% |
IC 普遍下降但夏普上升——正交化砍掉的是收益，也砍掉了同向波动的噪声。vol_maxmean_Neu 多头年化仍有 19.81%，vsa_ratio_Neu 多空年化 29.25%、最大回撤只有 4.98%。
与本 wiki 其他页面的接口
- 成交量分布因子 — 前 7 个因子的通用框架（异构 + 非参统计量 + 20 日时序标准差），本页的
vol_entropy沿用同一套框架 - 同价成交量分布因子 — 六个异构因子的另外三个
- 订单流毒性 — 同样用「信息到达」解释异动；VPIN 那类指标与本页
vol_entropy动机相同，区别是本页不拆买卖方向 - 极端行情订单流 — 极端事件前后的量价关系，与本页「极大值出现次数」是同一现象的两面
Open Questions
- 分桶的个数与边界没写。熵值对分桶方式（等宽/等频、桶数取多少）非常敏感，研报只给了图 8 / 图 10 的示意直方图（横轴 0–9），未说明实际实现
- 重采样的次数 B 与「极大值」的定义（取单日最大？取 top-k 均值？）都没给出。EVT 里的极大值通常指尾部指数 \xi 拟合，研报用的是自助重采样近似，这个近似的性质未做讨论
- 对数运算没说。极值样本均值前是否取对数，直接影响重尾程度，文中未交代
- 20 日 vs 15 日两个窗口并存，未解释选择依据，也没有敏感性检验
- 正文与表 15 的数字有出入：正文说
vol_entropy相关性「均值与中位数均约为 0.43」、与cumsumvol_mean相关 0.70；表 15 给的是均值 0.44、中位数 0.43、最大值 0.71。正文对vsa_ratio说「均值和中位数约为 0.32」、与real_var相关 0.68；表 15 是 0.33 / 0.32 / 0.69。vsa_high2min的出入更大：正文说与real_var相关 0.69，表 15 的最大值是 0.88，而表 16 正交化时也用 0.88。0.69 与 0.88 不是舍入差异，研报未解释 - EVT 理论只用来给理由，没用来做拟合。「极值分布与原分布独立」是 EVT 的核心结论，但实际构造走的是自助重采样，没有估计尾部指数，因此「独立」这个前提在方法上并未被使用
vol_maxmean多空 50% 但 2022 年之前有较明显回撤，正交化后多空降到 31.45%，说明相当一部分收益来自与rv_up的共同暴露
Sources
- summaries/202208-xingye-volume-distribution-alpha/202208-xingye-volume-distribution-alpha — 兴业金工《高频研究系列四—成交量分布中的 Alpha》，2022-08-29