时序自相关性与非同步交易因子 (Autocorrelation and Non-Synchronous Trading Factors)
大白话：把一只股票一天里的分钟序列按时间排成一条线，问两个问题。 第一个是这条线前后两句像不像——用相关系数、D-W 统计量、AR(1) 残差三种量去刻。 第二个是这条线在短窗口和长窗口下像不像的程度稳不稳定——不稳定说明信息是零散到达、慢慢被消化的，也就是「非同步交易」重。
什么算「时序信息」
报告给的判据只有一个式子（式 1）：
g = f(\mathrm{Reorder}(data)) \ne f(data)
data 是日内行情数据（分钟收盘价、成交量等），Reorder 是对时间顺序重排。含义是：把日内数据的先后顺序打乱，这个统计量就会变。收益率自相关系数 \rho(r_t, r_{t-1}) 就是典型例子——重排之后前后关系全变了。分布信息（比如收益率的均值、偏度）重排不变，所以不算时序信息。
报告把时序信息因子分成两条路：序列自相关性（本页）与条件分布（见另一页）。
从日度指标到因子值
所有因子的最终值都是把日度指标在时间上聚合。用均值（式 2）：
F\_Mean_{Di} = \frac{1}{n_s}\sum_{j=1}^{n_s} F_j, \qquad n_s = 15
或者用标准差（式 3）：
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
n_s = 15：取过去 15 个交易日的日度指标均值（或标准差）作为当天因子值。
两条路线用的原始数据都是分钟级收益率与分钟级成交量占比，并且都剔除开盘和收盘各 10 分钟——报告说这两个时段的量价波动大。
一阶自相关：三种统计量
三类因子各有一个价格版本、一个成交量版本，再等权合成一个复合版本：
| 因子名 | 构造方法 | 排序 |
|---|---|---|
rtn_foc |
分钟收益率一阶自相关系数 | 升序 |
vol_foc |
分钟成交量占比一阶自相关系数 | 升序 |
foc_Comb |
等权合成 rtn_foc 与 vol_foc |
— |
rtn_DW |
分钟收益率 D-W 统计量 | 降序 |
vol_DW |
分钟成交量占比 D-W 统计量 | 降序 |
DW_Comb |
等权合成 rtn_DW 与 vol_DW |
— |
rtn_rho |
分钟收益率残差自相关系数 | 升序 |
vol_rho |
分钟成交量残差自相关系数 | 升序 |
rho_Comb |
等权合成 rtn_rho 与 vol_rho |
— |
三个量的具体构造：
- 一阶自相关系数：把当天分钟序列的 lag-1 自相关系数作为日度指标，过去 15 日取均值。原文写「一阶差分相关系数」，指的仍是这个 lag-1 相关系数。
- D-W 统计量：Durbin-Watson 统计量的绝对值判定序列是否有一阶自相关、符号判定相关方向；过去 15 日取均值。
- 残差自相关系数：分钟数据本身可能带高阶自相关，用 AR(1) 拟合后的残差若仍有一阶自相关，说明线性模型失效；取残差的 lag-1 自相关系数作为日度指标，过去 15 日取标准差。
绩效
| 因子 | IC 均值 | IC 标准差 | ICIR | T 值 | 多空收益率 | 多头收益率 | 夏普 | 最大回撤 | 多头换手率 |
|---|---|---|---|---|---|---|---|---|---|
rtn_foc |
6.19% | 11.75% | 0.53 | 24.19 | 47.8% | 22.0% | 4.03 | −8.8% | 7.1% |
vol_foc |
5.77% | 6.27% | 0.92 | 42.22 | 67.0% | 29.0% | 9.56 | −5.4% | 12.1% |
foc_Comb |
6.85% | 9.00% | 0.76 | 34.94 | 67.4% | 28.3% | 6.80 | −7.8% | 9.7% |
rtn_DW |
3.96% | 10.51% | 0.38 | 17.29 | 41.0% | 20.6% | 4.29 | −7.1% | 7.0% |
vol_DW |
4.02% | 11.45% | 0.35 | 16.11 | 32.0% | 17.0% | 3.11 | −12.1% | 7.8% |
DW_Comb |
4.35% | 11.55% | 0.38 | 17.28 | 39.7% | 21.1% | 3.85 | −9.0% | 6.8% |
rtn_rho |
4.62% | 7.29% | 0.63 | 29.11 | 55.3% | 21.2% | 6.12 | −7.2% | 9.0% |
vol_rho |
1.87% | 7.16% | 0.26 | 11.99 | 30.1% | 12.9% | 4.66 | −6.5% | 10.8% |
rho_Comb |
4.02% | 6.80% | 0.59 | 27.16 | 51.9% | 21.7% | 7.02 | −4.7% | 10.5% |
vol_foc 是全表最突出的一支：多空 67.0%、多头 29.0%、夏普 9.56。
非同步交易程度：用高阶稳定性刻画
这一节要回答的问题：为什么同样一条分钟序列，有的股票「信息一次到齐、一次消化完」，有的股票「信息零散到、慢慢渗」？
报告给的机制是：市场上信息到达不同投资者的时间有差异、知情交易者的参与程度也不同，于是有些证券对信息的反应出现时滞；任一分钟里不同投资者的决策并不基于相似信息，交易信息混杂，股价波动因此变大。学术上这类似非同步交易。
两个决定因素：信息的透明程度与个股的流动性。知情交易者越多、信息来源越杂，非同步交易程度越高；流动性差的股票日内价格发现低效，吸收冲击与从冲击中恢复的能力都差，价格更容易出现趋势性走势，同样放大非同步交易。
怎么测：类比 ACF 检验，在多个回望区间上反复做 LB 检验（Ljung-Box），得到一串 Q 统计量，再取这串 Q 的标准差。
- Q 统计量标准差大 = 不同回望区间下 Q 值差异大，通常是「短回望区间的 Q 远小于长回望区间的 Q」——过去较长时间里的信息仍能显著作用于当期行情（信息丰富度高），且消化速度慢。
- Q 统计量标准差小 = 各回望区间下显著性都差不多——当期价格只与近期信息有关，信息消化快。
报告给的判定表：
| 流动性好 | 流动性差 | |
|---|---|---|
| 证券透明度较低、知情交易者较多 | 标准差偏大，非同步交易程度较大 | 标准差大，非同步交易程度大 |
| 证券透明度较高、知情交易者较少 | 标准差小，非同步交易程度小 | 标准差偏小，非同步交易程度较小 |
报告举的对照例子（数据日期 2023-03-31）：当日 Q 标准差较高的 000156.SZ 走势缓步上涨、部分时段价格几乎不动（流动性差），而标准差较低的 002368.SZ 在上涨阶段短时间大幅拉升（关注度高、多数交易者同时行动）。报告据此推测：前者知情交易者占比偏高、可能通过多次少量交易隐藏行为。
因子取值是过去 15 日的均值（不是标准差）：
| 因子名 | 构造方法 |
|---|---|
rtn_LBQ |
分钟收益率的 Q 统计量序列标准差，取 15 日均值 |
vol_LBQ |
分钟成交量占比的 Q 统计量序列标准差，取 15 日均值 |
LBQ_Comb |
等权合成 rtn_LBQ 与 vol_LBQ |
均值越大 = 非同步交易程度越高 = 低流动性下被操纵的可能性较高 = 下行风险较高，所以这一族因子的方向是负的。
绩效
| 因子 | IC 均值 | IC 标准差 | ICIR | T 值 | 多空收益率 | 多头收益率 | 夏普 | 最大回撤 | 多头换手率 |
|---|---|---|---|---|---|---|---|---|---|
rtn_LBQ |
2.55% | 5.05% | 0.51 | 23.19 | 33.7% | 16.8% | 5.78 | −7.0% | 17.3% |
vol_LBQ |
5.28% | 10.35% | 0.51 | 23.41 | 43.3% | 23.8% | 4.45 | −8.5% | 9.8% |
LBQ_Comb |
4.86% | 8.16% | 0.60 | 27.33 | 49.2% | 23.1% | 5.75 | −6.7% | 14.2% |
与本 wiki 的接口
羊群效应：与 CSAD 分组回归的关系
本篇没有横截面的羊群因子——报告里七个因子的自相关性全部发生在「同一只股票自己的时间轴上」，没有一只因子去比较「个股与市场」或「个股与个股」的收益同步性。这一点必须说清楚，否则很容易把本篇误当成羊群研究。
兴业金工系列里真正的羊群因子在系列十，做法是 CSAD 框架：个股收益相对市场收益的偏离程度如何随市场波动变化，凹性响应（\beta_2<0）视为羊群收敛。详见 CSAD 分组回归与分歧状态，以及它的加强版 分钟级稀疏响应状态。
两者的分工：
| 本篇（系列六） | 系列十 CSAD | |
|---|---|---|
| 同步性发生在 | 同一只股票的不同分钟之间（时间维度） | 个股与市场之间（横截面维度） |
| 统计量 | 自相关系数、D-W、AR(1) 残差自相关、LB 检验 Q | 偏离度的线性/平方项系数 \beta_2 |
| 回答的问题 | 这只股票自己的日内价格是不是在惯性运行 | 市场颠簸时个股是跟着走还是各走各的 |
| 与「羊群」的关系 | 间接：自相关强 = 信息消化慢 = 定价不稳定 | 直接：\beta_2<0 是羊群的统计特征 |
一句话概括：本篇测的是「一只股票自己的时间序列有没有惯性」，CSAD 测的是「一群股票是不是挤在一起走」。前者可以看成后者的微观前提——如果个股对信息的反应时滞严重（LBQ 因子高），那它在市场颠簸时也更容易滑向跟随市场的方向。
其他
- 市场微观流动性指标 — 同一团队系列五的产出，从深度/紧密度/弹性刻画市场微观流动性。
LBQ因子的解释直接依赖流动性（流动性差 → 非同步交易重），两者可以互相验证 - 订单流分解 — 同一团队的量价拆解路线，与本篇的时序路线互补
- 高 tick vs 低 tick 的排队不平衡 — 微观结构统计量落到选股因子的另一条例子
Open Questions
- LB 检验用哪些回望区间、Q 统计量序列的个数是多少，报告没写。这直接决定标准差的量纲与因子取值，无法复现
LBQ因子方向与「非同步交易」的因果链没有实证支撑。报告的例证是两只股票一天的走势对比（000156.SZ vs 002368.SZ），属于轶事证据；「知情交易者通过多次少量交易隐藏行为」只是推测- 剔除开盘收盘各 10 分钟是唯一的时段处理。A 股的开盘集合竞价与尾盘拉升恰恰是非同步交易最重的地方，剔掉之后这个因子到底测到了什么，值得追问
rho族用 15 日标准差而不是均值，与其他族不一致。报告未解释这个选择
Sources
- 兴业金工《高频研究系列六》— 时序信息中的 Alpha — 2023-06-29
- 本地归档：
raw/articles/202306-xingye-time-series-information-alpha/（正文 + 43 张图）