market-microstructuretime-seriesconditional-distributionvalue-at-riskautocorrelationbivariate-normalminute-barfactor-constructiona-share

条件分布因子与股价自相关 VaR (Conditional Distribution Factors and Autocorrelation-Adjusted VaR)

大白话：这一族因子干两件事。 一件是先挑样本、再算统计量——比如只留下波动最大的那 20% 分钟，再看这些分钟的平均收益是多少，从而得到一个和「全天平均收益」不同的因子。 另一件是修好一个用错了的假设——教科书 VaR 假设收益率正态、波动随机，但 A 股分钟级价格的自相关相当显著，所以报告用二元正态分布把自相关装回去，重算出一个「考虑股价自相关的 VaR」。

条件分布：换条件就换出特异性

方法

传统做法假设流动性资产的收益率服从正态分布。这个假设建立在市场有效的前提上；在非弱式有效市场里，市场与个股的内外部条件一变，收益率的统计分布特征就跟着变。日内收益率的非独立同分布特征尤其明显。

所以引入条件分布：假设「在某个已知条件下」收益率服从正态分布。

rtn \mid Condition \sim N(\mu, \sigma^2)

条件分布类因子的做法是：用过去一段时间的数据特征，对高频样本做分类、筛选或重构，再计算筛选之后那部分样本的统计特征。 两个关键步骤因此是：对已知条件的刻画 + 对分布的假设。

示例：高波收益率均值 highStdRtn_mean

  1. 以已实现波动率作为条件：对每个分钟节点，计算过去 30 分钟的 5 分钟滚动收益率标准差；
  2. 筛出标准差处于当日该股 80% 分位数以上的分钟节点；
  3. 统计这些节点上 5 分钟滚动收益率的均值，就是 highStdRtn_mean。

举例：某股全天 240 个分钟节点，5 分钟滚动波动率的 80% 分位对应 0.9%。那么波动率超过 0.9% 的那批（约 48 个节点）上的平均收益就是因子值——它回答的是「在大波动时刻，这只股票平均是涨还是跌」，而不是「全天平均涨跌」。

与 rtn5_mean 的关系

highStdRtn_mean 与系列二构建的常见分布因子 rtn5_mean（5 分钟滚动收益率均值）构造方式几乎一致，差别只在样本筛选上。两者的相关性仅 0.61，且与底层其他所有高频因子的相关性均低于 0.6。报告进一步把它对 rtn5_mean 正交化，得到 highStdRtn_meanN，正交化后与底层所有高频因子的相关性最高仅 0.35。

结论是报告自己下的：只要选择有效且适合的条件进行筛选，同样的统计量也能提取出日内高频数据中的不同数据特征，进而构造出有特异性的因子。

绩效

因子 IC 均值 IC 标准差 ICIR T 值 多空收益率 多头收益率 空头收益率 夏普 最大回撤 多头换手率
highStdRtn_mean 3.34% 4.65% 0.72 33.00 41.2% 14.3% −19.4% 7.48 −3.9% 20.3%
highStdRtn_meanN 1.76% 4.27% 0.41 18.84 20.7% 10.3% −9.1% 4.76 −4.2% 19.7%

正交化把 IC 从 3.34% 压到 1.76%，但多空收益仍为正、夏普仍近 5。

股价自相关下的 VaR：rtn_condVaR

要修的是什么

VaR（Value at Risk，风险价值）的常见定义：在给定假设与置信区间内，投资组合在既定时期内可能遭受的最大价值损失。

问题在于基础 VaR 的两个假设：

  1. 收益率在某一时间段内服从正态分布——但报告在前面几篇里已指出，日内收益率在不同时间区间内极易偏离正态分布；
  2. 价格波动是随机的、不存在自相关性——但报告在实测中发现，日内股票价格序列的自相关性相当显著。

两条假设都不成立，用 VaR 度量日内价格波动就不准确。

推导

第一步：设价格服从正态

\ln P_{t+n} - \ln P_t \sim N\left[\left(\mu - \frac{\sigma^2}{2}\right)\cdot n,\ \sigma\sqrt{n}\right]

取 n=1，即价格时差为 1 分钟。

第二步：加上自相关

设 \ln P_{t+1} 与 \ln P_t 的相关系数为 \rho，并假设二者服从二元正态分布、均值与标准差相同：

(\ln P_{t+1}, \ln P_t) \sim N(\mu, \mu, \sigma^2, \sigma^2, \rho)

构造二元正态：

\mathbf{X}=\begin{pmatrix}\ln P_{t+1}\\ \ln P_t\end{pmatrix}, \qquad \boldsymbol\mu=\begin{pmatrix}\mu\\ \mu\end{pmatrix}, \qquad \boldsymbol\Sigma=\sigma^2\begin{pmatrix}1&\rho \\ \rho&1\end{pmatrix}

对数收益率 R_t=\ln P_{t+1}-\ln P_t，写成矩阵形式：

\mathbf{Y}=\begin{pmatrix}R_t\\ \ln P_t\end{pmatrix} =\begin{pmatrix}1&-1\\0&1\end{pmatrix}\mathbf{X} = C\mathbf{X}, \qquad C=\begin{pmatrix}1&-1\\0&1\end{pmatrix}

于是 \mathbf{Y}\sim N(C\boldsymbol\mu,\ C\boldsymbol\Sigma C')。在 \ln P_t 已知的条件下，最终得到考虑股价自相关性的 VaR。

参数含义（报告原话）：\rho 为对数价格的前后分钟相关性，\mu 为日内分钟级对数价格的均值，\sigma 为日内分钟级对数价格的标准差，P_t 取当日收盘价，Z_\alpha = 1.96（即 95% 置信）。

风险方向的判定

自相关绝对值相同的前提下，分四种情况：

\mu - \ln P_t > 0（收盘价低于当日均价） \mu - \ln P_t < 0（收盘价高于当日均价）
\rho > 0（趋势性更强） 风险偏大（可能处于下行通道） 风险偏小（可能处于上行通道）
\rho < 0（反转性更强） 风险偏小（可能处于向上反弹通道） 风险偏大（可能处于向下反弹通道）

直觉：\rho>0 表示价格有惯性、上一分钟的走势会延续；此时收盘价低于均价，说明这轮延续是向下的。\rho<0 表示价格有反转性；此时收盘价高于均价，说明接下来大概率是向下的反弹（由高往低），风险反而大。

因子取值

算出个股每日的股价相关性 VaR 后，取过去 15 日的标准差作为最终因子，记为 rtn_condVaR。标准差越大，说明该股过去一段时间的风险不稳定性越高，个股下行风险较高。

绩效

因子 IC 均值 IC 标准差 ICIR T 值 多空收益率 多头收益率 空头收益率 夏普 最大回撤 多头换手率
rtn_condVaR 4.01% 7.71% 0.52 23.87 44.1% 21.1% −16.7% 5.66 −7.6% 10.4%

这是报告在导读里点名举例的因子：「日度 Rank IC 均值为 4.01%，多空收益率约为 44%，多头收益率约为 21%，夏普比率约为 5.7」。

与本 wiki 的接口

  • 日内反转的买卖价差跳动 — 同一条主线上的问题：日内反转到底是真反转还是买卖价差跳动。本篇的自相关推导里，\rho<0 对应的「反转通道」在微观结构上正是价差跳动与流动性恢复的宏观表现，两者应该放在一起读
  • 闪崩机制 — 同团队的极端行情路线；本篇的 VaR 因子刻画的是「风险不稳定性」，闪崩机制讲的是「承接能力不足」这个具体成因
  • Covariance Shrinkage Estimation — 本篇的 \sigma^2 与 \rho 都是单股单日分钟级估计值，噪声问题与协方差估计里讨论的收缩问题是同一类
  • 时序自相关性与非同步交易因子 — 同一篇的「自相关性」主线：foc/DW/rho/LBQ 四族因子都在刻画自相关，只是角度不同

Open Questions

  • \rho 与 \sigma 用的是当日分钟级估计，样本只有约 220 个点（剔除开盘收盘各 10 分钟后），报告没有做任何显著性检验或收缩处理。\rho 接近 ±1 的样本在 A 股上并不罕见，二元正态假设此时也会失效
  • VaR 的具体闭式表达式报告没有给出。报告图 6 只给了「对数价格服从正态 → 二元正态 → 矩阵变换 \mathbf{Y}=C\mathbf{X}」三步推导，最后「在 \ln P_t 已知的情况下」得到 VaR 的那一步省略了。读者无法照原文复现数值
  • \mu 与 P_t 的口径值得追问：\mu 是当日分钟级对数价格均值，P_t 取当日收盘价，两者都受日内 U 型影响；报告未做敏感性检验
  • 正态假设本身没有被推翻。报告批评基础 VaR 的正态假设，但修正后的模型仍用二元正态，只是加了自相关；日内收益的厚尾（见本 wiki 的 订单不平衡分布）没有被处理
  • highStdRtn_mean 的 80% 分位与 30 分钟窗口都是硬编码的，报告未做参数敏感性分析

Sources