market-microstructureflash-crashpoissoncrash-probabilitydownside-riskminute-barfactor-constructiona-share

闪电崩盘概率因子 (Flash Crash Probability Factor)

大白话：一只股票今天会不会「深 V」？报告的做法是数今天日内连续下跌的分钟有几段、每段多长，再和连续上涨的同类计数作比较——下跌比上涨明显多，就说明今天已经出现了「急跌」的形态。 然后用泊松分布把这个计数翻译成「未来某段时间还会出现多少次急跌」的概率，最后取过去 15 日这个概率的标准差，得到因子 flashCrashProb。

「闪电崩盘」是什么

闪电崩盘指流动性资产的价格在日内短时间大幅超跌，同时后续允许价格恢复——即日内出现一个深「V」的走势。

概念自 2010 年起受到关注，最著名的例子是 2010-05-06 美股「千点大跌」：当日下午 2:42 至 2:47 的 5 分钟内，道琼斯指数下跌约 1000 点。

A 股同样存在这种走势。报告举的例子：300659.SZ 在 2023-03-31，开盘约 32 元，10:30 左右跌至 28.58 元（相对 9:30 收盘价跌幅 8.63%），此后股价攀升并持续震荡，最终收于 30.2 元——一个明显的深 V。

关键设定：闪电崩盘通常伴随价格后期恢复，但它出现时在日内造成的恐慌情绪不可小觑。所以报告不去预测 V 型的幅度，而是去刻画「崩盘的概率」。

从 V 型到连续下跌次数

观察到的事实：在日内出现闪电崩盘时，日内的分钟级别收益率大多会出现多次的连续负数。

于是把现象刻画成分钟级连续下跌次数。报告的例子：2022-03-09 沪深 300 指数，11:22 至 11:29 的 8 个分钟内分钟收益率连续为负，跌幅 −0.5%；日内还多次出现类似情况，如 9:53–9:57、10:35–10:39。

计数规则（把一天扫一遍）：

  1. 按时间顺序逐个找。若一个分钟级收益率为负，就从它开始统计连续负收益率的个数，直到下一个收益率非负为止停住，这个个数就是一段连续下跌；
  2. 跳过已被计数的分钟，继续找下一段负收益率重复第 1 步，直到当日没有未统计的分钟为止。

连续上涨的计数方式相同，只是把「负数」换成「正数」。

从计数到概率：泊松分布

假设日内分钟收益率的连续上涨次数与连续下跌次数出现的概率近似服从泊松分布。

理由还有一层：一段时间内连续下跌趋势越明显，未来市场的波动率也越大。所以若当日连续下跌次数相对较多，则未来价格日内大概率出现「连续下跌次数多、跌幅大、波动率大」的特性。

于是要估计的是：未来连续下跌次数相对于连续上涨次数的大小。若两者差异大，未来出现闪电崩盘的概率就大。

计算步骤（报告原文的三步）：

  1. 先估泊松参数：基于前一个交易日的分钟级收益率序列，计算得到的连续上涨/下跌次数的样本数据，进一步计算得到对于连续下跌泊松分布中参数 \lambda 的估计；
  2. 算差异：计算个股连续下跌和连续上涨的差异。x 为全市场当日连续上涨 \lambda_t^{pos} 中位数，x+k 为当日连续下跌 \lambda_t^{neg} 前 25% 分位数；
  3. 用泊松累计分布函数算概率：最终引入泊松分布的累计分布函数，计算得到「崩盘」概率。

因子取过去 15 日「崩盘」概率的标准差，记为 flashCrashProb。标准差越大，说明该股下行风险较高，预期收益较低。

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 年化波动率 夏普 最大回撤 多头换手率
flashCrashProb 1.65% 5.45% 0.30 13.89 25.1% 13.3% −9.1% 4.8% 5.21 −3.7% 11.1%

IC 是本篇七个因子里最低的（1.65%），但多空夏普 5.21、最大回撤只有 −3.7%——这一族的卖点是稳，不是强。

报告自己也承认：「闪电崩盘」概率因子与底层因子的相关性本身就低，最高只有 0.4，因此不需要正交化处理（其余六个因子都要正交化）。

与本 wiki 的接口

与「闪崩机制」页的区别

闪崩机制 讲的是闪崩为什么发生：卖压 75,000 张 E-mini 远超中介承接上限（HFT 约 4,000 张 + MM 约 1,500 张），是「承接能力不足」而非「HFT 撤单逃跑」；并用 VPIN（订单流毒性）做崩前 ≥2 小时的预警。

本篇讲的不是闪崩的成因，而是闪崩前后的价格形态统计量——两者是「成因」与「形态」的关系，不是同一件事。机制页回答「为什么会崩」，本页回答「怎么从日内分钟序列里看出崩盘的影子」。

与「极端行情订单流」页的对照

极端行情订单流（深交所 2003-2012）给的是事件窗口内的订单流图景：极端事件前波动率、订单量、买卖价差、成交量不平衡四个量就已升高，事后按幂律松弛；且价格涨 5% 后 15 分钟回吐 4%。

那篇走的是事件研究路线（找到极端事件，看前后发生了什么）；本篇走的是日频因子路线（每天对所有股票算一个数，不预先圈定事件）。两者可以互补：极端行情订单流页的「事件前四个量升高」说明闪崩有前兆，本篇的 flashCrashProb 试图把这种前兆固化成可交易的日频因子。

与 HHIt 的对照

HHIt (Herfindahl Index of Intraday Variance) 同样问「明天会不会崩」，但角度完全不同：

flashCrashProb HHIt
测什么 日内连续下跌的分钟段数（形态计数） 日内 realized variance 在各时段上的集中度
分布假设 泊松（计数的自然分布） 纯扩散下 E[\text{HHI}_t]=3n/(n+2)，与波动水平无关
时间粒度 前一交易日的分钟收益率序列 当日已实现的日内方差
对崩盘的判断 下跌段比上涨段多 = 已有急跌形态 广而均匀的高波动日才是崩盘前兆，集中在少数时段的反而不算

两者结论甚至方向相反，值得并排看：HHIt 说「波动摊得开」才危险，flashCrashProb 说「跌得成串」才危险。这不必然矛盾——前者是横跨全天的分布形态，后者是局部的急跌串——但报告没有做过这个对照检验。

后续改进（系列八）

同团队的系列八把本页的因子改写成了另一页：日内 V 型特征与闪电崩盘概率改进。

同一团队的《关联信息中的 Alpha》（系列八，2024-06-05）明确回头改了本因子：原版「刻画的事件相对宽泛，对 V 型的刻画精准度相对一般，且并未考虑除下跌次数以外的额外信息」。改进分两步——先用量、价、时间三维度刻画股票的「V 型特征」，再用连续性分布（而非泊松）概率化，得到新因子 flashCrashProbV：日度 Rank IC 均值 0.031（原版 0.014），并可设 60%/75%/85% 阈值做时序上的风险规避（未来 3–5 日负向收益率概率约 56%）。本 wiki 尚未收录系列八。

Open Questions

  • 泊松假设没有被验证。连续下跌次数的方差与均值相等这一泊松性质，报告未做检验——若方差大于均值（过度分散），用泊松 CDF 算出的概率就是错的
  • 第 2 步的 x 与 k 的具体数值报告没有给出（只说「全市场当日连续上涨 \lambda_t^{pos} 中位数」和「当日连续下跌 \lambda_t^{neg} 前 25% 分位数」），第 3 步的累计分布函数具体是哪一个、上下限怎么取，也都没有写明。这套流程无法照原文复现
  • 「闪电崩盘」是日内形态，概率却被当成次日风险因子用。中间跳过了「当日深 V → 次日下跌」这一步的论证
  • 只用前一个交易日的分钟数据，意味着当天盘中已经发生的崩盘无法进入当天的因子值——这是 T+1 约束还是设计选择，报告未说明

Sources