兴业金工 (Xingye Quantitative Finance)
机构定位
兴业证券经济与金融研究院金融工程团队（Xingye Securities Quantitative Finance team），A 股卖方量化研究团队，以高频量价因子为主要方向。
- 公众号：XYQuantResearch（微信号同）
- 首席分析师：郑兆磊 (S0190520080006)
- 本 wiki 收录的分析师：郑兆磊、陈子轩 (S0190524120001)；研究助理 陈鹏
旗舰系列：《高频研究系列》
以个股分钟点为最细颗粒度做高频因子研究。全部 10 篇已收录。
| 系列 | 标题 | 对外发布 | wiki 覆盖 |
|---|---|---|---|
| 一 | 《高频漫谈》（框架篇） | 2022-01-04 | Xingye 2022 High Frequency Overview |
| 二 | 《收益率分布因子构建》 | 2022-01-23 | Xingye 2022 Return Distribution Factors |
| 三 | 《收益率分布中的 Alpha(2)》 | 2022-05-04 | Xingye 2022 Return Distribution Alpha |
| 四 | 《成交量分布中的 Alpha》 | 2022-08-29 | Xingye 2022 Volume Distribution Alpha |
| 五 | 《市场微观结构剖析》 | 2022-11-09 | Xingye 2022 Market Microstructure |
| 六 | 《时序信息中的 Alpha》 | 2023-06-29 | Xingye 2023 Time Series Information Alpha |
| 七 | 《高频风险模型构建与应用》 | 2023-10-25 | Xingye 2023 High Frequency Risk Model |
| 八 | 《关联信息中的 Alpha》 | 2024-06-05 | Xingye 2024 Association Information Alpha |
| 九 | 《日内分域信息中的 Alpha》 | 2024-07-31 | Xingye 2024 Intraday Domain Information Alpha |
| 十 | 《成交异常、分歧状态与成交分歧结合中的 Alpha》 | 2026-10-21 | Xingye 2026 Trading Anomaly and Divergence Alpha |
《高频漫谈》是整个系列的基础篇和框架篇，后续九篇都建立在它提出的一套分类上。 前九篇累计构造了约 70 个高频量价因子——系列十第五节的「因子相关性和正交化检验」， 正是拿这批底层因子做正交化的对象。
方法论骨架
一、四类信息的分类判据
《高频漫谈》提出把高频因子按「用了数据里的哪一种信息」分四类。 判据是把日内分钟数据的时间顺序打乱，指标变不变：
| 类别 | 判据 | 例子 |
|---|---|---|
| 分布信息 | g=f(\mathrm{Reorder}(\mathrm{data}))=f(\mathrm{data}) | 已实现方差、分钟收益率偏度峰度、成交量占比标准差 |
| 时序信息 | g=f(\mathrm{Reorder}(\mathrm{data}))\neq f(\mathrm{data}) | 收益率一阶自相关、DW 统计量、LSTM、时序异常值检验 |
| 关联信息 | g=f(\mathrm{data}_x,\mathrm{Reorder}(\mathrm{data}_y))\neq f(\mathrm{data}_x,\mathrm{data}_y) | 量价相关性、大单对应收益率、每笔成交额、价差 |
| 另类信息 | g=f(\mathrm{data},\mathrm{Information})，\mathrm{Information}\notin \mathrm{data} | 尾盘、开盘、大单等研究者事先规定的概念 |
这个判据的用处是避免造出「换个名字的同一个因子」——四类信息对应四种不同的 经济含义，同一类里堆再多指标也只是同一个信号的变体。
二、先按统计特征挖信息，再解释经济含义
团队明确主张与传统做法相反：先找到统计上稳定的特征，再回头找经济解释， 而不是先想一个经济故事再去构造指标。理由是高维搜索下「先编故事」容易过拟合。
三、评价口径随高频改
高频因子的 IC 半衰期短，所以评价指标也跟低频因子不同： 多空两分组（不是常见的五分组）按因子值加权、看 IC 与 ICIR、看换手率。
四、逐层推进（系列十的做法）
到了系列十，方法论从「按信息类型分类」推进到「按时间层次推进」：
- 相对自身异常时刻（条件分位数回归）
- 相对市场异常时刻（CSAD 分组回归 + 分钟级稀疏回归）
- 两层的时序联系（分歧命中因子）
每一层都有独立的经济解释，而不是堆指标。
系列内部的方法演进
| 从 | 到 | 变化 |
|---|---|---|
| 系列二 六个常见收益率分布因子 | 系列三 极端收益因子 + 混合高斯 | 从「描述分布形状」到「用极端值刻画投资者心理」与「用混合分布分离震荡期 / 跳价期」 |
| 系列四 七个常见成交量分布因子 | 系列四 分桶熵 + 极大值分布 + 同价成交量 | 从「成交量分布的形状」到「成交量在价格轴上的分布」 |
| 系列一 通用框架 | 系列十 条件分位数回归 + 经验贝叶斯 | 从「指标 → 因子」两步，推进到「异常时刻 → 状态 → 命中概率」四步 |
引用规范
引用时给出系列号 + 标题 + 发布日期。公众号 XYQuantResearch 发的是研报节选—— 全部公式、表格与绩效数字都在图片里，正文文字只有提要。 若与研报全文有内容差异，以研报全文为准。
在本 wiki 中的入口
- 全部 10 篇的研报 entity 见上表；各自的摘要页在
wiki/summaries/<source-id>/下 - 概念页：系列十的 5 个见 条件分位数回归与异常成交； 前九篇的 24 个概念页见 microstructure/index 里 以「兴业金工」标注的六个小节，以及 models-theory/index 的「风险模型 / 高频」小节
- 分析师：郑兆磊 (Zheng Zhaolei) · 陈子轩 (Chen Zixuan)