市场微观结构研究系列（33）：高频价格跳跃的峰、岭、谷信息

本文将日内价格跳跃划分为峰、岭、谷三类状态，并基于三类时点的量价数据构建了17个有效因子。

首先，文章介绍了价格跳跃状态的划分方法。通过分析跳跃前后时点的振幅高低，将跳跃时点分为低迷、高涨和适中三类情绪状态；通过判断跳跃前后时点是否存在价格缺口，将跳跃结果分为有缺口和无缺口两类。基于这两类特征，将跳跃时点划分为8类，其中非局域情绪高涨状态下的无缺口跳跃时点定义为“价峰”，非局域情绪低迷状态下的有缺口跳跃时点定义为“价岭”。

其次，文章介绍了基于三类价格跳跃时点构建的6个代表性因子及其表现：

• 价峰分钟数因子：统计过去20天价峰时点数量，多空年化收益16.4%，更适用于小市值股票池。
• 价岭分钟收益因子：统计过去20天价岭时点的分钟涨跌幅加总，多空年化收益25.9%。
• 价谷相对加权价因子：计算每日价谷的成交量加权价格与当日总成交量加权价格之比，并计算20日均值，多空年化收益18.4%。
• 价岭间隔偏度因子：计算过去20日同日前后两个价岭之间的时间间隔分布的偏度指标，多空年化收益21.7%。
• 价格跳跃成交额相关性因子：计算过去20天价格跳跃时点成交额与下一分钟成交额的错位相关系数，多空年化收益31.2%。
• 价谷加权价格分位点因子：计算过去20天价谷加权价格在所有价谷加权价格中的分位点，多空年化收益22.7%。

再次，文章基于上述6个因子构建了一个合成因子，其多空年化收益达到32.9%，年化IR为3.34。基于该合成因子，构建的沪深300、中证500和中证1000指数增强组合分别取得了5.9%、11%和10.7%的超额年化收益。

最后，文章指出大部分因子在剔除Barra风格因子后仍有效，并筛选出6个具有独立alpha的因子用于构建合成因子。同时，文章也提示模型测试基于历史数据，市场未来可能发生变化。