国盛金工量价选股低相关增量思路2026量化专题

本次专题聚焦量价选股领域，分享三种寻找低相关增量的研究思路。核心包括：逐笔离散因子簇研究，从原始逐笔数据层面生产数万个因子并筛选低有效低相关因子；高低位放量事件簇策略，针对A股截面多因子组合缺陷推出，年化超额达9个点；量价指纹模型，利用Transformer提取128维向量特征，与传统手动因子模型相关性约50%。这些思路作为量价选股的核心研究布局，当前市场中逐笔离散因子簇研究较少，属于蓝海领域。

量化选股赛道正从传统截面多因子框架向更精细化的方向发展。未来研究将更注重原始逐笔数据的挖掘和另类特征提取，如逐笔离散因子簇和量价指纹模型，以突破传统方法的局限。高低位放量事件簇策略等时序量价事件驱动策略，则通过捕捉市场动态事件提升收益风险比。这些新思路有望降低策略间相关性，构建更稳健的投资体系，推动量化选股进入更高质量发展阶段。

报告重点分析了三种量价选股的低相关增量思路。首先是逐笔离散因子簇，通过离散化抽样生产数万个因子并筛选，为投资者体系提供增量。其次是高低位放量事件簇策略，针对截面多因子组合缺陷，在中证八百成分股域测试显示年化超额达9个点，与截面多因子相关性仅约15%。最后是基于机器学习的量价指纹模型，利用Transformer提取128维向量特征，与传统手动因子模型相关性约50%，二者结合可提升收益和稳定性。

当前市场对量价选股普遍存在一些认知局限。传统截面多因子组合常面临偏低波低流动性问题，在市场大涨时超额收益易为负。逐笔离散因子簇研究尚处于蓝海领域，市场关注较少。时序量价事件驱动策略如高低位放量事件簇策略虽有应用，但与截面多因子相关性较高，难以形成有效补充。量价指纹模型等另类特征提取方式虽提出，但尚未得到广泛验证。市场亟需更多创新思路以突破现有局限。

研报中提示的主要风险包括：报告内容仅面向国盛证券专业投资机构或受邀客户，嘉宾发言仅代表个人观点，未经书面许可严禁录音转发解读。三种研究思路均处于探索阶段，逐笔离散因子簇和量价指纹模型的有效性仍需持续跟踪验证。高低位放量事件簇策略虽测试显示年化超额达9个点，但市场环境变化可能导致策略表现波动。此外，多策略并行或因子值调整方式的效果亦需进一步验证，投资者需谨慎评估风险。