因子投资视角下的量价交织——量价关系全解析

价格序列衍生的技术指标便已浩如烟海，而要综合考虑量与价的关系，复杂度更是提升了不止一个量级。从口口相传的量价关系口诀，到高维数的深度时序神经网络，从月度的长期量价走向，到订单簿上的瞬时冲击，人们对量价关系的探索不休不止，无远弗届。本文在因子投资视角下，系统地分析了一些有代表性的量价关系指标，希望给这方面的量价因子挖掘提供参考和启发。

经典指标

SemiBeta

自CAPM模型提出伊始， \(\beta\) 便是最重要的定价因子之一。 \(\beta\) 代表了个股对市场总体走势的反应:

$$ ER_i = R_f + \beta_i(ER_{market}-R_f) $$

其中， \(ER\) 是风险资产𝑖的预期收益率， \(R_f\) 是无风险收益率， \(ER_{market}\) 是市场整体的预期收益率。 \(\beta_i\) 越大，个股收益率的弹性就越大，不考虑风险的情况下，由于市场收益率期望为正，弹性较高的股票能获得更高的收益。这一简单模型无法完全解释复杂的市场，人们也向等式右边添加了许多新的解释变量，但 \(\beta\) 的地位仍然是无可撼动的。

如今经典的 \(\beta\) 因子也有了新解——不同的市场环境下，人们对个股弹性的看法应当是不同的。行为金融学研究领域，“前景理论” (Prospect Theory)指出现实中的投资者更多是呈现有限理性的特征，面对同样数量的收益和损失时，认为损失带来更多的负效用，表现为“损失厌恶”，而非“风险厌恶”(Risk Aversion)的特征。因此面对盈利，投资者表现为风险厌恶，追求“落袋为安”;面对亏损，投资者表现为风险偏好，追求“扭亏为盈”。针对传统Beta因子，假设投资者只厌恶可能导致亏损的波动，那么相关的风险就应当只聚焦于负收益的部分。如果投资者只关注下行风险，那么个股和市场整体在上涨和下跌不同状态下的协方差则不应被均衡定价。

基于上述研究背景，Bollerslev(2021)提出SemiBeta概念，即基于个股收益和 市场基准收益方向的不同，将传统Beta因子拆解为四种情况，即

• 市场下跌+资产下跌
• 市场下跌+资产上涨
• 市场上涨+资产上涨
• 市场上涨+资产下跌

不同情形下的Beta因子具有不同的风险溢价。A股的实证结果与美股不尽相同，但按收益率正负分类讨论仍是一个重要的改进思路，在后文中也有大量运用。

RSI

RSI（相对强弱指数）是一个经典的技术指标，由威尔斯·威尔德（Wells Wilder）在他的名著《技术交易系统新概念》这本书里提出，用于评估多空的强弱。RSI=涨幅/（涨幅+跌幅）。我们可以计算最近N日的RSI指标作为选股因子，因子显著且方向为负，不过绩效比较一般。国盛证券提出用成交量配合RSI（即用每日成交量对RSI做加权平均），并进行高频测算，大幅改进了因子效果。详见《如何基于RSI技术指标构建有效的选股因子？》

APB

《基于量价关系度量股票的买卖压力》中，东方证券构建了APB指标：过去N天内vwap的简单平均，比上vwap用成交量加权平均，最后取对数。其背后的逻辑是，长期配置型资金根据事先的研究判断决定了买卖方向，在区间内逢低买入，这样就会造成在区间内价格相对较低的位置成交量大，价格相对较高时成交量小；相反，理性投资者卖出时，成交量在价格较高时较大，价格较低时成交量小。作者巧妙地通过成交均价偏移统一了两者，相比简单地计算相关性更本质地刻画了理性资金对价格的反应。此外，APB因子在日线和分钟线都是适用的。

量价相关性

日频

技术分析中常见“放量上涨”，“缩量下跌”等情形的总结，都可以归结为价格序列P与成交量序列V的线性相关性。如果我们简单地计算最近N日PV相关性作为选股因子，方向负向，效果也还差强人意。这意味着量价同向意味着负的收益期望，其中“放量上涨”可以用短期投机行为解释——庄家在激烈的换手中逐步抛出筹码，炒作走向终结，“缩量下跌”则可能是由于市场分歧较小，买压不足，未来还会继续探底。多头方面，与APB的内在逻辑相通。

在此PV相关性基础上，对两个序列各自做差分，再计算DP—DV相关性作为选股因子，方向负向，绩效也还不错。这可以概括为，如果成交量的增加与上涨高度相关，未来超额期望为负，也是描述了炒作行为。

高频

对于日内分钟线，PV相关性不具备显著的选股能力，因此考虑差分后的DP-V相关性与DP-DV相关性。

DP-V

|DP|-V相关性是显著的负向因子，意味着如果日内价格大幅变动伴随着高额成交量，那么未来收益期望为负。考虑DP-V的错期相关性：“价在量先”/“量在价先”因子负向选股能力更为显著，价格大幅变动与放量互相跟随，则未来收益期望为负。不过错期因子的IC主要由空头贡献，多头收益不显著。

DP-DV

|DP|-DV同期因子方向为正，单调性与稳定性上佳：价格变动幅度与成交量边际变化正相关。

错期因子的情形比较复杂。

• 价在量先
  • DV>0,DP>0:因子负向，价格上涨时，成交量增速跟随价格上涨幅度
  • DV>0,DP<0:因子正向，价格下跌时，成交量增速跟随价格下跌幅度
• 量在价先, V-|DP|
  • DV>0:因子负向，成交增加时，希望价格变化幅度与成交变化量反向
  • DV<0:因子正向，成交减少时，希望价格变化幅度与成交变化量同步

高频价格自相关

P-DP相关性

• dp>0:因子负向，价格涨幅在价格高位
• dp<0:因子正向，价格跌幅在价格低位

|DP|自相关性是负向因子，与波动聚集类似。

高频成交量自相关

高频成交量V自相关性/DV自相关性都是负向因子，似乎与股价短期炒作有关，IC主要由空头贡献。

V-DV相关性

• DV>0:因子负向，成交量上涨位于成交量高位
• DV<0:因子正向，成交量上跌位于成交量低位

总结

量价关系错综复杂，非人力所能穷也。从因子投资角度而言，合理的策略应当是从丰富的数据中挖掘显著的因子，或是基于人工逻辑构造因子，在保证因子有效的前提下，最后交由非线性模型拟合其中的关系。