"高频数据+离散化构建方式"在因子研究中的重要性 证券研究报告 | 金融工程 gszqdatemark 2025 05 14 年 月 日 量化专题报告 "量价淘金"选股因子系列研究（十二） 前言：随着市场的发展与竞争的加剧、尤其是机器学习模型的普及，想要 挖掘现有多因子模型以外的增量信息越来越困难。本篇报告提出以下论 点：未来量价因子的研究，想要获取更多的、与现有因子低相关性的增量， "逐笔等高频数据"结合"离散化的因子构建方式"至关重要。 连续性的因子构建方式：所谓"连续性"，即基于某一段连续的数据计算因 子。以常见的"量价相关性类因子"为例，分别基于日频、分钟、逐笔数 据，采用连续性的构建方式，批量生产对应的因子簇。将各自因子簇中的 因子等权合成，得到"日频连续"、"分钟连续"、"逐笔连续"因子。考察 "分钟连续"、"逐笔连续"因子相对于"日频连续"因子的增量，发现虽 然从因子的回测效果上来看，将"分钟连续"、"逐笔连续"叠加到"日频 连续"上，因子绩效确有显著提升，但一旦落实到组合层面，"分钟连续"、 "逐笔连续"的贡献就变得非常有限。以沪深 300 指数增强组合为例，叠 加"分钟连续"、"逐笔连续"因 ...