量化精选：识别股票价格的盘中异动，构建事件驱动交易策略 盘感也可量化，本文用量化手段识别股票价格的盘中异动，并以此构建事件驱动交易策略。 本文来自优矿社区，作者：yufei.f... 

来源：雪球App，作者： 量化哥-优矿Uqer，（https://xueqiu.com/4105947155/72894182）

而我们感兴趣的地方，恰恰不是那些“随波逐流”的常见现象，而是相反的情况。下面我们就给出了这样的一个例子：水晶光电（002273.SZ）2015 年 11 月 16 日的日内价格走势。我们清晰地看到，在这一天的某些持续若干分钟的时段里，个股与指数显然背道而驰，而不再是温顺地随波逐流。这种个性十足的异动当日多次发生，图中用灰色背景标注的就有 5处。为了与“随波逐流”形成对照，我们将这种日内价格走势的异动称为“特立独行”事件。

我们将“特立独行”的日内异动现象，理解为由盘中异常资金的进出导致。以水晶光电为例，一个不得不提及的行业背景是，它在 2015 年作为“虚拟现实”概念股而备受瞩目。所谓虚拟现实，是指利用计算机模拟产生一个三维空间的虚拟世界，提供使用者关于视觉、听觉、触觉等感官的模拟，并让使用者并与之交互。为了准确把握“虚拟现实”概念的爆发时点，下图中我们给出了一条主题热度曲线，曲线的高度代表“虚拟现实”这一关键词的热度，该指标可以在优矿平台的API中找到。借助主题热度曲线，我们清楚地看到，11月16日前后，“虚拟现实”关注度爆发新的高潮。综上所述，我们对水晶光电这个案例的完整理解是：2015 年底资本市场疯狂炒作“虚拟现实”概念，由此带来的异常增量资金导致了水晶光电 11 月 16 日盘中的“特立独行”异动。随后，水晶光电在 11 月 19 日、11月 20 日两个交易日连续涨停。

3、异动事件的量化识别 [1]认为，就异动事件如何进行量化识别的问题，相关性可能是一个很好的切入点：在“随波逐流”的常态下，个股与指数同步涨跌，两者分钟收益率序列的相关度也会比较高；而在“特立独行”的情形下，由于个股与指数频繁出现涨跌背离，可以预期，相关度将显著降低。 因此，本文继续以水晶广电为研究目标，给出了11月16日前后每个交易日水晶光电与上证综指分钟收益序列的皮尔逊相关系数。正如我们所预期的，在大多数交易日里，相关系数的数值在一个较高的数值水平（约 0.4）附近徘徊，而恰恰在 11 月 16日这一天，相关系数出现了异常的低值（低于0.05）。 顺着这一思路，我们可以考虑将每日的相关系数作为筛选“特立独行”事件的因子。筛选的最简单做法是，给定一个绝对阈值（比如 0.1），将相关系数小于该阈值的交易日认定为“特立独行”。然而，这种绝对阈值的做法存在严重的缺陷：不同股票与上证综指的相关度水平天然不同，统一阈值无法适用。比如，0.1 的绝对阈值，对于大市值的股票而言可能偏低（很少选出样本），对于小市值的股票则可能偏高（频繁选出样本）。因此，为避免此类样本偏差，客观的筛选方案应将每只股票相关系数的历史水平考虑在内。综上讨论，我们给出“特立独行”异动股票的筛选方案，步骤如下：1、取交易日 t、股票s的日内分钟收益率序列，计算其与上证综指当日分钟收益率序列的皮尔逊相关系数 rho(s，t)；  2、对于每只股票 s，将每日的相关系数 rho(s，t) 沿纵向标准化，得到相关度因子 f(s，t)；  3、将相关度因子 f(s，t) 低于阈值λ，视为发生“特立独行”异动事件。 其中，步骤（2）中“纵向标准化”的具体做法为：将当日相关系数 rho(s，t)减去相关系数过去10个交易日的均值，再除以10个交易日的标准差。步骤（3）中阈值λ取 -3。筛选方案的直观意义是，选出相关系数处于历史平均水平3倍标准差以下的交易日。 按照以上筛选方案，除水晶光电（2015-11-16）之外，还可以选出一个广为人知的案例——梅雁吉祥（600868.SH）。梅雁吉祥在 2015 年 8 月 6 日触发了“特立独行”事件，而两个交易日之前正是其“王的女人”故事的起点——梅雁吉祥8月4日的临时公告称“证金公司已成为第一大股东”。如我们所熟知的，梅雁吉祥在8月6日之后连续录得 7 个涨停，超额收益异常可观4、实证研究在接下来的部分中我们将对异动事件作相关的实证研究，考虑到在线平台的运算速度有限，本文仅选取了沪深300作为股票池，时间跨度为2015年1年，历史回测筛选出的“特立独行”异动样本总共 7351次，涉及股票2530只，分布在640个交易日。下面分别展示了异动事件发生的股票列表，时间列表，和他们组成的事件列表。下面我们给出了异动样本在各个市场板块的分布,从左往右依次是中小版,主板,创业板。总体而言，样本在各个板块分布并不均匀，主板的比例严重高于中小板和创业板考虑到股票池中主板股票的比例，这也是可以理解的。这里没有采用[1]中的分类方法的原因是其将沪深主板分开容易产生误解，可以看到实际上的分布并不如[1]中所述的那样均匀。并且单只股票重复发生异动事件的概率非常高。下面我们给出了“特立独行”异动事件在2015年的月度分布，可以看出：头尾两个月的异动事件发生特别多，其他月份较为均匀。为了考察“特立独行”异动的事件收益，我们将“特立独行”事件的触发日记为T+0 日，从T+1日开盘买入全体异动样本，持仓60个交易日至T+60日收盘。下图给出了超额收益的测算结果。其中，红柱为全体样本相对于上证指数的平均逐日超额收益（右轴），蓝线为平均累积超额收益（左轴）。为了使结果更令人信服，同时为后文的策略做准备，我们又计算了全体样本相对各指数的事后累计收益。我们同时给出了收益的统计检验特别值得一提的是，“特立独行”的整体样本中包含了两类截然不同的异动事件：“逆势涨”和“逆势跌”。所谓“逆势涨”，是指股票盘中逆势上涨，因此导致与指数走势出现背离。“逆势 跌”则恰好相反。这两类异动事件都会导致相关系数降低，按照特立独行事件的筛选方案，均有可能被选出。因此，我们借助近似方法将特立独行样本划分成两组：“逆势涨”样本组，“逆势跌”样本组。同样与[1]种不同的是我们的研究中“逆市涨”和“逆市跌”的事后收益率都很高，这可能和股票池的选择有关，但是可以确定的是“逆市涨”的事后收益还是要高于“逆市跌”的。5、交易策略 根据上文所做的研究，尝试开发相应的股票交易策略。买入列表按照如下步骤选取：（1）以每日“特立独行”异动样本为原始股票池；  （2）选取其中属于“逆势涨”的股票；  （3）剔除其中近期涨幅过高的股票。 其中，“逆势涨”以“当日个股超额收益大于0”为近似判断；“近期涨幅过高”以“过去 10 个交易日累积收益大于20%”为判断标准。  投资组合的资金管理按照如下规则进行：（1）将初始资金等分为 5 份（或称 5 个资金通道）； （2）每日收盘后选出合格的股票标的，次日以开盘价买入，等权占用其中一个通道的资金，持有 40 个交易日后以收盘价卖出；（根据超额收益图在30个交易日时收益较高，但是空仓率也相对高，综合考虑取40个交易日。） （3）当所有资金通道已全被占用时，若出现新的标的，则卖出最早通道中的股票，所得资金用于买入新的标的股票。参考文献：[1]“特立独行”异动股票的事件研究

本文来自优矿社区，作者：yufei.fan；因雪球对代码限制，阅读完整源代码请至原文： 网页链接，可一键克隆代码并构建研究自己的量化策略，并在社区与作者进行直接交流。

@云蒙 @今日话题 @量化钢铁侠  @量化小王子  @持有封基 @非完全进化体 @阿狸 @童思侃 @qs_cn @一只特立独行的猪 @william_hsu @量化投资Quant  @辛无疾  @唐朝 @大猪先森 @思凯betalpha @Gyro @骑行夜幕的统计客 @Orgeast1 @吃水果