日内信息不对称强度因子 (apm-factor)
Description: 该因子旨在捕捉股票日内交易时段中信息不对称的强度。其核心思想是：知情交易者倾向于在每日交易时段初期（通常是上午）更为活跃，从而使得上午的价格行为相比下午包含更多可用于识别选股的信息。本因子通过比较股票在上午和下午价格行为的差异，并结合隔夜收益的影响，来衡量这种信息不对称的程度。原始APM因子使用了上午收益，改进后的版本则使用了隔夜收益，以更准确的反映开盘前信息披露的影响。通过回归方法剔除市场整体波动的影响，并进一步消除动量效应的干扰，可以更有效地提取由信息不对称导致的价格差异信号。 Explanation: 该因子基于知情交易者在上午交易更活跃的假设，构建了刻画股票日内信息不对称程度的量化指标。改进的APM因子使用隔夜收益率代替上午收益率，从而更好地捕捉开盘前的信息披露对价格的影响。通过线性回归剔除市场波动，并结合T统计量来衡量隔夜和下午收益残差差异的显著性。进一步通过横截面回归剔除动量效应，得到最终的日内信息不对称强度因子，该因子可用于量化选股策略中，帮助识别可能存在信息优势的股票。该因子可以和其它基本面因子，技术因子等结合使用，构建多因子模型。 Tags: 技术因子
Formulas
1. 计算每日收益率：
** a. 个股隔夜收益率:**
r_i^{overnight}
** b. 指数隔夜收益率:**
R_i^{overnight}
** c. 逐日下午的个股收益率:**
r_i^{pm}
** d. 逐日下午的指数收益率:**
R_i^{pm}
2. 计算残差项：
** a. 对个股与指数的隔夜收益进行线性回归，以剔除市场整体波动的影响:**
r_i^{overnight} = \alpha + \beta R_i^{overnight} + \varepsilon_i^{overnight}
** 得到隔夜收益残差项:**
\varepsilon_i^{overnight}
** b. 对个股与指数的下午收益进行线性回归，以剔除市场整体波动的影响:**
r_i^{pm} = \alpha + \beta R_i^{pm} + \varepsilon_i^{pm}
** 得到下午收益残差项:**
\varepsilon_i^{pm}
3. 计算每日隔夜与下午残差的差:
\delta_i = \varepsilon_i^{overnight} - \varepsilon_i^{pm}
4. 构建统计量stat:
** a. 计算 δ 的均值:**
\mu(\delta_i)
** b. 计算 δ 的标准差:**
\sigma(\delta_i)
** c. 使用上述均值和标准差计算 T 统计量，以衡量隔夜和下午收益残差差异的显著性:**
stat = \frac{\mu(\delta_i)}{\sigma(\delta_i)/\sqrt{N}}
5. 消除动量因子影响：
** a. 将统计量 stat 对动量因子（过去20日收益率）进行横截面回归，以剔除动量效应:**
stat_j = b Ret20_j + \epsilon_j
** b. 回归得到的残差项 ε 即为日内信息不对称强度因子。**
Formula Explanation
其中：
- : 第i日个股的隔夜收益率，通常指当日开盘价相对于前一日收盘价的收益率，更精确的定义可以根据实际交易数据进行调整。
- : 第i日指数的隔夜收益率，对应个股的隔夜收益率，定义应保持一致。
- : 第i日个股下午时段的收益率，通常定义为从当日下午开盘至收盘的价格收益率，具体时段定义需要根据交易所的实际交易时间进行精确调整。
- : 第i日指数下午时段的收益率，对应个股下午时段的收益率，定义应保持一致。
- : 线性回归中的截距项，代表在市场指数收益为零时，个股收益的预期值。
- : 线性回归中的回归系数，表示指数收益变化一个单位时，个股收益预期变化的幅度。
- : 第i日个股隔夜收益率回归模型的残差项，代表模型无法解释的个股隔夜收益部分。该残差项可以理解为剔除市场影响后的个股隔夜收益信息。
- : 第i日个股下午时段收益率回归模型的残差项，代表模型无法解释的个股下午时段收益部分，可以理解为剔除市场影响后的个股下午时段收益信息。
- : 第i日隔夜收益残差与下午收益残差的差值，用于捕捉日内收益模式的差异，这种差异可能反映了日内信息不对称的程度。
- : δ的均值，表示一段时间内（例如N天）隔夜和下午收益残差差异的平均水平，代表了整体的日内收益模式。
- : δ的标准差，衡量一段时间内隔夜和下午收益残差差异的波动程度，反映了日内收益模式的稳定性。
- : 计算均值和标准差时使用的样本量，通常指时间窗口的大小。样本量越大，统计结果越稳定。
- : 股票j的T统计量，用于评估隔夜和下午收益残差差异的显著性。绝对值越大，差异越显著，可能表明该股票受信息不对称的影响更强。
- : 股票j过去20个交易日的收益率，用于控制动量效应的影响。此处20日为一个常用的窗口期，可以根据实际情况调整。
- : 股票j的回归残差，表示剔除动量效应后，由日内信息不对称带来的独特收益信号。该值即为最终的日内信息不对称强度因子值。
Related Factors
- 行业日内隔夜动量因子 (industry-momentum)
- 隔夜新闻情感偏向因子 (overnight-news-sentiment)
- Fama-French三因子模型残差动量 (residual-momentum-ff3)
- CAPM残差动量因子 (residual-momentum-capm)
- 时间序列动量 (TSMOM) (time-series-momentum)
- 振幅切割动量累积因子 (amplitude-cutting-momentum)
- 排序动量因子 (momentum-based-on-ranking)
- 多时域移动平均动量因子 (trend-factor)
- 行业领头羊动量溢价因子 (industry-momentum-factor)
- 月度收益季节性动量因子 (seasonal-returns)
