量化因子 66：时间加权平均相对价格位置衡量股票在指定时间区间内，其价格相对于区间最高价和最低价的相对位置的时间加权平均

时间加权平均相对价格位置 (time-weighted-average-stock-relative-price-position)

Description: 衡量股票在指定时间区间内，其价格相对于区间最高价和最低价的相对位置的时间加权平均值。该因子旨在捕捉股票价格在相对高位或低位停留的时长，并据此判断股票的强势或弱势程度。 Explanation: 该因子衡量股票在指定时间区间内，其价格相对于区间最高价和最低价的相对位置的时间加权平均值。 $ARPP_{i,T}$ 取值范围在0到1之间，如果股票价格大部分时间都接近区间高点，则因子值接近1；反之，如果股票价格大部分时间都接近区间低点，则因子值接近0。该因子可以用于识别股票的强势或弱势：因子值较高通常意味着股票在区间内表现强势，可能处于上升趋势中；因子值较低则可能意味着股票在区间内表现弱势，可能处于下跌趋势中。该因子属于动量因子，可以反应股票在一段时间内的价格动量。 Tags: 技术因子

Formulas

相对价格位置 $RPP_{i,t}$ :

RPP_{i,t} = \frac{P_{i,t} - L_i}{H_i - L_i}

时间加权平均相对价格位置 $ARPP_{i,T}$ :

ARPP_{i,T} = \frac{\int_0^T P_{i,t} dt - L_i T}{(H_i - L_i)T}  = \frac{TWAP_{i,[0,T]} - L_i}{H_i - L_i}

Formula Explanation

其中:

$RPP_{i,t}$ : 表示股票 i 在时间 t 的相对价格位置。其值介于 0 到 1 之间，0 表示价格处于区间最低点，1 表示价格处于区间最高点。
$H_i$ : 表示在指定时间区间内，股票 i 的最高价格。
$L_i$ : 表示在指定时间区间内，股票 i 的最低价格。
$P_{i,t}$ : 表示股票 i 在时间 t 的价格。
$TWAP_{i,[0,T]}$ : 表示股票 i 在时间区间 [0,T] 内的时间加权平均价格 (Time-Weighted Average Price)。 $TWAP_{i,[0,T]} = \frac{\int_0^T P_{i,t} dt}{T}$ ，可以通过分钟级别或更小的时间粒度价格数据计算，例如可以取每分钟的开高低收的均价，然后在区间[0,T]内计算均值。
$T$ : 表示计算时间加权平均价格的时间区间长度。

来源：factors.directory

Related Factors

相对组合对数价差偏离度 (price-spread-deviation)
多周期标准化移动平均动量因子 (momentum-factor)
多时域移动平均动量因子 (trend-factor)
分析师预期收益率加权平均因子 (weighted-target-return)
双向价格差分自相关性标准化因子 (price-auto-correlation)
分析师共识覆盖加权动量 (analyst-coverage-momentum)
大单成交量价动量 (large-order-momentum)
20日区间收益率动量/反转因子 (momentum-or-reversal)
机构活跃度因子 (smart-money-factor)
52周最高价逼近度 (52-week-high)