价量因子怎么读：从 Alpha#2、#3、#6 看相关性与反转

“成交量放大、价格上涨，所以应该买入”不是价量因子的通用解释。Alpha101 中的价量公式常把横截面排名、时间序列变化和滚动相关叠在一起，最后再通过负号表达反向关系。少读一个算子，信号方向就可能完全相反。

本文完整拆解 3 个代表公式，目的是建立读法，不是公布一条可直接交易的策略。公式直觉也不等于统计有效，更不等于扣除成本后可以交易。

先分清三层问题

读任何价量因子，先按顺序回答：

1. 输入是什么：绝对价格、收益率、成交量，还是它们的变化？
2. 算子在哪个维度工作：当日横截面排名，还是单只股票的滚动时间窗口？
3. 最终方向是什么：相关性被保留、取负，还是与另一个信号相乘？

只有三层都说清楚，才可以尝试给出金融直觉。

代表一：Alpha#2 看成交量变化与日内收益的关系

$$\mathrm{Alpha2} = -\mathrm{corr}_{6} \left( \mathrm{rank}(\Delta_2 \log V), \mathrm{rank}\left(\frac{C-O}{O}\right) \right)$$

逐层展开：

• $\Delta_2 \log V$ 是成交量对数相对两期前的变化；
• 两个 rank 都是在同一天对股票横截面做百分位排名；
• 对每只股票，把这两条“每日排名序列”放进 6 日滚动窗口计算相关性；
• 最外层负号把相关性方向反转。

因此，较高的 Alpha#2 值表示：最近 6 日里，成交量变化排名与日内收益排名更偏负相关。它不是“今天放量下跌就机械买入”，因为单日现象必须经过横截面排名和滚动相关两个步骤。

还要注意：即使这个关系有反转直觉，也必须用未来收益检验，不能由公式结构直接推出预测能力。

代表二：Alpha#3 比较开盘价排名与成交量排名

$$\mathrm{Alpha3} = -\mathrm{corr}_{10} \left(\mathrm{rank}(O), \mathrm{rank}(V)\right)$$

Alpha#3 的结构更短：每天先对开盘价与成交量做横截面排名，再对每只股票的两条排名序列计算 10 日相关，最后取负。

它关注的不是一只股票“价格高不高”，而是这只股票在市场中的相对开盘价位置与相对成交量位置是否同步变化。使用排名可以降低量纲差异，但不会自动解决股票池变化、极端成交量或停牌数据问题。

一个常见误读是把正值解释成确定的看涨信号。更准确的说法是：正值只表示两条排名序列在窗口内更偏负相关；它是否对应未来正收益，需要独立验证。

代表三：Alpha#6 直接对开盘价与成交量做相关

$$\mathrm{Alpha6} = -\mathrm{corr}_{10}(O, V)$$

Alpha#6 没有先做横截面排名，直接计算单只股票开盘价与成交量的 10 日滚动相关并取负。

这使它特别适合提醒我们：公式短不等于解释简单。价格水平可能带趋势，成交量可能受拆股、事件和市场环境影响；短窗口相关也可能被单个异常日主导。它表达的是一种价量关系假设，不是一条经济定律。

和 Alpha#2、#3 放在一起看，可以得到一个实用对照：

金融直觉之后必须补什么证据

价量关系可以帮助提出假设，但有效性至少需要四组互补检查：

IC / Rank-IC

把第 $t$ 日因子与第 $t+1$ 期收益对齐，检查截面预测能力和方向稳定性。时间对齐错误会直接引入未来信息。

分组收益

按因子值分组，观察收益是否单调，以及头部组合是否真的优于基准。全局相关显著，不代表你实际会持有的 Top N 有效。

回归与风险暴露

控制市值、行业、波动率等已知暴露，确认结果不是旧因子的换名版本。

换手、衰减与成本

画 IC 衰减曲线，记录因子自相关和组合换手。短周期信号如果只能靠高频调仓捕捉，点差与滑点可能吞掉全部优势。

更多价量因子去哪看

本文只完整拆解 3 个代表因子。Alpha101 里还有 VWAP 偏离、成交量确认、协方差、价量极值等多种结构，可以在 Alpha101 语义宇宙 中观察公式相似性。

可视化展示的是语义和结构距离，不是收益相关性，更不是因子当前有效性的排名。其余因子的逐条公式解释、构造细节与完整目录仍由《101因子解读》承接。

一套可以复用的读法

下次遇到新的价量因子，按这五句写下答案：

1. 它使用价格、收益、成交量中的哪些字段？
2. 每个 rank 是横截面还是时间序列？
3. delta、correlation 和窗口分别作用在哪条序列？
4. 负号、条件分支和乘法如何改变最终方向？
5. 哪组样本外证据能证明这个直觉，而不是只把公式翻译成中文？

能回答前四句，只说明你读懂了公式；第五句有结果，才开始接近研究结论。