高频因子家族图鉴：大单、单笔分布与知情交易
我的掌握程度：
先掌握这个答案
三族图鉴：①大单类：大单净买入占比=大单主买额/总成交额（逻辑：大单≈机构/知情者——q-184订单流的金额分层版）；②单笔分布类：单笔金额的均值/偏度（逻辑：同样一亿元，一万笔小单与一百笔大单的信息完全不同——分布形状泄露行为结构）；③知情交易类：PIN/VPIN（逻辑：知情者的交易集中于利好公布前——订单流不平衡的「毒性」度量，q-185的理论实现）。与日线低相关的原因：日线OHLC只记录结果（价格区间），这三族记录过程（谁、怎么、何时）——过程信息与结果信息天然正交。个人数据现实：分钟线免费可得（可造：分钟成交量分布、大分钟单占比的代理）、逐笔L2收费——代理版：用分钟线的量分布偏度近似单笔分布、用分钟收益与量的相关近似知情度。
先读结论，再核对下方使用边界；数字例题为教学情景，涉及实际行情与规则时请核对原始来源。
从理解到使用
本阶段实战方法 · 让一个因子经历完整的样本外检验
从一个投资直觉构造信号时，先验证预测关系，再验证能否交易。
- 写出经济假设、股票池、因子方向、可用时点、持有期和评价指标；用历史成分与退市样本。
- 在每个时点用可得数据计算因子，检验截面IC、分层收益、换手和行业市值暴露。
- 锁定参数做样本外验证，扣除成本并做不同市场阶段与参数敏感性分析。
使用边界
- IC没有通用合格线；股票池、频率、持有期与成本不同，数值不可直接横比。
- 多空分组收益不是个人可直接实现的收益，还要考虑融券、对冲与资金约束。
背景 · 从一个困惑说起
q-420讲了高频低频化的方法论（用分钟/tick造日频因子）；这一题给出家族图鉴——除了已实现波动，还有三类经典：大单类（谁在买）、单笔分布类（怎么买的）、知情交易类（聪明钱的痕迹）。它们是日线世界里看不见的信息。
由此产生的问题
三族因子（大单/单笔分布/知情交易）各自的构造与逻辑？为什么它们与日线因子的相关性低（信息增量的来源）？个人研究的数据现实（分钟线可及、逐笔受限）与对应版本？
核心概念
三族图鉴：①大单类：大单净买入占比=大单主买额/总成交额（逻辑：大单≈机构/知情者——q-184订单流的金额分层版）；②单笔分布类：单笔金额的均值/偏度（逻辑：同样一亿元，一万笔小单与一百笔大单的信息完全不同——分布形状泄露行为结构）；③知情交易类：PIN/VPIN（逻辑：知情者的交易集中于利好公布前——订单流不平衡的「毒性」度量，q-185的理论实现）。与日线低相关的原因：日线OHLC只记录结果（价格区间），这三族记录过程（谁、怎么、何时）——过程信息与结果信息天然正交。个人数据现实：分钟线免费可得（可造：分钟成交量分布、大分钟单占比的代理）、逐笔L2收费——代理版：用分钟线的量分布偏度近似单笔分布、用分钟收益与量的相关近似知情度。
为什么需要它
①信息维度的扩张：日线因子榨干了价格信息后，「交易过程」是下一个矿层——这是量化内卷的必然路径（也是个人的机会空隙：分钟线层面竞争远少于日线）；②低相关性的价值：与现有因子库相关<0.3的新族=组合Sharpe的√N提升（q-594）——比在日线里再挖一个0.01的IC更有价值；③代理研究的思维：拿不到逐笔就用分钟线造代理——「用可得数据近似目标信息」是研究者的核心创造力。
实际应用场景
个人版三件套（全分钟线可造）：分钟量分布偏度（大分钟单占比代理）、分钟收益-量相关（知情度代理）、日内已实现波动占比（尾部活动集中度）——各走三件套检验后进族管理。
与之前知识的联系
q-420（方法论）的家族展开；q-184/185（订单流与知情交易）是三族的微观结构理论；q-419（四板斧）的日线世界之外的「第五轴」；分钟数据获取回q-324（ccxt分钟线最易得）。
⚠ 常见误解
- 高频因子=高频交易：这些因子用高频数据但日度调仓——「数据频率」与「交易频率」是两个概念（q-420核心重申）
- 大单=机构（必是真信号）：大单可拆（算法把机构单拆小）——大单占比是「代理」而非「标记」；它失效时（拆单普及）就是因子衰减
- 没有逐笔数据就做不了：代理版（分钟线）能捕获过程信息的主要部分——文献里多个经典因子最初就是分钟版
🛠 本题实践任务
用分钟线（akshare或ccxt）为10只股票造三件套代理因子（大分钟单占比/量偏度/知情度），与次日收益算IC（样本小仅验证流程）。哪件最像有信号？
💡 提示（先自己想5分钟再看）
单只股票一天的因子值→对齐次日收益；样本小的话改用10天×10股的面板再算IC。
✅ 验收标准
三件代理的首批IC。你摸到了日线之外的信息矿层——这里是未来差异化竞争的地带。
在你的浏览器内运行。首次需联网下载 Python；支持标准库和 Pyodide 提供的 NumPy、pandas 等包。行情抓取、系统文件访问和部分第三方库请在本地环境运行。输出自检仅比对结果关键词，不代替逻辑审查。
Python · 独立工作线程 · 执行限时10秒
🤖 AI导师
导师会先检查你的前置知识（高频低频化、订单流、已实现波动），再用案例、公式和代码帮助理解。此功能需要先启用服务。