方正高频-待著而救 (hf_fz_waitsave)

数据描述： 1）取个股1分钟频率交易数据，由于每日开盘的前15分钟时间内股票交易普遍较为活跃，我们对每天9:45分之前的数据进行剔除，仅考虑开盘后第16分钟开始的交易数据。 2）其次，从成交量的角度出发，我们找到当日成交量最大的十个分钟时刻，将其统称为“海量时刻”。 3）我们认为，在时间上由于普通投资者具有信息劣势，所以当t分钟交易量大增之后，被吸引的普通投资者会在之后的几分钟产生跟随交易，因此我们对上述“海量时刻”进行筛选。从时间上最靠前的“海量时刻”开始，如果相邻的两个“海量时刻”间隔超过5分钟，我们认为这是两个相对独立的“海量时刻”，反之如果间隔小于5分钟，我们认为第二个“海量时刻”大概率仍然是上一个“海量时刻”导致的跟随交易，该时刻应当予以剔除，最终将剩余的“海量时刻”定义为“优势时刻”。 经过上述筛选后，我们将每次“优势时刻”之后的5分钟，定义为“跟随时刻”，并根据“跟随时刻”与“优势时刻”成交量的比值，来计算“待著而救”因子值，具体过程如下： 1）对每只个股，寻找其每天的“优势时刻”以及其对应的“跟随时刻”。 2）计算每个“跟随时刻”的成交量总和，并除以对应的“优势时刻”的成交量，得到“跟随系数”。我们认为“跟随系数”表示了本次放量交易行为引发的普通投资者跟随行为的强烈程度。我们认为“跟随系数”越大，表明普通投资者对该放量交易跟随越严重，其潜在的反应过度风险也越大。 3）对每只个股，将其日内所有的“跟随系数”求均值，记为“日跟随系数”，作为在这一天内该股票普通投资者跟随优势投资者及反应程度的代理变量，该值越小，则该股票未来潜在收益可能越高，该值越大，则其未来潜在风险也越大。 4）每月月底，分别计算过去20天的“日跟随系数”的均值和标准差，分别记为“月均待著而救”因子和“月稳待著而救”因子，最后再将二者等权合成为“待著而救”因子。其中，“月均待著而救”因子表示过去20日的平均跟随系数，而“月稳待著而救”因子则表示过去20日跟随系数的稳定性。

文档
数据简介

用例
``` import dai sql = """ SELECT * FROM hf_fz_waitsave WHERE date >= '2010-01-01' """ dai.query(sql).df() ```
表结构
字段 字段类型 字段描述
__PARTITION__ string -
fol_coeff double -
instrument string -
date timestamp[ns] -

表名hf_fz_waitsave

起始时间：

最近更新时间：

数据平台