在金融市场中，技术分析是一种重要的股票分析方式，它通过研究历史交易数据，尤其是价格和成交量的变化来预测未来的市场行为。东吴证券研究所发布的这份题为“技术分析拥抱选股因子”系列研究的第五篇报告，深入探讨了基于价量关系的选股因子，尤其是CPV因子的移位版，以及价量自相关性中蕴藏的选股信息。
报告前言部分概述了该研究系列的背景，即在首篇报告的基础上，基于分钟数据，对价格和成交量的关系进行了进一步的探索。这里所说的“分钟数据”是指以分钟为单位采集的高频数据，可以提供更为精细的市场动态。高频数据下的分析可以揭示在低频数据中可能不那么明显的价格与成交量之间的相互作用。
在错位的价量互动相关系数部分，报告指出，价量关系的错位分析主要分为“量先价行”和“价先量行”两种情况。研究发现，在分钟级别数据下，价格或成交量的轻微滞后对于计算相关系数的影响可以忽略不计，因此不论是否错位，基于价格和成交量相关系数的选股因子效果差异不大。在实际应用中，这意味着投资者在构建模型时可以考虑到价格和成交量之间的微小时间差，但并不会因此获得额外的优势。
报告接着深入探讨了价格自相关系数的计算方法。价格自相关系数是指价格序列与其自身在不同时间点的值的相关性。为了计算价格的自相关系数，通常需要对价格序列进行差分处理，即从每个价格点中减去前一个价格点，以消除趋势性影响。差分处理分为“单序列差分”和“双序列差分”，而差分项的正负变化可以帮助进一步分解自相关性因子，并据此构造出表现更优的新因子。
报告详细介绍了CDPDP因子（价格差分的自相关性因子）的构建过程及其在A股市场的表现。研究指出，在回测期2014年1月1日至2021年1月31日的全体A股数据中，该因子的月度IC均值为-0.076，年化ICIR为-3.48，表现出较好的选股能力。具体而言，该因子在5分组多空对冲策略中，年化收益率达到了31.91%，信息比率高达3.68，月度胜率79.52%，最大回撤率5.79%。这些数据表明，价格的自相关性因子在实际的市场交易中具有一定的应用价值。
在成交量的自相关系数分析中，报告同样发现成交量的自相关性中也蕴藏着有效的选股信息。例如，CDVDV因子（成交量差分的自相关性因子）同样在A股市场中表现优异，年化ICIR为-2.62，多空对冲的年化收益率为24.92%，信息比率为2.55，月度胜率75.90%，最大回撤为7.23%。
报告还对可能的风险进行了提示。研究强调，所有的统计结果都是基于历史数据，未来的市场情况可能发生重大变化，因此单因子的收益存在波动的风险，实际操作中需要结合资金管理与风险控制等方法。此外，报告还提到了其他相关的研究，为读者提供了系列研究的连贯性和背景信息。
综合来看，东吴证券这份研究报告为投资者提供了一种基于价量自相关性进行股票选择的量化方法，其提出的因子和模型为量化投资领域提供了新的思路和工具，有助于投资者在复杂多变的市场中捕捉潜在的交易机会。
