该因子旨在捕捉成交量变化与价格走势之间的背离关系。其核心逻辑是：当成交量的相对排名与价格涨跌幅的相对排名在短期内呈现负相关时，往往预示着价格趋势可能逆转

核心解读：为什么是“-1”？

经典量价配合：通常认为，价格上涨时放量是健康的，即“价涨量增”，此时量能变化排名与价格变化排名呈正相关。但公式前乘以 -1，会使这种情况下的因子值为负数。

信号与交易：因此，这个因子不看多经典的量价配合，反而关注反常情况：

因子值为正：意味着过去6天出现了“量价背离”。常见情景是价格上涨但成交量萎缩（价升量缩），或价格下跌但成交量放大（价跌量增）。前者通常被视为上涨乏力的看跌信号，后者则是恐慌性抛售的潜在见底信号。

因子值为负：表示量价关系正常。价格涨跌得到成交量的配合，趋势健康，但因子策略可能选择暂时回避或采取相反操作。

原理图

在实际量化交易中，这个因子通常用于横截面选股或构建多空组合。

运用方式信号生成：每日计算全市场所有股票的因子值。

排序分组：按因子值从大到小排序。因子值越大，代表量价背离（特别是“缩量上涨”）的特征越明显。

构建组合：多头（买入）：做多因子值最大的一组。赌的是这些“价量背离”的股票价格会回落。

空头（卖出/融券）：做空因子值最小的一组。这些股票量价配合良好，但策略赌其动量可能反转或暂时休整。

风险控制：此因子为纯量价因子，未考虑市值、行业等因素。在实际使用前，通常会对其进行行业中性化或市值中性化处理，以剔除其他风格的影响。

核心逻辑说明这个策略本质上是逆向投资，站在了“趋势跟随”的对立面。它试图捕捉市场短期内的非理性波动：当价格在没有成交量支持的情况下盲目上涨（缩量上涨），我们认为这种上涨是脆弱的，倾向于做空。当价格在巨大成交量中大幅下跌（放量下跌），我们认为市场可能过度恐慌，倾向于做多。

上面大概清楚了因子的思路，下面我利用全市场的etf数据来做这个因子分析，自己开发的因子分析系统，etf标的数据比较合适，比如可转债多，数据全面一点，

先读取全部的etf标的

可以计算分析的公式参考

def alpha001(data, dependencies=['closePrice','openPrice','turnoverVol'], max_window=7):    # (-1*CORR(RANK(DELTA(LOG(VOLUME),1)),RANK(((CLOSE-OPEN)/OPEN)),6)    rank_sizenl = np.log(data['turnoverVol']).diff(1).rank(axis=0, pct=True)    rank_ret = (data['closePrice'] / data['openPrice']) .rank(axis=0, pct=True)    rel = rank_sizenl.rolling(window=6,min_periods=6).corr(rank_ret) * (-1)    return rel

生成全部因子数据

设置分组参数

开始因子分析

分组分析

ic分析

IC 衰减分析

换手率分析

分组累积超额收益

因子的分析显示这个因子的有效性有待提升，毕竟是单因子毕竟局限，限制的因素很多，需要结合其他因子优化多因子分析

不懂的问我就可以，加我备注入群可以加入量化群