📄 文档learn/分时涨幅特征研究/00-研究目标与计划.md
🌱 创建于2026-08-07 23:29
✏️ 修改于2026-08-07 23:29
👁️ 浏览量—
🔗 短链接/~learn/s/83e62609
🔐 可见性
A股指数分时涨幅特征研究
> 研究日期：2026-07-13
> 数据截止：2025-01-24
一、原始假设（待验证/证伪）
| 假设编号 | 假设内容 | 待验证维度 |
| --------- | --------- | ----------- |
| H1 | 早盘 9:30-9:50 是全天涨幅最高的区间 | 均值、中位数、胜率、t统计量 |
| H2 | 次高区间为 9:50-10:20 | 同上 |
| H3 | 9:30-10:20 占据全天70%-80%的涨幅 | 各区间贡献占比 |
| H4 | 最大跌幅出现在 14:00-14:30 | 同上，下跌日的贡献 |
| H5 | 尾盘（14:30-15:00）也有显著跌幅特征 | 尾盘效应验证 |
| H6 | 上述结论在牛市/熊市下存在结构性差异 | 按牛熊分组对比 |
| H7 | 分时特征具有时效性漂移，20年前的结论对近期可能失效 | 滚动窗口分析 |
| H8 | 集合竞价（9:25开盘价）可能导致开盘区间涨幅被高估 | 敏感性分析 |
二、数据基础
| 指数 | 代码 | 时间范围 | 交易日数 | 分钟行数 | 文件大小 |
| ------ | ------ | --------- | --------- | --------- | --------- |
| 创业板综 | 399102 | 2010-08-20 ~ 2025-01-24 | ~3506 | ~84万 | 60MB |
| 沪深300 | 399300 | 2005-04-08 ~ 2025-01-24 | ~4814 | ~115万 | 84MB |
- 频率：1分钟K线（OHLCV），每天240根（09:31~15:00）
- 注意：数据中第一根K线是 09:31，其 open 为当日开盘价（集合竞价结果），close 为 09:31 成交价
三、分析维度
3.1 分钟级涨幅分布（最细粒度）
- 每一分钟的涨跌幅（相对当日开盘价，或相对前一分钟收盘价）
- 热力图：时间(minute_of_day) × 平均涨幅
- 各分钟涨幅的均值、中位数、标准差、t值、胜率（正收益占比）
3.2 区间聚合分析
- 5分钟/10分钟/20分钟/30分钟区间聚合
- 与原始假设的时间段对齐：9:30-9:50, 9:50-10:20, 10:20-11:30, 13:00-14:00, 14:00-14:30, 14:30-15:00
- 各区间对全天涨跌幅的贡献比例
3.3 牛熊市分组
- 牛熊识别方法：基于250日均线方向 + 60日涨跌幅阈值
- 分别统计牛市/熊市/震荡市下的分时特征
- 回答：上涨日和下跌日的分时结构是否对称？
3.4 时效性漂移分析
- 滚动窗口：每年/每2年/每3年为窗口
- 各窗口内分时段平均涨幅热力图
- 关键指标（早盘效应强度、尾盘效应强度）随时间的变化曲线
- 检测是否存在"制度性断点"（如2015股灾、2020疫情、2024新规等）
3.5 集合竞价偏差敏感性
- 方案A：以09:30开盘价为基准 → 含集合竞价影响
- 方案B：以09:31收盘价为基准 → 剔除集合竞价第一分钟
- 方案C：以昨日收盘价为基准计算overnight gap，再看日内分时
- 对比三种基准下结论是否一致
3.6 成交量维度
- 各时段成交量占全天比例
- 量价关系：高成交量时段是否伴随更大涨跌幅？
四、方法论说明
- 日内涨跌幅计算：
ret_t = (close_t - open_day) / open_day（以当日开盘价为基准的累计涨幅）
- 区间涨跌幅：
ret_interval = close_end / close_start - 1
- 显著性检验：对每个时段的平均涨幅做单样本t检验，报告t值和p值
- 稳健性：剔除涨跌停日、极端波动日进行robustness check
五、产出物
- 本研究文档（持续更新结论）
- Python分析脚本（可复现）
- HTML交互可视化图表（发布到网站）
▶ 📜 变更历史（1 次提交）
a7a12042026-08-07 23:29fix: 网站稳定性修复 - 守护进程接管已有实例 + 隧道readiness健康检查 + 经验文档沉淀