动量和反转听起来是对立的两件事：动量说"涨了还会涨"，反转说"涨多了要跌"。Alpha 101 里有 23 个因子属于这一类，它们的精妙之处在于不是无脑选边站，而是用不同条件来判断当前该跟动量还是做反转。
第一篇讲过这类因子的大框架。这篇挑 5 个经典因子，拆解公式里的条件判断逻辑。
Alpha#4：最简短期反转
$$\text{Alpha#4} = -1 \times \text{ts_rank}(\text{rank}(\text{low}), 9)$$整个公式只用了两层嵌套，是 101 个因子里结构最简单的之一。
rank(low) 是截面排名：今天所有股票按最低价排名，归一化到 0~1。最低价高的股票排名靠前（rank 值大）。
ts_rank(..., 9) 是时序排名：这个截面排名值在过去 9 天里处于什么位置。如果今天的 rank(low) 是最近 9 天里最高的，ts_rank 接近 1.0。
取反后：ts_rank 越高，因子值越负（做空信号）。一只股票的最低价在截面排名里连续 9 天走高，说明它连续 9 天都在"相对强势"的位置上，Alpha#4 对这种股票做空，赌短期反转。
为什么用 low 而不是 close？low 反映的是日内的"最弱时刻"。如果连一只股票最弱的时刻都比大多数股票强，说明强势程度很彻底，反转的概率也更高。这比用 close 多了一层信息：close 可能因为尾盘拉升而偏高，但 low 骗不了人。
论文里 Alpha#4 的原始参数是 ts_rank(rank(low), 9.99922)，那个 9.99922 就是 10 的优化产物，实操中直接取 9 或 10 没有区别。
Alpha#9 与 Alpha#10：条件反转的两种写法
Alpha#9 在第一篇已经给过公式骨架：
$$\text{Alpha#9} = \begin{cases} \text{ts_rank}(\text{delta}(\text{close},1),\ 5) & \text{if } 0 < \text{ts_min}(\text{delta}(\text{close},1),\ 5) \\ \text{ts_rank}(\text{delta}(\text{close},1),\ 5) & \text{if } \text{ts_max}(\text{delta}(\text{close},1),\ 5) < 0 \\ -1 \times \text{delta}(\text{close},1) & \text{otherwise} \end{cases}$$先判断过去 5 天的走势一致性。ts_min(delta(close,1), 5) > 0 意味着过去 5 天每天都在涨（最小的日变化都是正的）。ts_max(delta(close,1), 5) < 0 意味着过去 5 天每天都在跌。
两种一致趋势的情况下，因子用 ts_rank(delta(close,1), 5)，即当前日变化在过去 5 天日变化中的排名。连涨场景下，如果今天的涨幅是 5 天里最大的（ts_rank 高），因子值高，含义是"动量还在加速"。连跌场景下，如果今天的跌幅是 5 天里最小的（ts_rank 高），因子值也高，含义是"下跌在减速"。
“otherwise"分支处理震荡行情：涨跌交替时，直接用 -1 * delta(close, 1) 做反转。今天涨就做空，今天跌就做多。
Alpha#10 的结构和 #9 几乎一样，但条件判断的阈值不同，用 ts_min/ts_max 去比较的表达式更复杂。核心思路一致：先判市场状态，再选策略。这是 Alpha 101 里"条件反转"子类的标准范式，#46、#49、#51 也是这个结构，只是条件的具体写法各有不同。
关键洞察：单一的动量或反转策略在所有市场状态下都不好用。Alpha 101 的做法是用简单的阈值把市场状态分成"趋势"和"震荡"两档，对趋势用动量逻辑，对震荡用反转逻辑。这比机器学习模型里复杂的 regime detection 简单得多，但在日频数据上往往够用了。
Alpha#20：跳空缺口回补
$$\text{Alpha#20} = -1 \times \text{rank}(\text{open} - \text{delay}(\text{high}, 1)) \times \text{rank}(\text{open} - \text{delay}(\text{close}, 1)) \times \text{rank}(\text{open} - \text{delay}(\text{low}, 1))$$三项分别衡量今天开盘价相对于昨天 K 线三个价位的偏离：
open - delay(high, 1)：开盘价相对昨日最高价。正值 = 跳空高开（今天直接开在昨天最高价之上）open - delay(close, 1)：开盘价相对昨日收盘价。正值 = 高开open - delay(low, 1)：开盘价相对昨日最低价。正值几乎一定成立（除非大幅低开）
三项都做截面 rank，乘在一起取反。
什么情况下因子值最大（做多）？三项 rank 都低，即今天开盘相对昨天 K 线明显偏低，大幅低开。取反后变成正值。Alpha#20 赌的是跳空低开会回补。
反过来，大幅高开的股票（三项 rank 都高），因子做空。
跳空缺口回补（gap fill）是交易员常见的经验。大幅高开往往因为隔夜利好被过度定价，开盘后缺乏后续买盘支撑就会回落。大幅低开则因为恐慌性抛售过头，开盘后空头回补和抄底资金推动价格反弹。
三项相乘而不是简单加权的妙处在于：只有三个维度同时给出信号时，乘积才会大。如果只是相对 close 高开了一点，但没超过昨天的 high，那 open - delay(high, 1) 可能为负，rank 偏低，乘积被压下来。必须是"全面跳空”（超过昨天所有价位）才会触发强信号。
Alpha#30：价格动量签名 × 成交量
$$\text{Alpha#30} = \frac{1.0 - \text{rank}((\text{sign}(\text{close} - \text{delay}(\text{close}, 1)) + \text{sign}(\text{delay}(\text{close}, 1) - \text{delay}(\text{close}, 2)) + \text{sign}(\text{delay}(\text{close}, 2) - \text{delay}(\text{close}, 3))) \times \text{sum}(\text{volume}, 5))}{\text{sum}(\text{volume}, 20)}$$公式长，但可以拆成两部分。
分子部分（1.0 - rank(...)）里面的核心是：
其中 \(\Delta_1\) = 今天收盘 - 昨天收盘，\(\Delta_2\) = 昨天 - 前天，\(\Delta_3\) = 前天 - 大前天。每一项取 sign（+1 或 -1），加起来的可能取值是 -3, -1, +1, +3。
- +3 = 连涨 3 天
- +1 = 3 天里涨 2 天跌 1 天
- -1 = 3 天里跌 2 天涨 1 天
- -3 = 连跌 3 天
这个值乘以 sum(volume, 5)（5 天总成交量），再做截面 rank。连涨 + 放量的股票 rank 最高，1.0 - rank(...) 就最低。
分母 sum(volume, 20) 是 20 天总成交量，用来做归一化。
整体效果：连续上涨且放量的股票，分子接近 0，因子值低（做空信号）。连续下跌且缩量的股票，分子接近 1，除以 20 天成交量后因子值相对高（做多信号）。
经济直觉和量价背离类因子有交集：放量上涨是过热信号，缩量下跌是超卖信号。Alpha#30 的独特之处在于用了"方向签名"这种离散化的处理方式，不在乎每天涨多少，只在乎方向。这让它对涨跌幅度的噪音更鲁棒。
Alpha#35：三时间尺度交互
$$\text{Alpha#35} = \text{ts_rank}(\text{volume}, 32) \times (1 - \text{ts_rank}(\text{close} + \text{high} - \text{low}, 16)) \times (1 - \text{ts_rank}(\text{returns}, 32))$$三项对应三个不同的时间窗口：
ts_rank(volume, 32)：当前成交量在过去 32 天（约 1.5 个月）里的排名。值高 = 近期放量。
1 - ts_rank(close + high - low, 16)：close + high - low 可以理解为"日内偏强程度"。close 本身是当天价格水平，加上 high - low（日内振幅），值越大说明收盘价高且日内波动大。ts_rank(..., 16) 衡量这个值在过去 16 天（约 3 周）里的位置。取 1 - ...，所以值高 = 当前"日内偏强程度"处于 16 天低位。
1 - ts_rank(returns, 32)：当前收益率在过去 32 天里的位置。取 1 - ...，值高 = 当前收益率处于 32 天低位（近期表现差）。
三项乘起来：什么时候因子值最大？成交量放大 + 日内偏强程度处于低位 + 收益率处于低位。翻译过来就是：一只股票最近一个多月表现很差，价格在底部区域，但成交量在放大。
这是经典的"底部放量"信号。价格处于低位说明已经跌够了，成交量放大说明有新资金进场。三个时间窗口（32、16、32 天）分别衡量了中期成交量趋势、短期价格结构、中期收益走势，不在同一个时间尺度上重复计数。
23 个动量反转因子的设计逻辑
这 23 个因子可以分成三个子类：
条件反转族（#9, #10, #46, #49, #51）：先用 if-else 判断市场状态（趋势还是震荡），再分别应用动量或反转逻辑。这组因子的核心贡献不是信号本身，而是"什么时候用什么策略"的状态判断机制。
跳空/缺口族（#20, #23, #24）：利用开盘价和前一天收盘价/高低价的偏差做反转。这组因子的时间分辨率最高，本质上捕捉的是隔夜信息的过度反应。
多时间尺度交互族（#30, #35, #52, #53）：同时用不同窗口长度的指标，捕捉短期和中期信号的共振或背离。设计上比单时间尺度因子更稳健，但参数空间更大。
和量价背离类的 32 个因子相比，动量反转类的设计更加多样。量价因子几乎都是"计算价格和成交量的相关性"这一个套路的变体，动量反转因子则融合了条件判断、时间尺度嵌套、方向离散化等不同技巧。这也解释了为什么在实际多因子模型中，动量反转类因子往往贡献更多的独立信息。
下一篇讲波动率与日内结构类因子。
系列导航
- Alpha 101 全解读：因子分类与算子速查
- 量价背离类因子详解（32 个因子）
- 本篇：动量与反转类因子详解（23 个因子）
- 波动率与日内结构类因子详解（23 个因子）
- 流动性与复合因子 + 因子组合实战（23 个因子）