本报告分为两个部分，以人工构造与算法生成的角度全面地解析了日内成交量的分布，通过高频数据低频化方法构造选股因子。
　　第一部分从分布角度出发，分四个维度构建成交量分布相关因子。由于成交量序列存在稀疏性和周期性特点，我们应用了日内5min的成交量序列，并且采用分段在日间对比的思想进行因子构造。
　　日内对数成交量分布因子主要描述对数成交量在日内的离散程度和偏移程度，其合成因子周度Rank IC为6.31%，ICIR为0.97，五分组多头年化收益15.35%，多空年化收益30.72%。
　　日内成交量在时间上的分布因子主要描述日内成交量的U形形态，以及日内开盘收盘时段成交量的异动与稳定性，其合成因子周度Rank IC为5.16%，ICIR为0.98，五分组多头年化收益14.69%，多空年化收益23.70%。
　　日内成交量在收益率上的分布因子主要关注在日内价格显著上涨时段中上行波动与推动价格上行的成交量稳定性或是成交量占比的稳定性，其合成因子周度Rank IC为5.82%，ICIR为0.91，五分组多头年化收益19.21%，多空年化收益22.39%。
　　日内成交量在价格上的分布因子主要关注价格区间成交量分布的偏移，这反映日内公允价格区域偏低或是偏高，另外依据成交量在价格上的分布可以对日内反转因子做出改进，合成因子周度Rank IC为2.81%，ICIR为0.44，五分组多头年化收益13.57%，多空年化收益16.12%。
　　第二部分构建了一个从序列到因子的高效模型Logsig-Alpha。利用logsignature全面分析成交量序列，对成交量序列进行特征提取，直接提取到的因子一部分具有一定的选股能力，但另一部分线性性较弱。所构建的Logsig-Alpha因子生成器可以将序列简便高效地转化为选股因子，使用成交量序列构建的Logsig-Alpha-v周度因子和月度因子表现优异，其中周度因子Rank IC为7.52%，ICIR为1.24，五分组多头年化收益20.30%，多空年化收益36.39%；月度因子Rank IC为9.12%，ICIR为1.34，五分组多头年化收益17.43%，多空年化收益26.18%。Logsig-Alpha首先计算序列的log-signature特征集，标准化后用因子正交转化模块将其转化为一批具有选股能力但两两相关性较低的基础因子，标准化后等权合成进行输出。高截断阶数的log-signature保留了序列中的大部分信息，使得模型具有优异的表现。
　　每类合成因子总体上表现良好且稳定，Logsig-Alpha构造的成交量因子表现优异。整体上因子间相关性不高，另外各因子在Barra风险因子中略偏向流动性与特异性波动率。因子更契合于小市值股票池。
　　风险提示：以上分析基于模型结果和历史测算，存在模型失效风险。