📰 研报摘要
查看全文 ➔摘要： 本报告详细解析了发表于《The Journal of Financial Data Science》的一项量化研究成果，提出了一种仅利用日频 OHLCV 数据（开盘、最高、最低、收盘价及成交量）来重建日内累计 Delta（Cumulative Delta）订单流指标的方法。该方法旨在解决传统订单流分析高度依赖高频 Tick 数据导致的数据门槛高、存储成本大等问题，为量价因子向微观结构因子扩展提供新路径。
核心观点：
通过构建“价格路径重建 $\rightarrow$ 成交量分配 $\rightarrow$ 订单流估计 $\rightarrow$ 累计 Delta 计算”的框架，可以在无需高频数据的情况下近似恢复市场主动买卖力量。该指标相比传统 OBV 指标，能更精准地刻画市场内部供需结构，在趋势拐点识别和资金行为分析方面具有更强的前瞻性。
论据支撑：
报告通过 Broadcom (AVGO) 和 Intel (INTC) 的实证分析表明，重建的 Delta 指标能够捕捉到价格与订单流的背离：在 AVGO 案例中，指标提前发出顶部转弱信号；在 INTC 案例中，指标率先反映出底部资金改善迹象，其信号发出时间均早于传统 OBV。
局限性/风险：
- 模型依赖历史统计规律，在市场风格剧变或极端震荡场景下可能失效。
- 仅基于日频数据近似还原，存在天然的估算偏差。
- 原研究基于美股，直接套用于 A 股可能因交易制度和投资者结构差异而导致适配性不足。