量化选股策略框架：从零到一的完整流程

做量化选股这些年，我最大的感触是——很多人一上来就急着写代码、跑回测，结果往往是一顿操作猛如虎，一看收益二百五。说白了，策略设计是有章可循的。今天我就把这套框架掰开揉碎了讲给你听。

一、策略设计的一般流程

我个人习惯把策略设计分成五个步骤。嗯，这五个步骤缺一不可，跳步必踩坑。

1. 明确目标——你要赚什么钱？是赚alpha（超额收益）还是赚beta（市场上涨的钱）？我见过有人把目标写成“我要跑赢沪深300”，结果回测时发现策略和指数走势一模一样，那还选什么股？
2. 构建逻辑——你的策略凭什么赚钱？是低估值修复？是动量延续？还是事件驱动？逻辑必须可解释、可验证。
3. 数据准备——巧妇难为无米之炊。数据质量直接决定策略上限。
4. 因子挖掘与筛选——这是核心环节，后面会细讲。
5. 回测与评估——验证你的想法是否真的可行。

你想想看，这五个步骤其实和做实验很像。先有假设，再收集数据，然后验证。我曾经犯过一个低级错误——跳过第一步直接写代码，结果花了三天写的策略，逻辑上根本说不通。从那以后，我再也不敢跳过框架设计了。

二、数据获取与处理

数据是量化策略的“原材料”。我常说一句话：垃圾数据进，垃圾策略出。

2.1 数据来源

目前主流的数据源有几种：

• 免费公开数据：Tushare、AkShare、Baostock等。适合学习和个人研究。
• 商业数据：Wind、Choice、聚宽等。数据质量高，但需要付费。
• 自建数据：爬取财报、新闻等。适合做另类因子。

2.2 数据清洗

数据拿到手，第一件事不是分析，而是清洗。我遇到过最离谱的情况——某只股票某天的收盘价是负数。你想想看，这要是直接拿去算因子，结果得多离谱？

常见的清洗操作包括：

• 处理缺失值（前向填充、插值、删除）
• 处理异常值（3σ原则、分位数截断）
• 复权处理（前复权 vs 后复权，我习惯用前复权）
• 对齐时间戳（不同数据源的时间格式可能不同）

# 一个简单的数据清洗示例
import pandas as pd
import numpy as np

def clean_stock_data(df):
    # 处理缺失值：前向填充
    df = df.fillna(method='ffill')
    
    # 处理异常值：超过3倍标准差视为异常
    for col in ['close', 'volume']:
        mean = df[col].mean()
        std = df[col].std()
        df[col] = df[col].clip(mean - 3*std, mean + 3*std)
    
    return df

三、因子挖掘与筛选

因子，说白了就是选股的“依据”。你凭什么选这只股票而不选那只？因为它的某个指标更好。这个指标就是因子。

3.1 因子分类

因子类型	常见因子	逻辑
估值因子	PE、PB、PS	便宜的东西总会涨回来
动量因子	过去N日收益率	强者恒强，弱者恒弱
质量因子	ROE、毛利率	好公司长期跑赢差公司
情绪因子	换手率、波动率	市场情绪会推动价格

3.2 因子筛选的“三板斧”

我一般用三个维度来筛选因子：

1. 有效性——因子和未来收益有没有显著相关性？用IC（信息系数）来检验。
2. 稳定性——因子在不同时间段表现是否一致？别今年有效明年就失效。
3. 独立性——因子之间不能高度相关。否则你加再多因子，效果也差不多。

四、策略回测与评估

回测是检验策略的唯一标准。但回测也是最容易“作弊”的地方。

4.1 回测的核心要素

• 回测区间：至少包含一个完整的牛熊周期。我建议至少3-5年。
• 交易成本：包括佣金、印花税、滑点。很多人回测时忽略滑点，结果实盘一跑就亏。
• 调仓频率：日频、周频还是月频？频率越高，交易成本越高。

4.2 评估指标

别只看收益率。我见过年化50%的策略，最大回撤80%，你敢用吗？

指标	含义	理想值
年化收益率	策略每年的平均收益	越高越好
最大回撤	从最高点到最低点的跌幅	越小越好
夏普比率	每承担一单位风险获得的超额收益	>1
胜率	盈利交易占比	>50%

五、知识体系总览

下面这张图是我自己总结的量化选股策略框架。每次做新策略，我都会对照这张图检查一遍，看看有没有遗漏的环节。

好了，以上就是量化选股策略框架的全部内容。从策略设计到数据获取，从因子挖掘到回测评估，每一步都有坑，但也每一步都有方法可循。记住一句话：框架比代码重要，逻辑比结果重要。