3. 单因子分析基础：因子定义、因子值计算、分组回测框架搭建

好，咱们进入正题。单因子分析，说白了就是回答一个问题：这个因子到底能不能赚钱？

我刚开始做量化那会儿，总觉得因子越多越好。后来被市场狠狠教育了几次，才明白——一个靠谱的单因子分析框架，比一百个花哨的因子都重要。今天我就把这块的实操经验掰开揉碎讲给你听。

3.1 因子定义：别小看这一步

因子定义，就是给因子一个明确的数学表达式。比如经典的动量因子：

Momentum = (close_price_t - close_price_{t-20}) / close_price_{t-20}

嗯，看起来很简单对吧？但这里有个坑——定义不清晰，后面全白干。

我个人习惯，定义因子时一定要明确三点：

• 计算窗口：用过去多少天的数据？20天？60天？
• 价格选择：用收盘价？还是用VWAP（成交量加权均价）？
• 处理方式：要不要做对数变换？要不要去极值？

这里我给出一个标准的因子定义模板，你直接套用就行：

字段	说明	示例
因子名称	英文标识，建议用大写	MOM_20D
因子描述	一句话说清楚因子含义	过去20个交易日的累计收益率
计算公式	明确的数学表达式	(P_t - P_{t-20}) / P_{t-20}
数据来源	用哪个数据库的哪个字段	日行情表.close_price
处理规则	去极值、中性化等	MAD去极值，市值行业中性化

3.2 因子值计算：代码怎么写才靠谱

定义好了，接下来就是算。你想想看，A股有5000多只股票，每天都要算一遍因子值，这代码效率必须得跟上。

我个人推荐用 pandas + numpy 做向量化计算，别用循环。来看个例子：

import pandas as pd
import numpy as np

def calc_momentum_factor(df, window=20):
    """
    计算动量因子
    df: 包含 'close' 列的DataFrame，索引为日期
    """
    # 向量化计算，一行搞定
    df['MOM'] = df['close'].pct_change(periods=window)
    return df

# 使用示例
price_data = pd.DataFrame({
    'close': [10, 10.5, 11, 10.8, 11.2, ...]
}, index=pd.date_range('2024-01-01', periods=100))

result = calc_momentum_factor(price_data)
print(result.head())

这里要注意一个细节：因子值的频率要和回测频率一致。如果你做的是月度调仓，那就按月计算因子值；如果是周度调仓，就按周算。别搞混了。

3.3 分组回测框架：搭建你的因子检验流水线

因子值算出来了，怎么知道它好不好？分组回测是最直观的方法。

核心逻辑很简单：

1. 每个月（或每周）按因子值大小把股票分成N组
2. 每组等权重或市值加权买入
3. 持有到下个调仓日，计算收益
4. 重复以上步骤，得到每组的历史收益曲线

如果因子有效，那么分组收益应该是单调的——第1组（因子值最大）收益最高，第N组（因子值最小）收益最低。

下面是我自己用的一个分组回测框架，你直接拿去改改就能用：

import pandas as pd
import numpy as np

def group_backtest(factor_df, return_df, n_groups=5, rebalance_freq='M'):
    """
    分组回测框架
    factor_df: 因子值DataFrame (日期×股票)
    return_df: 收益率DataFrame (日期×股票)
    n_groups: 分组数
    rebalance_freq: 调仓频率 ('M'=月度, 'W'=周度)
    """
    # 获取调仓日期
    rebalance_dates = pd.date_range(
        start=factor_df.index[0], 
        end=factor_df.index[-1], 
        freq=rebalance_freq
    )
    
    group_returns = {i: [] for i in range(1, n_groups+1)}
    
    for date in rebalance_dates:
        if date not in factor_df.index:
            continue
            
        # 获取当期因子值
        current_factor = factor_df.loc[date].dropna()
        
        # 分组
        current_factor = current_factor.rank(pct=True)
        groups = pd.cut(current_factor, bins=n_groups, 
                        labels=range(1, n_groups+1))
        
        # 计算下一期收益
        next_date = factor_df.index[factor_df.index > date][0]
        next_returns = return_df.loc[next_date]
        
        # 记录每组收益
        for group in range(1, n_groups+1):
            stocks_in_group = groups[groups == group].index
            group_return = next_returns[stocks_in_group].mean()
            group_returns[group].append(group_return)
    
    # 计算累计收益
    result = pd.DataFrame(group_returns)
    result = (1 + result).cumprod()
    
    return result

说到IC值，我再多提一嘴。IC值分两种：

• Pearson IC：线性相关系数，对异常值敏感
• Spearman Rank IC：秩相关系数，更稳健

我个人习惯用 Rank IC，因为因子值经常有极端值，用秩相关能避免被几个异常点带偏。

3.4 知识体系总览

说了这么多，我把整个单因子分析的流程画成了一张图，方便你理解：

好了，单因子分析的基础框架就讲到这里。记住一句话：因子定义要清晰，计算要高效，回测要严谨。把这三点做到位，你的因子研究就成功了一半。