第二章：筛选理论基石

做量化交易这些年，我越来越觉得——选股就像淘金。你得先搞清楚，哪些地方真的有金子，哪些只是沙子闪着光。而筛选理论的基石，说白了就是三样东西：市场到底有没有效、统计套利怎么玩、因子投资靠不靠谱。

嗯，咱们一个一个来拆。

2.1 有效市场假说 vs 行为金融学

先聊有效市场假说。这玩意儿是尤金·法玛在1970年提出来的。核心观点就一句话：市场价格已经反映了所有可得信息。你想想看，如果这是真的，那咱们做量化选股还有什么意义？

法玛把市场分成了三个层次：

层次	反映的信息	对交易者的含义
弱式有效	历史价格、成交量	技术分析无效
半强式有效	所有公开信息	基本面分析无效
强式有效	所有信息（含内幕）	任何人都无法获得超额收益

我在项目中遇到过一件事。2018年做A股回测，用了一个简单的均线策略，结果发现2015年之前效果不错，2016年之后就不行了。为什么？因为市场越来越有效了。散户少了，机构多了，信息传播快了。

但别急着下结论。行为金融学告诉我们，市场没那么理性。

举个例子。过度反应效应——我见过太多人，看到一只股票连续跌了三天就慌着割肉。结果呢？割完就涨。这就是典型的「损失厌恶」在作祟。还有锚定效应，你想想看，很多人买股票时总盯着买入价，死活不肯止损，结果越亏越多。

我个人习惯把这两套理论结合起来用。怎么用？很简单：

• 用有效市场假说做框架——承认大部分时间市场是有效的，别想着随便捡便宜
• 用行为金融学找漏洞——找到市场短期失效的时刻，比如恐慌、狂热、过度反应

2.2 统计套利基础

统计套利，说白了就是找「亲戚」。两只股票，历史上走势差不多，突然有一天分开了——这就是机会。

我记得刚开始做统计套利时，犯过一个低级错误。我看中了两只银行股，觉得它们价格差太大了，直接做多一只、做空另一只。结果呢？价差不但没回归，反而越拉越大。后来我才明白——相关性不等于协整性。

这里我给大家画个重点：

概念	含义	能不能用来套利
相关性	两只股票走势相似	不一定，可能只是巧合
协整性	两只股票有长期均衡关系	可以，价差会回归

怎么判断协整性？用ADF检验。代码很简单：

from statsmodels.tsa.stattools import adfuller
import numpy as np

# 假设 price_a 和 price_b 是两只股票的价格序列
spread = price_a - price_b * hedge_ratio
result = adfuller(spread)

if result[1] < 0.05:
    print("存在协整关系，可以套利")
else:
    print("别冲动，这只是相关性")

我曾经吃过一次亏。2019年做美股统计套利，选了两只科技股，相关性高达0.95。我兴冲冲地建了仓，结果价差一个月都没回归。后来一查，原来其中一只公司换了CEO，基本面变了。所以啊，统计套利的前提是：基本面关系没变。

2.3 因子投资逻辑

因子投资，是筛选理论的核心武器。什么是因子？就是能解释股票收益的共同特征。

我刚开始做因子投资时，觉得因子越多越好。于是搞了个100多个因子的模型，结果呢？过拟合得一塌糊涂。后来我学乖了——因子不在多，在精。

经典的因子就那几个：

• 价值因子：市盈率、市净率低的股票，长期跑赢
• 动量因子：过去涨得好的股票，短期内还会涨
• 质量因子：ROE高、负债低的公司，更抗跌
• 低波因子：波动率低的股票，长期收益反而更高

你想想看，为什么这些因子有效？说白了，就是市场存在系统性偏差。比如价值因子，是因为投资者对坏消息过度反应，导致好公司被低估。动量因子，是因为信息传播需要时间，趋势会延续。

我个人习惯用多因子打分模型。举个例子：

# 假设我们有三个因子：价值、动量、质量
def factor_score(stock):
    value_score = normalize(stock.pe_ratio)  # 市盈率越低，分数越高
    momentum_score = normalize(stock.return_6m)  # 6个月涨幅越高，分数越高
    quality_score = normalize(stock.roe)  # ROE越高，分数越高
    
    # 加权求和
    total_score = 0.4 * value_score + 0.3 * momentum_score + 0.3 * quality_score
    return total_score

嗯，这里要注意一点。因子不是永远有效的。我见过太多人，发现一个因子回测效果很好，就满仓干进去。结果呢？因子失效了，亏得底朝天。为什么？因为因子被太多人发现了，超额收益被套利掉了。

所以我的做法是：动态调整因子权重。某个因子最近表现好，就多配一点；表现差，就少配一点。说白了，就是跟着市场节奏走。

最后，我用一张图总结一下本章的核心逻辑：

这张图我画了很久。你看，有效市场假说和行为金融学是对立统一的——一个说市场有效，一个说市场无效。但正是这种矛盾，给了我们做统计套利和因子投资的空间。

说白了，筛选理论的基石就是：承认市场大部分时间有效，但在失效时果断出手。