第四章：多因子合成——从单因子到组合的艺术

说实话，多因子合成这一步，是很多量化团队的分水岭。

单因子研究做得再好，如果不会合成，就像手里有一堆好食材却不会做菜。我见过不少团队，单因子IC都挺漂亮，一组合起来反而跑不过基准。问题出在哪？就在合成方法上。

今天咱们就把五种主流方法掰开揉碎讲清楚。等权、市值加权、ICIR加权、PCA降维、因子正交化——每种我都踩过坑，咱们边讲边避雷。

4.1 等权加权法——最简单的往往最稳健

等权加权，说白了就是给每个因子相同的权重。比如你有5个因子，每个权重就是20%。

你可能会问：「这也太简单了吧？」

嗯，我刚开始做量化时也这么想。但后来发现，在因子相关性较高的情况下，等权加权反而比很多复杂方法更稳定。为什么？因为它不会过度依赖某个因子，天然分散风险。

import pandas as pd
import numpy as np

def equal_weight_synthesis(factor_df):
    """
    等权加权合成
    factor_df: DataFrame, 每列为一个因子，行为股票
    """
    # 先做横截面标准化
    zscore_df = factor_df.apply(lambda x: (x - x.mean()) / x.std())
    # 等权合成
    composite = zscore_df.mean(axis=1)
    return composite

4.2 市值加权法——让大股票多说话

市值加权，就是按股票市值大小分配权重。市值大的股票，在因子合成中影响力更大。

这个方法在A股有个天然问题——大市值股票往往被机构重仓，因子收益已经被充分挖掘。我曾经用市值加权合成过一组反转因子，结果回测曲线惨不忍睹。后来发现，小市值股票的反转效应更强，但市值加权把它们压得太低了。

def market_cap_weighted_synthesis(factor_df, market_cap):
    """
    市值加权合成
    market_cap: Series, 每只股票的市值
    """
    # 市值归一化作为权重
    weights = market_cap / market_cap.sum()
    # 因子标准化
    zscore_df = factor_df.apply(lambda x: (x - x.mean()) / x.std())
    # 加权合成
    composite = (zscore_df.multiply(weights, axis=0)).sum(axis=1)
    return composite

4.3 ICIR加权法——让预测能力强的因子多说话

ICIR加权，是我个人最常用的方法之一。它结合了IC（信息系数）和IR（信息比率），本质上是「用历史表现来分配权重」。

具体来说：IC衡量因子与未来收益的相关性，IR衡量这个相关性的稳定性。ICIR = IC均值 / IC标准差。ICIR越高，说明因子预测能力越强且越稳定。

def icir_weighted_synthesis(factor_df, forward_returns):
    """
    ICIR加权合成
    forward_returns: DataFrame, 未来N日收益
    """
    weights = {}
    for col in factor_df.columns:
        # 计算每日IC
        daily_ic = factor_df[col].rolling(20).corr(forward_returns)
        # ICIR = IC均值 / IC标准差
        ic_mean = daily_ic.mean()
        ic_std = daily_ic.std()
        weights[col] = ic_mean / ic_std if ic_std != 0 else 0
    
    # 归一化权重
    total = sum(weights.values())
    weights = {k: v/total for k, v in weights.items()}
    
    # 合成
    zscore_df = factor_df.apply(lambda x: (x - x.mean()) / x.std())
    composite = sum(zscore_df[col] * weights[col] for col in factor_df.columns)
    return composite

4.4 主成分分析（PCA）降维——从10个因子到3个主成分

PCA降维，说白了就是把多个因子压缩成少数几个「主成分」。这些主成分是原始因子的线性组合，彼此正交（不相关）。

我刚开始用PCA时犯过一个错误：直接对所有因子做PCA，然后取前几个主成分。结果发现第一个主成分解释方差超过60%，但它其实是个「市场因子」，把所有股票都拉在一起了。这导致选股效果很差。

from sklearn.decomposition import PCA
from sklearn.preprocessing import StandardScaler

def pca_synthesis(factor_df, n_components=3):
    """
    PCA降维合成
    n_components: 保留的主成分数量
    """
    # 标准化
    scaler = StandardScaler()
    scaled_data = scaler.fit_transform(factor_df)
    
    # PCA
    pca = PCA(n_components=n_components)
    pca_data = pca.fit_transform(scaled_data)
    
    # 用解释方差比作为权重，合成一个综合得分
    explained_ratio = pca.explained_variance_ratio_
    composite = pca_data @ explained_ratio
    
    return composite, pca

4.5 因子正交化处理——消除冗余，保留纯净信号

因子正交化，是我认为最「硬核」的合成方法。它的核心思想是：把因子之间的相关性剥离掉，让每个因子只贡献「独特」的信息。

举个例子：你有一个估值因子（PE）和一个盈利因子（ROE）。它们天然相关——高ROE的公司往往PE也高。如果不做正交化，这两个因子会互相「抢功劳」，导致组合后的信号有冗余。

import statsmodels.api as sm

def factor_orthogonalization(factor_df, target_factor):
    """
    因子正交化：将target_factor对其他因子做回归，取残差
    """
    X = factor_df.drop(columns=[target_factor])
    X = sm.add_constant(X)
    y = factor_df[target_factor]
    
    model = sm.OLS(y, X).fit()
    # 残差就是正交化后的纯净因子
    orthogonal_factor = model.resid
    return orthogonal_factor

4.6 五种方法对比——怎么选？

4.7 知识体系图——多因子合成的完整流程

这张图把整个流程串起来了。从原始因子出发，经过标准化预处理，然后选择一种或多种合成方法，最终得到合成因子得分。我个人建议：先用等权加权跑通流程，再逐步尝试复杂方法。