4、因子计算与实现：从公式到代码的实战

好，咱们进入最核心的部分了。因子计算，说白了就是把你的投资逻辑，变成一串可以执行的数字。我见过太多人，策略想得天花乱坠，一到写代码就卡壳。今天咱们就把这块硬骨头啃下来。

4.1 因子计算公式：逻辑是骨架

每个因子背后，都有一个数学表达式。比如最常见的动量因子：

Momentum = (P_t / P_{t-n}) - 1

其中 P_t 是当前价格，P_{t-n} 是 n 天前的价格。就这么简单？嗯，但实际用起来坑不少。

再比如估值因子中的市盈率倒数（E/P）：

EP = Earnings / Price

我个人习惯，在写公式前，先问自己三个问题：

• 这个因子是截面比较，还是时间序列比较？（截面看排名，时序看变化）
• 需不需要做行业中性化？（比如市盈率，银行股和科技股没法直接比）
• 极端值怎么处理？（我曾经遇到过某小市值股票一天涨了100倍，直接把因子分布拉崩了）

4.2 Python实现：Pandas与Numpy的配合

好，公式有了，咱们上代码。我习惯用 Pandas 做数据处理，Numpy 做数值计算。两者配合，效率很高。

先看一个简单的动量因子实现：

import pandas as pd
import numpy as np

def calc_momentum(price_df, window=20):
    """
    计算动量因子
    price_df: DataFrame, index=日期, columns=股票代码
    """
    # 计算收益率
    ret = price_df.pct_change(window)
    # 我习惯用shift来对齐，避免未来信息
    momentum = ret.shift(1)
    return momentum

你可能会问，为什么要 shift(1)？因为我们要避免未来函数。在回测中，今天的因子值只能用昨天的数据计算。这个坑我踩过，当时回测收益高得离谱，一查发现用了未来数据，白高兴一场。

再看一个稍微复杂点的，计算市净率的倒数（BP）：

def calc_bp(price_df, book_value_df):
    """
    计算BP因子
    """
    bp = book_value_df / price_df
    # 处理无穷大和缺失值
    bp = bp.replace([np.inf, -np.inf], np.nan)
    # 我一般会做MAD去极值
    median = bp.median()
    mad = (bp - median).abs().median()
    upper = median + 5 * mad
    lower = median - 5 * mad
    bp = bp.clip(lower, upper, axis=1)
    return bp

4.3 因子暴露度计算：你到底暴露了多少？

因子暴露度，说白了就是你的组合在某个因子上的「敞口」。比如你买了很多小盘股，那你在市值因子上的暴露度就很高。

计算方式其实很简单：

# 假设 portfolio_weights 是组合权重 Series
# factor_values 是因子值 Series（已经标准化）
exposure = (portfolio_weights * factor_values).sum()

但实际项目中，我们通常要算多个因子的暴露度矩阵。我曾经做过一个多因子模型，需要同时监控价值、动量、质量、低波四个因子。代码大概是这样的：

def calc_factor_exposure(weights, factor_df):
    """
    计算组合在多个因子上的暴露度
    weights: Series, 股票权重
    factor_df: DataFrame, columns为因子名, index为股票代码
    """
    # 确保权重和因子对齐
    common = weights.index.intersection(factor_df.index)
    weights_aligned = weights[common]
    factor_aligned = factor_df.loc[common]
    
    # 计算暴露度
    exposures = (weights_aligned.values[:, None] * factor_aligned.values).sum(axis=0)
    return pd.Series(exposures, index=factor_df.columns)

4.4 因子收益计算：这个因子到底赚不赚钱？

因子收益，就是做多因子值高的股票、做空因子值低的股票，能赚多少钱。这是检验因子有效性的核心指标。

最常用的方法是分层回测：

def calc_factor_return(factor_series, forward_return, n_groups=5):
    """
    计算分层因子收益
    factor_series: 当期因子值
    forward_return: 下一期收益
    """
    # 分组
    groups = pd.qcut(factor_series, n_groups, labels=False)
    
    # 计算每组平均收益
    group_returns = forward_return.groupby(groups).mean()
    
    # 多空组合收益（最高组 - 最低组）
    long_short = group_returns.iloc[-1] - group_returns.iloc[0]
    
    return group_returns, long_short

嗯，这里要注意。分组的时候，我遇到过因子值大量重复的情况，qcut 会报错。所以我会先加一点随机噪声：

# 处理重复值
factor_series = factor_series + np.random.normal(0, 1e-6, len(factor_series))

另外，因子收益的统计显著性也很重要。我一般会算 t 统计量：

from scipy import stats

def calc_factor_ic(factor, forward_return):
    """
    计算信息系数（IC）
    """
    # 去掉缺失值
    mask = factor.notna() & forward_return.notna()
    ic, p_value = stats.spearmanr(factor[mask], forward_return[mask])
    return ic, p_value

4.5 知识体系总览

说了这么多，咱们用一张图把整个流程串起来。我画了个流程图，帮你理清思路：

这张图把整个流程串起来了。从公式到代码，再到暴露度和收益计算，最后验证有效性。如果某个环节出问题，就回到前面迭代优化。