4. 特征工程：动量因子、波动率因子、估值因子、资金流向因子

好，咱们进入第四讲。特征工程，说白了就是给聚类算法准备“食材”。你想想看，如果给厨师一堆烂菜叶子，再好的手艺也做不出佛跳墙。量化策略也一样，因子选得不对，聚类出来的结果就是一团浆糊。

我个人习惯把因子分成四大类：动量、波动率、估值、资金流向。这四类基本能覆盖市场的不同维度。咱们一个一个来看。

4.1 动量因子：追涨杀跌的底层逻辑

动量因子，其实就是“过去涨得好，未来可能继续涨”。听起来有点玄学？但实证研究确实支持这个现象。我常用的动量因子有这么几个：

• 过去N日收益率：比如过去20日、60日、120日的累计收益。这是最朴素的动量。
• 均线乖离率：当前价格偏离均线的程度。偏离太大，可能回调。
• RSI（相对强弱指标）：衡量近期涨跌幅度，超买超卖信号。

嗯，这里要注意一点：动量因子在A股市场，短期（比如5日）和长期（比如120日）的效果差异很大。我在项目中遇到过，用20日动量做轮动，效果反而比60日好。所以别迷信教科书，多试试不同窗口。

4.2 波动率因子：风险的另一面

波动率因子，衡量的是“价格上蹿下跳的程度”。很多人觉得波动率是风险，但换个角度看，波动率也是机会。我常用的波动率因子：

• 历史波动率：过去N日收益率的标准差。简单粗暴，但有效。
• 振幅：每日最高价与最低价的比值。能反映日内波动。
• ATR（平均真实波幅）：考虑了跳空缺口，更全面。

我曾经犯过一个错误：直接用日收益率标准差做波动率因子，结果发现不同股票的价格水平差异太大，导致波动率数值不可比。后来我改用“对数收益率”的标准差，才解决了这个问题。你想想看，100块的股票波动1%和10块的股票波动1%，绝对数值差10倍，但相对风险是一样的。

4.3 估值因子：便宜才是硬道理？

估值因子，说白了就是“这股票贵不贵”。价值投资的核心就是买便宜货。但量化里，估值因子需要标准化处理。我常用的：

• PE（市盈率）：股价/每股收益。注意，亏损股的PE是负的，需要特殊处理。
• PB（市净率）：股价/每股净资产。银行股常用这个。
• PS（市销率）：股价/每股销售额。适合还没盈利的成长股。

我个人习惯把估值因子做“行业中性化”处理。为什么？因为不同行业的PE差异巨大，银行股PE常年5倍，科技股PE可能50倍。如果不做中性化，聚类结果会直接按行业分类，而不是按“估值高低”分类。

4.4 资金流向因子：跟着聪明钱走

资金流向因子，反映的是“大资金在买还是卖”。这个因子在A股特别有效，因为散户多，大资金的行为有很强的指示意义。我常用的：

• 主力净流入：大单买入金额 - 大单卖出金额。
• 资金流向占比：净流入金额 / 成交额。这个比绝对数值更稳定。
• 机构持仓变化：如果数据可得，这个因子很准。

嗯，这里要提醒一下：资金流向数据有很多种算法，不同数据源算出来的结果可能不一样。我在项目中遇到过，用Level-2数据算出来的主力净流入，和用普通行情数据算出来的，相关性只有0.6左右。所以，选一个稳定的数据源，别换来换去。

4.5 因子相关性分析：别让因子“打架”

因子选好了，下一步就是看它们之间有没有“内讧”。如果两个因子高度相关，那它们提供的信息就是重复的，放进模型里反而会引入噪音。

我一般会做两件事：

1. 计算相关系数矩阵：看看哪些因子之间相关性超过0.7。
2. 做VIF（方差膨胀因子）检验：多重共线性的定量指标。

举个例子，过去20日收益率和过去60日收益率，相关性通常很高。这时候我会只保留一个，或者做差分处理。你想想看，如果两个因子都反映“涨了多久”，那它们本质上是一个东西。

4.6 因子筛选：留下最锋利的刀

最后一步，就是筛选出最有效的因子。我常用的方法：

• IC（信息系数）分析：看因子值与未来收益的相关性。IC越高，因子越有效。
• 分层回测：把股票按因子值分成10组，看最高组和最低组的收益差。
• 因子稳定性：因子在不同时间段的IC是否稳定。忽高忽低的因子，不靠谱。

我曾经用过一个因子，IC值很高，但分层回测发现，只有最高组和最低组有收益差，中间8组全是噪音。这种因子其实没什么用，因为它只能区分极端情况，对大部分股票没有区分度。

知识体系总览

下面这张图，把整个特征工程的流程串起来了。从原始数据到最终选定的因子，每一步都有坑，每一步都需要经验。

好了，特征工程这部分就讲到这里。记住，因子不是越多越好，关键是每个因子都要有清晰的逻辑支撑。下一章，我们会把这些因子喂给聚类算法，看看市场到底能分成几类。