第四节：分组回测方法——分位数分组、多空组合构建、净值曲线绘制、收益统计指标

好，咱们进入正题。因子有效性检验里，分组回测是最直观、最常用的方法。说白了，就是看看按因子值把股票分成几组后，高分组和低分组的表现到底差多少。我做了这么多年量化，这步几乎没跳过。

4.1 分位数分组：把股票装进不同的篮子

分位数分组，核心思想很简单：每个调仓日，把所有股票按因子值从小到大排序，然后等分成 N 组。比如分成 5 组，就是 Q1（最小）到 Q5（最大）。

分组方式有讲究：

• 等分位数：每组股票数量相等。我最常用的是 5 组或 10 组。5 组够用，10 组更精细。
• 固定阈值：比如只取前 20% 和后 20%。适合因子值分布不均匀的情况。
• 市值加权 vs 等权：我个人习惯用等权，因为能更纯粹地反映因子选股能力。市值加权容易受大票干扰。

来看一段 Python 代码，实现月度调仓的分位数分组：

import pandas as pd
import numpy as np

def quantile_group(df, factor_col, n_groups=5):
    """
    分位数分组函数
    df: 包含因子值和收益率的 DataFrame，索引为日期，列为股票代码
    factor_col: 因子列名
    n_groups: 分组数
    """
    # 按日期分组，每个日期内排序
    df['rank'] = df.groupby('date')[factor_col].rank(method='first')
    df['group'] = df.groupby('date')['rank'].transform(
        lambda x: pd.qcut(x, n_groups, labels=False) + 1
    )
    return df

# 使用示例
# 假设 data 包含 'date', 'stock', 'factor', 'return'
data = quantile_group(data, 'factor', 5)
print(data.head())

嗯，这里要注意：pd.qcut 在因子值重复时会报错，所以我用了 rank(method='first') 先处理一下。我曾经在这个坑里摔过，回测结果莫名其妙多了一组空值。

4.2 多空组合构建：多空收益差才是硬道理

分组回测的精华，在于多空组合。也就是做多 Q5（最大组），做空 Q1（最小组），看看这个组合的收益曲线。如果多空收益显著为正，说明因子有区分度。

构建步骤：

1. 每个调仓日，计算 Q5 和 Q1 的等权平均收益。
2. 多空收益 = Q5 收益 - Q1 收益。
3. 累计多空收益 = 每日多空收益的累乘。

代码实现：

def long_short_portfolio(df, group_col='group', return_col='return'):
    """
    构建多空组合
    """
    # 计算每组每日平均收益
    group_returns = df.groupby(['date', group_col])[return_col].mean().unstack()
    
    # 多空收益：Q5 - Q1
    ls_returns = group_returns[group_returns.columns[-1]] - group_returns[group_returns.columns[0]]
    
    # 累计净值
    ls_cum = (1 + ls_returns).cumprod()
    
    return ls_returns, ls_cum

# 使用
ls_ret, ls_cum = long_short_portfolio(data)
print(ls_cum.tail())

4.3 净值曲线绘制：一张图胜过千言万语

净值曲线，是检验因子有效性的第一道防线。我每次拿到新因子，第一件事就是画图。曲线应该单调递增，且多空曲线稳步向上。

画图要点：

• 分组净值曲线：Q1 到 Q5 的净值曲线应该呈单调排列。Q1 在最下面，Q5 在最上面。
• 多空净值曲线：应该平稳向上，回撤不能太大。
• 基准对比：加上沪深 300 或中证 500 作为基准，看看因子是否有超额收益。

我用 matplotlib 画图，代码很简单：

import matplotlib.pyplot as plt

def plot_group_net_worth(group_returns, ls_cum):
    """
    绘制分组净值曲线和多空净值曲线
    group_returns: 每组每日收益，DataFrame，列为组号
    ls_cum: 多空累计净值
    """
    # 计算每组累计净值
    cum_returns = (1 + group_returns).cumprod()
    
    plt.figure(figsize=(12, 6))
    
    # 子图1：分组净值
    plt.subplot(1, 2, 1)
    for col in cum_returns.columns:
        plt.plot(cum_returns.index, cum_returns[col], label=f'Q{col}')
    plt.title('分组净值曲线')
    plt.legend()
    plt.grid(True)
    
    # 子图2：多空净值
    plt.subplot(1, 2, 2)
    plt.plot(ls_cum.index, ls_cum, color='red', linewidth=2)
    plt.title('多空组合净值')
    plt.grid(True)
    
    plt.tight_layout()
    plt.show()

# 调用
plot_group_net_worth(group_returns, ls_cum)

4.4 收益统计指标：用数字说话

光看图不够，还得有量化指标。我常用的统计指标有这些：

代码实现这些指标：

def compute_performance_metrics(ls_returns, ls_cum):
    """
    计算多空组合的收益统计指标
    """
    # 年化收益率
    total_days = len(ls_returns)
    annual_return = ls_cum.iloc[-1] ** (252 / total_days) - 1
    
    # 年化波动率
    annual_vol = ls_returns.std() * np.sqrt(252)
    
    # 夏普比率
    sharpe = annual_return / annual_vol if annual_vol != 0 else 0
    
    # 最大回撤
    rolling_max = ls_cum.expanding().max()
    drawdown = (ls_cum - rolling_max) / rolling_max
    max_drawdown = drawdown.min()
    
    # 胜率
    win_rate = (ls_returns > 0).mean()
    
    return {
        '年化收益率': f'{annual_return:.2%}',
        '年化波动率': f'{annual_vol:.2%}',
        '夏普比率': f'{sharpe:.2f}',
        '最大回撤': f'{max_drawdown:.2%}',
        '胜率': f'{win_rate:.2%}'
    }

# 调用
metrics = compute_performance_metrics(ls_ret, ls_cum)
for k, v in metrics.items():
    print(f'{k}: {v}')

4.5 本章知识体系

下面这张图，是我自己总结的分组回测流程，你一看就明白：

这张图把整个流程串起来了。从数据准备到最终结论，每一步都环环相扣。你想想看，如果哪一步出了问题，后面的结果就全废了。

好了，分组回测这部分就讲到这里。记住，回测只是第一步，真正的考验在实盘。下一节我们会聊到因子失效的应对方案，到时候你就知道，回测做得再好，市场也会教你做人。