一、多因子选股模型：从理论到实战

多因子选股模型，说白了就是给股票打分。

你想想看，一只股票好不好，不能光看市盈率，也不能只看ROE。得综合多个维度来评估。这就是多因子的核心思想——把各种能预测收益的特征组合起来，形成一个打分系统。

我个人习惯把因子分成几大类：

• 估值因子：PE、PB、PS、PCF 这些传统指标
• 成长因子：营收增速、利润增速、ROE 变化趋势
• 质量因子：毛利率、净利率、资产负债率、现金流质量
• 动量因子：过去1个月、3个月、6个月的收益表现
• 情绪因子：换手率、波动率、分析师预期调整

我在项目中遇到过一个问题：刚开始做多因子模型时，恨不得把所有能想到的因子都塞进去。结果呢？过拟合严重，实盘一跑就崩。后来我学乖了——因子不是越多越好，关键是有效且稳定。

二、因子构建与计算：把想法变成代码

因子构建，说白了就是把你的投资逻辑量化出来。

举个例子，你想捕捉「低估值」这个逻辑。那怎么量化？可以用市盈率的倒数（E/P），也可以用市净率的倒数（B/P）。但要注意，不同行业的估值中枢不一样。银行股PE 5倍算正常，科技股PE 50倍也算正常。所以我在构建因子时，通常会做行业中性化处理。

下面是我常用的因子计算框架：

import pandas as pd
import numpy as np
from scipy import stats

def calc_ep_factor(df):
    """
    计算E/P因子（市盈率倒数）
    输入：df 包含 market_cap, net_profit 字段
    """
    # 避免负值干扰
    df['ep'] = df['net_profit'] / df['market_cap']
    
    # 行业中性化处理
    df['ep_neutral'] = df.groupby('industry')['ep'].transform(
        lambda x: (x - x.mean()) / x.std()
    )
    
    # 市值中性化（可选）
    df['ep_resid'] = stats.linregress(
        df['log_market_cap'], df['ep_neutral']
    ).resid
    
    return df['ep_resid']

嗯，这里要注意几个坑：

• 极端值处理：我一般用MAD方法（中位数绝对偏差）去极值，比3σ更稳健
• 缺失值处理：千万别直接dropna，会引入生存偏差。我习惯用行业均值填充
• 频率对齐：日频因子和月频因子不能混用，要统一到同一个调仓频率

三、因子有效性检验：IC/IR 分析

因子构建完了，怎么知道它有没有用？这就轮到IC和IR上场了。

3.1 IC（信息系数）

IC衡量的是因子值和未来收益之间的相关性。简单说：因子值高的股票，未来是不是涨得更好？

IC的计算方式有两种：

• Spearman秩相关系数：我比较推荐这个，因为它对异常值不敏感
• Pearson相关系数：要求数据正态分布，实际中很少满足

def calc_ic(factor_values, forward_returns):
    """
    计算截面IC
    factor_values: 某期所有股票的因子值
    forward_returns: 对应股票的未来收益
    """
    # 使用Spearman秩相关
    ic, p_value = stats.spearmanr(factor_values, forward_returns)
    return ic, p_value

# 计算时间序列IC
def calc_ic_series(factor_df, return_df):
    """
    计算多期IC序列
    """
    ic_list = []
    for date in factor_df.index:
        ic, _ = calc_ic(
            factor_df.loc[date], 
            return_df.loc[date]
        )
        ic_list.append(ic)
    return pd.Series(ic_list, index=factor_df.index)

3.2 IR（信息比率）

IR = IC的均值 / IC的标准差。它衡量的是因子稳定性的指标。

举个例子：

• 因子A：IC均值0.05，标准差0.02 → IR = 2.5（优秀）
• 因子B：IC均值0.08，标准差0.10 → IR = 0.8（不稳定）

因子A虽然IC均值低一些，但非常稳定。因子B偶尔表现很好，但波动太大。实盘中我更倾向于因子A。为什么？因为稳定的因子更容易做仓位管理和风险控制。

3.3 分层回测

除了IC/IR，我还会做分层回测。把股票按因子值分成10组，看每组未来的平均收益。如果第1组（因子值最高）的收益明显高于第10组（因子值最低），而且呈现单调性，那这个因子就靠谱。

def layer_backtest(factor_df, return_df, n_layers=10):
    """
    分层回测
    """
    results = {}
    for date in factor_df.index:
        # 按因子值分组
        factor_series = factor_df.loc[date]
        labels = pd.qcut(factor_series, n_layers, labels=False)
        
        # 计算每组平均收益
        group_returns = return_df.loc[date].groupby(labels).mean()
        results[date] = group_returns
    
    return pd.DataFrame(results).T

四、知识体系总览

说了这么多，我把整个多因子选股的核心逻辑画了张图，方便你理解：

五、实战中的几个关键点

最后，分享几个我在实战中总结的经验：

1. 因子要定期重检：市场在变，因子的有效性也会衰减。我每季度会重新跑一遍IC/IR，把失效的因子剔除。
2. 警惕数据挖掘偏差：你测试了100个因子，总有几个IC显著。但这可能是巧合。我习惯用滚动窗口验证——用过去3年的数据选因子，用未来1年的数据验证。
3. 因子组合要分散：别把所有仓位押在一个因子上。我一般选5-8个低相关的因子，等权或按IR加权组合。
4. 别忘了交易成本：有些因子换手率很高，看起来IC不错，但扣掉手续费就亏了。我每次回测都会加上千分之二的交易成本。