因子选股常见陷阱与避坑指南

📚 共计 30 章节

幸存者偏差：回测中的隐形杀手

忽略退市与停牌，回测曲线永远美丽

回测陷阱数据偏差

前视偏差：未来函数如何偷走你的收益

用未来信息做决策，实盘必然崩塌

未来函数逻辑谬误

过拟合陷阱：当模型记住噪音而非信号

参数越多，越容易把随机当规律

过拟合模型风险

多重比较谬误：为什么你的因子池越大越危险

测试成百上千因子，总有几个“显著”

统计谬误多重比较

数据挖掘偏差：随机性如何伪装成规律

数据窥探让噪音看起来像信号

数据挖掘伪规律

样本外失效：回测王者，实盘青铜

样本内拟合再好，换段时间就失效

样本外稳健性

交易成本低估：被忽视的利润吞噬者

滑点、佣金、冲击成本，积少成多

交易成本实盘细节

流动性陷阱：小市值因子的双刃剑

小票收益高但流动性差，一买就涨一卖就跌

流动性小市值

因子衰减：策略的保质期有多长

因子被发现后，超额收益逐渐消失

因子衰减时效性

风格漂移：当因子不再有效

市场风格切换，因子表现剧烈波动

风格漂移适应性

共线性问题：因子之间的隐形关联

多个因子高度相关，模型解释力失真

共线性统计诊断

极端值处理：离群点如何扭曲你的因子

一个极端值就能让因子从显著变无效

极端值稳健统计

中性化误区：风险调整的常见错误

中性化过度或不足，都会扭曲因子

中性化风险调整

分组回测的陷阱：五分位法的局限性

分组方式不同，结论可能完全相反

分组回测方法局限

IC/IR指标的误读：相关性不等于预测力

高IC不一定带来真实收益

IC/IR评价误区

换手率幻觉：高频交易的隐性成本

高换手策略看似美好，实则成本高昂

换手率交易成本

时间序列非平稳性：市场结构在变化

过去的规律在未来可能不再成立

非平稳结构变化

宏观环境依赖：因子择时的必要性

不同宏观周期下因子表现天差地别

数据频率错配：日频因子与月频收益

频率不一致导致虚假相关性

频率错配数据对齐

财务数据滞后：季报发布的时间差

使用已过时的财务数据，决策滞后

财务滞后时效性

停牌与退市：被忽略的尾部风险

极端事件导致因子回测失真

尾部风险停牌退市

行业中性化陷阱：过度调整导致信息丢失

中性化过度会抹掉行业选择收益

行业中性化信息损失

市值中性化误区：大小盘风格切换

市值中性化可能忽略风格收益

市值中性化风格切换

因子正交化：是净化还是扭曲

正交化可能破坏因子经济含义

正交化因子处理

回测周期选择：牛熊市的不同表现

不同市场环境下因子表现迥异

周期选择市场环境

参数敏感性：微调参数带来的巨大差异

参数微小变化可能导致结果剧变

参数敏感稳健性

心理偏差：确认偏误如何影响因子选择

只关注支持自己观点的证据

心理偏差确认偏误

策略容量：资金规模对收益的影响

资金过大时，策略收益显著下降

策略容量资金规模

监管变化：政策风险对因子的冲击

政策突变可能让因子彻底失效

监管风险政策冲击

综合案例：一个完整因子的避坑实战

从构建到验证，避开所有常见陷阱

实战案例综合避坑