4、因子计算与处理：从原始数据到有效信号
好，我们进入第四章。这一章，说白了就是讲怎么把原始数据变成能用的因子信号。
我个人觉得，因子处理是整个策略开发里最容易被低估的环节。很多人花大把时间找因子，结果处理得马马虎虎，最后回测一塌糊涂。嗯，这里要注意，因子计算只是第一步，后面的标准化、中性化、正交化，才是真正拉开差距的地方。
4.1 常见因子计算：四大类因子
我习惯把因子分成四类：估值、动量、质量、情绪。这四类基本覆盖了市场的主要驱动逻辑。
4.1.1 估值因子
估值因子，说白了就是看股票贵不贵。常用的有：
- PE（市盈率）：市值 / 净利润。越低越便宜。
- PB（市净率）：市值 / 净资产。适合银行、周期股。
- PS（市销率）：市值 / 营业收入。适合亏损但营收高的公司。
- PCF（市现率）：市值 / 经营现金流。现金流为王。
我在项目中遇到过一个问题：有些公司净利润是负的，PE算出来是负数。这时候直接拿负数去排序，逻辑上就乱了。我的做法是：负PE统一赋一个很大的正数，或者干脆剔除。
核心逻辑：估值因子在A股市场长期有效，但要注意行业差异。银行股PE普遍低，科技股PE普遍高，跨行业比较时要小心。
4.1.2 动量因子
动量因子，就是看股票过去涨跌的趋势。你想想看，涨的股票会不会继续涨？跌的会不会继续跌？
- 过去N日收益率：比如过去20日、60日、120日的累计收益。
- 过去N日波动率：波动率低的股票，动量更稳定。
- RSI（相对强弱指标）：衡量近期涨跌力度。
- 均线乖离率：当前价格偏离均线的程度。
我曾经踩过一个坑：用过去5日的收益率做动量，结果发现换手率极高，交易成本吃掉所有收益。后来我改成20日动量，效果就好多了。所以，动量因子的窗口期选择，直接影响策略的实用性。
避坑指南：我曾经在回测中用了未来数据——用当天的收盘价计算动量因子，然后预测当天的收益。这显然是错的。记住：因子计算必须使用历史数据，不能包含未来信息。
4.1.3 质量因子
质量因子，看的是公司基本面好不好。好公司，长期来看更容易跑赢。
- ROE（净资产收益率）：净利润 / 净资产。越高越好。
- 毛利率：毛利 / 营业收入。反映定价能力。
- 资产负债率：总负债 / 总资产。越低越安全。
- 营收增长率：同比营收增长。成长性的体现。
我个人习惯把ROE和营收增长率结合起来用。ROE高但营收不增长，可能是靠财务杠杆撑起来的，风险大。两者都高，才是真正的优质公司。
4.1.4 情绪因子
情绪因子，反映的是市场参与者的心理状态。这个比较有意思。
- 换手率：交易活跃度。换手率高，说明情绪亢奋。
- 成交量：绝对成交量。放量上涨是好事，放量下跌要小心。
- 融资余额变化：杠杆资金的进出。
- 北向资金净流入：外资的动向。
我记得有一次，某只股票连续三天涨停，换手率超过20%。很多人觉得还能追，但我一看情绪因子已经到极端值了，果断避开。结果第二天就跌停了。情绪因子，说白了就是物极必反。
4.2 因子标准化：让不同因子站在同一起跑线
因子计算出来后，你会发现它们的量纲完全不同。PE可能是几十，换手率可能是百分之几，收益率可能是小数。直接把这些因子放在一起用，量纲大的因子会主导结果。所以，我们需要标准化。
4.2.1 Z-score标准化
Z-score，就是把因子值减去均值，再除以标准差。公式很简单：
Z = (X - mean(X)) / std(X)标准化之后，因子值的均值为0，标准差为1。这样，不同因子之间就可以直接比较了。
我在项目中遇到过一个问题：如果因子值有极端异常值，Z-score会被严重拉偏。比如某只股票PE是1000，其他都是20左右，那Z-score算出来，这只股票会变成一个巨大的异常点。这时候，我建议先做缩尾处理，把极端值拉回到合理范围。
小技巧：缩尾处理一般用1%和99%分位数。把小于1%分位数的值设为1%分位数，大于99%分位数的值设为99%分位数。这样既保留了信息，又避免了极端值干扰。
4.2.2 Rank标准化
Rank标准化，就是把因子值转换成排名，然后除以总样本数，得到0到1之间的值。公式：
Rank = (因子排名) / (总样本数)Rank标准化的好处是：对异常值不敏感。不管因子值多大或多小，排名只取决于相对位置。我个人比较喜欢用Rank，尤其是在因子值分布不均匀的时候。
举个例子：某因子90%的股票值都在0到1之间，但10%的股票值在100以上。用Z-score，那10%的股票会严重扭曲结果。用Rank，大家各安其位，互不影响。
4.3 因子中性化处理：剔除干扰因素
因子中性化，说白了就是剔除一些你不想要的系统性影响。最常见的两个中性化对象是：市值和行业。
你想想看，小市值股票的换手率天然就比大市值股票高。如果你直接用换手率作为因子，那选出来的全是小市值股票。这不是因为换手率本身有效，而是因为市值的影响。所以，我们需要对市值做中性化处理。
具体做法：
- 把因子值作为因变量，市值（或行业虚拟变量）作为自变量，做线性回归。
- 取回归的残差作为中性化后的因子值。
公式：
Factor_raw = a + b * MarketCap + e
Factor_neutral = e这样，中性化后的因子值就剔除了市值的影响。行业中性化同理，用行业虚拟变量做回归即可。
重要提醒：中性化处理不是万能的。如果因子本身和市值高度相关，中性化后因子可能变得很弱。这时候，你需要思考：这个因子到底有没有独立于市值的预测能力？
4.4 因子正交化：消除因子间的共线性
因子正交化，是更高级的处理方式。当你有多个因子时，它们之间可能存在相关性。比如，动量因子和质量因子可能有一定正相关。如果不做处理，多因子模型会出现多重共线性问题，导致结果不稳定。
正交化的目标：让所有因子两两之间不相关。常用的方法是施密特正交化（Gram-Schmidt）或PCA主成分分析。
施密特正交化的思路很简单：
- 选一个因子作为基准，比如因子1。
- 把因子2中与因子1相关的部分剔除掉，剩下的就是正交化后的因子2。
- 以此类推，每个新因子都剔除与前面所有因子的相关性。
代码实现（伪代码）：
def orthogonalize(factors):
# factors: 因子矩阵，每列是一个因子
n = factors.shape[1]
ortho_factors = np.zeros_like(factors)
ortho_factors[:, 0] = factors[:, 0]
for i in range(1, n):
# 剔除与前面所有因子的相关性
residual = factors[:, i]
for j in range(i):
beta = np.dot(factors[:, i], ortho_factors[:, j]) / np.dot(ortho_factors[:, j], ortho_factors[:, j])
residual -= beta * ortho_factors[:, j]
ortho_factors[:, i] = residual
return ortho_factors我在项目中用过PCA做正交化。PCA的好处是能自动找到主成分，但缺点是主成分的解释性变差。我个人更倾向于施密特正交化，因为每个因子还能保留一定的经济含义。
避坑指南：我曾经在正交化时，把因子顺序搞反了。先正交化了质量因子，再正交化动量因子。结果发现动量因子的效果被严重削弱。后来我意识到，正交化的顺序会影响结果。一般建议把更重要的因子放在前面。
4.5 本章知识体系
下面这张图，展示了因子计算与处理的完整流程：
这张图展示了从原始数据到最终有效因子的完整链条。每一步都有其必要性，跳过任何一步，都可能导致策略效果大打折扣。
4.6 本章小结
因子计算与处理，是量化策略的基石。我见过太多人花90%的时间找因子，只花10%的时间做处理。结果呢？因子之间互相打架，回测曲线漂亮，实盘一塌糊涂。
我个人建议：花50%的时间找因子，花50%的时间做处理。标准化、中性化、正交化，每一步都值得认真对待。尤其是中性化，它能帮你剔除很多隐藏的干扰因素，让因子真正发挥独立预测能力。
嗯，这一章的内容就到这里。记住：好的因子是基础，好的处理是保障。两者缺一不可。
公众号:蓝海资料掘金营，微信deep3321