第一章：因子构建与标准化

各位同学好，我是老张。今天咱们聊聊因子构建与标准化。说实话，这是整个宏观因子交易系统里最基础、也最容易踩坑的环节。我见过太多人因子算对了，但标准化没做好，结果回测曲线漂亮得不行，实盘一跑就崩。嗯，咱们今天就把这块彻底讲透。

1.1 因子计算逻辑

先说说因子是什么。说白了，因子就是能解释资产收益的某种特征。比如GDP增速、CPI变化、利率曲线斜率，这些都是宏观因子。但光有原始数据不行，你得把它变成可交易的信号。

我个人习惯把因子计算分成三步：

1. 数据清洗：去掉缺失值、处理重复数据
2. 差分/对数处理：让数据平稳
3. 方向判断：确定因子是正向还是反向影响

举个例子，假设我们要构建一个“通胀动量因子”：

# 伪代码示例
def calculate_inflation_momentum(cpi_series, lookback=12):
    # 计算12个月滚动变化
    momentum = cpi_series.pct_change(periods=lookback)
    # 去趋势处理
    momentum = momentum - momentum.rolling(60).mean()
    return momentum

这里有个坑：滚动窗口的选择。我记得刚开始做的时候，直接用全样本均值去中心化，结果回测时因子值一直在漂移。后来才明白，必须用滚动窗口，不然就是未来函数。

1.2 Z-score标准化

因子算出来了，但不同因子的量纲不一样。比如GDP增速可能是2.5%，而利率变化可能是0.1%。直接比较没意义，必须标准化。

Z-score是最常用的方法：

但这里有个细节：用哪个窗口的均值和标准差？

我建议用滚动窗口。比如用过去252个交易日（约1年）的均值和标准差。为什么？因为市场环境在变，5年前的均值对今天没意义。

def zscore_rolling(series, window=252):
    rolling_mean = series.rolling(window).mean()
    rolling_std = series.rolling(window).std()
    zscore = (series - rolling_mean) / rolling_std
    return zscore

1.3 滚动窗口处理

滚动窗口是标准化里的核心。你想想看，如果不用滚动窗口，直接用全样本均值，那每个时间点的因子值都包含了未来的信息。这在回测里是致命的。

常见的窗口选择：

窗口长度	适用场景	我的经验
20天（1个月）	高频因子、短期动量	噪声太大，慎用
60天（3个月）	中期反转因子	比较均衡，我常用
252天（1年）	宏观因子、趋势跟踪	稳定，但反应慢
504天（2年）	长期均值回归	适合债券因子

我曾经犯过一个错误：用20天窗口做利率因子的标准化。结果因子值上蹿下跳，交易信号频繁反转，手续费都亏光了。后来改成60天窗口，信号稳定多了。

1.4 异常值处理

异常值是个大问题。宏观数据经常有突发事件，比如2008年雷曼倒闭、2020年疫情。这些极端值会把Z-score拉偏，导致大部分时间因子值都在0附近，失去区分度。

我常用的方法有三种：

1. MAD法（中位数绝对偏差）：比标准差更稳健
2. 分位数截断：比如把超过99%分位数的值截断
3. Winsorize：把极端值替换为边界值

def winsorize_series(series, limits=[0.01, 0.99]):
    lower = series.quantile(limits[0])
    upper = series.quantile(limits[1])
    return series.clip(lower, upper)

这里有个实战经验：异常值处理要在标准化之前做。先截断极端值，再算Z-score，这样标准化后的因子值不会因为几个极端点而失真。

知识体系总览

下面这张图是我自己画的，把因子构建与标准化的核心逻辑串起来了：

这张图把整个流程串起来了。从原始数据开始，经过因子计算、异常值处理、滚动窗口标准化，最后输出标准化的因子信号。每一步都有坑，每一步都要小心。

好了，这一章就到这里。因子构建和标准化是基本功，看似简单，但细节决定成败。我见过太多人在这上面栽跟头，希望你们能少走弯路。

---