因子定义与分类：从概念到实战
做量化投资这些年，我经常被问到同一个问题：「因子到底是什么？」
说实话，刚入行那会儿我也挺困惑的。书上说因子是「能够解释资产收益的某种特征」，听着挺玄乎。后来在实盘里摸爬滚打，我才真正理解——因子就是一把尺子，用来衡量股票为什么涨、为什么跌。
一、什么是因子？
咱们用大白话说。因子就是某个能影响股价的「特征」或「信号」。
举个例子。你想想看，为什么茅台比ST股贵那么多？因为茅台赚钱能力强、品牌好、业绩稳定。这些「赚钱能力强」「品牌好」就是因子。只不过在量化里，我们得把它们变成数字。
因子的本质：一个可量化的、能解释或预测资产收益的变量。
比如：市盈率（PE）、过去一个月的涨幅、成交量变化率……这些都是因子。
我个人习惯把因子理解成「选股的角度」。你从哪个角度挑股票？是看便宜不便宜（估值因子），还是看涨得快不快（动量因子），还是看公司有没有爆雷风险（质量因子）？每个角度就是一个因子。
我记得刚做第一个回测系统时，只用了市盈率一个因子。结果呢？回测曲线漂亮得不行，一上实盘就崩。后来才明白——单因子就像一条腿走路，不稳。真正赚钱的策略，往往是多个因子组合的结果。
二、因子的三大分类
因子怎么分类？业内没有统一标准。但我习惯分成三类：基本面因子、技术面因子、另类数据因子。这三类基本覆盖了市面上90%以上的因子。
下面这张图是我自己整理的因子分类框架，你看一眼就明白了：
三、基本面因子
基本面因子，说白了就是看公司「底子」好不好。这类因子来自财务报表、经营数据。
常见的几类：
- 估值因子：市盈率（PE）、市净率（PB）、市销率（PS）。便宜是硬道理，但便宜也可能有陷阱。
- 成长因子：营收增速、净利润增速、EPS增长率。买股票就是买未来，成长因子就是看未来。
- 质量因子：ROE、毛利率、资产负债率。公司赚不赚钱、稳不稳，就看这些。
- 分红因子：股息率。适合追求稳定现金流的策略。
我的经验：基本面因子最大的问题是「滞后性」。财报一个季度才出一次，等你看到数据，股价可能已经反映完了。所以做短线的话，基本面因子要配合其他因子一起用。
举个例子。我做过一个回测，只用PE因子选股——选市盈率最低的10%股票。结果呢？回测年化收益12%，但最大回撤超过40%。为什么？因为便宜的不一定是好货，可能是「价值陷阱」。后来我加了ROE和营收增速两个因子，回撤立马降到25%以下。
四、技术面因子
技术面因子，就是看「市场行为」本身。价格、成交量、波动率……这些数据每天都在变，反应也更快。
常见的几类：
- 动量因子：过去N日收益率、过去N日相对强弱（RSI）。强者恒强，弱者恒弱——这是动量因子的核心逻辑。
- 反转因子：短期超跌反弹、均值回归。涨多了会跌，跌多了会涨。
- 波动因子：ATR（平均真实波幅）、历史波动率。波动大的股票，潜在收益高，风险也大。
- 量价因子：成交量变化率、换手率、量价背离。量在价先，成交量是市场的「温度计」。
注意：技术面因子容易过拟合。我曾经在回测里加了一个「过去3天涨幅+过去5天成交量」的复合因子，回测曲线漂亮得不像话。结果实盘一跑，直接亏了两个月。后来复盘发现，那个因子纯粹是数据挖掘出来的「假规律」。
技术面因子最大的优势是「高频」。你可以每天、甚至每分钟计算一次。对于短线策略来说，技术面因子是主力。
五、另类数据因子
另类数据，就是传统财报和行情数据之外的「非主流」数据。这几年越来越火。
常见的几类：
- 舆情因子：新闻情感分析、社交媒体热度、研报推荐力度。市场情绪往往领先于价格。
- 供应链因子：上下游企业的订单数据、物流数据。比如苹果的供应商股价，往往跟着苹果的订单走。
- 卫星图像数据：停车场车流量、农田面积、港口集装箱数量。这些数据能提前反映经济活动。
- 支付数据：信用卡消费、电商交易额。直接反映消费景气度。
我记得有个项目，我们用爬虫抓了某电商平台的评论数据，做了个「好评率变化因子」。结果发现，好评率下降的股票，未来两周平均跑输大盘3%。这个因子在传统数据里根本看不到。
另类数据的难点：
- 数据获取成本高（很多需要购买）
- 数据清洗难度大（非结构化数据多）
- 时效性要求高（今天的数据明天可能就失效）
六、常见因子举例（代码实现）
光说不练假把式。咱们用Python实现几个常见因子的计算。这里以A股日频数据为例。
import pandas as pd
import numpy as np
# 假设我们有一个DataFrame，包含股票日频数据
# 列名：'date', 'stock_id', 'close', 'volume', 'pe', 'roe'
def calc_momentum_factor(df, n=20):
"""
计算动量因子：过去N日收益率
"""
df = df.sort_values(['stock_id', 'date'])
df['momentum'] = df.groupby('stock_id')['close'].pct_change(n)
return df
def calc_volume_ratio(df, n=5):
"""
计算量比因子：过去N日平均成交量 / 过去60日平均成交量
"""
df = df.sort_values(['stock_id', 'date'])
df['avg_vol_5'] = df.groupby('stock_id')['volume'].rolling(n).mean().values
df['avg_vol_60'] = df.groupby('stock_id')['volume'].rolling(60).mean().values
df['volume_ratio'] = df['avg_vol_5'] / df['avg_vol_60']
return df
def calc_quality_factor(df):
"""
计算质量因子：ROE标准化后的Z-score
"""
df['roe_zscore'] = df.groupby('date')['roe'].transform(
lambda x: (x - x.mean()) / x.std()
)
return df
# 使用示例
# df = pd.read_csv('stock_data.csv')
# df = calc_momentum_factor(df, n=20)
# df = calc_volume_ratio(df, n=5)
# df = calc_quality_factor(df)
# print(df[['date', 'stock_id', 'momentum', 'volume_ratio', 'roe_zscore']].head())
小技巧：计算因子时，一定要做「去极值」和「标准化」处理。否则极端值会严重扭曲因子效果。我一般用MAD（中位数绝对偏差）去极值，然后用Z-score标准化。
七、因子的核心属性
一个因子好不好，不是看它名字多好听。我一般从三个维度评估：
| 属性 | 含义 | 怎么判断 |
|---|---|---|
| 有效性 | 因子能否预测收益 | 看IC（信息系数）、IR（信息比率） |
| 稳定性 | 因子效果是否随时间衰减 | 看分年IC、滚动IC的波动率 |
| 独立性 | 因子与其他因子的相关性 | 做相关性矩阵，避免多重共线性 |
嗯，这里要注意。很多新手一上来就搞几十个因子，觉得越多越好。其实不是。因子多了，反而容易「过拟合」和「多重共线性」。我个人的习惯是：先精挑5-8个核心因子，跑通了再加。
八、写在最后
因子是量化投资的「砖块」。你搭得好，能盖出摩天大楼；搭得不好，就是一堆废料。
这一章我们讲了因子的定义、三大分类、常见例子，还手写了几行代码。下一章我们会深入因子回测的框架搭建——怎么把因子变成可执行的策略。
记住一句话：因子没有绝对的好坏，只有适合不适合你的策略。多试、多测、多复盘，慢慢你就会有感觉。
公众号:蓝海资料掘金营，微信deep3321