第3章基础因子构建

第三章：基础因子构建——估值、规模、动量与波动率

各位同学，欢迎来到实战环节。前两章我们聊了量化投资的底层逻辑和数据准备，今天终于要动手了——构建最基础的四大类因子。

说实话，很多新手一上来就追求复杂的机器学习模型，结果往往不如人意。我个人习惯是：先把基础因子做扎实，再谈高阶模型。你想想看，地基不稳，房子再漂亮也是危楼。

3.1 估值因子：PE / PB / PS

估值因子，说白了就是判断股票「贵不贵」的指标。我刚开始做量化时，以为PE越低越好，结果踩了不少坑。

3.1.1 市盈率（PE）

PE = 股价 / 每股收益。这个指标最常用，但要注意：

静态PE：用去年年报的EPS，数据滞后
滚动PE（TTM）：用最近四个季度的EPS，更及时
动态PE：用预测的EPS，有主观性

避坑指南：我曾经在回测中直接用静态PE，结果发现每年4月年报披露后，因子值突然跳变，导致策略信号紊乱。后来我改用TTM口径，问题就解决了。

3.1.2 市净率（PB）

PB = 股价 / 每股净资产。这个指标对金融、周期行业特别有效。为什么？因为这些行业的资产容易估值，净资产比较靠谱。

但要注意，PB为负的公司要剔除——净资产为负，说明公司已经资不抵债了，这种股票再便宜也别碰。

3.1.3 市销率（PS）

PS = 股价 / 每股销售收入。这个指标适合：

互联网公司（还没盈利，PE无效）
零售企业（收入稳定，利润波动大）
高成长行业（利润被研发费用侵蚀）

代码实现其实很简单，我们来看一下：

import pandas as pd
import numpy as np

def calc_valuation_factors(df):
    """
    df: 包含 price, eps, bvps, sps 的DataFrame
    返回：PE, PB, PS 因子
    """
    # 剔除异常值
    df = df[df['eps'] > 0]  # 负PE的公司剔除
    
    df['PE_TTM'] = df['close'] / df['eps_ttm']
    df['PB'] = df['close'] / df['bvps']
    df['PS'] = df['close'] / df['sps']
    
    # 去极值处理（我习惯用MAD方法）
    for factor in ['PE_TTM', 'PB', 'PS']:
        median = df[factor].median()
        mad = (df[factor] - median).abs().median()
        upper = median + 5 * mad
        lower = median - 5 * mad
        df[factor] = df[factor].clip(lower, upper)
    
    return df[['PE_TTM', 'PB', 'PS']]

小技巧：去极值时，我推荐用MAD（中位数绝对偏差）而不是标准差。因为因子值往往有厚尾分布，标准差会被极端值拉偏，MAD更稳健。

3.2 规模因子：市值与流通市值

规模因子是量化投资中最经典的因子之一。Fama-French三因子模型里就有它。说白了就是：小盘股长期跑赢大盘股。

但这里有个细节：用总市值还是流通市值？

类型	定义	适用场景
总市值	股价 × 总股本	学术研究、全市场选股
流通市值	股价 × 流通股本	A股实战（考虑限售股）

我个人建议：在A股市场，优先用流通市值。为什么？因为A股有很多限售股，它们短期内不会在市场上交易，用总市值会高估实际可交易的规模。

嗯，这里要注意：流通市值因子需要取对数，因为市值分布是右偏的。取完对数后，因子值更接近正态分布，模型效果更好。

def calc_size_factors(df):
    """
    计算规模因子
    """
    df['log_mkt_cap'] = np.log(df['total_market_cap'])
    df['log_float_cap'] = np.log(df['float_market_cap'])
    
    # 标准化处理
    for factor in ['log_mkt_cap', 'log_float_cap']:
        df[factor] = (df[factor] - df[factor].mean()) / df[factor].std()
    
    return df[['log_mkt_cap', 'log_float_cap']]

3.3 动量因子：过去N日收益

动量因子，就是「强者恒强，弱者恒弱」。我见过很多策略，核心逻辑就是买过去涨得好的股票，卖过去跌得惨的股票。

但动量因子有个大坑：反转效应。短期动量（比如1个月）和长期动量（比如12个月）效果不错，但中期（3-6个月）往往会出现反转。

为什么会这样？行为金融学解释是：投资者对信息的反应不足（短期动量），然后过度反应（中期反转），最后慢慢修正（长期动量）。

代码实现：

def calc_momentum_factors(df, price_col='close'):
    """
    计算不同周期的动量因子
    """
    # 过去5日收益（短期）
    df['mom_5d'] = df[price_col].pct_change(5)
    
    # 过去20日收益（约1个月）
    df['mom_20d'] = df[price_col].pct_change(20)
    
    # 过去60日收益（约3个月）
    df['mom_60d'] = df[price_col].pct_change(60)
    
    # 过去120日收益（约6个月）
    df['mom_120d'] = df[price_col].pct_change(120)
    
    # 过去250日收益（约1年）
    df['mom_250d'] = df[price_col].pct_change(250)
    
    return df[[col for col in df.columns if col.startswith('mom_')]]

避坑指南：我曾经在回测中用了过去20日的动量因子，结果发现每个月末调仓时，因子值刚好处于反转期，策略收益惨淡。后来我改用过去60日动量，效果就好多了。所以，一定要做参数敏感性分析，别死守一个周期。

3.4 波动率因子

波动率因子，衡量的是股票价格的不确定性。低波动率股票往往能跑赢高波动率股票——这就是著名的「低波动异象」。

计算波动率的方法有很多，我常用的是：

历史波动率：过去N日收益率的标准差
已实现波动率：日内高频数据的波动
GARCH模型：考虑波动率聚集效应

在实战中，历史波动率就够用了。但要注意：波动率有聚集效应——高波动之后往往跟着高波动，低波动之后跟着低波动。所以，直接用原始波动率做因子，会有自相关的问题。

我的处理方法是：对波动率取对数，然后做差分，得到波动率的变化量。这样既能捕捉波动率的变化趋势，又能消除自相关。

def calc_volatility_factors(df, price_col='close'):
    """
    计算波动率因子
    """
    # 日收益率
    df['daily_ret'] = df[price_col].pct_change()
    
    # 过去20日波动率（月波动率）
    df['vol_20d'] = df['daily_ret'].rolling(20).std() * np.sqrt(252)
    
    # 过去60日波动率（季波动率）
    df['vol_60d'] = df['daily_ret'].rolling(60).std() * np.sqrt(252)
    
    # 波动率变化量
    df['vol_change'] = np.log(df['vol_20d']) - np.log(df['vol_60d'].shift(20))
    
    return df[['vol_20d', 'vol_60d', 'vol_change']]

小技巧：年化波动率 = 日波动率 × √252。这个252是A股的年化交易日数，美股用252，港股用247。别搞混了。

3.5 知识体系总览

说了这么多，我们来画一张图，把今天的内容串起来：

这张图把今天讲的四大因子串起来了。你会发现，每个因子都有自己独特的逻辑和坑。做量化投资，不是堆砌因子，而是理解每个因子背后的经济学含义。

好了，今天的实战内容就到这里。记住：基础因子是量化投资的基石，花时间把它们做扎实，后面的机器学习模型才能发挥真正的威力。

📚 课程目录

第三章：基础因子构建——估值、规模、动量与波动率

3.1 估值因子：PE / PB / PS

3.1.1 市盈率（PE）

3.1.2 市净率（PB）

3.1.3 市销率（PS）

3.2 规模因子：市值与流通市值

3.3 动量因子：过去N日收益

3.4 波动率因子

3.5 知识体系总览