4. 因子计算与处理：从原始数据到有效信号

因子计算与处理，说白了就是把原始行情数据变成能指导交易的信号。这一步做不好，后面回测再漂亮也是白搭。我见过太多人在这上面栽跟头——因子算出来回测曲线完美，一上实盘就崩。嗯，咱们今天就把这块彻底讲透。

4.1 因子定义与计算

因子定义是第一步，也是最容易被忽视的一步。我个人习惯把因子分成三类：

• 动量因子：过去N天的收益率、乖离率等
• 基本面因子：PE、PB、ROE等财务指标
• 量价因子：换手率、波动率、资金流等

举个例子，一个简单的动量因子计算：

def calc_momentum_factor(df, window=20):
    """
    计算动量因子：过去window天的累计收益率
    """
    df['momentum'] = df['close'].pct_change(window)
    return df

我在项目中遇到过一个问题：直接用pct_change算出来的因子，在停牌股票上会出bug。所以实际使用时，我会先做复权处理，再剔除停牌日的数据。

4.2 因子标准化

标准化是为了让不同量纲的因子可以放在一起比较。常用的有两种方法：

4.2.1 Z-score标准化

Z-score是最常用的方法，公式很简单：

def zscore_standardize(factor_series):
    """
    Z-score标准化
    """
    mean = factor_series.mean()
    std = factor_series.std()
    return (factor_series - mean) / std

但要注意，Z-score假设数据服从正态分布。实际中很多因子是偏态的，比如换手率因子。这时候用Z-score效果就不好。我建议先做对数变换，再标准化。

4.2.2 分位数标准化

分位数标准化对异常值更鲁棒。说白了就是把数据映射到0到1之间：

def quantile_standardize(factor_series, n_quantiles=5):
    """
    分位数标准化：将因子分为n个等级
    """
    return pd.qcut(factor_series, n_quantiles, labels=False)

4.3 因子中性化

因子中性化是为了剔除市场风格的影响。你想想看，如果某个因子在市值大的股票上表现好，那到底是因子有效，还是市值风格在起作用？

4.3.1 市值中性化

做法很简单：对因子做回归，剔除市值的影响。

def market_cap_neutralize(factor, market_cap):
    """
    市值中性化：回归残差作为中性化后的因子
    """
    from sklearn.linear_model import LinearRegression
    model = LinearRegression()
    model.fit(market_cap.values.reshape(-1, 1), factor.values)
    residual = factor.values - model.predict(market_cap.values.reshape(-1, 1))
    return residual

4.3.2 行业中性化

行业中性化更直接：在每个行业内做标准化。这样不同行业的股票之间就可以直接比较了。

def industry_neutralize(factor, industry_labels):
    """
    行业中性化：每个行业内做Z-score
    """
    neutralized = factor.groupby(industry_labels).transform(
        lambda x: (x - x.mean()) / x.std()
    )
    return neutralized

4.4 因子IC/IR分析

因子有效性怎么衡量？IC和IR是核心指标。

指标	含义	计算方式	经验阈值
IC	因子值与未来收益的相关性	Spearman秩相关系数	|IC| > 0.02 算有效
IR	IC的稳定性	IC均值 / IC标准差	IR > 0.5 算稳定

def calc_ic_ir(factor_series, future_return_series):
    """
    计算IC和IR
    """
    ic = factor_series.corr(future_return_series, method='spearman')
    # 滚动计算IC序列
    ic_series = factor_series.rolling(20).corr(future_return_series, method='spearman')
    ir = ic_series.mean() / ic_series.std()
    return ic, ir

我记得有一次，一个因子IC值高达0.08，但IR只有0.2。这说明因子时灵时不灵，不稳定。这种因子我一般不会用在实盘里。

4.5 因子共线性处理

共线性是因子处理的大坑。多个因子高度相关，会导致模型不稳定，回测和实盘表现差异巨大。

4.5.1 如何检测共线性

最常用的是VIF（方差膨胀因子）：

def calc_vif(factor_matrix):
    """
    计算每个因子的VIF值
    VIF > 10 表示存在严重共线性
    """
    from statsmodels.stats.outliers_influence import variance_inflation_factor
    vif_data = pd.DataFrame()
    vif_data['factor'] = factor_matrix.columns
    vif_data['VIF'] = [variance_inflation_factor(factor_matrix.values, i) 
                       for i in range(factor_matrix.shape[1])]
    return vif_data

4.5.2 如何处理共线性

我常用的方法有三种：

• 删除法：保留IC最高的因子，删除其他相关因子
• PCA降维：把相关因子合成主成分
• 正则化：用Lasso回归自动筛选因子

知识体系总览

下面这张图展示了因子处理的全流程，我建议你保存下来，做策略时对照着看：

因子处理这块，说白了就是「去伪存真」的过程。把噪音去掉，把真实信号留下来。我做了这么多年量化，最大的体会就是：因子处理比因子挖掘更重要。一个处理得当的普通因子，往往比一个处理粗糙的「神奇因子」更靠谱。