1. 图因子基础：图论基础回顾、图在金融中的应用、图因子定义与分类

各位同学好，我是老张。今天咱们开始聊图因子在量化回测中的验证。说实话，这个课题我琢磨了挺久，因为图因子这东西，听着高大上，但真正落地的时候坑不少。我最早接触图因子是在2019年做行业轮动策略的时候，当时被一个简单的“中心度因子”坑得差点怀疑人生——嗯，后来才发现是数据预处理出了问题。

咱们先打好基础。这一章主要讲三块：图论里跟量化最相关的几个概念、图在金融里到底能干啥、以及图因子到底是个什么东西。别急，慢慢来。

1.1 图论基础回顾：量化人该知道的那些概念

图论说白了就是研究“节点”和“边”的学问。节点可以是你、我、某只股票；边就是咱们之间的关系。在量化里，节点通常是股票、行业、或者某个因子，边就是它们之间的相关性、资金流向、或者供应链关系。

我个人习惯把图分成两类：

• 无向图：边没有方向。比如两只股票的相关系数，A和B相关，B和A也相关，没区别。
• 有向图：边有方向。比如资金从A流向B，那就不能反过来。

还有一个概念特别重要——邻接矩阵。说白了就是一个表格，行和列都是节点，格子里的数字表示它们之间有没有边、有多强的边。我建议你把这个矩阵想象成Excel里的相关性矩阵，只不过图论里叫它邻接矩阵。

下面这张图展示了图因子研究的核心流程，我画了个框架图，你一看就明白：

1.2 图在金融中的应用：不只是画个网络图

你可能会问：图在金融里到底能干啥？我简单列几个实际场景：

1. 行业关联分析：用图来表示行业之间的上下游关系。比如钢铁涨了，汽车板块会不会跟着动？这就是图的应用。
2. 资金流向追踪：大单资金从哪个板块流出、流入哪个板块，画成有向图一目了然。
3. 风险传导：2008年金融危机就是典型的图传播——雷曼兄弟倒了，通过关联边传导到整个金融系统。
4. 因子组合优化：把因子当成节点，因子之间的相关性当成边，用图算法找最优组合。

1.3 图因子定义与分类：到底什么是图因子？

图因子，说白了就是从图结构中提取出来的、能用于预测股票收益的数值特征。它不是某个具体的指标，而是一类方法的统称。

我习惯把图因子分成三大类：

分类	定义	典型例子	我的评价
结构型图因子	基于图的拓扑结构计算	度中心度、介数中心度、PageRank	最常用，但容易过拟合
关系型图因子	基于节点间的关系强度	平均邻居收益率、边权重聚合	信息量大，但计算复杂
动态图因子	考虑图随时间的变化	图结构熵变、社区稳定性	前沿方向，回测难度大

举个例子你就明白了。假设我们构建了一个股票关联图，节点是股票，边是它们过去60天的相关系数。那么：

• 度中心度：某只股票跟多少只股票高度相关。如果它跟100只股票都相关，那它可能就是系统重要性股票。
• 平均邻居收益率：跟这只股票相关的其他股票的平均收益率。如果它的“朋友们”都在涨，它大概率也会涨。
• 图结构熵变：今天这个图的结构跟昨天比变化了多少。如果变化很大，说明市场在发生结构性转变。

说到代码实现，我习惯用NetworkX这个库来构建图。下面是一个简单的示例：

import networkx as nx
import pandas as pd
import numpy as np

# 假设我们有一个收益率矩阵，行是股票，列是时间
returns = pd.DataFrame(np.random.randn(100, 252), 
                       index=[f'stock_{i}' for i in range(100)])

# 计算相关系数矩阵
corr_matrix = returns.T.corr()

# 构建图：只保留相关系数绝对值大于0.3的边
G = nx.Graph()
threshold = 0.3

for i in range(len(corr_matrix)):
    for j in range(i+1, len(corr_matrix)):
        if abs(corr_matrix.iloc[i, j]) > threshold:
            G.add_edge(corr_matrix.index[i], 
                      corr_matrix.columns[j],
                      weight=corr_matrix.iloc[i, j])

# 计算度中心度
degree_centrality = nx.degree_centrality(G)
# 计算PageRank
pagerank = nx.pagerank(G)

print(f"图中有 {G.number_of_nodes()} 个节点, {G.number_of_edges()} 条边")
print(f"度中心度最高的5只股票: {sorted(degree_centrality.items(), key=lambda x: x[1], reverse=True)[:5]}")

这段代码看着简单，但实际用的时候有几个坑：

• 相关系数矩阵的计算窗口期怎么选？我试过20天、60天、120天，最后发现60天在A股效果相对稳定。
• 阈值设多少？0.3还是0.5？这个得根据你的数据分布来调，没有标准答案。
• 图是静态的还是动态的？如果每天重新构建图，计算量会很大，但信息更新更及时。

好了，这一章的内容就到这儿。图因子的基础概念其实不难，难的是怎么把它用到回测里不出错。下一章咱们会深入讲图因子的计算细节，包括各种中心度指标的数学原理和代码实现。记住我今天说的：先搞清楚节点和边是什么，再谈因子计算。