第4章单因子分析基础

4. 单因子分析基础：因子定义、因子计算、因子暴露、因子收益率

做量化投资的朋友，几乎每天都要跟因子打交道。但说实话，很多人对因子的理解还停留在「拿个指标排序分组」的阶段。我刚开始做回测时也踩过这个坑——因子定义不清晰，计算逻辑有漏洞，最后出来的结果自己都不敢信。

这一章，咱们就把单因子分析的四个核心环节掰开揉碎讲清楚。你想想看，如果连因子是什么、怎么算、暴露度怎么衡量、收益率怎么归因都搞不明白，后面的多因子模型、组合优化就更别谈了。

  核心要点： 单因子分析是因子投资体系的基石。因子定义决定研究方向，因子计算决定数据质量，因子暴露决定持仓权重，因子收益率决定策略表现。

4.1 因子定义：先把概念说清楚

因子，说白了就是能解释股票收益率差异的某种特征。比如市盈率、市净率、动量、波动率等等。但这里有个关键问题：同一个因子，不同人定义可能完全不同。

举个例子，「低波动因子」。有人用过去60日收益率的标准差，有人用过去252日的日收益率波动率，还有人用贝塔值来近似。我在项目中遇到过，同一个因子用不同口径算，IC值能差出一倍多。

所以，因子定义必须包含三个要素：

因子名称：清晰、无歧义，比如「BP因子」而不是「估值因子」
计算公式：明确每个变量的来源和计算方式
处理规则：缺失值怎么处理、极端值是否截尾、是否中性化

我的习惯： 每个因子都建一个「因子说明书」，把定义、计算步骤、处理规则全部写清楚。这样半年后回头看，自己还能看懂。

4.2 因子计算：从原始数据到因子值

因子计算是体力活，也是技术活。我见过太多人在这步翻车——数据没对齐、复权没处理好、行业分类用了不同版本……

标准的因子计算流程大致如下：

数据获取：行情数据、财务数据、另类数据
数据清洗：去重、对齐、处理缺失值
因子原始值计算：按公式算出每个股票每个时点的因子值
因子预处理：去极值、标准化、中性化
因子值存储：以面板数据格式存储，方便后续分析

这里我特别想强调一点：因子计算的时间点一定要跟交易时间对齐。比如你用财报数据算因子，必须考虑财报发布日期，而不是财报截止日。我曾经因为这个细节，回测结果跟实盘差了十万八千里。

# 一个简单的因子计算示例：BP因子（市净率倒数）
import pandas as pd
import numpy as np

def calc_bp_factor(market_cap, book_value):
    """
    计算BP因子
    market_cap: 总市值（万元）
    book_value: 净资产（万元）
    """
    # 避免除零
    bp = np.where(market_cap > 0, book_value / market_cap, np.nan)
    return bp

# 去极值处理（MAD方法）
def winsorize_mad(factor, n=5):
    median = np.nanmedian(factor)
    mad = np.nanmedian(np.abs(factor - median))
    upper = median + n * mad
    lower = median - n * mad
    return np.clip(factor, lower, upper)

# 标准化
def standardize(factor):
    return (factor - np.nanmean(factor)) / np.nanstd(factor)

注意： 因子计算时，一定要区分「截面标准化」和「时间序列标准化」。截面标准化是每个时点对所有股票做处理，时间序列标准化是对单只股票的历史值做处理。两者用途完全不同，千万别搞混。

4.3 因子暴露：你的组合到底暴露了多少因子？

因子暴露，简单说就是「某个股票在某个因子上的得分」。比如某只股票的BP因子暴露是0.8，意味着它的估值水平比市场平均低20%（标准化后的含义）。

但这里有个容易混淆的点：因子暴露可以是原始值，也可以是标准化后的值。我个人习惯用标准化后的Z-score，因为这样不同因子之间可以直接比较。

因子暴露的计算其实很简单：

# 计算因子暴露（标准化后的值）
def calc_factor_exposure(factor_raw):
    # 去极值
    factor_clean = winsorize_mad(factor_raw)
    # 标准化
    factor_exposure = standardize(factor_clean)
    return factor_exposure

嗯，这里要注意：因子暴露不是一成不变的。随着时间推移，股票的因子暴露会发生变化。所以我们在做回测时，通常每个月（或每季度）重新计算一次因子暴露。

  实战经验： 因子暴露的稳定性很重要。如果一个因子的暴露度每个月都剧烈波动，那这个因子的可投资性就很差。我一般会看因子暴露的月相关系数，低于0.6的因子基本不会用。

4.4 因子收益率：到底赚了多少钱？

因子收益率，是衡量因子策略赚钱能力的核心指标。计算方式有很多种，最常用的是分组收益法和回归法。

分组收益法：把股票按因子暴露从高到低分成N组（通常是5组或10组），然后计算每组下一期的收益率。最高组减最低组的收益差，就是因子收益率。

回归法：用截面回归，把股票收益率对因子暴露做回归，回归系数就是因子收益率。这种方法更精确，但计算量也更大。

# 分组收益法计算因子收益率
def calc_factor_return(factor_exposure, stock_returns, n_groups=5):
    """
    factor_exposure: 当期因子暴露
    stock_returns: 下期股票收益率
    """
    # 按因子暴露分组
    groups = pd.qcut(factor_exposure, n_groups, labels=False)
    
    # 计算每组平均收益率
    group_returns = []
    for i in range(n_groups):
        mask = (groups == i)
        group_returns.append(stock_returns[mask].mean())
    
    # 因子收益率 = 最高组 - 最低组
    factor_return = group_returns[-1] - group_returns[0]
    return factor_return, group_returns

避坑指南： 我曾经用分组法算因子收益率，结果发现最高组和最低组的股票数量严重不均。后来才意识到，是因为因子暴露分布不均匀，用分位数分组时有些组股票太少。解决办法是用等权重分组，或者用十分位数。

4.5 知识体系总览

说了这么多，咱们用一张图把单因子分析的逻辑串起来：

4.6 几个容易踩的坑

最后，分享几个我亲身踩过的坑，希望能帮你省点时间：

幸存者偏差：回测时只用了现在还存活的股票，退市的股票没包含。结果因子收益率虚高。解决办法是用全样本，包括已退市的。
前视偏差：用到了未来数据。比如用季报数据时，没考虑财报发布日期。我建议所有因子计算都做严格的「时间戳对齐」。
多重比较偏差：同时测试几百个因子，总有几个看起来显著。这其实是统计上的假阳性。解决方法是用Bonferroni校正，或者做样本外测试。

重要提醒： 单因子分析只是第一步。一个因子在历史上表现好，不代表未来也能赚钱。因子失效、因子拥挤、市场风格切换，都是我们需要持续关注的问题。

好了，单因子分析的基础框架就讲到这里。记住这四个环节：定义、计算、暴露、收益率。每一步都扎实了，后面的多因子模型才能站得住脚。

📚 课程目录

4. 单因子分析基础：因子定义、因子计算、因子暴露、因子收益率

4.1 因子定义：先把概念说清楚

4.2 因子计算：从原始数据到因子值

4.3 因子暴露：你的组合到底暴露了多少因子？

4.4 因子收益率：到底赚了多少钱？

4.5 知识体系总览

4.6 几个容易踩的坑