3. 单因子分析基础：因子值计算、因子分组回测、多空组合收益与IC/IR分析

各位同学，欢迎来到《量化选股因子实战应用》的第一章。今天咱们聊点实在的——单因子分析。说白了，就是检验你手里这个因子到底有没有用。

我刚开始做量化那会儿，也犯过傻。拿到一个因子，觉得逻辑挺漂亮，直接扔进模型里跑。结果呢？回测曲线惨不忍睹。后来我才明白，因子分析不是拍脑袋，而是有一套标准流程的。今天我就把这套流程拆开揉碎了讲给你听。

3.1 因子值计算——别让数据坑了你

因子值计算，听起来简单吧？把公式套进去就行。但这里有个坑——数据预处理。我见过太多人直接拿原始数据算因子，结果跑出来的IC值忽高忽低，根本没法用。

举个例子，你算一个“市盈率倒数”因子。原始数据里可能有极端值，比如某只股票市盈率1000倍，或者负值。这些异常值会严重扭曲分组结果。所以第一步，去极值。

第二步，标准化。把因子值映射到0-1或者Z-score。我一般用Z-score，因为后续做IC分析时，标准化后的因子更容易解释。

import pandas as pd
import numpy as np

def factor_preprocess(factor_series):
    # 去极值：MAD方法
    median = factor_series.median()
    mad = np.abs(factor_series - median).median()
    upper = median + 5 * mad
    lower = median - 5 * mad
    factor_clipped = factor_series.clip(lower, upper)
    
    # 标准化：Z-score
    factor_z = (factor_clipped - factor_clipped.mean()) / factor_clipped.std()
    return factor_z

嗯，这里要注意：中性化处理也很关键。比如市值因子和很多因子都相关，你不做市值中性化，分组回测时可能把市值效应误认为是因子效应。我一般用回归取残差的方式做中性化。

3.2 分组回测——5组还是10组？

分组回测，说白了就是把股票按因子值从高到低排序，分成N组，然后看每组未来的收益表现。如果高分组收益显著高于低分组，说明因子有区分度。

我个人习惯先做5组，快速验证因子方向。如果5组有单调性，再细化到10组看细节。为什么？因为5组样本量大，统计更稳定。10组虽然精细，但每组股票数量少，容易受个别股票影响。

分组数	优点	缺点	适用场景
5组	统计稳定，不易受噪声干扰	区分度较粗	初步筛选因子
10组	细节丰富，能看到边际效应	每组样本少，波动大	精细调参、因子增强

我曾经在做一个动量因子时，5组结果很漂亮，单调性完美。但细化到10组后，发现第8组和第9组收益倒挂了。后来一查，是某只妖股在作怪。所以你看，分组回测不是走形式，而是帮你发现问题的。

def group_backtest(factor_df, return_df, n_groups=5):
    """
    factor_df: 因子值，index为日期，columns为股票
    return_df: 下期收益，index为日期，columns为股票
    """
    results = {}
    for date in factor_df.index:
        # 按因子值排序分组
        factors = factor_df.loc[date].dropna()
        groups = pd.qcut(factors, n_groups, labels=False)
        
        # 计算每组等权收益
        group_returns = {}
        for g in range(n_groups):
            stocks = factors[groups == g].index
            group_returns[g] = return_df.loc[date, stocks].mean()
        
        results[date] = group_returns
    
    return pd.DataFrame(results).T

3.3 多空组合收益——真正的alpha来源

多空组合，就是做多高分组、做空低分组。这个指标能直接告诉你：剔除市场整体涨跌后，因子能赚多少钱。

你想想看，如果高分组涨了10%，但市场整体涨了15%，那因子其实是负贡献。多空组合收益把市场风险对冲掉了，剩下的才是因子真正的alpha。

计算方式很简单：

# 假设group_returns是分组收益DataFrame
long_short_ret = group_returns.iloc[:, -1] - group_returns.iloc[:, 0]
cumulative_ret = (1 + long_short_ret).cumprod()

# 年化收益率
annual_ret = cumulative_ret.iloc[-1] ** (252 / len(cumulative_ret)) - 1
# 年化波动率
annual_vol = long_short_ret.std() * np.sqrt(252)
# 夏普比率
sharpe = annual_ret / annual_vol

我一般要求多空组合的年化夏普比率至少大于1，才考虑把这个因子纳入模型。低于0.5的因子，说实话，噪声成分太大。

3.4 IC/IR分析——因子的“体检报告”

IC（信息系数）衡量的是因子值与未来收益的相关性。IR（信息比率）则是IC的均值除以标准差，衡量因子的稳定性。

说白了，IC告诉你因子准不准，IR告诉你因子稳不稳。一个因子IC很高但IR很低，说明它时灵时不灵，你敢用吗？

我常用的IC有两种：

• Pearson IC：因子值与收益的线性相关系数。对异常值敏感。
• Rank IC：因子值排名与收益排名的相关系数。更稳健，我推荐用这个。

def calculate_ic(factor_df, return_df, method='rank'):
    ic_series = pd.Series(index=factor_df.index)
    for date in factor_df.index:
        f = factor_df.loc[date].dropna()
        r = return_df.loc[date, f.index]
        if method == 'rank':
            ic_series[date] = f.corr(r, method='spearman')
        else:
            ic_series[date] = f.corr(r, method='pearson')
    return ic_series

# IR = mean(IC) / std(IC)
ir = ic_series.mean() / ic_series.std()

最后，别忘了看IC的累计曲线。如果累计IC稳步上升，说明因子持续有效。如果忽上忽下，甚至长期横盘，那就要警惕了——可能因子已经失效了。

好了，单因子分析的基础框架就这些。记住：因子值计算是基础，分组回测看区分度，多空组合看alpha，IC/IR看稳定性。四步走完，你就能对这个因子有个全面的判断。