单因子构建与计算：从定义到实战

做量化投资这些年，我最大的体会就是：因子是策略的灵魂。你想想看，没有好的因子，再牛的模型也是白搭。今天我们就来聊聊单因子构建与计算，这是整个因子研究的基础。

说实话，很多新手一上来就追求复杂的因子，结果往往事倍功半。我个人习惯是先把基础打牢，把单因子的构建流程走通，再去想那些花里胡哨的东西。

因子定义与公式化表达

因子是什么？说白了，就是能解释股票收益差异的某种特征。比如市盈率、市净率、动量、波动率等等。每个因子背后都有一个明确的逻辑假设。

举个例子，动量因子。它的逻辑是：过去涨得好的股票，未来一段时间可能继续涨。公式化表达就是：

Momentum = (P_t - P_{t-n}) / P_{t-n}

其中 P_t 是当前价格，P_{t-n} 是 n 天前的价格。就这么简单。

但要注意，因子定义不是随便写的。我在项目中遇到过一个问题：同样的动量因子，用 20 天和用 60 天，效果天差地别。所以定义因子时，一定要明确参数和计算窗口。

因子计算实现（Python/Pandas）

有了公式，接下来就是代码实现。我习惯用 Pandas，因为它处理时间序列和截面数据非常方便。

先看一个简单的动量因子计算：

import pandas as pd
import numpy as np

# 假设 df 是包含 'date', 'stock_id', 'close' 的 DataFrame
def calc_momentum(df, window=20):
    """
    计算动量因子
    """
    df = df.sort_values(['stock_id', 'date'])
    df['momentum'] = df.groupby('stock_id')['close'].pct_change(window)
    return df

嗯，这里要注意一点：pct_change 默认会向前填充缺失值，但因子计算中我们通常需要对齐到最新日期。我一般会再做一个 shift 操作：

df['momentum'] = df.groupby('stock_id')['close'].pct_change(window).shift(1)

为什么要 shift？因为我们要避免未来信息。你想想看，如果用当天的收益率去预测当天的收益，那不就是作弊吗？

因子标准化处理

因子算出来了，但不同因子的量纲不一样。比如市盈率可能是几十倍，而动量可能是百分之几。直接拿来用会出问题。所以我们需要标准化。

常用的标准化方法有三种：

方法	公式	适用场景
Z-score	(x - μ) / σ	因子近似正态分布时
分位数	rank(x) / N	因子分布偏态严重时
排名	rank(x)	只需要相对顺序时

我个人最常用的是 Z-score，因为它保留了因子的原始分布信息。但要注意，Z-score 对异常值非常敏感。我曾经遇到过一只股票因为停牌后复牌，收益率异常高，导致整个因子的 Z-score 都变形了。

代码实现也很简单：

def zscore_standardize(df, factor_col):
    """
    Z-score 标准化
    """
    mean = df[factor_col].mean()
    std = df[factor_col].std()
    df[factor_col + '_zscore'] = (df[factor_col] - mean) / std
    return df

def rank_standardize(df, factor_col):
    """
    排名标准化
    """
    df[factor_col + '_rank'] = df[factor_col].rank(pct=True)
    return df

因子中性化处理

标准化之后，因子之间可以比较了。但还有一个问题：因子可能受到其他因素的影响。比如市值大的股票，很多因子天然就偏高或偏低。这时候就需要中性化处理。

最常见的两种中性化：市值中性化和行业中性化。

市值中性化，说白了就是把因子中与市值相关的部分剔除掉。做法是用因子对市值做回归，取残差作为中性化后的因子。

import statsmodels.api as sm

def market_neutralize(df, factor_col, market_cap_col):
    """
    市值中性化
    """
    X = sm.add_constant(df[market_cap_col])
    y = df[factor_col]
    model = sm.OLS(y, X).fit()
    df[factor_col + '_mkt_neutral'] = model.resid
    return df

行业中性化更简单，就是减去行业均值。因为不同行业的因子水平天然不同，比如科技股的市盈率普遍比银行股高。

def industry_neutralize(df, factor_col, industry_col):
    """
    行业中性化
    """
    industry_mean = df.groupby(industry_col)[factor_col].transform('mean')
    df[factor_col + '_ind_neutral'] = df[factor_col] - industry_mean
    return df

知识体系总览

说了这么多，我们来梳理一下整个流程。下面这张图展示了单因子构建的核心逻辑：

整个流程走下来，你会发现其实并不复杂。但每一步都有细节需要注意。比如因子定义时，参数窗口的选择；计算时，未来信息的避免；标准化时，异常值的处理；中性化时，回归模型的选择。

我记得刚开始做因子研究时，总想着一步到位，结果经常在回测时发现因子失效。后来才明白，基础工作做扎实了，后面的分析才能站得住脚。

好了，单因子构建与计算就聊到这里。记住，好的因子是反复打磨出来的，不是一蹴而就的。多动手，多思考，你也能做出靠谱的因子。