4. 单因子分析：因子计算与实现、因子IC分析、因子分组回测、因子收益与夏普比率

好，我们进入单因子分析这个核心环节。说实话，很多做量化的人，策略亏钱往往不是因为模型不够复杂，而是连最基础的因子分析都没做扎实。我个人习惯是，拿到一个新因子，先把它拆成四个步骤来审视：因子怎么算、IC怎么样、分组回测表现如何、最终收益和风险比划不划得来。

4.1 因子计算与实现

因子计算，说白了就是把你的投资逻辑变成一串数字。比如你相信“低市盈率”的股票能涨，那你就得把市盈率算出来，然后对齐到每个股票、每个时间点。

我见过不少新手，因子算出来之后直接拿去跑回测，结果发现信号全是未来函数。嗯，这里要注意：因子计算最怕的就是“未来信息泄露”。

举个简单的例子，假设我们要计算一个“过去5日动量因子”：

import pandas as pd
import numpy as np

def calc_momentum_factor(price_df, window=5):
    """
    计算过去N日的动量因子
    price_df: DataFrame, index为日期, columns为股票代码
    """
    # 计算收益率
    ret = price_df.pct_change()
    # 滚动求和，注意shift(1)防止未来数据
    momentum = ret.rolling(window=window).sum().shift(1)
    return momentum

# 使用示例
# prices = pd.read_csv('daily_prices.csv', index_col=0, parse_dates=True)
# factor = calc_momentum_factor(prices, window=5)

看到那个 .shift(1) 了吗？这就是避坑的关键。我曾经有一次忘记加这个shift，结果回测年化收益直接翻倍，当时还高兴了半天，后来发现是用了当天的数据去预测当天的涨跌——这不就是作弊嘛。

4.2 因子IC分析（信息系数）

因子算好了，怎么知道它有没有预测能力？IC（Information Coefficient）就是干这个的。IC衡量的是因子值与未来收益之间的相关性。

常用的IC有两种：

• Pearson IC： 线性相关系数，假设因子和收益是线性关系
• Spearman Rank IC： 秩相关系数，更稳健，对异常值不敏感

我个人更偏爱Rank IC。为什么？因为因子值本身的大小可能受极端值影响，但排序关系相对稳定。你想想看，一个因子如果能把股票从好到坏排个序，那它的价值就已经很大了。

def calc_rank_ic(factor_series, forward_ret_series):
    """
    计算截面Rank IC
    factor_series: 某一天的因子值（所有股票）
    forward_ret_series: 对应的未来N日收益
    """
    # 计算秩相关系数
    ic = factor_series.rank().corr(forward_ret_series.rank())
    return ic

# 计算时间序列IC
def calc_ic_ts(factor_df, ret_df):
    """
    计算每日IC，返回IC时间序列
    """
    dates = factor_df.index
    ic_list = []
    for date in dates:
        ic = calc_rank_ic(factor_df.loc[date], ret_df.loc[date])
        ic_list.append(ic)
    return pd.Series(ic_list, index=dates)

IC算出来之后，我通常会看几个指标：

• IC均值： 大于0.02就算不错了，大于0.05就是好因子
• IC标准差： 越小越好，说明因子稳定
• IR（信息比率）： IC均值 / IC标准差，大于0.5算合格

4.3 因子分组回测

IC分析告诉你因子有没有预测能力，但分组回测告诉你的是——这个能力能不能转化成真金白银。

分组回测的逻辑很简单：每个月（或每天）按因子值把股票分成N组，然后看每组未来的收益表现。如果第1组（因子值最大）的收益显著高于第N组（因子值最小），那这个因子就有区分度。

def group_backtest(factor_df, ret_df, n_groups=5):
    """
    因子分组回测
    返回每组的时间序列收益
    """
    dates = factor_df.index
    group_returns = {i: [] for i in range(1, n_groups+1)}
    
    for date in dates:
        # 获取当天的因子值和未来收益
        factors = factor_df.loc[date].dropna()
        returns = ret_df.loc[date]
        
        # 按因子值分组
        grouped = pd.qcut(factors, n_groups, labels=False) + 1
        
        # 计算每组平均收益
        for group in range(1, n_groups+1):
            stocks_in_group = grouped[grouped == group].index
            group_ret = returns[stocks_in_group].mean()
            group_returns[group].append(group_ret)
    
    return pd.DataFrame(group_returns, index=dates)

分组回测的结果，我一般会画成折线图。理想的情况是：各组收益曲线从高到低整齐排列，而且第1组和第N组之间有明显差距。

4.4 因子收益与夏普比率

最后一步，也是最实际的一步：这个因子到底能赚多少钱？风险有多大？

我们通常用“多空组合”来评估因子收益。具体做法是：做多第1组（因子值最大的组），做空第N组（因子值最小的组），然后看这个组合的收益表现。

def calc_factor_return(group_returns_df):
    """
    计算多空组合收益
    假设第1组是多头，第N组是空头
    """
    long_ret = group_returns_df.iloc[:, 0]  # 第1组
    short_ret = group_returns_df.iloc[:, -1]  # 最后一组
    factor_ret = long_ret - short_ret
    return factor_ret

def calc_sharpe(return_series, rf=0.0):
    """
    计算夏普比率
    """
    excess_ret = return_series.mean() - rf
    std = return_series.std()
    sharpe = excess_ret / std * np.sqrt(252)  # 年化
    return sharpe

夏普比率大于1，说明这个因子不错；大于2，那就是相当优秀了。但我要提醒你，回测中的夏普比率往往偏高，实盘能打个六折就不错了。

我记得有一次，我开发了一个因子，回测夏普高达3.5，当时兴奋得不行。结果实盘跑了三个月，夏普直接掉到0.8。后来复盘发现，是因为回测时没考虑交易成本和冲击成本。所以，因子收益分析一定要加上交易成本假设，不然就是自欺欺人。

好了，单因子分析这一套流程走下来，你基本就能判断一个因子是“宝贝”还是“垃圾”了。别嫌麻烦，这一步做扎实了，后面的多因子组合才能站得住脚。

---