第一章：因子发现导论
大家好，我是这门课的主讲人。今天咱们聊聊因子发现这件事。
说实话，我刚入行那会儿，对「因子」这个词特别懵。总觉得是某种玄学，跟算命差不多。后来做了几年量化，踩了不少坑，才慢慢摸到门道。
这一章，我就把最基础的东西讲清楚。什么是因子？它到底有什么用？自动发现因子又是什么鬼？
1.1 什么是因子
因子，说白了就是一个能预测股票涨跌的指标。
举个例子。你发现「昨天涨得多的股票，今天容易跌」。这个「昨天涨跌幅」就是一个因子。再比如「市盈率低的股票，长期收益更好」——市盈率也是一个因子。
因子的本质，是某种规律或模式。它把市场里杂乱无章的数据，提炼成有预测能力的信息。
核心定义：因子 = 可计算的、有预测能力的、可复用的市场特征。
我个人习惯把因子分成三类：
- 基本面因子：比如市盈率、市净率、营收增长率。这些来自财务报表。
- 技术面因子：比如动量、反转、波动率。这些来自价格和成交量。
- 另类因子：比如新闻情绪、搜索热度、卫星图像。这些来自非传统数据源。
你想想看，如果能把这三类因子组合起来，预测能力会强很多。我在项目中遇到过，单用技术面因子，回测曲线漂亮得不行，一上实盘就崩。后来加了基本面因子，才稳住。
1.2 因子在量化交易中的作用
因子是量化交易的基石。没有因子，策略就是空中楼阁。
具体来说，因子干三件事：
- 选股：用因子给股票打分，选分数高的买，分数低的卖。
- 择时：用因子判断市场状态，决定加仓还是减仓。
- 风控：用因子识别风险暴露，避免踩雷。
举个例子。你构建了一个「低波动率因子」。选股时，你只买波动率最低的100只股票。这就是因子在选股中的应用。
再比如，你发现「市场波动率飙升时，后市往往下跌」。于是你根据波动率调整仓位。这就是因子在择时中的应用。
我的经验：因子不是越多越好。我见过有人用200个因子做策略，结果过拟合得一塌糊涂。关键是要理解每个因子背后的逻辑。
为什么会这样？因为因子之间会互相干扰。有些因子其实是同一个东西的不同表现形式。比如「5日动量」和「10日动量」，相关性很高，同时用就是冗余。
1.3 自动因子发现的价值
传统做法是人工挖因子。研究员盯着数据，拍脑袋想公式，然后回测验证。这个过程很慢，而且容易有偏见。
自动因子发现，就是用算法自动生成和筛选因子。它的价值体现在三个方面：
| 维度 | 人工挖掘 | 自动发现 |
|---|---|---|
| 效率 | 一周挖3-5个 | 一天生成上万个 |
| 覆盖面 | 依赖研究员经验 | 探索所有数学组合 |
| 客观性 | 容易有确认偏误 | 纯数据驱动 |
说白了，自动发现能帮你找到那些「人脑想不到」的因子。我曾经用遗传编程自动挖因子，发现了一个「开盘价与昨日收盘价的比值，再乘以成交量变化率」的因子。这个组合，我打死也想不出来。
注意：自动发现不是万能药。它生成的大量因子中，99%都是噪音。你需要一套严格的筛选流程，否则就是垃圾进垃圾出。
1.4 自动因子发现的挑战
这条路不好走。我踩过的坑，列出来给你看：
- 过拟合：自动生成的因子很容易拟合历史数据，但未来失效。我曾经有一个因子，回测夏普比率3.5，实盘直接变成负数。嗯，那叫一个惨。
- 计算成本：生成上万个因子，需要大量计算资源。尤其是高频数据，处理起来很头疼。
- 可解释性：有些自动发现的因子，数学上很漂亮，但逻辑上说不通。你敢用吗？我不敢。
- 数据质量：因子质量取决于数据质量。数据有误，因子全废。
怎么应对这些挑战？我后面会详细讲。这里先给个总纲：
- 用交叉验证控制过拟合
- 用分布式计算降低成本
- 用逻辑约束保证可解释性
- 用数据清洗保证质量
1.5 本章知识体系
下面这张图，概括了本章的核心内容。我建议你保存下来，后面学完再回来看，会有更深的理解。
这张图把本章内容串起来了。从因子定义出发，到分类和作用，再到自动发现的价值和挑战。你学完这一章，应该能回答三个问题：因子是什么？为什么需要自动发现？会遇到哪些坑？
避坑指南：我曾经犯过一个错误——拿到自动发现的因子就直接用，没做逻辑验证。结果实盘亏得很惨。后来我养成了习惯：每个因子必须能讲出「为什么有效」的故事。讲不出来，就扔掉。
好了，第一章就到这里。内容不多，但都是基础。后面我们会一步步深入，从因子生成到回测，再到上线。每一步我都会把踩过的坑、总结的经验分享给你。