多因子选股：从因子检验到排名

先看几个常用因子。

动量描述价格过去走了多远。20日动量可以写成：

20日动量 = 当前收盘价 ÷ 20个交易日前收盘价 − 1

假设20个交易日前是50元，现在是59.5元：59.5 ÷ 50 − 1 = 19%。这是接近20%的上涨，不表示未来还会继续涨。

相对波幅可以用ATR除以收盘价：

相对波幅 = ATR ÷ 收盘价

假设ATR是2元、收盘价是50元：2 ÷ 50 = 4%。这样不同价格水平的股票才更容易比较。

RSI常用14期，用来描述近期上涨和下跌力量的相对状态。30和70可以作为观察阈值，但不是买卖保证。

MACD及其柱状变化，用来描述趋势和动能变化。柱子减弱可以提示观察，但不能直接推出下跌已经结束。

ADX描述趋势强度，方向要另外判断。量比把当天成交量和过去20日均量比较，再结合价格上涨或下跌区分放量和缩量。放量也不自动等于利好。

价格水平也可以作为输入，但低股价不等于低估值，不能把名义价格和PE、PB混在一起。TA-Lib 能辅助计算许多指标，比如 158 项技术指标和 61 种 K 线形态，具体数量以你安装的版本文档为准。

每个因子都要记录公式、窗口、可用时间和缺失值处理方式。只有定义清楚，别人才能复算同一列数字。

在同一天t，先取股票池里每只股票的因子值X，再计算它们未来20个交易日的收益Y。X只能用t时已经知道的信息；Y是事后标签，不能在t时提前参与选股。

把X和Y分别排序，再计算排名相关性，就是Spearman相关，也常叫Rank IC。它关注名次，而不是原始数值大小。

IC = 因子排名与未来收益排名的Spearman相关

假设某次截面的Rank IC是0.08：这个数字高于0，表示样本中因子值较高的股票，未来收益排名倾向更高。若IC是−0.08，则低因子值可能对应更高未来收益，可以考虑反向使用。IC接近0只说明当前样本、周期和检验方法下单调关系较弱，不代表所有非线性关系都不存在。

对多个日期重复计算，可以得到IC时间序列。ICIR常写成：

ICIR = 各期IC的平均值 ÷ 各期IC的标准差

假设6个月的IC平均值是0.06，标准差是0.12：0.06 ÷ 0.12 = 0.5。这表示平均关系相对于自身波动的比值，不是收益率。

常用的经验观察线包括|IC|大于0.05，以及ICIR约0.3—0.5或更高。它们受频率、样本、标签期限和估计方法影响，不能直接当成交易合格线。20日标签重叠时，各期IC还可能互相相关，表面稳定性要进一步检查。

再把每个截面按因子从低到高分成Q1到Q5，比较各组后续收益。如果收益大体单调变化，才更支持单调关系。若Q3反而最好、Q5变差，可能是U形关系或极端值对应风险，不能只凭总体IC说“越大越好”。

低波案例中，波动率与未来20日收益的负相关更明显，20日动量和14日RSI接近零；这只是特定样本的观察。混合股票和ETF会改变样本分布，低波和红利也要分别定义。

人工模型先把20日和60日动量、波动率、RSI、ADX、量能、价格、MACD等因子在同一股票池内排名。然后统一方向：符合策略的方向都变成“分数越高越好”，再乘权重相加。

方向必须由任务和检验支持。趋势筛选可能偏好较强动量，网格筛选反而可能偏好接近中性的动量。材料没有完整八因子权重表，所以不能补写不存在的参数。

每月末重新计算分数，取Top N，按等资金权重持有。假设账户有10万元、选5只：

每只目标资金 = 100000 ÷ 5 = 20000元

等资金不是每只买相同股数。实际数量还要按可交易单位取整，剩余现金保留。换仓时要先检查已有仓位，不能因为股票再次入选就无条件重复买入。

示例比较过Top 5、Top 10和Top 20。某次样本中Top 5收益较高但回撤较大，Top 10相对均衡，曾出现约12%的最大回撤；过度分散也可能稀释信号。这只说明该样本的取舍，不能推出Top 10永远最好。

比较时还要看行业集中度、换手、费用和不同时间段表现。月度调仓可能降低摩擦，却也可能错过变化；频率要和信号能持续多久相匹配。

市场、市值和价值可以用来理解三因子思想。SMB表示小盘相对大盘的收益差。低PE的例子只是在说明价值偏好，不能直接当成经典三因子里账面市值比的精确定义。

基础做法是在月末按市值排序，挑出较小的一组。增强版可以先选约50只小市值候选，再过滤极端波动、弱动量和明显风险标的，最后按小市值、动量、低波三个方向一致的分数加权。

假设三项已经被转换成同一尺度，权重是市值50%、动量30%、低波20%，那么组合分数为：

增强分数 = 50% × 市值得分 + 30% × 动量得分 + 20% × 低波得分

假设三项得分分别为0.8、0.6、0.7：0.5×0.8 + 0.3×0.6 + 0.2×0.7 = 0.72。先统一尺度很重要，不能把原始市值、收益率和ATR直接相加。

小市值效应会随阶段增强或衰减，不保证未来成立。小市值策略要过滤ST、退市风险和流动性不足，并使用当时真实可选的股票池。今天仍上市的股票不能代表历史上全部可选股票，这就是幸存者偏差风险。

某个Top 10增强版本曾报告2024—2025年总收益约15%、年化约8%、夏普约1.2、月度胜率63.6%，Top 20可能更好。由于缺少完整日期、手续费、股票池和收益算法，这些数字只保留作案例，不当作复核后的结果。

如果你要运行网格，直接寻找未来收益最高的股票不一定合适。可以研究低ADX、适中波动、接近中性的RSI、接近零的20日动量、足够换手率，以及存在可用中枢等条件。

例如用：

RSI偏离度 = |RSI − 50|

假设RSI是56：|56 − 50| = 6。偏离度越小，越接近中性；但“越接近50越好”仍然只是需要检验的假设。价格长期平直可能没有足够净价差，RSI长期低位也可能意味着持续下跌。

用：

动量偏离度 = |20日动量|

假设20日动量是−3%：|−3%| = 3%。偏离度越小，说明近期趋势偏离越小，但仍要检查波动、流动性和中枢是否成立。

流程是：全市场计算因子→按网格适配条件排名→选Top N→检查中枢是否成立及宽度是否足够→分配资金→运行网格。没有中枢或区间太窄，就不强行交易。筛选越严格，交易可能越少、回撤可能越小，但收益和现金利用率也可能下降。

人工权重容易解释，但不一定适合所有市场。机器学习把因子作为X，把未来20日收益作为Y，训练一个预测器，再对候选股票输出预测收益并排序选Top 10。预测值只能用于排序，不能理解成未来必定得到的收益。

示例使用13个特征，包含5、10、20、60日动量、波幅、趋势、价格位置以及交叉特征。明确提到的交叉特征包括“动量×波动率”和“ADX×RSI”。交叉特征的作用是描述：同样的动量，在不同波动环境下可能意义不同。高动量加高波可能代表剧烈波动，高动量加低波可能代表更平缓的上涨，最终仍要由数据检验。

LightGBM、XGBoost和随机森林等树模型适合表格特征，也能学习非线性和条件组合。哪种模型更准、更快，取决于数据、参数和实现。约19万样本是约6000只标的、31个月数据量级的教学估算，CPU可以作为起点；是否使用GPU要按实际安装版本和参数核对。

滚动训练的正确顺序是：用过去12个月训练，预测下一个月；预测完成后窗口向前滚动。比如用过去数据预测2024年1月，再预测后续月份，一直滚动到2025年12月。未来20日收益要等20日结束后才成熟，训练截止日必须排除尚未完成的标签。

训练集用于学习参数，验证集用于选配置，测试集用于评估此前没有参与选择的时间段。标准化、缺失值填补和特征筛选也只能用训练期拟合。把滚动预测串成样本外结果后，才能计算组合业绩。

某次展示中的机器学习组合收益约37%，以及波动率重要性较高、动量×波动率重要性约排第五，都是缺少原数据和参数的案例数字。模型重要性说明模型怎样使用输入，不说明因果，也不直接说明方向。相关因子还可能分摊或替代重要性。

模型分数高，不代表订单一定能成交。回测要分别记录信号、委托和成交，并把手续费、滑点、税费、可用现金、可卖持仓、暂停交易和无法成交写进规则。

A股涨跌幅规则会随板块、风险状态和日期变化，不能把所有股票统一写成10%。日线价格触及涨停，也不能仅凭这一点确定盘中排队成交；保守的不成交假设要写明。T+1会影响买入后能否当天卖出。

期货网格还要增加合约乘数、保证金、到期换月、强平和流动性模型。格距变宽和资金倍增不是一回事。即使用1、2、4、8等安排，资金倍增也会迅速放大风险，不能把它当成避免爆仓的方法。

网格份额可以前轻后重、前重后轻，或者参考斐波那契间隔。后置仓位可能让资金长期闲置，前置仓位会更早承担下跌风险。只看最终收益，无法比较两种资金路径。任何规则改变都应视为新策略，重新记录实验。

常见失败还包括数据质量差、因子失效、过拟合和泄漏。不要把多个实验里最好的股票、参数和时间段拼成一条不存在的策略。

宏观、政策和科技发展可能影响股票池和长期方向，短期事件又可能和技术信号互动。政策支持不等于相关行业随后一定上涨。正确做法是先写出可验证假设，再找当时能够获得的数据。

研究可以从经典策略、券商因子研究和机器学习论文开始。检索论文时，不要只看收益图，还要查看任务定义、标签、数据切分、交易成本和代码是否可复现。数据平台的接口和权限会变化，使用前要核对当前能力。

总体上，先确定选股目标和持有期限，再决定采用震荡、趋势或混合策略。多个策略并行研究时，要写清共同资金和共同风险。名字不同，不等于风险已经充分分散。