规划
回顾：
上周在本地的 vnpy 环境下跑通高股息低估值策略（基本面）以及回测。
在执行的过程发现难点在于基本面的策略往往需要下载大量的数据，想要执行这种策略的回测，虽然跑通了并行数据下载脚本，但是任然需要的大量的时间成本。300 支股票，3 年数据下载时间平均下来需要 15min。并且存在未来函数的问题（沪深 300 是现在已经活下来相对好的股票，没有将过去效益不好退市的股票。）
前两周跑通了两种策略，一个是双均线策略（技术面）＆高股息低估值策略（基本面）。但是仍然还没有涉及因子相关的知识和实践。
这周的学习思路是：
知识：
单因子：搞懂什么是因子、因子是如何设计出来的，因子是如何在量化交易中应用的，其中体现了什么思想，涉及到什么知识领域。
多因子：多个因子是怎么评价和分配权重的。
实践:
在 qlib 上跑通单因子回测脚本。直观的感受因子效果和弊端。
前备知识回顾总结
什么是因子：
【自总结】
按照我现在的了解，因子是将一种和时间趋势相关的现象，转换成统一标准衡量数值的数学计算算法，输入是一个信号，输出是一个标准化的数值。是交易员经过无数实战经验后将交易直觉转换成数值的方法。 【AI 纠正】
因子是用明确的数学公式，从原始数据中提取出一个可数值化、可系统计算、有预测或解释能力的指标。
它把交易员模糊的直觉（"这只股票涨太猛了该歇歇"、"这家公司盈利能力在改善"）变成一个可以做回测、做统计检验的数字。它覆盖的不只是趋势，还包括反转、风险、质量、流动性等各种维度的信号
因子是如何设计出来的：
【自总结】
首先你得有足够的股市交易经验，并且有丰富的社会阅历。当你有这些经验的时候，就能够判断出什么样的信号配合什么样的交易时机组成的策略，才能让你获取到收益。关于因子是如何设计出来的，这个是前提。另外，还需要数学统计知识的敏感度，很多的算法，包括 AI 大模型的算法，都需要极强的想象力和数学敏感度，这样才能了解到数据中包含哪些信息，环境中存在哪些数据。由此，最终我的结论是，因子的构建过程，其实就是输入经验洞察，通过数学转化，最终生成数学公式和代码的过程。
【AI 纠正】
因子不是纯靠"灵感"一个一个想的实际上因子发现已经形成了两条路径并存的格局：
-
路径一：经验驱动
-
交易员有直觉 → 用数学语言表达 → 回测验证
- Alpha101 大部分因子属于这类
- 优点：每个因子都有清晰的金融直觉，你知道它"为什么有效"
-
缺点：受限于个人经验的天花板
-
路径二：数据驱动
-
根本不预设交易逻辑，直接让算法在海量数据里搜索有预测力的数学组合
- 典型方法：遗传编程（Genetic Programming）、符号回归、深度学习
- 优点：能发现人想不到的非线性组合
- 缺点：黑箱——找到的因子你解释不了"为什么有效"，而且过拟合风险极高
现实中的顶尖量化团队两条路都走：经验驱动保证可解释性，数据驱动拓展边界。
"足够的股市交易经验和丰富的社会阅历"是充分条件，但不是必要条件。比如：
- 统计套利因子（配对交易的协整关系）更依赖统计学功底
- 高频因子（微秒级行为模式）靠的是对订单簿微观结构的理解
- NLP 因子靠的是自然语言处理能力
这些因子设计者的核心竞争力不是"炒股经验"，而是数学/统计/计算机能力。当然经验能帮他们更快找到方向，但不是唯一入口。
所以更完整的总结是：
因子构建 = 领域知识（交易经验、市场直觉、金融理论）+ 数学能力（统计敏感度、建模能力）+ 工程能力（代码实现、大规模回测）
三者可以有不同的权重配比，但缺任何一个都产不出好因子。
因子是如何在量化交易中应用的：
【自总结】
在量化交易中，如何判定交易时机是关键。如果没有因子，则只能进行直接的逻辑判断，或者将应对复杂的计算。
可以说因子是一种将信号分类压缩的方法，将混沌的交易市场中的复杂因素进行拆离，并且进行单独优化，根据有效的条件进行合理的权重分配。最终让最后交易策略的执行变得可以更加灵活、并且增加了可解释性。
现在因为 AI 技术的爆发，因子的效用更加被凸显了出来，不仅仅是可以让机器自动挖掘潜在的非人脑可以判定的因子，还可以通过 RL 优化各种因子组合对抗的策略。
【AI 纠正】
"将混沌交易市场中的复杂因素拆离，单独优化，再组合"——这就是因子投资的正交分解思想，是量化交易区别于主观交易的核心方法论之一。
实际上因子组合的权重分配不是按直觉"合理"地分配的，而是有明确的数学方法：
- 等权：最简单，所有因子等权重相加
- IC 加权：按每个因子的历史预测能力（IC 均值）分配权重，IC 高的因子权重大
- 优化器法：用均值-方差优化（Markowitz 框架），在给定目标收益下最小化组合波动
- 机器学习：XGBoost、神经网络等自动学习因子之间的非线性组合方式
因子是量化交易中将复杂市场信号进行正交分解的方法——把混沌拆成独立维度，单独验证有效性，再用数学方法（而非直觉）分配权重进行组合。AI 在两端拓展了边界：一端自动挖掘人类想不到的因子，另一端优化组合方式，但目前因子发现和组合的主流方法仍然是统计驱动的，不是纯 AI 驱动。
因子＆多因子是如何进行评价的 ：
【自总结】
单因子需要进行中性化预处理，这个可以避免局部最优化的问题（比如说某因子和单独行业高度协同的问题）。
标准化和去极值使用在多因的评价中，首先标准化是让不同因子的效果有一个共同的尺子进行 rank，去极值，可以避免某因子突出的信号，拉高或者拉低整体评价。
接下来则是需要挑出，这些因子在需要交易的环境周期中，谁的信号更有效更强劲，以及排除噪音过大的因子（不稳定的信号会可能会造成假信号和过大的损失）。
初筛后，进行五分位的实战，在真实的股市根据因子信号 rank 排名平均顺序拆分成五组。通过不同分层的战果关系分析，通过 rank 分是否真的反应收益，从而判断这个因子是否具有普适性，并且通过最高和最底层的差距来判断这个因子真实的赚钱能力。 最后，通过筛选出共线（具有高度相关性的因子）因子中信号最强的，组合成最终的因子队伍。
【AI 纠正】
把去极值和标准化放在一起说，但标准顺序是去极值在最前面：
去极值 → 标准化 → 中性化 → IC/IR → 五分位分层 → 共线性筛选 → 组合
原因：极端值如果先参与标准化会严重拉偏均值和标准差，进而污染中性化回归的结果。
"按因子信号 rank 排名平均顺序拆分成五组"，方向对但不够精确。正确做法是每个时间截面独立排名分组。
总结成完整流程：
- 去极值 → 去掉极端值
- 标准化 → 统一量尺（通常是 Z-score）
- 中性化 → 剥离行业/市值等已知因素
- IC + IC_IR → 量化预测能力和稳定性
- 五分位分层 → 验证单调性和实际收益差距
- 共线性筛选 → 高相关因子中保留最强信号
- 加权组合 → 用数学方法（IC 加权/优化器）组合
实践
关于 qlib 的部署思路：
关键词：脚手架
因子回测
在 Alpha101 中，取用 3 种不同类型的因子，进行回测。并且看懂图表，对因子的评价有一个直观的感受。
| 因子 | 投资逻辑 | 代表什么 | 和另外两个的关键区别 |
|---|---|---|---|
| #1 | 波动率反转 | 混合构造的标准范本 | 看波动的时序位置，不看量和趋势方向 |
| #6 | 量价背离 | 成交量维度信息 | 唯一引入成交量，不看波动和涨跌方向 |
| #9 | 条件均值回归 | 趋势/噪音识别 | 唯一有条件分支，区分趋势和震荡 |
回测时间范围："2018-01-01"→"2024-12-31"
排序：Alpha# 1→Alpha# 6→Alpha# 9
回测结果逐个分析（AI辅助生成）
🥇 Alpha#6（量价关系）—— 三个里唯一真正有效的
- IC 弱但一致：RIC +0.0111、RIC_IR +0.0887。ICIR 不到 0.3 的「可交易」门槛，单看 IC 偏弱。
- 但五分位完美单调：Q1（−5.8%）→ Q5（+10.6%）逐级递增，monotonic=True，多空 +16.4%/年。
- 结论：典型的「IC 弱、分位干净」型因子——这正是我之前在图怎么看里说的「IC 弱但分位单调的因子仍有选股价值」。方向也和逻辑吻合：因子 = −1×量价相关，因子值高（量价负相关、缩量上涨）→ 后续收益高，对应「抛压消失→看多」的论点。
- 可信度：三个里最高。如果要继续挖，这个值得做行业/市值中性化后复测——如果中性化后单调性还在，就是真 alpha。
🥈 Alpha#9（趋势/反转切换）—— 弱且非单调，不可用
- IC 近零：ICIR 0.024、RIC_IR 0.054，无预测力。
- 五分位倒 U 型：Q1（−3%）→ Q2/Q3（+5~6%，最高）→ Q4/Q5（+2%）。最高因子组（Q5）反而不如中间组，monotonic=False。
- 为什么：Alpha#9 输出的是原始涨跌额（没做截面 rank），跨股票量纲混乱——一只 ¥100 股票的因子值天然是 ¥5 股票的 20 倍。按它分位，Q5 主要堆的是「当天大涨的大盘股」，而这些股票次日倾向反转回落，所以 Q5
表现差。本质是因子被用错了场景——它本是个个股择时信号，硬拿来截面排序就不对了。 - 结论：不可直接用。要救它得先做截面标准化（或直接 rank），再评估。
🥉 Alpha#1（复合信号）—— 表面最唬人，实际是假信号
- IC 完全为零：ICIR 0.0009，IC 正率 49.5%（抛硬币），毫无线性预测力。
- 「+89.5% 多空年化」是假象：看 Q1→Q5 = 2%→4%→−10%→−21%→+156%。Q5 单组年化 +156% 极不合理，这是少数极端收益股票（如停牌复牌、连续涨停的 CSI300 成分股）恰好落在 Q5 把组均值拉爆的结果，不是因子选股选出来的。
- 为什么：内层 IdxMax(...,5) 只输出离散的 {0,1,2,3,4}，再经截面 rank 后分布高度离散化，五分位分组几乎是随机的 → 噪声驱动。文档其实预告了「大概率不单调」，但这里的「极端差异」是噪声，不是信号。
- 结论：无效。这个例子恰恰说明了为什么需要去极值/中性化——不做的话，几只妖股就能伪造出一个「89% 多空」的假信号。
横向结论
- 三者 ICIR 都 < 0.3，没有达到「可交易」门槛。这符合预期：原始 101 alphas（2016 发表）在 A 股大盘股上早已大幅衰减/被套利，简单的几个尤其明显。
- 只有 Alpha# 6 有真实但微弱的 alpha，且方向和理论一致、分位单调。它是唯一值得深入（中性化复测、调参、换股票池）的。
-
Alpha # 1 的「89%」和 Alpha# 9 的倒 U 都印证了之前方法论里强调的两点：
-
不做去极值，极端股票会伪造假信号（Alpha# 1 的Q5=156%）- 因子的适用场景很重要（Alpha# 9 是择时因子，不适合截面排序）
和群友讨论精华记录:
群友说:
因子真的有效吗？我那个纯粹是股票选的好才50%的收益
我的回答：
那就不一定了 ，主要是这个方法论可以让组合策略更加灵活，能整合多种信号的影响。加上AI的能力，还能挖出来更多人脑直觉够不到的潜在信号，加上RL自动自动优化策略。 综合起来看比主观投资要更加稳定、效率更高。而且因子有那个啥拥挤度问题，自己去挖新的因子 整体难度就很高。
群友说:
我也不是很懂，但是我拿芒格的Skill加上实测，感觉选股的价值远大于因子
我的回答：
这个看方法论的适用范围吧，这种skill出来的东西也有局限，主要是不稳定，是否可靠非常依赖人的经验和直觉。
这个看方法论的适用范围吧，这种skill出来的东西也有局限，主要是不稳定，是否可靠非常依赖人的经验和直觉。【我觉得数据源可以区分一下，另类数据也进行分类一下：硬指标客观物理量可回测（稳定度高）\\依赖NLP模型（信号稳定度一般）\\ 然后哪些是AI生成的（信号稳定度较弱）。】我觉得，价值投资这个流派， 更加依赖人自己的品味和判断力，AI暂时只能起辅助作用。更何况需要长期且稳定的判断。