四只股票被你打了不同分数,下一期也恰好按同样顺序上涨。你似乎找到了完美选股方法。但买哪几只、各买多少、与什么比较,以及成交要花多少钱,还没有回答。“打分准确”只是走向投资结果的其中一步。
学习目标
你将学会把选股想法写成明确分数,解释为什么同一天要比较同一组股票,理解同行比较会删掉什么信息;再用四只股票的例子,区分排名正确、跑赢市场与买卖盈亏。
阅读时沿着三步走:先给股票打分,再按分数排队,最后按规则分配资金。每一步都可能改变结论,不能从第一步的漂亮分数直接跳到第三步的赚钱承诺。
原理与适用边界
先把几个词说清楚。 因子在研究中不总是同一个意思:它可以是一项股票特征,如便宜程度;可以是股票对共同涨跌的敏感程度,例如市场敏感度;也可以指按某种特征分组、买一组卖另一组得到的组合收益。看到这个词,先问对方正在说哪一种。
本章先研究第一种:给股票打分。价值分数可以看账面资产相对股价,也可以看盈利相对股价,公式不同,选出的公司就可能不同。质量分数可观察盈利与负债等,但高净资产收益率可能来自好生意,也可能因为借钱很多或净资产很小。一个好听的分数名称不能替代原始财务检查。
Fama–French 官方说明中的价值、盈利和投资因子,是不同分组组合收益之差,不是某只股票的评分。其美国市场样本和加权方式有具体背景,不能把这些历史差额直接当成 A 股个人账户能拿到的回报。官方构造说明
截面就是固定同一个时点看一组股票,类似同一次考试的全班成绩表。 暴露表示持仓偏向什么,例如大部分买了小公司。一个评分组合赚钱,可能因为评分有信息,也可能只是那段时间小公司普遍上涨。两者都值得记录,但不能混称选股本领。
从原始数据到因子矩阵
第一步先确认当时能看到什么。财报属于三月末,不等于三月末已经公布。评分要使用公告之后可得的数据;后来修订的数字也不能提前用。把每个时点、每只股票的分数排在表中,就是所谓因子矩阵,本质仍是一张有时间的成绩表。
第二步检查原始分数。统一金额单位、币种和报表范围,说明缺失值怎么办。负盈利算出的负市盈率,不应按数字最小当成最便宜。 缩尾是把特别极端的数值压到约定边界,减少它们对排名或计算的支配;若原数本身错误,缩尾并不能修好它。
第三步让分数能比较。不同指标单位不同,可以先各自排名,或减去平均值再按波动尺度调整,这叫标准化 。它只是在换评分尺度。涉及跨时间估计的平均值、缺失填补和筛选规则,必须仅用当时允许使用的数据,不能偷看后面的成绩。
第四步决定是否做中性化 。可以类比不同班级考试难度不同:我们想看学生在各自班内的相对位置,而非把班级整体差异也当成个人优势。股票中可把行业和规模对分数的系统影响估计出来,再比较剩下的部分,称为残差。实际常用回归来估计,即用行业标记和公司规模解释分数;规模可采用对数市值,把很大的数量差距换到压缩后的刻度。先理解想比较什么,再决定具体计算方法。
这种处理改变了问题:从“全市场谁分数高”变成“同行业、相近规模中谁更突出”。它会有意删掉一部分行业与规模差异,也可能删掉原本有效的信息,所以不是万能净化。评分做过中性化后,最终持仓还须检查行业权重;两者不是同一项操作。
假设案例:IC 很高也不等于组合收益高
先把四只股票的分数从低到高设为 1、2、3、4,数字越大分数越高;下一期收益分别为 1%、2%、3%、4%。再比较两列的收益名次:分数越高,后来收益也越高,顺序完全一致。
排名信息系数 (Rank IC)是在衡量两列排名有多一致;常用的斯皮尔曼排名相关在这个人为例子中等于 1,完全反序则为 −1。它回答“有没有把顺序排对”,并不直接回答资金怎样投资。现实里不应期待每期都完全排对。
接着把排名变成三种不同结果。四只各买一份,平均收益为(1%+2%+3%+4%)÷4=2.5%;只买最高分的一只,毛收益为 4%;与上述等权基准相比,多赚 1.5 个百分点。
若买最高分、同时借来最低分股票卖出,研究中的高减低收益差为 4%−1%=3 个百分点。这不是普通多头账户自动多赚 3%:卖空需要借券、资金或保证金,还要付费用。先说明持仓和分母,才能讨论账户回报。
若下一期四只收益改成 4%、3%、2%、1%,两列排名完全相反,排名信息系数为 −1,原本最高分多头只赚 1%。所以第一个例子只能演示计算,不能证明评分稳定有效。
示范规则:价值与质量双因子多头
以下用于教学,未做本教程回测,权重与阈值不是推荐。
- 选样 :使用当时的全体可投资股票或历史宽基成分,排除事前规定的异常交易与数据缺口,不删除后来退市者。
- 信号 :价值示范用正盈利收益率,质量示范用同行可比的盈利指标;分别清洗、排名、行业与规模中性化,再等权合成。金融行业另定口径,所有处理事前固定。
- 调仓 :月度更新排名,使用已公告数据;用进入前 20%,跌出前 30% 后退出 的缓冲演示减少换手,不把临界波动变成交易。
- 仓位 :持有至少二十只,单股与行业上限明确;可等权,也可在约束下尽量接近基准行业权重。若合格数不足,不通过集中持有强行填满。
- 退出 :低于退出阈值、数据失真或规则要求剔除时,下一可成交时点执行;记录未成交与现金。
- 成本与失效 :扣除费用、价差、冲击;单独报告市值和行业暴露。若优势仅来自微盘、无法成交或极少异常样本,应撤回可实施结论。
如何读 IC、分组收益和回归结果
信息系数(IC)比较某一时点分数与后续收益的相关程度;排名版本先把两列变成名次。应看很多期的平均、起伏和覆盖股票数量,而非某一天。若今天与明天都预测未来五天,两份答案用了不少相同价格,统计上就不是完全独立的两次证据。
把股票按分数分成几组,再看后续平均收益,叫分组检验。若分数逐级提高,收益也大致逐级提高,比只有一个最高组偶然突出更容易解释。但仍要检查每组是否被几只股票支配、换仓有多频繁、交易能否完成。
Alpha可以先理解为,在所选风险模型解释后仍剩下的收益。它依赖拿什么来解释:若模型漏掉了小盘或行业共同上涨,就可能把这种行情误记为选股本领。它不是天然纯净、也不是模型一算出来就已证明的技能。
大量尝试后只展示最显著的评分,会夸大证据。Harvey、Liu、Zhu 的原始论文指出,广泛挖掘因子会使惯常显著性门槛不足。这里的实用含义是记录试过多少种、保留独立检验,不是套一个统计数值就宣布有效。原论文
常见失败
把两个高度相关因子等权,不一定增加分散;反复调权会增加自由度。全市场收益好时,多头因子赚钱不代表跑赢基准;熊市多空价差为正,也不代表多头不亏。另一常见错误是“行业中性”只做评分中性,却没有控制最终组合行业权重,结果仍可能偏离很大。
还可以设置两个反证:把信号方向反转,观察是否仍得到相似结果;把可疑的行业或极端样本剔除,检查优势是否消失。反转测试只是实现检查,不能替代完整统计验证;如果正反方向都很漂亮,更应先排查基准、权重与收益记账错误。
练习
假设高分组收益 −3%,低分组 −8%,市场 −5%。高减低的价差多少?高分多头的绝对与相对市场收益多少?如果剔除最小市值 10% 后优势消失,应如何表述?
参考答案
先完成练习,再展开参考思路
多空价差为 5 个百分点;高分多头绝对收益 −3%,相对市场超额 2 个百分点。应说明结果依赖小市值暴露及其可交易条件,不能继续宣称为普遍有效的独立因子。进一步测试见回测。
已读原始来源与核验日期
核验日期:2026-10-29。未下载因子数据,未进行收益检验。
- Kenneth French:五因子官方构造说明:已读组合定义。
- Harvey、Liu、Zhu,2016,… and the Cross-Section of Expected Returns:已读摘要与引言,多重检验部分用于约束结论强度。
- Qlib 官方 Data Layer:已读特征、处理器与数据集的职责划分。