Skip to main content

因子选股策略

因子选股是量化投资中最主流的策略类型之一，通过多个量化指标（因子）对股票进行评分和排序，选择综合得分最高的股票。

什么是因子？​

因子就是能够解释股票收益差异的某种特征变量。例如：

因子类别因子名称计算方式逻辑
动量因子过去N日收益率close.pct_change(N)强者恒强
波动率因子收益率标准差returns.rolling(N).std()低波动反而长期收益高
价值因子市盈率 PE股价 / 每股收益低估值股票可能被低估
质量因子ROE净利润 / 净资产盈利好的公司长期更优
规模因子市值股价 × 总股本小市值股票长期收益更高
流动性因子换手率成交量 / 流通股本活跃的股票可能更好

单因子测试​

import pandas as pd
import numpy as np

def momentum_factor(df, period=20):
    """
    动量因子：过去 N 天的累计收益率
    """
    return df['close'].pct_change(period)

def volatility_factor(df, period=20):
    """
    波动率因子：过去 N 天的收益率标准差
    """
    returns = df['close'].pct_change()
    return returns.rolling(period).std()

def volume_factor(df, period=20):
    """
    成交量因子：过去 N 天的平均成交量变化
    """
    return df['volume'].pct_change(period)

多因子打分模型​

def multi_factor_score(df):
    """
    多因子打分模型
    
    计算多个因子，然后加权合成一个综合得分。
    得分越高 = 股票越好
    """
    # 1. 计算各因子
    df['momentum'] = df['close'].pct_change(20)           # 动量因子
    df['volatility'] = df['close'].pct_change().rolling(20).std()  # 波动率因子
    
    # 2. 因子标准化（排名法）
    # 对每个因子进行排名，排名越靠前分数越高
    df['momentum_rank'] = df['momentum'].rank(pct=True)
    df['volatility_rank'] = (1 - df['volatility']).rank(pct=True)  # 低波动更好
    
    # 3. 合成综合得分（等权或自定义权重）
    df['score'] = (df['momentum_rank'] * 0.5 + 
                   df['volatility_rank'] * 0.5)
    
    return df

因子选股 + 择时框架​

def factor_stock_selection(stock_pool, date, top_n=10):
    """
    在每个调仓日，对所有候选股票打分，选择前 N 只
    
    参数:
        stock_pool: dict {code: df} 候选股票池
        date: 调仓日期
        top_n: 选择前多少只
    """
    scores = {}
    
    for code, df in stock_pool.items():
        if date not in df.index:
            continue
        
        # 计算该股票的综合得分
        df_scored = multi_factor_score(df)
        score = df_scored.loc[date, 'score'] if date in df_scored.index else np.nan
        scores[code] = score
    
    # 按得分排序，选前 N 只
    scores_series = pd.Series(scores).dropna().sort_values(ascending=False)
    selected = scores_series.head(top_n)
    
    return selected

组合回测​

def factor_strategy_backtest(stock_pool, rebalance_freq='M', top_n=10,
                              initial_capital=100000):
    """
    因子选股策略回测
    
    参数:
        stock_pool: 股票池
        rebalance_freq: 调仓频率（'M'=每月, 'W'=每周）
        top_n: 持仓股票数
    """
    # 获取所有调仓日期
    first_date = min(df.index[0] for df in stock_pool.values())
    last_date = max(df.index[-1] for df in stock_pool.values())
    rebalance_dates = pd.date_range(first_date, last_date, freq=rebalance_freq)
    
    portfolio_values = []
    current_holdings = {}
    capital = initial_capital
    
    for date in rebalance_dates:
        # 卖出旧持仓
        for code, shares in current_holdings.items():
            if date in stock_pool[code].index:
                price = stock_pool[code].loc[date, 'close']
                capital += shares * price
        current_holdings = {}
        
        # 选股
        selected = factor_stock_selection(stock_pool, date, top_n)
        
        # 等权买入
        per_stock_capital = capital / len(selected)
        for code in selected.index:
            price = stock_pool[code].loc[date, 'close']
            shares = per_stock_capital // price
            current_holdings[code] = shares
            capital -= shares * price
    
    return portfolio_values

常见因子库总结​

因子方向A 股有效性
动量正向⭐⭐⭐
低波动低波优先⭐⭐⭐⭐
小市值小盘优先⭐⭐⭐⭐
价值（低PE）低PE优先⭐⭐⭐
质量（高ROE）高ROE优先⭐⭐⭐⭐
换手率适度活跃⭐⭐⭐
分析师预期上调优先⭐⭐⭐⭐
股东增持增持优先⭐⭐⭐

下一步：均值回归策略 →

Last updated on by Kimi Gao