基于多因子分析的股票池设计与实现

基于多因子分析的股票池设计与实现

小象实战讲义 · 进阶量化交易实战：迭代式的量化策略研发 本讲义仅用于编程与量化方法教学，不构成任何投资建议。

多因子量化选股是现代资产管理的核心支柱。本节深入剖析价值（Value）、成长（Growth）、动量（Momentum）与质量（Quality）因子的标准化（Z-Score）、去极值（Winsorization）与因子正交化（Gram-Schmidt / 对称正交）数学工艺。

💡 核心导读

• 多因子数据预处理四大标准工序：
  • 去极值（Winsorization）：采用 3 倍中位数绝对偏差（MAD）平滑极端异常值；
  • 截面标准化（Z-Score）：将不同量纲的财务与价量因子转换至均值为 0、标准差为 1 的标准正态空间；
  • 行业与市值中性化（Neutralization）：利用 OLS 回归剥离行业分类与对数流通市值的线性影响；
  • 因子对称正交化（Symmetric Orthogonalization）：消除因子间多重共线性，保留原始因子最大信息量。

┌─────────────────────────────────────────────────────────────┐
│                    多因子特征工程清洗与正交流水线              │
└──────────────────────────────┬──────────────────────────────┘
                               │
 ┌─────────────────────────────┼─────────────────────────────┐
 ▼                             ▼                             ▼
┌─────────────────────────┐   ┌─────────────────────────┐   ┌─────────────────────────┐
│ 原始因子收集 (Raw Data) │   │ MAD 去极值 & Z-Score    │   │ 对称正交化 (Orthogonal) │
├─────────────────────────┤   ├─────────────────────────┤   ├─────────────────────────┤
│ • PE / PB (估值)        │   │ • 3-MAD 边界截断        │   │ • 消除因子相关性        │
│ • ROE / 净利增速 (质量) │   │ • (x - mean) / std      │   │ • 矩阵分解: S = C^(-1/2)│
└─────────────────────────┘   └─────────────────────────┘   └─────────────────────────┘

一、因子预处理：3-MAD 去极值与截面 Z-Score 标准化

对于全市场截面因子序列 $x$，中位数绝对偏差（MAD）计算公式为：

$$MAD = \text{Median}(|x - \text{Median}(x)|)$$

将处于 $[\text{Median}(x) - 3 \times 1.4826 \times MAD, \text{Median}(x) + 3 \times 1.4826 \times MAD]$ 之外的值截断，随后进行 Z-Score 标准化：

$$z_i = \frac{x_i - \mu}{\sigma}$$

import pandas as pd
import numpy as np

def clean_factor_mad_zscore(series: pd.Series) -> pd.Series:
    """
    3-MAD 去极值与截面标准化
    """
    med = series.median()
    mad = (series - med).abs().median()
    up = med + 3.0 * 1.4826 * mad
    down = med - 3.0 * 1.4826 * mad
    clipped = series.clip(lower=down, upper=up)
    std = clipped.std()
    return (clipped - clipped.mean()) / (std if std != 0 else 1.0)

二、对称正交化消除因子共线性

设标准化后的因子矩阵为 $F_{N \times K}$，其协方差矩阵为 $C = \frac{1}{N} F^T F$。对称正交化构造正交变换矩阵 $S = C^{-1/2}$，得到正交因子矩阵：

$$\tilde{F} = F C^{-1/2} = F U \Lambda^{-1/2} U^T$$

正交后的因子间相关系数严格为 0，且与原始因子的相似度最高。

def symmetric_orthogonalize(df_factors: pd.DataFrame) -> pd.DataFrame:
    """
    多因子对称正交化算法
    """
    F = df_factors.values
    C = np.cov(F, rowvar=False)
    eig_val, eig_vec = np.linalg.eigh(C)
    eig_val = np.maximum(eig_val, 1e-8)
    
    # 构造 C^(-1/2)
    inv_sqrt_D = np.diag(1.0 / np.sqrt(eig_val))
    S = eig_vec @ inv_sqrt_D @ eig_vec.T
    
    F_ortho = F @ S
    return pd.DataFrame(F_ortho, index=df_factors.index, columns=df_factors.columns)

📝 动手练一练

编写 Python 脚本模拟三因子（估值、动量、质量）的去极值、标准化与对称正交化全流程：

import pandas as pd
import numpy as np

def run_factor_pipeline_test():
    np.random.seed(42)
    n_stocks = 80
    
    # 模拟高度相关的两个因子
    f_val = np.random.normal(0, 1, n_stocks)
    f_mom = 0.7 * f_val + 0.3 * np.random.normal(0, 1, n_stocks)
    f_qual = np.random.normal(0, 1, n_stocks)
    
    raw_df = pd.DataFrame({'Value': f_val, 'Momentum': f_mom, 'Quality': f_qual})
    
    # 1. 清洗与标准化
    cleaned_df = raw_df.apply(clean_factor_mad_zscore)
    
    # 2. 对称正交化
    ortho_df = symmetric_orthogonalize(cleaned_df)
    corr_matrix = ortho_df.corr()
    
    print("================ 多因子正交化处理验证 ================")
    print("正交前 Value 与 Momentum 相关系数:", f"{raw_df['Value'].corr(raw_df['Momentum']):.4f}")
    print("正交后 Value 与 Momentum 相关系数:", f"{corr_matrix.loc['Value', 'Momentum']:.4e}")
    assert abs(corr_matrix.loc['Value', 'Momentum']) < 1e-5, "因子正交化失败！"
    print("✅ 多因子设计与正交化测试 PASS")
    print("====================================================")

if __name__ == '__main__':
    run_factor_pipeline_test()

运行结果输出：

================ 多因子正交化处理验证 ================
正交前 Value 与 Momentum 相关系数: 0.9244
正交后 Value 与 Momentum 相关系数: -2.8107e-18
✅ 多因子设计与正交化测试 PASS
====================================================

本章小结

1. 标准化预处理是先决条件：通过 3-MAD 去极值和 Z-Score 标准化，消灭不同量纲和极端离群值的干扰。
2. 正交化消除多重共线性：运用对称正交矩阵分解，彻底解耦高度共线因子，保证组合权重的稳定性。
3. 因子暴露中性化控制：在打分前剥离市值与行业 Beta，确保策略捕获纯粹的 Alpha 溢价。

📋 行动清单 (Action Checklist)

• 运行正交化代码，观察正交前后因子在股票池上的打分排序差异；
• 实现基于 OLS 回归的市值中性化函数（残差提取）；
• 预习下一节，掌握股票池在分层回测下的 IC/IR 性能评估体系。

— 小象教研组