量化交易笔记

数据获取和处理

能拿到什么数据，决定了能做什么策略。数据决定信息的上限，策略只能逼近，不能突破。

加工不产生信息，只会损失信息。

比如一场厄尔尼诺：哪些产区会减产？粮价会不会涨？靠粮食进口的国家，货币会不会承压？这条链上的每一环都要有数据接住，气象、产量、进出口、汇率。谁先拿到、拿得更全，谁就先下注。

获取

  • 行情数据：价格、成交量、盘口、逐笔，频率从日线到 tick
  • 财务数据：三张表、业绩预告、分红送转
  • 另类数据：卫星图、舆情、搜索指数、供应链、天气，边际信息量最大，也最贵、最脏

清洗

  • 缺失值与异常值：先区分是数据错误还是真实的极端行情，再决定剔除还是保留
  • 除权除息：价格序列要做复权，否则分红、送股会被当成暴跌
  • 退市股票：保留已退市的股票，否则会产生幸存者偏差
  • 样本范围：按需剔除 ST 股和金融行业，金融股的财报口径和其他行业不可比
  • 前视偏差：财报按实际公告日而不是报告期对齐，只用当时已经能拿到的数据

处理

  • 时间对齐：统一交易日历，不同频率的数据对齐到同一时点，停牌日做标记而不是填充
  • 截面对齐：每个时点只保留当时在样本池里的股票，整理成「日期 × 股票」的面板
  • 衍生字段：收益率、换手率、财务比率等从原始字段算出来
  • 存储：按 PIT（时点数据）存，财报修订后不覆盖旧值，回测才能还原当时看到的数字

因子（Alpha）

因子是量化投资中用于解释股票收益差异的指标。它可以是基本面因子（如市盈率、盈利增长率）、技术因子（如动量、波动率）或宏观因子（如利率、经济指标）。

要预测的是超额收益或风险调整后的收益，而不是裸的涨跌幅。通常先剥离市场、行业、风格这些系统性因子，再对剩下的残差收益做预测；另一条路线是在无套利约束下直接估计随机折现因子（SDF）。

因子加工与处理（Factor Processing）

因子处理是将原始数据（财报数据、价格数据等）转化为能用于投资决策的因子值的过程。这包括因子构建、清洗、标准化、分布调整、离散化等一系列步骤。

因子计算预处理

  • 去极值（Winsorize）：百分位法、3σ 法
  • 标准化（Standardize）：常用 z-score，减均值除标准差，变成均值 0、标准差 1
  • 中性化（Neutralize）：剔除行业、市值、Beta 等风格因子的影响
  • 归一化：min-max，(x - min) / (max - min)，压到 0 到 1

单因子

侧面 Factor 3 Factor 2 Factor 1 正面 普通人：从正面看 K 线涨涨跌跌 工程师：从侧面看 几个因子，各有多强
同一段行情，正面看是 K 线，侧面看是几个因子。
工程师看信号也一样：时间上是一条乱线，频率上是几根柱子。
Portfolio return = factor1 × factor1’s return + factor2 × factor2’s return + …… + factor n × factor n’s return + others

一段声音，普通人听到的是一条起伏的波形，工程师看到的是一组不同频率的正弦波叠在一起（傅里叶变换。

多因子模型看市场也是这样。普通人看到的是一只只个股在涨跌，多因子模型看到的是背后的一组因子：每只股票的收益，都可以拆成它在各个因子上的暴露乘以因子收益，再加上一点个股自己的噪声。

市场不是一支支个股，而是一个个因子。

Factor 1 Factor 2 Factor 3 Factor 4 Factor n …… Signal 1 Signal 2 Signal 3 Signal 4 Signal 5 Signal 6 Signal 7 Signal 8 Signal 9 Signal 10 …… Signal m 市场 维度 原材料

因子分类

一只股票的收益，一部分来自所有股票共同的驱动，一部分来自它自己。解释前一部分的叫风险因子，主要是风格和行业：风格就是市场公认的那几个因子，Barra 里大约十个；行业用申万或中信一级行业的哑变量表示。它们人人都看得见，只能吃到风格溢价，所以做单因子测试前要先中性化掉，剩下的才是 Alpha。

同一个指标两边都算。动量拿来解释收益是风格，拿来预测收益就是 Alpha，看你怎么用。

所以分类不看数据从哪来，看因子凭什么赚钱。解释只有两种：

  • 风险补偿：你扛了别人不想扛的风险，收益是报酬
  • 行为偏差：别人犯了错，你站在对面

价值

回答「现在买贵不贵」。便宜的股票长期跑赢，一种解释是它们本来就更危险（风险补偿），另一种是市场对坏消息反应过度，把它们卖得太狠（行为偏差）。

  • PE（市盈率）、PB（市净率）、PS（市销率）、股息率、自由现金流收益率、EV/EBITDA（企业价值与息税折旧摊销前利润之比）
  • 数据：价格加财报

质量

回答「这家公司本身好不好」。好公司本该更贵，但市场常常给得不够，注意力被有故事的公司抢走了（行为偏差）。

  • 盈利能力：ROE（净资产收益率）、ROA（总资产收益率）、ROIC（投入资本回报率）、毛利率与净利率
  • 盈利质量：经营现金流与净利润之比、自由现金流与营收之比、应计项（盈余管理的代理指标）、盈利波动
  • 安全性：杠杆率、利息保障倍数
  • 资本配置：净回购、股本稀释、再融资频率、外部融资与总资产之比
  • 数据：财报

成长

回答「它在变好吗」。市场对盈利改善反应偏慢，好消息要几个季度才完全进价格（行为偏差）。单独用效果一般，常和质量、预期修正搭配。

  • 营收和 EPS（每股收益）的增长率
  • 数据：财报

动量与反转

回答「趋势会不会延续」。中期趋势会延续，因为信息是慢慢扩散的，投资者反应不足；极短期会反转，因为过度反应和流动性冲击会回吐。两头都是行为偏差。A 股中期动量偏弱，短期反转更强。

  • 动量：过去 12 个月剔除最近 1 个月的收益（12M-1M），6M-1M 同理
  • 短期反转：过去 1 到 5 日的收益
  • 技术指标：RSI（相对强弱指数）、KD（随机指标）、DMI（趋向指标）、MACD（平滑异同移动平均线）、OBV（能量潮），大多是动量或反转的变形
  • 数据：行情

低波动

回答「稳不稳」。波动越低，风险调整后的收益反而越高，和「高风险高收益」反着来。投资者偏爱彩票型的高波动股票，把它们买贵了（行为偏差）；很多机构不能加杠杆，只能靠买高 Beta 股票放大收益，也在推高它们。

  • 历史波动率、下行波动率、特质波动率（Idio Vol）、Beta
  • 数据：行情

规模与流动性

回答「小不小、好不好买」。小盘股和难交易的股票要给更高回报，才有人愿意拿着（风险补偿）。

  • 规模：市值
  • 流动性：换手率、日均成交额、Amihud 非流动性指标
  • 数据：行情

预期修正

回答「市场对它的看法在怎么变」。分析师调预期是一点点调的，业绩超预期之后股价还会持续漂移，即 PEAD（盈余公告后漂移）。都是反应不足（行为偏差）。

  • 盈利预期修正：一致预期净利润和 EPS 的上调、下调
  • 业绩超预期：SUE（标准化意外盈余），实际公告值和一致预期的差
  • 评级与目标价：分析师评级变化、目标价调整
  • 数据：分析师预期、财报公告

资金与情绪

回答「钱和情绪往哪边走」。有的是跟着聪明钱，信息多的一方先动；有的是反着散户情绪，过度乐观之后会回落。方向要分开测。

  • 资金流向、大单买卖比率
  • 北向资金、主动基金持仓、ETF 份额变动
  • 新闻、公告、研报的文本情绪分数
  • 期权隐含情绪：偏度（Skew）、持仓量（OI）分布
  • 数据：行情、持仓、文本，大多属于另类数据

高频转低频因子：

 1. 计算每根分钟线的收益率：
          closeₜ
    rₜ = ──────── -1
         closeₜ₋₁

 2. 确定当天参与计算的时段：默认取 9:30–14:55；关闭时段过滤时，取全天。

 3. 判断当天是否上涨：把这些时段的分钟收益率相加，只有总和 大于 0 的日子继续计算。这里用的是收益率之和，不是严格的当日累计收益率。

 4. 确定放量阈值：计算当天分钟成交量的均值和标准差：
    阈值 = mean (volume)+ std (volume)

 5. 挑出放量分钟：只保留成交量严格大于阈值的分钟。这些分钟可以上涨，也可以下跌，并不要求每分钟收益为正。

 6. 计算因子值：对选中分钟的收益率求标准差，再开平方：
    factor = √(std (rₜ ∣ volumeₜ > 阈值))

 含义：在整体上涨的日子里，交易异常活跃时，价格变化有多不稳定。 值越高，放量时段的收益率差异越大；值越低，价格变化越一致。代码没有规定高值或
 低值哪一边应该买。

单因子测试流程

因子值计算 因子值预处理 因子值中性化 Alphalens 测试 因子值预处理 极值处理： Trimming 和 Winsorizing 标准化 因子值中性化 行业中性 风格中性 1、所谓中性，就是「无关」「无所谓」 2、行业中性，就是因子值当中对于 每个行业都是同等对待的 3、风格中性，因子值不包含特定的 Factor 信息 Alphalens Quantopian 三件套之一， 开源的单因子测试框架

因子评价

一句话：每个截面上，按因子值给标的排个序，看这个排序能不能预测接下来的收益。从三个角度看，越往后越接近实盘。

准备

  • 前瞻收益：同时看几个持有期，比如 1、5、10 根 bar
  • 分层：每个截面按因子值分 5 层；大量同值、分不出边界的那一期不分层
  • 清洗：因子值或前瞻收益缺失的样本剔除，丢掉超过 35% 就判这个因子不可用

IC：排序对不对

  • Rank IC：每个截面算一次因子值和前瞻收益的 Spearman 相关
  • Pearson IC：同上，换成按收益幅度算。明显低于 Rank IC，说明排序在多数小波动上是对的，决定收益的大涨大跌没跟上
  • 每个持有期汇总四个数：均值、标准差、ICIR（均值 ÷ 标准差，看稳不稳）、胜率（IC 为正的截面占比）
  • 累计 IC 曲线：斜率就是均值，走平的地方是失效期；再按月取均值，看哪段时间有效

分层收益：钱在不在头尾

  • 每层的平均收益折算到单根 bar，减去全池等权均值，看是否从低到高单调
  • 各层净值曲线：持有 k 根时，按 k 个错开建仓的子组合取平均，避免重叠持有的收益被连乘

多空组合：扣完成本还剩多少

  • 多最高层、空最低层，各半仓、组内等权，每个持有期调仓一次
  • 扣手续费（换手 × 固定费率）和资金费，和回测同一口径
  • 看扣费后的年化收益和夏普，再拆开看扣费前收益、每年手续费、资金费、日均换手

IC 再高，扣完成本不赚钱也没用。多空组合是最接近实盘的那个数。

还有一种学术上常用的检验：Fama-MacBeth 回归。每个截面用因子值对收益做一次回归，得到当期的因子收益；再看这串因子收益的均值和 t 值，t 值大于 2 才算显著。

组合

多因子框架概述

对 Signal 分类后 类内加权合成 Factor Factor 配权重 合成 Alpha 按 alpha 分值筛选 或优化组合构建 Signal Pool Signal 1 Signal 2 Signal 3 Signal 4 Signal n …… Factor Pool Factor 1 Factor 2 Factor m …… Alpha Share Pool 2.4 Share 1 2.3 Share 2 2.0 Share 3 1.9 Share 4 -3.0 Share k …… 等权组合 打分加权组合 优化组合 …… 利用归因模型 对组合归因

Signal → Factor → Alpha → 股票打分 → 组合构建

  • Signal Pool：Signal 1 到 Signal n
  • 对 Signal 分类后，类内加权合成 Factor，得到 Factor Pool：Factor 1 到 Factor m
  • Factor 配权重合成 Alpha
  • 用 Alpha 给 Share Pool 里每只股票打分（如 2.4、2.3、2.0、1.9 …… -3.0）
  • 根据 Alpha 分值筛选股票或优化组合构建：等权组合、打分加权组合、优化组合……
  • 最后利用归因模型对组合归因

组合构建

接着上面的流水线，分两步：先把多个因子合成一个 Alpha 分数，再把分数变成持仓。

因子合成 Alpha

先去重。看相关系数矩阵，高度相关的因子归成一类，类内先合成一个，避免重复押注同一个来源；因子多的时候用 PCA（主成分分析）或聚类来分类。

再合成，有两条路：

  • 手工加权：先按 IC、ICIR、多空收益筛一遍，再定权重。等权最稳；IC 加权按历史 IC 给权重；风险平价、最大分散化、最大化夏普要估因子之间的协方差，样本外容易不稳
  • 模型合成：因子当特征、前瞻收益当标签，让模型直接学权重。Ridge、Lasso 是线性的，自带筛选，Lasso 会把没用的因子系数压到 0；LightGBM 这类树模型能抓非线性和因子之间的交互，也更容易过拟合，必须留出验证段

打分变持仓

  • 选股：按 Alpha 排序，买前 N 名或最高一档，等权或按分数加权
  • 优化：最大化预期 Alpha，减去风险和交易成本，再加约束：行业和风格暴露为零（中性化）、单票权重上限、换手上限
  • 风险模型：优化要用到股票之间的协方差，几千只股票直接估不可行。Barra 这类风险模型用少数几个风格和行业因子来近似，这是它在这里的用处

例子：科技三杰指数增强

  • 范围：申万一级通信、电子、计算机三个行业，539 只股票
  • 七个因子：创新（研发费用，市值中性）、盈利（单季度 ROE）、成长（净利润同比增长）、估值（EP）、规模（流通市值）、流动性（月换手）、技术（1 月反转）
  • 合成：每个因子在全名单里排名，名次 ÷ 总数，七个相加，等权
  • 用法：看好科技板块时，用它代替直接买行业指数
  • 来源：广发证券《多因子 Alpha 系列报告之（四十）》

市场中性策略（Market Neutral）

用两个或多个相关资产构建，对冲掉市场波动。

主动选股 (α) + 市场波动 (β) 股票组合多头 − 市场波动 (β) 股指期货空头 互相抵消 = 投资收益 (α)

什么是中性策略

  • 股票组合多头 = 主动选股（α）+ 市场波动（β）
  • 股指期货空头 = 市场波动（β）
  • 两者相减：(α + β) - β = 投资收益（α）

回测

回测假设

指标好不好看，先看是在什么假设下跑出来的。

  • 成交：当根 bar 收盘产生信号，按这根 bar 的 close 成交，不单独模拟滑点
  • 成本：每笔按成交额扣一个固定比例，手续费加滑点合计约 0.03%，开仓、平仓各扣一次；永续合约逐小时结算资金费
  • 预热：正式区间之前多载一段历史，给因子算窗口，预热期不计收益
  • 幸存者偏差：已退市的标的保留到它最后一根 bar
  • 基准：等权持有同一个标的池，每根 bar 再平衡，不扣成本

评价标准

收益

  • 总收益：期末权益 ÷ 初始权益 − 1，已扣成本
  • 年化收益：(期末权益 ÷ 初始权益)^(365 ÷ 天数) − 1。加密市场 7×24，按自然日折算；A 股按 252 个交易日
  • 基准收益：同期等权持有标的池的收益，策略至少要跑赢它
  • 月度收益：每月末权益对上月末的涨跌，看收益是不是集中在某几个月

风险

  • 最大回撤：净值从历史最高点回落的最大幅度。初始权益也算一个高点，首日亏损同样计入
  • 夏普比率：日收益均值 ÷ 日收益标准差 × √365，无风险利率按 0
  • 平均多头、空头敞口：策略实际押了多少方向。多空相抵接近 0，才算市场中性

成本

  • 手续费拖累：累计手续费占初始权益的比例
  • 资金费拖累：累计资金费占初始权益的比例，多头付、空头收
  • 两项单独列出来，才看得出毛收益是不是被换手吃掉了

交易统计

  • 成交笔数：笔数太少，一两笔就能改变结果
  • 胜率：盈利的平仓笔数 ÷ 有盈亏的平仓笔数，开仓成交不计入

还可以自己补的：信息比率、Beta、盈亏比、平均持仓时间。

图形与记录

  • 净值曲线，叠加基准
  • 月度收益表
  • 多空敞口曲线
  • 成交记录：时间、标的、方向、价格、数量、单笔盈亏

归因分析

把收益和风险拆开，看钱到底是从哪来的：风险归因、收益归因、行业贡献、风格贡献。常用的尺子是 Fama-French 多因子模型：把组合收益对市场、规模、价值等因子回归，剩下的截距才是真 Alpha。

稳健性测试

  • 参数敏感性：参数稍微变一下，结果不应该大幅变化
  • 样本外测试
  • 不同市场环境：牛市、熊市、震荡市分别看
  • 数据扰动：给输入加一点噪声，看结论是否还成立

注意量化的陷阱

  1. 幸存者偏差（Survivorship Bias）：只用活下来的股票回测
  2. 前视偏差（Look-ahead Bias），也叫未来函数：用了当时还拿不到的数据
  3. 后视偏差：带着对历史行情的认知去设计策略
  4. 过拟合（Overfitting）
  5. 认知偏差：回撤来临时扛不住压力

这个问题也许会击碎很多人的美梦。无论是小波分析还是经验模态分解（Empirical Mode Decomposition，EMD）这些在工程上行之有效的降噪方法，应用在时间序列中都会存在“端点效应”，也就是说这些方法对最近的趋势判断是有问题的，并不能用来指导策略交易。这个问题可以延伸到一些其他的技术，比如z-score标准化，利用隐马尔可夫模型（Hidden Markov Model，HMM）测算当前市场状态等。它们的共同特征是新的市场数据会导致模型历史状态发生变化。也就是说，所有全局优化的滤波技巧都会存在这个问题，本质上它是过度拟合的一种。

策略分类

先按信号的形状分：因子是每期给每只股票打一个分，事件是某些股票、某些时点触发，择时是一个标的决定什么时候进出。另外是套利和高频。

因子策略

AH 溢价选股（价值）

  • A 股价格 ÷（H 股价格 × 汇率），溢价最小的买入
  • 同一家公司在两个市场的相对贵贱

北上优质机构选股（资金与情绪：跟着聪明钱）

  • 先选出历史表现最好的托管机构，再买它们增仓的股票
  • 来源：开源证券《量化评论系列（7）：从托管机构细窥》

北向个股（资金与情绪）

  • 因子值：每日北向流入 ÷ 流通市值
  • 也可以当事件用：超过 x%（如 0.25%），或超过近期均值 + n 倍标准差就触发

散户反买（资金与情绪：反着散户）

  • 散户净买入越多，后续表现越差，反着做

雪球热门（情绪）

  • 讨论热度高的股票往往已经涨过，通常反着用

事件驱动策略（Event-driven）

事件只在某些股票、某些时点触发。想放进多因子模型，就把它改造成因子：触发当天记 1，之后几天逐渐衰减到 0。

分析师评级（预期修正）

  • 信号：调高评级最强；其次是 n 家机构同时给买入、隔一段时间后首次覆盖、目标价远高于现价、历史收益高的资深分析师给出评级
  • 执行：报告上调评级后，下个交易日买入，资金分 2 份，持有 2 天

机构调研（资金与情绪）

  • 调研日期和公告发布日期只差 1 天，信息还新
  • 有历史超额好的基金公司参与
  • 按市值排序买 2 只，资金分 2 份，持有 2 天

公告事件

  • 业绩增长：预期修正，业绩公告后股价还会持续漂移，即 PEAD（盈余公告后漂移）
  • 高管增持：内部人信号
  • 指数调仓：被动资金被迫买卖，流动性冲击
  • 合并重组

择时策略

北向指数

  • 北向净流入大于 x 元看多，否则平仓
  • 回测年化 20%，回撤 20%
  • 只决定进出，不选股

高频交易策略（HFT）

套利策略（Arbitrage）

  • 硬搬砖
  • 软搬砖（跨市对冲套利）
  • 三角套利（跨品种套利）
  • 两品种价差回归
  • 期现套利
  • 跨期套利
  • 资金费率套利