ARTICLE · 1185262
AI量化交易|31 多因子选股:从 IC 评价到机器学习,科学地选出该买什么
前面几篇，海龟、缠论、网格教的都是「怎么交易」。但你会发现，无论哪个策略，效果都高度依赖选什么标的：海龟在趋势股上生猛、缠论在活跃股上信号多、网格在震荡股上收租。
那问题来了：怎么从全市场几千只股票和基金里，科学地选出值得交易的品种？ 答案就是多因子选股。
一、因子：能预测未来收益的指标
因子（Factor）= 能预测未来收益的指标。多因子选股 = 综合多个因子信息，选出最优股票组合。
常见的因子类型有六类，都能用 TA-Lib 算：
有了因子，下一个问题是：我算出一个因子，怎么知道它能不能预测未来收益？ 两种方法：IC 分析和分层回测。
二、IC：因子好坏的「金标准」
IC = 因子值与未来收益的 Spearman 秩相关系数。 每期（月末）计算一次：截面上所有股票的因子值排名，和同一批股票未来 20 日收益排名，算两组排名的 Spearman 相关系数，就是当期 IC。
四个关键指标：
为什么用 Spearman 排名相关而不是 Pearson？因为我们关心的是因子值排名高的股票，未来收益排名也高。 Spearman 只看排名顺序，不受极端值影响，更适合金融数据。
在正式看结果前，先交代一个数据细节。我们的数据池是从行情表里拉的全部标的，里面除了 A 股股票，还混进了 ETF 等基金（所以 159xxx、510xxx 开头的 ETF 也会出现在名单里）。严格说，下面这 6000 多只、以及后面的 6852、6870，都是「标的」而不是「股票」，其中纯 A 股股票大约 5000 多只。下文统一用「标的」来称呼。
对全市场 6974 只标的（2024-2025）做 IC 分析：
波动率因子的 IC 为负（-0.07），ICIR = -0.34，这意味着：波动率越高，未来收益越低，低波动股票表现更好。 这就是 A 股著名的「低波动异象」：低波动股票长期跑赢高波动股票，那些长期走得不显山不露水的股票，长期收益反而可观。
三、分层回测：IC 看不到的非线性
分层回测是把因子值从小到大分成 5 组（Q1 到 Q5），每月末重新分组，计算各组平均收益。如果 Q5 - Q1 价差显著，说明因子有区分能力。
波动率因子的 5 分位回测：
有意思的是，收益最高的不是 Q1（最低波动），而是 Q4（较高波动），这和 IC 分析矛盾吗？
不矛盾。 IC 是线性相关，分层回测是非线性的。波动率和收益是倒 U 型关系：适度波动最好，极高和极低都不好。Q5（极高波动）包含很多问题股，拉低了平均收益。
这提醒我们：股票里的很多规律不是简单的线性关系，有时要做二次构造才能把规律呈现出来。分层回测能帮我们看得更细。
四、多因子打分：8 个因子加权求和
单个因子的预测能力有限（ICIR 大多 < 0.5），所以要多因子组合。我们设计一个 8 因子打分体系：
打分流程：
def score_stocks(factor_df): for fname, cfg in FACTOR_CONFIG.items(): # 1. 横截面排名归一化 (0~1) rank = factor_df[fname].rank(pct=True) # 2. 反向因子翻转 if cfg['direction'] < 0: rank = 1 - rank # 3. 按权重加权求和 factor_df['score'] += rank * cfg['weight'] return factor_df.sort_values('score', ascending=False)月度调仓流程是：每月末对全市场算 8 个因子 → 横截面排名打分 → 选出 Top-N → 持有到下月末，再重新计算、重新打分、调仓。这就像基金经理的换仓：等权配置，每个标的分到相同资金比例。
回测（2024-2025，6974 只标的）：
怎么选？Top-5 收益最高（19.25%），但 Top-10 的夏普更高（0.56 对 0.49）。Top-5 集中度高、弹性大，但单个标的的影响太大、回撤 22%；Top-10 适度分散，收益和风险平衡，回撤仅 12%；Top-20 过度分散，因子效果被稀释。结论：Top-10 是最佳平衡点。
五、小市值轮动：A 股长期有效的异象
A 股有个长期有效的规律：小市值股票组的长期收益 > 大市值股票组。 这就是 Fama-French 三因子模型里的市值因子 SMB（Small Minus Big）。
三因子模型是：市场因子（MKT，大盘涨跌）、市值因子（SMB，小盘减大盘）、价值因子（HML，低 PE 减高 PE）。在 A 股，市值因子长期有效但近年减弱，价值因子阶段性有效。
纯小市值策略很简单：每月末按市值排序，选最小的 N 只，持有到下月末。这里要说明一句：日线行情表里没有现成的市值字段，回测里用的是「收盘价 × 20 日平均成交量」作为相对市值的代理指标（真实生产中应该用财务表里的总市值或流通市值），所以它排序的是「相对市值」，不是绝对市值。
增强版多两步：先选市值最小的 50 只做候选池，过滤掉 20 日动量 < -20% 的暴跌股和波动率 > 5% 的极端波动股，再按「市值排名 + 正动量 + 低波动」打分选 Top-N。
def rank_enhanced(all_data, calc_date, top_n=20, pool_size=50): # 第一步：市值排名选候选池 candidates = sort_by_market_cap()[:pool_size] # 第二步：过滤垃圾股 for code in candidates: if momentum_20d < -20: continue # 排除暴跌股 if volatility > 0.05: continue # 排除极端波动 # 第三步：综合打分 score = cap_rank * 0.5 + momentum * 0.3 + low_vol * 0.2回测（2024-2025，Top-10）：纯小市值收益 15.93%、回撤 2.47%；增强版收益 10.07%、回撤 1.68%。
纯小市值收益更高，增强版的价值在哪？看回撤：增强版只有 1.68%。 纯小市值可能选到 ST 股、退市风险股，甚至选到正在暴跌的股票（越跌市值越小，越容易被选中），没有过滤等于什么都买。增强版用动量过滤止血、波动率过滤避雷。
另一个有意思的对比：小市值策略里 Top-20 收益反而最高（12.96%），和多因子打分（Top-5 最高）正好相反。因为小市值效应是群体性的，不是个股性的：多因子打分选的是「个股质量最好的前 N 只」，越集中越好；小市值轮动选的是一群小票，越分散效应越稳定。
到这里我们有了三种选股方法，放到一起对比：
六、因子选股 + 中枢网格：两条线合一
现在有两条线：网格线（怎么交易）和选股线（交易什么）。能不能融合？用因子选出适合做网格的标的，再在上面做中枢网格。
什么标的适合做网格？关键特征：
网格适配因子的配置和多因子打分不同，方向和权重为网格优化：
为什么 ADX 权重最高（30%）？因为它是趋势/震荡最直接的判断：ADX < 20 震荡市是网格天堂，20~40 趋势形成中风险增大，> 40 强趋势网格必死。
RSI 和动量的处理很特别：不是越低越好，而是越接近中性越好。所以在多因子选股里 RSI 低是「超卖反弹机会」（反向因子），在网格选股里 RSI = 50 意味着多空平衡（中性因子）。同一个指标，在不同策略目标下，方向可以完全不同。
def score_for_grid(factor_df): for fname, cfg in GRID_FACTOR_CONFIG.items(): if cfg['direction'] == 0: # 特殊因子：距离中性值越近越好 if fname == 'rsi_14': dist = (result[fname] - 50).abs() # RSI距离50 rank = 1 - dist.rank(pct=True) # 越近得分越高 elif fname == 'momentum_20d': dist = result[fname].abs() # 动量绝对值 rank = 1 - dist.rank(pct=True) # 越小得分越高融合流程：全市场 → 网格适配因子打分 → Top-N → chan.py 分析 → 有中枢就做中枢网格，没中枢就跳过。
对 6852 只标的打分，排名第一的 301617.SZ 得分 0.9305，ADX = 11.1（远低于 20，典型震荡）、RSI = 51.2（几乎正好 50，多空完美平衡）、动量 +0.76%（接近 0，没有方向）。这就是网格策略的理想猎物。
Top-5 中枢网格回测组合平均收益 +1.36%、最大回撤仅 2.64%，风险控制优秀。但要看清：得分第一的不一定收益最好，排名第五的 603001.SH 收益最高（+10.41%），因为因子打分是事前预测，回测收益是事后结果；得分第二的 301013.SZ 反而亏了，因为虽然因子显示震荡，实际却走出 +219% 的大趋势，网格踏空了。这再次验证：网格不适合趋势股。
七、ML 增强多因子：让数据学习最优因子组合
8 因子打分用的是人工定权重：动量 20%、波动率 15%……这些权重最优吗？不一定。人工权重凭经验拍脑袋、不同市场环境下最优权重可能不同、还忽略了因子之间的交互关系（高动量 + 低波动可能比单因子更有效）。
ML 的优势，就是让模型从数据中学习最优的因子组合方式。
特征工程用了 13 维，其中 ML 独有的是两个交互特征：
FEATURE_NAMES = [ # 动量系列 (4个) 'momentum_5d', 'momentum_10d', 'momentum_20d', 'momentum_60d', # 波动/趋势 (3个) 'volatility', 'rsi_14', 'adx_14', # 动能/量能 (3个) 'macd_hist', 'obv_slope', 'vol_ratio', # 价格位置 (1个) 'price_position', # 交互特征 (2个) ← ML独有 'mom_vol_cross', # 动量 * 波动率 'adx_rsi_cross', # ADX * (RSI-50)]为什么要交互特征？因为因子之间的组合效应可能比单因子更强：高动量 + 低波动是稳定上涨的好趋势，高动量 + 高波动是暴涨暴跌的陷阱，高 ADX + RSI>50 是确定性上涨。交互特征让模型直接看到这些组合关系。
训练用 Walk-Forward 滚动：每月用过去 12 个月数据训练 LightGBM，预测当月所有股票的未来 20 日收益，选预测值最高的 Top-10。为什么不用全部历史？避免未来信息泄露：如果用全部数据训练再回头测，等于拿答案做题。Walk-Forward 保证训练数据永远在预测时点之前，且模型定期更新适应市场变化。
model = lgb.LGBMRegressor( n_estimators=100, # 100棵树 max_depth=5, # 最大深度5 (防过拟合) learning_rate=0.05, subsample=0.8, # 每棵树用80%样本 colsample_bytree=0.8, # 每棵树用80%特征 min_child_samples=10, # 叶节点最少10个样本)回测结果（198118 条样本，31 个月，6870 只标的）：
动量排序亏了 88%，ML 选股赚了 37%，差距巨大。原因在于：动量排序只看 20 日动量最高的 10 只，本质是追涨杀跌，某些月份大涨时动量最高的股票已到顶部，下个月回落暴跌，反复追高被套。而 ML 综合 13 个特征，能发现「高动量 + 低波动」才是好组合、「高动量 + 高波动」是陷阱。
特征重要性里，波动率排第一、60 日动量排第二、价格位置第三、动量×波动率交互排第五。对比三个 ML 策略：
共同点是波动率/ATR 在所有 ML 策略里都重要（波动率是市场本质特征之一）；差异是缠论 ML 独有的中枢高度（结构信息是缠论核心价值）、多因子 ML 的动量×波动率交互（因子组合比单因子更有信息量）。
ML 选股也有风险点要盯住：过拟合（限制深度、subsample、滚动验证）、未来泄露（Walk-Forward 严格时间分割）、因子失效（多因子分散、定期重训）、数据质量（清洗、极端值过滤）、交易成本（月度调仓控制换手）。
八、完整体系：把选股和交易串起来
到这里，我们搭起了一个完整的量化投资体系：
• 选股层：多因子打分 + 小市值轮动 + ML 增强； • 择时层：缠论中枢（震荡）+ 海龟突破（趋势）+ 网格（区间）； • 风控层：ATR 仓位管理 + 中枢止损（ZG/ZD）+ 网格出界停止； • 增强层：LightGBM 信号过滤 + 特征工程 + Walk-Forward 验证。
三种策略，三种市场观，覆盖三种市场状态：
• 海龟的哲学：市场有惯性，涨了还会涨； • 缠论的哲学：市场有结构，结构决定买卖点； • 网格的哲学：市场会震荡，震荡就有差价。
所以市场环境不同，策略选择也不同：震荡市单标的用中枢网格，震荡市多标的用因子选股+网格，趋势市用海龟/缠论三买，不确定就用混合策略，追求 alpha 就上 ML 选股。
从海龟到缠论到网格再到多因子，这一整套走下来，核心其实只有一句话：把投资从凭感觉变成有规则，从拍脑袋变成数据驱动。 而多因子选股加中枢网格的最大价值，不是预测市场会涨还是跌，而是科学地选出值得交易的品种，在震荡区间内机械收租，用出中枢即停的纪律守住本金。
至此，AI 量化交易的「世界观」和「方法论」都讲透了。下一篇开始，我们会把选股、择时、风控、增强这套体系，交给真正的 AI 同事去跑起来。
关注 + 在看，别掉队。
