核心觀點(diǎn)【核心結(jié)論】本報(bào)告詳細(xì)介紹了量化多因子選股的流程與框架，涵蓋因子預(yù)處理、評(píng)價(jià)及收益預(yù)測(cè)模型等關(guān)鍵步驟。【報(bào)告亮點(diǎn)】系統(tǒng)性整理了從因子測(cè)試、因子篩選到組合構(gòu)建的全過程，為高效構(gòu)建量化投資組合提供了清晰路徑。【主要邏輯】單因子測(cè)試介紹單因子預(yù)處理的基本方法，主要包括去極值、標(biāo)準(zhǔn)化、中心化。因子檢驗(yàn)的評(píng)價(jià)維度和評(píng)價(jià)方式，其中評(píng)價(jià)方式主要有ICIR法、分組測(cè)試法、雙變量排序法和回歸法。收益預(yù)測(cè)模型對(duì)因子進(jìn)行篩選，判斷其是否能夠納入多因子組合。用一系列篩選得到的因子預(yù)測(cè)個(gè)股收益，這一步本質(zhì)可理解為多因子的聚合。常見方法可分為線性和非線性，其中線性法主要有加權(quán)和回歸兩種方式，非線性主要包括神經(jīng)網(wǎng)絡(luò)、樹模型等。組合構(gòu)建基于得到的個(gè)股收益預(yù)測(cè)，計(jì)算組合的凈值曲線和收益風(fēng)險(xiǎn)特征。組合構(gòu)建的主要步驟包括設(shè)定選股池與調(diào)倉周期、以及確定選股邏輯和權(quán)重。其中，選股邏輯和權(quán)重一般基于人工邏輯直接構(gòu)建得到，或者利用優(yōu)化算法在更復(fù)雜的選股約束下進(jìn)行求解。我們基于上述框架，結(jié)合多因子復(fù)合打分構(gòu)建了一個(gè)中證500指數(shù)增強(qiáng)策略，業(yè)績(jī)表現(xiàn)優(yōu)于基準(zhǔn)。風(fēng)險(xiǎn)提示：數(shù)據(jù)來源第三方，或有遺漏、滯后、誤差；選股研究框架及篩選指標(biāo)為西部證券自建，或有考慮不周之處；股票歷史業(yè)績(jī)不代表未來表現(xiàn)，研究框架也會(huì)隨時(shí)間變化。請(qǐng)仔細(xì)閱讀尾部的免責(zé)聲明 2請(qǐng)仔細(xì)閱讀尾部的免責(zé)聲明量化多因子選股基本框架3資料來源：西部證券研發(fā)中心收益預(yù)測(cè)因子篩選預(yù)測(cè)股票收益風(fēng)險(xiǎn)管理預(yù)期跟蹤誤差組合風(fēng)格偏離組合風(fēng)險(xiǎn)貢獻(xiàn)組合優(yōu)化給定風(fēng)險(xiǎn)約束最大化預(yù)期收益收益預(yù)測(cè)模型：通過歷史估計(jì)給出股票未來的預(yù)期收益率。風(fēng)險(xiǎn)管理模型：控制組合與業(yè)績(jī)基準(zhǔn)之間的跟蹤誤差。組合權(quán)重優(yōu)化：在給定的風(fēng)險(xiǎn)約束下，最大化組合的預(yù)期收益率。圖：多因子組合構(gòu)建基本流程目 錄ENTS目 錄CONTENTS收益預(yù)測(cè)模型組合構(gòu)建020301單因子測(cè)試1

單因子測(cè)試請(qǐng)仔細(xì)閱讀尾部的免責(zé)聲明5資料來源：西部證券研發(fā)中心參考文獻(xiàn)：Active

Portfolio

Management,

by

Grinold

and

Kahn.備選因子IncisiveIntuitiveInteresting首字母■□□公司地點(diǎn)■■□股票盈利■■■1.1

備選因子：基于原始指標(biāo)或開發(fā)；挑選時(shí)需要注意因子是否直接、直觀且有意義。直接（incisive）：通過因子能夠明確對(duì)股票進(jìn)行分類。直觀（intuitive）：對(duì)股票的分類標(biāo)準(zhǔn)具有可以解釋的邏輯性。有意義（interesting）：分類后的股票風(fēng)險(xiǎn)收益特征具有明顯差異。表：確定備選因子的3個(gè)I1.2

因子預(yù)處理請(qǐng)仔細(xì)閱讀尾部的免責(zé)聲明6資料來源：西部證券研發(fā)中心?01-

去極值?02-

標(biāo)準(zhǔn)化?03-

中性化1

單因子測(cè)試1.2

因子預(yù)處理01

-

去極值：因子數(shù)據(jù)中的極端值會(huì)影響分析結(jié)果，離群值會(huì)扭曲因子與收益率之間的相關(guān)性估計(jì)。去極值的基本邏輯：確定上下限，將超出范圍的因子值修改為上下限。常見的去極值方法有：①

MAD法：上下限為

????

±

??

?????????，

????:

序列????的中位數(shù)，????????:

序列|????-????|的中位數(shù)②

3??法：上下限為

????

±

??

?

??，

????:序列????的均值，??：序列????的標(biāo)準(zhǔn)差③

百分位法：上限分位數(shù)和下限分位數(shù)（一般為97.5和2.5）。請(qǐng)仔細(xì)閱讀尾部的免責(zé)聲明7資料來源：西部證券研發(fā)中心1

單因子測(cè)試1.2

因子預(yù)處理02

-

標(biāo)準(zhǔn)化：不同的因子數(shù)據(jù)往往具有不同的單位和數(shù)值范圍，這種差異會(huì)導(dǎo)致數(shù)值較大的因子在分析中占據(jù)過大的比重，而數(shù)值較小的因子則會(huì)被相對(duì)削弱。因此，通常需要對(duì)這些因子數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理，以消除量綱的影響。常見標(biāo)準(zhǔn)化方法有：①

Z-score②

Max-Min③

取對(duì)數(shù)④

排序標(biāo)準(zhǔn)化請(qǐng)仔細(xì)閱讀尾部的免責(zé)聲明8資料來源：西部證券研發(fā)中心1

單因子測(cè)試1.2

因子預(yù)處理03

-

中性化：剔除因子數(shù)據(jù)中顯著的風(fēng)險(xiǎn)暴露，因?yàn)槿羰褂镁哂忻黠@風(fēng)險(xiǎn)暴露的因子值作為選股條件，會(huì)導(dǎo)致篩選出的股票集中在特定的風(fēng)險(xiǎn)暴露上。中性化的基本邏輯：因子值作為y，風(fēng)險(xiǎn)因子作為x，進(jìn)行線性回歸，回歸殘差即為風(fēng)險(xiǎn)中性后的因子值。常見中性化方法有：①

行業(yè)中性②

市值中性③

其他風(fēng)險(xiǎn)因子中性請(qǐng)仔細(xì)閱讀尾部的免責(zé)聲明9資料來源：西部證券研發(fā)中心1

單因子測(cè)試1.3

因子檢驗(yàn)因子的評(píng)價(jià)維度：因子單調(diào)性：因子單調(diào)性越好，收益區(qū)分能力越強(qiáng)。因子有效性：因子對(duì)未來收益的解釋能力。因子穩(wěn)定性：因子的有效性是否穩(wěn)定、可持續(xù)因子時(shí)效性：在過去有效的因子，現(xiàn)在或?qū)聿灰欢ㄓ行?。?qǐng)仔細(xì)閱讀尾部的免責(zé)聲明10資料來源：西部證券研發(fā)中心1

單因子測(cè)試1.3

因子檢驗(yàn)因子評(píng)價(jià)方式：01

-

IC、IR：常用于評(píng)價(jià)因子有效性和穩(wěn)定性。02

-

分組測(cè)試：將股票按照因子值大小分組，統(tǒng)計(jì)每組在下一周期的收益。03

-

雙變量排序：計(jì)算控制因子1下的因子2分組收益，以防止排序受其他因子的干擾。04

-

回歸法：將T期的因子暴露與T+1期股票收益率進(jìn)行線性回歸。請(qǐng)仔細(xì)閱讀尾部的免責(zé)聲明11資料來源：西部證券研發(fā)中心1

單因子測(cè)試1.3

因子檢驗(yàn)01

-

IC、IR：常用于評(píng)價(jià)因子有效性和穩(wěn)定性。Pearson相關(guān)系數(shù)（IC）：當(dāng)期因子值與下期股票收益之間的線性相關(guān)性。Spearman相關(guān)系數(shù)（RankIC）：當(dāng)期因子與下期股票收益之間的序數(shù)相關(guān)性。ICIR信息比率（ICInformation

Ratio）：IC的均值與IC標(biāo)準(zhǔn)差之比，代表因子獲取穩(wěn)定Alpha的能力。請(qǐng)仔細(xì)閱讀尾部的免責(zé)聲明12資料來源：西部證券研發(fā)中心1

單因子測(cè)試請(qǐng)仔細(xì)閱讀尾部的免責(zé)聲明13資料來源：Wind，西部證券研發(fā)中心1.3

因子檢驗(yàn)02

-

分組測(cè)試：將股票按照因子值大小分組，統(tǒng)計(jì)每組在下一周期的收益。每組間的收益差異越大、單調(diào)性越明顯，因子有效性越好。圖：PB因子分組月均收益（2018.01-2024.07）1

單因子測(cè)試0.8%0.6%0.4%0.2%0.0%-0.2%-0.4%-0.6%-0.8%G1 G2 G3 G4 G5 G6 G7 G8 G9 G10注：橫軸為t月按照股票的PB從小到大等分成10組，縱軸代表每個(gè)PB組合t+1月收益的均值1.3

因子檢驗(yàn)03

-

雙變量排序：計(jì)算控制因子1下的因子2分組收益，以防止排序受其他因子的干擾。（有條件）雙變量排序流程：按因子值1將股票分為10組。在各因子值1分組中按因子值2分為10組。將不同因子值1分組內(nèi)相同因子值2排序分組的收益加總，得到控制因子值1下的因子值2的分組收益。請(qǐng)仔細(xì)閱讀尾部的免責(zé)聲明14資料來源：西部證券研發(fā)中心1

單因子測(cè)試1.3

因子檢驗(yàn)04

-

回歸法：將因子T期的因子暴露與T+1期股票收益率進(jìn)行截面線性回歸。r??+1=????????+

????回歸系數(shù)????

：因子當(dāng)期的收益率（因子溢價(jià)）。因子收益率顯著度水平（t-test）：對(duì)于每一期的截面回歸，都可以得到一個(gè)因子收益率????

，對(duì)于????序列進(jìn)行??檢驗(yàn)，以觀察因子收益率序列的方向一致性。請(qǐng)仔細(xì)閱讀尾部的免責(zé)聲明15資料來源：西部證券研發(fā)中心1

單因子測(cè)試目 錄ENTS目 錄CONTENTS收益預(yù)測(cè)模型組合構(gòu)建0203單因子測(cè)試0201因子因子計(jì)算方式風(fēng)格市值log（總市值）非線性市值log（總市值）Z-score的平方預(yù)期EP一致預(yù)期凈利潤/總市值行為反轉(zhuǎn)前1個(gè)月累計(jì)收益率換手率前1個(gè)月日均換手率波動(dòng)率Fama-French時(shí)間序列回歸殘差波動(dòng)率財(cái)務(wù)ROE單季度ROESUE(凈利潤(t)-凈利潤(t-4))/過去4期凈利潤變化的波動(dòng)率請(qǐng)仔細(xì)閱讀尾部的免責(zé)聲明17資料來源：西部證券研發(fā)中心2.1

單因子篩選：判斷因子是否納入多因子組合單因子篩選方式：?jiǎn)我蜃佑行砸蜃娱g相關(guān)性表：常見選股因子列表及其計(jì)算方式2

收益預(yù)測(cè)模型2.2

收益預(yù)測(cè)：用一系列個(gè)股因子預(yù)測(cè)個(gè)股收益，本質(zhì)可理解為多因子的聚合????：個(gè)股的一系列因子圖：收益預(yù)測(cè)模型風(fēng)格行為財(cái)務(wù)預(yù)期行業(yè)預(yù)期收益規(guī)模價(jià)值收益率換手率波動(dòng)率…盈利能力盈利增長(zhǎng)…目標(biāo)收益分析師覆蓋度…行業(yè)輪動(dòng)????? =

??(????) ???

?? ??????

??2

收益預(yù)測(cè)模型請(qǐng)仔細(xì)閱讀尾部的免責(zé)聲明18資料來源：西部證券研發(fā)中心2.2

收益預(yù)測(cè)：用一系列個(gè)股因子預(yù)測(cè)個(gè)股收益，本質(zhì)可理解為多因子的聚合因子聚合方式：線性：加權(quán)法：等權(quán)法、IC加權(quán)法、IC-IR加權(quán)法、IC半衰加權(quán)法?；貧w法：通過因子收益率估計(jì)個(gè)股收益。非線性：神經(jīng)網(wǎng)絡(luò)、樹模型。請(qǐng)仔細(xì)閱讀尾部的免責(zé)聲明19資料來源：西部證券研發(fā)中心2

收益預(yù)測(cè)模型2.2

收益預(yù)測(cè)回歸法：通過因子收益率估計(jì)個(gè)股收益???

。T期股票收益率對(duì)因子T-1期的因子暴露進(jìn)回歸，得到因子收益率?????1:r??=?????1?????1+

?????1因子預(yù)期收益率?????+??一般采用過去12個(gè)月因子收益率

????均值作為估計(jì)。計(jì)算個(gè)股預(yù)期收益???，即，個(gè)股最新因子暴露與因子預(yù)期收益率的乘積：???

=?????

?????+??請(qǐng)仔細(xì)閱讀尾部的免責(zé)聲明20資料來源：Active

Portfolio

Management,

by

Grinoldand

Kahn，西部證券研發(fā)中心2

收益預(yù)測(cè)模型請(qǐng)仔細(xì)閱讀尾部的免責(zé)聲明21資料來源：西部證券研發(fā)中心個(gè)股因子時(shí)間序列RNNNN收益預(yù)測(cè)2

收益預(yù)測(cè)模型2.2

收益預(yù)測(cè)神經(jīng)網(wǎng)絡(luò)：通過深度學(xué)習(xí)估計(jì)個(gè)股收益???

。模型框架：循環(huán)神經(jīng)網(wǎng)絡(luò)（RNN）+全連接神經(jīng)網(wǎng)絡(luò)（NN）金融數(shù)據(jù)的特征和RNN模型較為適配。RNN提取金融時(shí)間序列中的信息，NN將RNN處理后的信息轉(zhuǎn)化為收益預(yù)測(cè)。圖：深度學(xué)習(xí)預(yù)測(cè)個(gè)股收益流程圖請(qǐng)仔細(xì)閱讀尾部的免責(zé)聲明22資料來源：Wind,

西部證券研發(fā)中心2.3

收益預(yù)測(cè)模型評(píng)價(jià)模型預(yù)測(cè)選股收益的IC、RankIC，絕對(duì)/相對(duì)勝率。預(yù)期收益多頭組合（Top10）相對(duì)市場(chǎng)等權(quán)組合的表現(xiàn)。表：收益預(yù)測(cè)模型的選股收益表現(xiàn)示例（復(fù)合因子，2018.01-2024.07）ICRankIC多頭收益空頭收益多空收益月均值2.43.50.8-0.31.0月勝率54.956.952.949.057.8信息比0.210.260.13-0.040.222

收益預(yù)測(cè)模型注：復(fù)合因子為對(duì)市值、PB、SUE、ROE、動(dòng)量因子等權(quán)打分。目 錄ENTS目 錄CONTENTS收益預(yù)測(cè)模型組合構(gòu)建02單因子測(cè)試0103計(jì)算組合的凈值曲線和收益風(fēng)險(xiǎn)特征確定選股池基本池：滬深A(yù)股中，剔除ST股、上市不足3個(gè)月的股票以及停牌股。其他要求：如流動(dòng)性要求（剔除選股池中過去1年日均總市值和成交額排名靠后20

的股票）。確定調(diào)倉周期季頻、月頻、雙周頻、周頻。確定選股邏輯及權(quán)重，計(jì)算凈值曲線請(qǐng)仔細(xì)閱讀尾部的免責(zé)聲明24資料來源：西部證券研發(fā)中心3

組合構(gòu)建確定選股邏輯及權(quán)重人工邏輯選股個(gè)數(shù)：基于收益預(yù)測(cè)選擇top100、top10

的股票。加權(quán)方式：等權(quán)、股息率加權(quán)、市值加權(quán)。組合優(yōu)化基于收益預(yù)測(cè)構(gòu)建優(yōu)化目標(biāo)，如，最大化組合收益。添加更復(fù)雜的選股約束。選股個(gè)數(shù)及加權(quán)方式由優(yōu)化器求解得到。請(qǐng)仔細(xì)閱讀尾部的免責(zé)聲明25資料來源：西部證券研發(fā)中心3

組合構(gòu)建請(qǐng)仔細(xì)閱讀尾部的免責(zé)聲明26資料來源：Quantitative

Finance

with

Python,

by

Chris

Kelliher，西部證券研發(fā)中心確定選股邏輯及權(quán)重組合優(yōu)化——常用于指數(shù)增強(qiáng)目標(biāo)函數(shù)最大化組合預(yù)期收益約束條件個(gè)股權(quán)重偏離、組合風(fēng)格暴露行業(yè)、市值等風(fēng)險(xiǎn)約束換手率約束求解最優(yōu)化問題，得到股票權(quán)重。????????′?????s.t.??′??

=

??, ??≤??≤

??′????

????? ≤

?????

????′??{??∈??}=

?????????,???????,???????=??≤

??3

組合構(gòu)建請(qǐng)仔細(xì)閱讀尾部的免責(zé)聲明組合分析風(fēng)險(xiǎn)收益指標(biāo)累積收益、年化收益、超額收益、

最大回撤、換手率、勝率信息比率

IR、夏普比率、卡爾瑪比率、索提諾比率歸因分析收益歸因風(fēng)險(xiǎn)歸因27資料來源：西部證券研發(fā)中心3

組合構(gòu)建基于復(fù)合因子構(gòu)建中證500指數(shù)增強(qiáng)策略復(fù)合因子：對(duì)市值、PB、SUE、ROE、動(dòng)量因子等權(quán)打分。選股池：滬深A(yù)股中，剔除ST股。調(diào)倉周期：年頻。增強(qiáng)組合優(yōu)化約束構(gòu)建：個(gè)股權(quán)重：個(gè)股上限2，個(gè)股偏離±2；組合風(fēng)格暴露：市值、PE偏離±0.5。行業(yè)約束：行業(yè)偏離±10。換手率約束：?jiǎn)芜厯Q手率上限30。請(qǐng)仔細(xì)閱讀尾部的免責(zé)聲明28資料來源：Wind,

西部證券研發(fā)中心3

組合構(gòu)建增強(qiáng)組合中證500年化收益率3.63-3.84年化波動(dòng)率19.4820.40最大回撤33.0041.69夏普比率0.19-0.19卡瑪比率0.11-0.09月勝率53.8543.963

組合構(gòu)建1.71.51.31.10.90.70.5圖：復(fù)合因子構(gòu)建指數(shù)增強(qiáng)策略凈值（2016.12.30-2024.07.25）增強(qiáng)組合 中證500表：復(fù)合因子構(gòu)建指數(shù)增強(qiáng)策略表現(xiàn)（2016.12.30-2024.07.25）基于復(fù)合因子構(gòu)建中證500指數(shù)增強(qiáng)策略增強(qiáng)組合年化收益3.63，相對(duì)中證500年化超額收益7.47。請(qǐng)仔細(xì)閱讀尾部的免責(zé)聲明29資料來源：Wind,

西部證券研發(fā)中心風(fēng)險(xiǎn)提示請(qǐng)仔細(xì)閱讀尾部的免責(zé)聲明301、本報(bào)告分析所用數(shù)據(jù)、信息均基于公開信息，第三方平臺(tái)等，數(shù)據(jù)或有遺漏、誤差、滯后；2、各類型選股研究框架為西部證券自建，涉及權(quán)重?cái)?shù)據(jù)或者劃分標(biāo)準(zhǔn)均為西部證券制定，或有考慮不周之處，或隨著市場(chǎng)變化不斷完善；3、股票歷史業(yè)績(jī)不代表未來表現(xiàn)，分析框架亦會(huì)隨著市場(chǎng)變化有所變化，不構(gòu)成投資建議，投資需謹(jǐn)慎。投資評(píng)級(jí)說明西部證券—投資評(píng)級(jí)說明行業(yè)評(píng)級(jí)超配： 行業(yè)預(yù)期未來6-12個(gè)月內(nèi)的漲幅超過市場(chǎng)