🎯 今日核心问题
- 「这家公司又好又便宜」这句人话,怎么变成一个能被 pandas 算出来、能被回测验证的数?
- 一个合格因子必须回答的三件事(怎么算、什么时候有效、为什么失效),在代码里分别对应哪一段?
📖 精读提纲
【一】因子的定义:截面上的排序,不是时间序列上的预测
因子(factor)的本质是一张表:日期 × 股票 → 一个实数。它不预测「明天会涨」,只告诉你「今天这个截面上,哪些股票比另一些更符合某个特征」。策略赚的钱来自排序的持续性——今天靠前的股票,下个月整体比靠后的表现好。
这个定义带来三个工程含义。第一,因子必须横截面可比:银行股 PB 天然 0.6,芯片股天然 8,直接排序等于买银行空芯片,你测的不是估值因子而是行业因子,必须做行业中性化(D2 细讲)。第二,因子必须可复现:同一日期同一份数据,任何人跑出来一模一样,所以「调参」「手动剔几只」要明确写进流程。第三,因子必须有明确时间戳:用的是哪天股价、哪期财报,写错了后面所有检验都是假的(第3周D1专讲)。
「好公司」拆开是三个独立维度:盈利强(ROE高)、估值便宜(PB低)、经营稳健(现金流好)。一句话变成三个数,就是三个因子。这一步翻译做得好不好,决定你后面能不能解释策略为什么赚钱。
【二】把「好公司」翻译成可计算量的四个步骤
第一步:找原始字段。ROE 要净利润和净资产;PB 要总市值和归母净资产。这些字段散在 stock_financial_analysis_indicator 和 stock_zh_a_spot_em 里,财报带的是「报告期」而非「可用日期」,所以必须自己维护 ann_date 表,用公告日对齐。
第二步:决定口径。ROE 有加权/摊薄、扣非/不扣非;PB 有含少数股东权益/不含。别纠结哪个更对,要纠结哪个更稳——口径一旦选定,全样本必须一致,中途换口径等于换因子。
第三步:处理极值与缺失。亏损股 PE 为负(数学上「更便宜」,经济上无意义),必须置 NaN;资不抵债的 PB 也是负数。然后 1%/99% 分位 winsorize,否则一只 PB=800 的妖股会把整个截面排序压扁。
第四步:标准化。ROE 是百分数(15 表示 15%),PB 是倍数(1.5),不能直接加权。统一走 z-score 或分位数排名,抹掉量纲——这是多因子合成能成立的前提。
【三】实战应用:一个因子的「三问体检」
- 怎么算?公式、字段来源、缺失和极值处理各一句。三句话讲不明白的因子,说明你自己也没想清楚。
- 什么时候有效?高 ROE 在 2017-2020 核心资产行情里是主线,在 2013-2015 小票行情里几乎无效;低 PB 在 2014 年底券商暴动里极强,在 2020-2021 成长行情里持续跑输。有效性是有时间段的,说「长期有效」必须看到分年度 IC。
- 为什么会失效?三种典型:被套利掉(人人买高 ROE,估值抬到没超额);宏观切换(利率上行杀高估值,ROE 因子被利率因子覆盖);定义被政策改变(注册制后退市常态化,壳价值消失,「小市值」因子 2021 年后结构性断裂——A股近十年最重要的因子事故)。
【四】常见误区
- ❌ 把「指标」当因子。指标是单只股票的一个数,因子是截面上所有股票的可比排序。双环传动 ROE=12% 不是因子,只是一条记录。
- ❌ 6/30 财报用来算 6/30 的 PB。半年报通常 8 月底才公布,你提前两个月知道了财报——最经典的前视偏差。
- ❌ 不做极值处理就排序。不清洗的话 Top20 里会全是 PB 数百倍的噪声。
- ❌ 以为负 PE 是「最便宜」。按升序排,亏损公司会全部进「低估组」。必须先过滤 PE≤0。
💻 代码示例
import akshare as ak
import pandas as pd
import numpy as np
pd.set_option("display.width", 200)
# ── 1. 取一个截面:某日全A股快照,筛掉不可交易标的 ─────────────
snap = ak.stock_zh_a_spot_em()
# 关键字段:代码/名称/最新价/市盈率-动态/市净率/总市值/流通市值/换手率
snap = snap.rename(columns={
"代码": "code", "名称": "name", "最新价": "close",
"市盈率-动态": "pe_ttm", "市净率": "pb",
"总市值": "mktcap", "流通市值": "float_mktcap", "换手率": "turnover",
})
def clean_universe(df):
"""构造可投资域:剔除ST/退市/停牌/新股/负PE,这是所有因子的前置步骤"""
df = df.copy()
df["code"] = df["code"].astype(str).str.zfill(6)
# ST、*ST、退市整理期一律剔除
df = df[~df["name"].str.contains("ST|退", na=False)]
# 停牌:最新价为 NaN 或 0
df = df[df["close"].fillna(0) > 0]
# 北交所(8/4开头)流动性差异过大,单独处理;这里先排除
df = df[~df["code"].str.startswith(("8", "4"))]
# 负PE/负PB没有经济含义,置为缺失而不是0
df.loc[df["pe_ttm"] <= 0, "pe_ttm"] = np.nan
df.loc[df["pb"] <= 0, "pb"] = np.nan
return df.reset_index(drop=True)
univ = clean_universe(snap)
print(f"原始 {len(snap)} 只 → 可投资域 {len(univ)} 只")
# ── 2. 单因子构造:EP(盈利收益率)= 1/PE,方向统一为「越大越好」 ──
univ["ep"] = 1.0 / univ["pe_ttm"]
univ["bp"] = 1.0 / univ["pb"] # 账面市值比,价值因子标准写法
def winsorize(s, lower=0.01, upper=0.99):
lo, hi = s.quantile(lower), s.quantile(upper)
return s.clip(lo, hi)
def zscore(s):
return (s - s.mean()) / s.std(ddof=0)
univ["bp_w"] = winsorize(univ["bp"])
univ["bp_z"] = zscore(univ["bp_w"])
# ── 3. 组合因子:「高ROE低PB」= 质量 z 分 - 价值 z 分(负号因为PB越低越好)──
# ROE 需要财务数据,这里先用一个占位列演示合成逻辑
univ["roe"] = np.nan # 实际由财报接口填充(见下方说明)
univ["roe_z"] = zscore(winsorize(univ["roe"]))
univ["score_hq"] = univ["roe_z"].fillna(0) - univ["pb_z"]
# 只看质量与价值都在前30%的股票
top = univ.dropna(subset=["roe_z", "bp_z"])
q_hi = top["roe_z"] >= top["roe_z"].quantile(0.7)
v_low = top["bp_z"] >= top["bp_z"].quantile(0.7) # bp高 = PB低
picks = top[q_hi & v_low].sort_values("score_hq", ascending=False)
print(picks[["code", "name", "roe", "pb", "score_hq"]].head(20))
# ── 4. A股特有的「不可交易标记」:涨停买不进、跌停卖不掉 ─────
# 涨停判断:收盘价 == 涨停价,或涨幅 >= 9.8%(主板)/19.8%(创业科创)
def limit_up_flag(df, pct_chg_col="涨跌幅", board="main"):
thr = 19.8 if board in ("gem", "star") else 9.8
return df[pct_chg_col].abs() >= thr
✏️ 今日动手
- 跑通上面的
clean_universe(),把今天全A股的「原始数 → 可投资域」两行数字记下来。ST 和停牌各剔掉多少只,负 PE 有多少只——这个比例会随市场行情剧烈变化,2024年初小盘股杀跌时负 PE 占比能到 25%。 - 把
roe用真实数据填上:调ak.stock_financial_analysis_indicator(symbol="002472")看返回字段,确认 ROE 的字段名和单位(是 12.3 还是 0.123)。 - 手写一句话定义你这个「高ROE低PB」组合:用哪个 ROE(加权还是摊薄、扣非不扣非)、哪个 PB、极值怎么处理。写不出来就说明流程还没定死。
- 算出这个组合今天的数量和平均市值,记下来。如果平均市值只有 30 亿,你要意识到:你选出来的其实是「小盘价值」,不是「好公司便宜」。
🔖 明日预告
明天把价值因子彻底拆开:PE、PB、PS、EV/EBITDA 四个口径分别在什么行业里好用、什么时候会骗你,以及为什么不做行业中性化的价值因子在A股基本选不出东西——手把手写行业中性化的两行代码。