🎯 今日核心问题

  1. 「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?
  2. 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」

【四】常见误区

💻 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

  1. 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%。
  2. 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)。
  3. 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。
  4. 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。