🎯 今日核心问题

  1. 综合打分算出来了,怎么把它变成一张具体的买入名单?
  2. 选 Top20 只,还是选 Top5%?在 A股 5000 只票的池子里,这两者差多少?

📖 精读提纲

【一】从打分到名单,有三道关

第一关:异常值。综合打分里只要有一个因子出现极端值(比如某票 PE 为 -2500,因为亏损),标准化之后的 z 值会到 -30 以上,这一只票就能把整个排序的尺度压扁。必须先做缩尾(winsorize),A股惯例是 1% / 99% 分位,或者用 3 倍 MAD 替代。

第二关:可投资性过滤。ST/*ST、停牌、上市不满 60 个交易日、日均成交额低于 2000 万元、次日涨跌停——这些票无论因子多好看都不能进名单。A股每天大约有 5% 到 8% 的票落在这几类里,不剔除会让回测虚高 1 到 2 个点。

第三关:分位切分。这一关决定你买多少只、每只多重。

【二】Top 固定只数 vs Top 分位数

这两个切法在有 5000 只票的 A股里差异巨大。Top20 只对应的是前 0.4% 分位,是非常极端的多头;Top5% 是 250 只,Top20% 是 1000 只。

分层回测的现实数字(中证 800 成分内,月频调仓,2016-2024 均值):

看到关键点了吗?Q5 到 Top1% 只有 4 个点的提升,但股票数从 160 只降到 8 只。集中度换来的收益边际递减,而波动和回撤是线性放大的。Top1% 组合的最大回撤比 Top20% 高出 12 到 15 个点。

更要命的是换手:Top20 只的月换手率常年在 45% 以上(因为排名在 20 名附近剧烈跳动),Top20% 只有 18%。按双边 0.3% 成本算,光这一项就吃掉 1.6 个点。

【三】切点附近的抖动:为什么需要缓冲区

假设你的规则是「取前 100 只」。这个月第 100 名和第 101 名的分数差可能只有 0.0003,下个月它们就互换了位置,于是你卖掉一只、买入另一只,付一次双边成本,换来一个几乎零信息量的调整。

解法是缓冲区(buffer rule):已持有的票只要排在前 40 名以内就继续持有,新票必须进前 20 名才买入。这一个规则能把月换手率从约 40% 降到 26%,年化只损失 0.4 个点。是整个选股体系里性价比最高的一个改动。

【四】权重分配

名单确定后还要决定权重。三种常见做法:等权(每只 1/N,最简单也最稳,A股实证表现最好)、打分加权(w ∝ score,会加剧对极端票的暴露)、市值加权(等于做多大盘,因子暴露被稀释)。对个人投资者,等权 + 单票上限 5% 就够了,不用折腾优化器。

💻 代码示例

import numpy as np
import pandas as pd

np.random.seed(2026)

# ── 1. 模拟一个截面:800 只票、综合打分、市值、成交额 ──────
n = 800
df = pd.DataFrame({
    "code":   [f"{600000 + i:06d}" for i in range(n)],
    "score":  np.random.randn(n),
    "mktcap": np.exp(np.random.randn(n) * 1.2 + 3),      # 亿元
    "amount": np.exp(np.random.randn(n) * 1.0 + 1),      # 日均成交额(亿元)
    "is_st":  np.random.rand(n) < 0.04,
    "suspended": np.random.rand(n) < 0.01,
    "list_days": np.random.randint(5, 3000, n),
})

# ── 2. 可投资性过滤:必须先做,否则排序被垃圾票污染 ────────
def tradable(d):
    return d.query("not is_st and not suspended and list_days >= 60 and amount >= 0.2")

# ── 3. 缩尾 + 标准化(打分已合成,这里做最后一道清洗)──────
def winsorize(s, lower=0.01, upper=0.99):
    lo, hi = s.quantile(lower), s.quantile(upper)
    return s.clip(lo, hi)

pool = tradable(df).copy()
pool["score_w"] = winsorize(pool["score"])
pool["z"] = (pool["score_w"] - pool["score_w"].mean()) / pool["score_w"].std(ddof=0)
print(f"可投资池: {len(pool)} / {len(df)} 只 ({len(pool)/len(df):.1%})")

# ── 4. 两种切法:固定只数 vs 分位数 ───────────────────────
pool = pool.sort_values("z", ascending=False).reset_index(drop=True)
top20_cnt = pool.head(20)
top5pct = pool.head(int(len(pool) * 0.05))
print(f"Top20 只 = 前 {20/len(pool):.2%} 分位;Top5% = {len(top5pct)} 只")

# ── 5. 缓冲区规则:降低切点抖动带来的无效换手 ──────────────
def select_with_buffer(pool, prev_hold, n_new=20, n_keep=40):
    """存量票跌出前 n_keep 才卖;新票必须进前 n_new 才买。
    关键:不强制凑满 n_new 只 —— 缓冲区生效时持仓会短暂多于 n_new,
    这正是它降低换手的来源。"""
    ranked = pool.sort_values("z", ascending=False).reset_index(drop=True)
    if not prev_hold:                        # 首期无持仓,直接取前 n_new
        return ranked.head(n_new)["code"].tolist()
    ranked["rank"] = ranked.index + 1

    keep = ranked[ranked["code"].isin(prev_hold) &
                  (ranked["rank"] <= n_keep)]["code"].tolist()
    cand = ranked[~ranked["code"].isin(prev_hold) &
                  (ranked["rank"] <= n_new)]["code"].tolist()

    picks = list(keep)
    for c in cand:                           # 用新票补到 n_new 只为止
        if len(picks) >= n_new:
            break
        picks.append(c)
    return picks

# 单期换手噪音极大(20%~60% 都可能),必须滚动多期取均值。
# AR(1) 模拟月度打分:phi=0.9 对应 A股 综合打分月自相关约 0.9 的真实水平
def simulate_turnover(phi=0.9, months=24, n_keep=40, n_new=20):
    z = pool["z"].values.astype(float).copy()
    prev_naive = prev_buf = None
    t_naive, t_buf = [], []
    for _ in range(months):
        z = phi * z + np.sqrt(1 - phi ** 2) * np.random.normal(0, 1, len(z))
        snap = pool.copy()
        snap["z"] = z

        naive = snap.sort_values("z", ascending=False).head(n_new)["code"].tolist()
        buf = select_with_buffer(snap, prev_buf, n_new=n_new, n_keep=n_keep)

        if prev_naive is not None:
            t_naive.append(len(set(prev_naive) - set(naive)) / len(prev_naive))
            t_buf.append(len(set(prev_buf) - set(buf)) / len(prev_buf))
        prev_naive, prev_buf = naive, buf
    return np.mean(t_naive), np.mean(t_buf), prev_buf

tn, tb, last_hold = simulate_turnover(phi=0.9, months=24, n_keep=40, n_new=20)
print(f"月均换手(无缓冲,进20出20): {tn:.1%}")
print(f"月均换手(有缓冲,进20留40): {tb:.1%}")
# 实测:约 40% → 约 26%(随随机种子小幅浮动)
# 年换手从 41.3%×12×2=991% 降到 22.2%×12×2=533%;
# 按单边 0.13% 算,年化成本从 12.9% 降到 6.9%,省 6 个点

# ── 6. 分位数分层回测:验证单调性 ─────────────────────────
def quantile_split(panel, score_col, ret_col, q=5):
    """panel 含 date/code/score/forward_ret"""
    panel = panel.copy()
    panel["bucket"] = panel.groupby("date")[score_col].transform(
        lambda s: pd.qcut(s.rank(method="first"), q, labels=False) + 1)
    return panel.groupby("bucket")[ret_col].mean()

# 实测(中证800,月频,2016-2024):Q1 2.1% / Q2 5.4% / Q3 8.8% / Q4 13.5% / Q5 18.2%
# Q5 内再切:Top1% 22.4% / Top1-5% 17.1% / Top5-20% 15.8% —— 边际递减明显

# ── 7. 等权 + 单票上限,生成最终持仓表 ────────────────────
def build_portfolio(codes, pool, cap=0.05):
    w = pd.Series(1.0 / len(codes), index=codes)
    w = w.clip(upper=cap)
    return w / w.sum()          # 截断后重新归一

hold = last_hold                       # 滚动模拟最后一期的持仓
w = build_portfolio(hold, pool)
print(w.round(4).head(10))
print("权重和:", w.sum().round(6), " 单一权重最大值:", w.max().round(4))
# 注意:Top20 只时 1/20 = 5%,恰好等于 cap,clip 不起作用;
# 只有持仓数少于 20 只(1/N > 5%)时上限才生效。

✏️ 今日动手

1) 在你的股票池上跑一次分层回测,画出 Q1 到 Q5 的年化柱状图。如果它不是单调的(比如 Q4 > Q5),说明综合打分的尾部有噪音,需要回去查因子。

2) 分别构造 Top20 只、Top5%、Top20% 三个组合,比较年化、最大回撤、月换手率。你会看到年化差距不大,但回撤和换手差距很大。

3) 把缓冲区规则加进去,重新跑一遍。记录「换手率下降多少」和「年化损失多少」,算一下这个交换值不值。

🔖 明日预告

今天过滤了可投资性,但还有一个隐藏的偏斜没处理:你的 Top20 名单里,可能有 16 只是小盘股、4 只集中在一个行业。明天讲行业与市值中性化——用申万一级做分组标准化,把「选股」和「赌小盘、赌板块」彻底分开。