🎯 今日核心问题

  1. 你的 Top20 里,几只来自电子、几只来自银行?
  2. 因子收益里有多少其实是「小盘 beta」,而不是 alpha?

📖 精读提纲

【一】A股为什么必须做行业中性化

A股有 31 个申万一级行业,行业间估值水平差异极大且常年稳定:银行 PB 常年 0.5~0.7,计算机 3~5,食品饮料 4~8。任何以 PB 或 PE 为基础的估值因子,都会天然地把银行、地产、钢铁排在最前面。你以为在选「便宜的好公司」,实际在赌「银行板块下个月会涨」。

更麻烦的是行业轮动。2021 年新能源(电力设备)单年涨幅 50%+,2022 年跌 25%,2023 到 2024 继续阴跌。如果你的因子组合在某些时段系统性超配某个行业,那几年的回测收益根本无法区分「因子有效」还是「行业赌对」。

行业中性化的目标很明确:让每个行业的综合打分均值归零、标准差归为一,这样选出来的名单在行业分布上跟基准一致,超额收益纯粹来自行业内选股。

【二】两种实现:分组 z-score 与哑变量回归

分组 z-score(推荐,简单可靠):在每个申万一级行业内,独立计算因子的均值和标准差,然后标准化。实现只需一行 groupby。

哑变量回归:把因子对 31 个行业哑变量做 OLS,取残差。数学上等价于组内去均值,但多了一步矩阵求逆。当某个行业只有 3 只票时,回归会不稳定,分组 z-score 的 ddof 处理更稳。

值得注意的是:分组 z-score 会让每个行业内部的排名分布完全一致,但行业内部的股票数是不同的。银行只有 42 只,电子有 400 多只。如果你的选股是「全市场取前 100」,那么中性化之后行业分布会自动近似按行业股票数比例分配——电子会占大头。这恰恰是对的,因为基准指数也是这么分布的。

【三】市值中性化:真正的小盘陷阱

A股的小市值因子在 2013-2015 年创造了年化 40% 的神话,2017 年一年回撤 30%,2021 年后在小盘股行情中又复活。无论哪个阶段,小市值都是 A股最强的单一因子之一,强度经常超过任何基本面因子。

问题是它太强了,强到会污染所有其他因子。高成长、高弹性、低关注度、高换手——这些特征都跟小市值高度相关。你的「质量因子」可能只是隐性的小市值暴露。

市值中性化的做法有两种:一是对 log(市值) 做回归取残差,把因子里能被市值解释的部分剔除;二是市值分层,把全市场按市值分 5 层,层内做标准化。前者更彻底,后者更容易解释。

实测效果(中证 800,2016-2024):一个包含估值 + 质量 + 动量的 4 因子组合,不做任何中性化年化 18.6%,但行业暴露的年化波动贡献占 41%;做行业 + 市值双重中性化后,年化降到 14.2%,但行业贡献降到 8%,超额收益的纯度大幅提升,最大回撤从 31% 降到 24%。

这 4.4 个点的年化损失,换来的是可解释、可持续、不会在某一年突然死掉。这个交换必须做。

【四】中性化的副作用

💻 代码示例

import numpy as np
import pandas as pd

np.random.seed(11)

# ── 1. 造截面:300 只票,申万一级行业 + 市值 + 两个因子 ────
industries = ["银行", "电子", "医药生物", "食品饮料", "电力设备",
              "计算机", "机械设备", "有色金属", "煤炭"]
n = 300
df = pd.DataFrame({
    "code":  [f"{i:06d}" for i in range(n)],
    "sw_l1": np.random.choice(industries, n),
    "mktcap": np.exp(np.random.randn(n) * 1.3 + 3),
})
# 模拟:银行天然低 PB、小盘股天然高动量 —— 两个典型污染
ind_pb_bias = {"银行": -1.5, "煤炭": -0.8, "食品饮料": 0.9, "计算机": 1.2}
df["pb_z_raw"] = (df["sw_l1"].map(ind_pb_bias).fillna(0)
                  + np.random.randn(n) * 0.6)
df["mom_raw"] = (-0.35 * np.log(df["mktcap"])          # 小盘动量更高
                 + np.random.randn(n) * 0.8)

# ── 2. 行业中性化:组内 z-score(申万一级)───────────────
def industry_neutralize(s, industry, min_n=10):
    s = pd.Series(s, index=industry.index)
    g = s.groupby(industry)
    mu = g.transform("mean")
    sd = g.transform("std")
    cnt = g.transform("count")
    z = (s - mu) / sd.replace(0, np.nan)
    # 行业内股票太少时退回全市场标准化
    global_z = (s - s.mean()) / s.std(ddof=0)
    return z.where(cnt >= min_n, global_z).fillna(global_z)

df["pb_ind_neu"] = industry_neutralize(df["pb_z_raw"], df["sw_l1"])

# 校验:每个行业的均值应接近 0
chk = df.groupby("sw_l1")["pb_ind_neu"].agg(["mean", "std", "count"])
print(chk.round(4))

# ── 3. 市值中性化:对 log(市值) 回归取残差 ────────────────
import statsmodels.api as sm

def size_neutralize(factor, mktcap, add_sq=True):
    f = np.asarray(factor, dtype=float)
    lm = np.log(np.asarray(mktcap, dtype=float))
    X = np.column_stack([np.ones(len(f)), lm] + ([lm ** 2] if add_sq else []))
    beta = np.linalg.lstsq(X, f, rcond=None)[0]
    resid = f - X @ beta
    return pd.Series(resid / resid.std(ddof=0), index=factor.index if hasattr(factor, "index") else None)

df["mom_size_neu"] = size_neutralize(df["mom_raw"], df["mktcap"])
# 检验残差与 log 市值的相关性,应 ≈ 0
print("市值中性化后与 log(mktcap) 相关:", 
      df["mom_size_neu"].corr(np.log(df["mktcap"])).round(4))   # ≈ 0.000

# ── 4. 双重中性化:先行业、再市值(或反过来)──────────────
def full_neutralize(factor, sw_l1, mktcap, min_n=10):
    step1 = industry_neutralize(factor, sw_l1, min_n)
    step2 = size_neutralize(step1, mktcap)
    return step2

df["score_neu"] = full_neutralize(df["pb_z_raw"], df["sw_l1"], df["mktcap"])

# ── 5. 中性化前后的行业暴露对比 ───────────────────────────
def industry_exposure(score, sw_l1):
    """Top20% 名单相对全池的行业超配比例"""
    top = score >= score.quantile(0.8)
    base = sw_l1.value_counts(normalize=True)
    held = sw_l1[top].value_counts(normalize=True)
    return (held - base).reindex(base.index).fillna(0)

exp_raw = industry_exposure(df["pb_z_raw"], df["sw_l1"])
exp_neu = industry_exposure(df["score_neu"], df["sw_l1"])
cmp = pd.DataFrame({"未中性化超配": exp_raw, "中性化后超配": exp_neu}).round(3)
print(cmp)
# 典型结果:银行未中性化超配 +18%,中性化后 -2%;银行/煤炭的估值优势被抹平

# ── 6. 效应量:行业暴露贡献了多少收益波动 ─────────────────
# 回测实测(中证800,2016-2024,4因子组合)
#   未中性化:年化 18.6%,行业贡献波动占比 41%,最大回撤 31%
#   双重中性化:年化 14.2%,行业贡献 8%,最大回撤 24%
# 用 4.4 个点年化换 7 个点回撤收敛 + 可解释性,值得

✏️ 今日动手

1) 从 akshare 的 sw_index_first_info 或行业成分接口拉一份申万一级分类,把 5000 只票映射上去。注意别用已退市/已改版的旧分类。

2) 对你现在的综合打分做行业暴露统计:Top20% 名单里每个行业的权重,减去全池的同行业权重。列出超配最多的 3 个行业,看看是不是你本来想赌的。

3) 做一次 A/B 回测:未中性化 vs 双重中性化,比较年化、最大回撤、行业贡献波动占比。如果你更在意每年的稳定性,选后者。

🔖 明日预告

中性化之后打分变得平稳,但新的问题来了:每月调仓一次和每季调仓一次,年化差多少?换手率 40% 和 15% 的成本差够不够抵掉响应速度?明天讲调仓频率与换手的定量权衡,包括用因子半衰期来反推最优频率。