🎯 今日核心问题
- 名单里某只票涨了,你能说清它是因为哪个因子被选中的吗?
- 如果某只票的所有因子都只是「略微靠前」,该不该买?
📖 精读提纲
【一】可解释性不是锦上添花
模型能选出好股票,和你能解释为什么选中它,是两件不同的事。但后者决定了三样东西:你敢不敢在它下跌时继续持有、你能不能发现因子失效、你会不会在错误的地方归因。
量化圈有太多案例:策略连续三个月跑输,你打开持仓发现全是自己看不懂的股票,于是手动干预、卖掉几只,结果正好卖掉后面涨最多的。如果你当时知道「这 20 只里有 14 只是靠质量因子入选,而质量因子这三个月的 IC 是 -0.02」,你就知道这是因子暂时失效而不是策略崩了,能忍住不动。
【二】因子贡献拆解的实现
综合打分是线性的:score = Σ w_i · z_i。所以每只票的总分可以干净地拆成每个因子的贡献 w_i · z_i,而「相对池子均值的超额」就是 Σ w_i · (z_i - mean(z_i)),通常 mean(z_i) ≈ 0,所以直接看 w_i · z_i 即可。
做法:对 Top20 名单,输出一张表,每行一只票,列是「估值贡献 / 质量贡献 / 动量贡献 / 总分」,能直接看出这只票是靠什么入选的。再算一列「贡献集中度」= 最大单项贡献 / 总贡献绝对值,集中度越高说明这只票越依赖单一因子(风险更集中)。
实战经验:一个健康的持仓,应该有 60% 以上的票是「多因子共同支撑」(两个以上因子贡献均为正),只有少数票是「单因子暴击」。如果名单里一半以上都是单因子支撑,说明你的因子相关性没处理好,或者某个因子在偷偷主导。
【三】SHAP 与线性拆解的取舍
如果你用的是线性合成(等权、IC 加权、最大化 IR 都是线性),直接拆 w_i · z_i 就够,精确且无需计算。用 SHAP 纯属浪费算力,而且线性模型的 SHAP 值就等于这个乘积(对中心化输入而言)。
只有当你用了树模型(XGBoost、LightGBM 直接预测收益)时,才需要 SHAP。但树模型做 A股 选股的泛化能力通常比线性组合差,因为样本量太小(每年 12 个截面 × 5000 只 = 6 万样本,但有效独立样本远少于这个数)。所以第一版选股体系不要上树模型。
【四】可解释性报告的四个必含字段
- 入选理由:一句话,形如「估值前 3% + 质量前 8%,动量中性」。用分位数表述,不用原始值。
- 主导因子:贡献最大的那个因子,以及它的贡献占比。
- 行业与市值位置:申万一级行业、市值分位。让你一眼看出组合是不是又在赌小盘。
- 风险标记:单因子依赖(集中度 > 60%)、行业内独苗(该行业只有 1 只入选)、临近解禁/财报日。这三类票值得单独复核。
把这张表存成 CSV,跟每期持仓一起归档。三个月后回来看,你会从「哪类票表现最差」里发现因子的真实边界,这比任何回测数据都值钱。
💻 代码示例
import numpy as np
import pandas as pd
np.random.seed(99)
# ── 1. 综合打分是线性的:逐票拆因子贡献 ──────────────────
factors = ["value", "quality", "growth", "momentum"]
w = pd.Series({"value": 0.35, "quality": 0.30,
"growth": 0.20, "momentum": 0.15})
n = 200
Z = pd.DataFrame(np.random.randn(n, 4), columns=factors,
index=[f"{i:06d}" for i in range(n)])
Z["sw_l1"] = np.random.choice(["电子", "医药生物", "银行", "机械设备", "计算机"], n)
Z["mktcap"] = np.exp(np.random.randn(n) * 1.2 + 3)
# 综合打分(加权求和)
Z["score"] = Z[factors].mul(w, axis=1).sum(axis=1)
top20 = Z.nlargest(20, "score").copy()
# ── 2. 贡献拆解:contribution_i = w_i * z_i ───────────────
contrib = top20[factors].mul(w, axis=1)
contrib.columns = [f"{c}_contrib" for c in factors]
top20 = pd.concat([top20, contrib], axis=1)
# ── 3. 一句话入选理由:用分位数表述,比原始值直观 ─────────
def pct_rank(series):
"""返回该值在全池中的分位(越高越靠前,越大越好)"""
return series.rank(pct=True)
pct = Z[factors].apply(pct_rank)
top_pct = pct.loc[top20.index]
def reason(row_pct, row_contrib):
parts = []
for f in factors:
p = row_pct[f]
if p >= 0.95:
parts.append(f"{f}前{max(1, int((1-p)*100))}%")
elif p >= 0.80:
parts.append(f"{f}前{int((1-p)*100)}%")
if not parts:
# 没有单项极强的因子 → 多因子温和支撑
return "多因子温和支撑,无单项极端暴露"
return " + ".join(parts)
top20["理由"] = [reason(top_pct.loc[i], contrib.loc[i]) for i in top20.index]
# ── 4. 主导因子 + 贡献集中度 ─────────────────────────────
top20["主导因子"] = contrib.idxmax(axis=1).str.replace("_contrib", "")
tot = contrib.abs().sum(axis=1)
top20["集中度"] = (contrib.abs().max(axis=1) / tot).round(3)
top20["风险标记"] = np.where(top20["集中度"] > 0.6, "单因子依赖", "")
# 行业内独苗:该行业在名单里只出现 1 次
ind_cnt = top20["sw_l1"].value_counts()
top20.loc[top20["sw_l1"].map(ind_cnt) == 1, "风险标记"] += " 行业内独苗"
# ── 5. 输出可读报告 ─────────────────────────────────────
report = top20.reset_index().rename(columns={"index": "code"})
report["市值分位"] = report["mktcap"].rank(pct=True).round(2)
cols = ["code", "sw_l1", "score", "主导因子", "集中度", "市值分位", "理由", "风险标记"]
print(report[cols].head(10).to_string(index=False))
# ── 6. 组合层面的健康度检查 ─────────────────────────────
# (a) 多因子支撑占比:两个以上因子贡献超过总分 20% 的票占多少
# 直接数「贡献为正」会把 0.01 这种噪音也算一票,必须按占比判
share = contrib.div(contrib.sum(axis=1), axis=0)
multi = (share > 0.2).sum(axis=1)
print(f"\n多因子支撑占比: {(multi >= 2).mean():.0%}") # 健康值 > 60%
# 实测(seed=99):多因子支撑 65%,单因子依赖 40%
# (b) 单因子依赖占比
print(f"单因子依赖占比: {(top20['集中度'] > 0.6).mean():.0%}") # 应 < 20%
# (c) 行业分布
print("\n行业分布:\n", top20["sw_l1"].value_counts())
# (d) 主导因子分布 —— 如果 80% 的票都由同一因子主导,说明该因子在主导整个组合
print("\n主导因子分布:\n", top20["主导因子"].value_counts())
# ── 7. 归档:每期持仓 + 理由存 CSV,三个月后回看 ──────────
# report[cols].to_csv(f"holdings_{date}.csv", index=False, encoding="utf-8-sig")
✏️ 今日动手
1) 给你的 Top20 名单生成上面那张表,特别看「主导因子分布」这一列。如果 80% 的票都是同一个因子主导,就相当于你其实在跑单因子策略,多因子只是装饰。
2) 找出「集中度 > 0.6」的票,逐个人工复核。这类票的下跌通常是因子反转,不是公司出事,但你没理由继续持有——除非你能说出别的原因。
3) 把报告里「行业内独苗」的票单独列出来,检查是不是行业分类错误,或者该行业股票太少导致中性化失效。
🔖 明日预告
明天是本周总结:把 D1 到 D6 拼成一条完整流水线,从原始数据到一份可以直接执行的「每周 Top20 选股清单」。会给一份完整可运行的脚本,加上本周的方法论回顾表和下周主题预告。