金融市场基础：股票市场基本概念、交易规则、财务报表核心指标与股价驱动因素
在开始用机器学习模型筛选股票之前，我们必须先建立对金融市场底层运行逻辑的清晰认知。机器学习擅长从数据中寻找规律，但如果输入的数据本身缺乏金融含义，或者对交易规则、财务指标的理解存在偏差，再强大的算法也会沦为“垃圾进，垃圾出”的工具。本章将系统梳理股票市场的基本概念、交易规则、核心财务指标，并深入剖析股价的驱动因素，为后续的量化特征工程和模型构建打下坚实的金融地基。
3.1 股票市场基本概念与交易规则
股票是股份公司为筹集资金而发行给股东作为持股凭证，并借以取得股息和红利的一种有价证券。理解股票市场，首先需要掌握几个核心概念：一级市场（IPO发行市场）与二级市场（流通交易市场）、做市商与竞价交易、T+1与T+0交易制度、涨跌停板限制等。这些规则直接影响我们后续构建机器学习特征时的数据口径和信号含义。
核心交易规则要点
| 规则维度 | A股市场 | 港股市场 | 美股市场 | 对量化建模的影响 |
|---|---|---|---|---|
| 交易制度 | T+1（当日买入次日卖出） | T+0（当日可回转交易） | T+0 | T+1下，日内高频策略失效，需关注日间信号 |
| 涨跌幅限制 | 主板±10%，创业板/科创板±20% | 无涨跌幅限制 | 无涨跌幅限制 | 涨跌停导致价格失真，需剔除或特殊处理 |
| 最小交易单位 | 100股（1手） | 1手（视股票而定） | 1股 | 影响资金管理和回测精度 |
| 交易时间 | 9:30-11:30, 13:00-15:00 | 9:30-12:00, 13:00-16:00 | 9:30-16:00（美东） | 时间戳对齐是特征工程的前提 |
| 结算周期 | T+1 | T+2 | T+2 | 影响资金周转率计算 |
3.2 财务报表核心指标：PE、PB、ROE 的深层解读
财务报表是上市公司经营状况的“体检报告”。对于AI选股而言，财务指标是最重要的基本面特征来源。但直接使用原始财务数据（如净利润、净资产）往往效果不佳，因为不同公司规模不同，无法直接对比。因此，我们需要使用相对估值指标和盈利能力指标。
3.2.1 市盈率（PE, Price-to-Earnings）
定义：PE = 股价 / 每股收益（EPS）。它反映了市场愿意为每1元净利润支付的价格。
- 静态PE：使用上一年度每股收益，滞后性强。
- 滚动PE（TTM）：使用最近四个季度每股收益之和，时效性更好，是量化建模的首选。
- 动态PE：使用预测未来收益，带有主观性。
机器学习应用注意：PE为负（亏损公司）或PE极高（微利公司）时，该指标失去意义。通常需要对PE进行截尾处理（Winsorize），或单独设置“是否亏损”的哑变量。
3.2.2 市净率（PB, Price-to-Book Value）
定义：PB = 股价 / 每股净资产。适用于重资产行业（银行、地产、制造业）的估值对比。PB < 1 通常意味着股价跌破净资产，可能被低估，但也可能反映市场对资产质量的担忧。
3.2.3 净资产收益率（ROE, Return on Equity）
定义：ROE = 净利润 / 净资产。这是衡量股东资金使用效率的核心指标。巴菲特特别看重长期ROE > 15%的公司。ROE可以分解为三部分（杜邦分析）：
ROE = 净利率 × 总资产周转率 × 权益乘数这一分解在特征工程中非常有用：我们可以分别提取“高利润率模式”、“高周转模式”和“高杠杆模式”的公司特征，而不是只看ROE一个综合值。
财务指标对比与适用场景
| 指标 | 计算公式 | 适用行业 | 局限性 | 机器学习特征处理建议 |
|---|---|---|---|---|
| PE (TTM) | 市值 / 近四季净利润 | 消费、科技、医药 | 周期股盈利波动大，PE失真 | 取对数或分位数变换 |
| PB | 市值 / 净资产 | 银行、地产、周期 | 轻资产公司净资产参考价值低 | 与ROE结合使用（PB-ROE框架） |
| ROE | 净利润 / 净资产 | 所有行业 | 高杠杆可能虚高ROE | 配合资产负债率使用 |
| 营收增速 | (本期营收-上期营收)/上期营收 | 成长股 | 基数效应导致增速失真 | 使用3年复合增长率平滑 |
3.3 股价驱动因素的多维度分析
股价的短期波动是随机游走与市场情绪的结合，但中长期趋势由基本面决定。理解驱动因素，是选择机器学习特征的基础。我们将驱动因素分为三大类：基本面驱动、技术面驱动和情绪/资金面驱动。
3.3.1 基本面驱动（长期锚）
这是股价的“内在价值”基础。核心逻辑是：股价 = 每股收益 × 市场给予的估值倍数。因此，盈利增长（ΔEPS）和估值扩张（ΔPE）是股价上涨的两大引擎。机器学习模型应重点提取以下特征：
- 盈利超预期程度（实际EPS vs 分析师一致预期）
- 毛利率变化趋势（反映竞争力）
- 自由现金流/市值（FCF Yield）
3.3.2 技术面驱动（中期动量）
技术分析的核心假设是“历史会重演”。虽然有效市场假说对此存疑，但在实际交易中，动量效应和均值回归效应确实存在。常用的技术特征包括：
- 动量因子：过去20日/60日收益率
- 均线偏离度：收盘价 / MA20 - 1
- 波动率：过去20日日收益率的标准差（ATR）
- 成交量变化：量比（当日成交量 / 过去5日均量）
3.3.3 情绪与资金面驱动（短期博弈）
A股市场散户占比高，情绪驱动特征明显。这类特征对短期预测（1-5日）有较强解释力，但噪声也大。
- 北向资金净流入：外资动向常被视为“聪明钱”信号
- 融资融券余额变化：杠杆资金的增减
- 换手率：反映交易活跃度，过高换手率往往是见顶信号
- 龙虎榜数据：游资与机构席位动向
案例拆解：一个多因子特征融合的实战场景
假设我们要为某消费类股票（代码：XYZ）构建一个“周频”选股特征集，用于预测未来5个交易日的收益方向。
背景与约束：该股票属于食品饮料行业，市值500亿，机构持仓比例较高，日均成交额约3亿元。我们只能使用公开数据，且需在每周五收盘后计算特征。
初始现象：单纯使用PE或ROE等单因子，模型在回测中夏普比率仅为0.6，且换手率过高导致交易成本侵蚀收益。
关键输入数据与处理过程：
- 基本面特征：计算ROE_TTM、营收增速（同比）、毛利率变化（环比）。将PE_TTM取对数，并计算其处于近3年历史分位数（PE分位）。
- 技术面特征：计算过去20日动量（MOM_20）、5日均线偏离度（BIAS_5）、20日波动率（VOL_20）。
- 情绪面特征：计算过去5日北向资金净流入占比（北向净买入 / 日均成交额）、换手率（近5日均值）。
分析判断过程：我们发现，当“PE分位 < 20%”且“ROE > 15%”且“MOM_20 > 0”同时成立时，未来5日上涨概率显著高于基准。这验证了“低估值+高质量+正动量”的复合逻辑。
实际操作步骤：在机器学习模型（如XGBoost）中，我们不仅输入上述原始特征，还构造了交互特征：PE分位 × ROE（捕捉估值与质量的匹配度），以及MOM_20 × 换手率（捕捉动量与情绪共振）。
结果对比：加入交互特征后，模型在验证集上的AUC从0.58提升至0.63，夏普比率从0.6提升至0.9。但我们也注意到，在极端市场环境下（如2024年2月微盘股流动性危机），该模型因过度依赖小市值股票的动量特征而出现较大回撤。
风险与代价：交互特征增加了模型复杂度，需要更严格的交叉验证防止过拟合。同时，情绪类特征（如北向资金）在政策干预时可能失效。
复盘经验：单一驱动因素都不稳定，但“基本面定方向，技术面定时机，情绪面定仓位”的组合框架，在多数市场环境下表现稳健。机器学习模型的价值在于自动学习这三者的非线性权重。
3.4 总结与复盘：构建金融数据流水线的关键要点
本章内容为后续机器学习建模提供了数据基础。总结如下：
- 交易规则是数据清洗的过滤器：涨跌停、停牌、除权除息必须处理，否则模型学到的是规则噪声。
- 财务指标需组合使用：PE、PB、ROE各有局限，应构建“估值-盈利-成长”三维特征空间。
- 股价驱动因素是多维的：基本面是锚，技术面是帆，情绪面是风。机器学习模型应同时输入三类特征，并允许模型自动发现交互关系。
- 警惕数据陷阱：幸存者偏差（只考虑当前上市股票）、前视偏差（使用未来数据）、时间窗口不匹配（财务数据与交易数据频率不一致）是三大常见陷阱。