多因子参数优化与过拟合检测实践 - 第2节

2.2 因子分类体系

根据数据来源与驱动逻辑，因子通常分为三大类：基本面因子、技术面因子和另类因子。每类因子在信号频率、覆盖广度、过拟合风险上存在显著差异。

2.2.1 基本面因子

基于公司财务报表、宏观经济数据构建，反映企业内在价值与经营质量。常见子类包括：

• 估值因子：市盈率（PE）、市净率（PB）、市销率（PS）、股息率
• 成长因子：营收增长率、净利润增长率、ROE 变化
• 质量因子：ROE、毛利率、资产负债率、现金流质量
• 规模因子：总市值、流通市值、对数市值

2.2.2 技术面因子

从价格、成交量、资金流等市场交易数据中提取，捕捉短期动量与反转效应。常见子类包括：

• 动量因子：过去 N 日收益率、动量强度、RSI
• 反转因子：短期反转（1-5 日）、中期反转（20-60 日）
• 波动率因子：历史波动率、已实现波动率、振幅
• 流动性因子：换手率、Amihud 非流动性指标、成交额

2.2.3 另类因子

来源于非传统金融数据源，近年来在量化投资中重要性快速上升。常见子类包括：

• 舆情因子：新闻情感得分、社交媒体情绪、分析师评级变化
• 供应链因子：客户集中度、供应商依赖度、产业链位置
• ESG 因子：环境评分、社会责任评分、公司治理评分
• 高频微观结构因子：订单簿斜率、买卖价差、订单流不平衡

2.3 因子暴露的度量与标准化

因子暴露的准确度量是因子模型有效性的基础。常见的暴露度量方式包括：

1. 原始暴露：直接使用原始特征值（如市值、PE 值），但不同量纲导致不可比。
2. 标准化暴露：对原始暴露进行 Z-score 标准化，使因子暴露均值为 0、标准差为 1。
3. 秩暴露：将原始值转换为百分位秩（0-1 或 1-N），对极端值不敏感。
4. 正交化暴露：剔除与其他因子相关部分，得到纯净因子暴露。

import numpy as np
import pandas as pd

def standardize_factor_exposure(factor_series, method='zscore'):
    """
    对因子暴露进行标准化处理
    method: 'zscore' | 'rank' | 'winsorize'
    """
    if method == 'zscore':
        return (factor_series - factor_series.mean()) / factor_series.std()
    elif method == 'rank':
        return factor_series.rank(pct=True)
    elif method == 'winsorize':
        lower = factor_series.quantile(0.01)
        upper = factor_series.quantile(0.99)
        clipped = factor_series.clip(lower, upper)
        return (clipped - clipped.mean()) / clipped.std()
    else:
        raise ValueError(f"Unknown method: {method}")

2.4 因子收益的估计方法

因子收益的估计是因子模型从理论到实践的关键桥梁。主流方法包括：