4. 因子选择中的A/B测试框架：因子候选集构建、对照组与实验组设计、随机化原则

在量化投资中，因子选择是策略开发的核心环节。传统方法多依赖历史回测的单一指标（如IC、夏普比率）进行排序筛选，但这种方法容易陷入过拟合与数据窥探偏差。将A/B测试的因果推断框架引入因子选择，能够更严谨地评估因子在真实市场环境中的增量贡献。本章将系统阐述因子选择中A/B测试的三大支柱：因子候选集的构建、对照组与实验组的设计，以及随机化原则的实施。

4.1 因子候选集构建：从海量信号到可测试假设

因子候选集是A/B测试的“实验对象池”。构建过程并非简单罗列所有可能的因子，而是需要遵循可解释性、可计算性、可区分性三大原则。

候选集的构建通常分为三个步骤：

1. 信号生成：基于价量、基本面、另类数据等原始数据，生成数百个原始信号。
2. 信号清洗与标准化：处理缺失值、极端值，并进行截面或时间序列标准化。
3. 聚类与代表性筛选：对信号进行相关性聚类，从每个簇中选取代表性因子，形成最终候选集（通常控制在20-50个以内）。

4.2 对照组与实验组设计：分离因子效应的核心

在因子选择的A/B测试中，对照组代表“不使用该因子”的基准策略，实验组代表“使用该因子”的候选策略。设计的关键在于确保两组之间唯一的系统性差异就是待测试因子本身。

4.2.1 常见设计模式

4.2.2 设计中的“污染控制”

对照组与实验组必须保持交易成本、调仓频率、持仓限制等非因子因素完全一致。一个常见的错误是：实验组使用更频繁的调仓来捕捉因子信号，而对照组使用低频调仓，导致两组差异无法归因于因子本身。

4.3 随机化原则：因果推断的基石

随机化是A/B测试区别于普通回测的根本特征。在因子选择中，随机化主要应用于时间维度和截面维度两个层面。

4.3.1 时间维度的随机化

将历史数据划分为多个随机的时间块，每个时间块内独立运行对照组和实验组。这种方法可以有效避免“特定市场环境（如牛市/熊市）对因子表现的偶然影响”。

• 简单随机分块：将N个月的数据随机分为K个块，每个块内进行独立测试。
• 分层时间随机化：先按市场状态（趋势/震荡/高波动）分层，再在每层内随机分配时间块，确保两组经历相似的市场环境分布。

4.3.2 截面维度的随机化

在同一个时间截面上，将股票池随机分为两组，一组应用因子权重，另一组应用基准权重。这种方法更适用于横截面因子（如价值因子、动量因子）。

τ̂ = E[Y(1) | T=1] - E[Y(0) | T=0]

其中：
- Y(1) 为实验组的收益
- Y(0) 为对照组的收益
- T 为处理分配指示变量（1=实验组，0=对照组）
- 随机化保证了 T ⊥ (Y(1), Y(0))，即处理分配与潜在结果独立

4.3.3 随机化失败的常见场景

4.4 框架整合：从候选集到随机化测试的完整链路

将上述三个环节整合，形成因子选择的A/B测试完整框架：

1. 构建候选集：从原始信号中清洗、聚类，选出20-50个逻辑自洽的候选因子。
2. 设计对照与实验组：为每个候选因子设计唯一的对照组和实验组，确保非因子因素完全对齐。
3. 实施随机化：在时间维度和/或截面维度进行随机化分配，确保处理分配与潜在结果独立。
4. 执行测试与统计推断：运行A/B测试，计算效应量、p值、置信区间，并进行多重比较校正。
5. 结果评估与迭代：根据测试结果筛选有效因子，并反馈至候选集构建环节，形成闭环优化。