4. 基础因子计算（一）：估值类因子

估值因子是量化选股中最经典、最基础的因子类别。它们通过比较公司市值与财务指标（如净利润、净资产、营业收入、现金流）的相对关系，衡量证券的“贵贱”程度。本章将系统讲解四大核心估值因子——PE、PB、PS、PCF 的计算逻辑、行业中性化处理与极值处理方法。

4.1 四大估值因子定义与计算逻辑

每个估值因子均由“价格”与“基本面指标”的比值构成。下表总结了各因子的核心公式与业务含义：

4.2 计算逻辑详解

在实际因子计算中，需注意以下关键步骤与数据对齐规则：

1. 市值数据对齐：使用计算日当天的总市值（股价 × 总股本），确保与财务数据日期匹配。
2. 财务数据获取：从数据库提取最近四个季度的净利润、净资产、营业收入、经营现金流。净资产使用最新报告期（非TTM），其余使用TTM。
3. 缺失值处理：若财务数据缺失或为0（如净利润为负），则对应因子值设为NaN，后续在分层时剔除。
4. 负值处理：PE、PCF可能出现负值（亏损企业），通常保留负值作为信息，但需在极值处理时单独考虑。

以下为 Python 伪代码示例，展示 PE 因子的计算过程：

import pandas as pd
import numpy as np

def calc_pe_factor(market_cap: pd.Series, net_profit_ttm: pd.Series) -> pd.Series:
    """
    计算市盈率因子
    :param market_cap: 总市值序列
    :param net_profit_ttm: 归母净利润TTM序列
    :return: PE因子序列
    """
    # 避免除零
    pe = np.where(net_profit_ttm != 0, market_cap / net_profit_ttm, np.nan)
    # 将无穷大替换为NaN
    pe = np.where(np.isinf(pe), np.nan, pe)
    return pd.Series(pe, index=market_cap.index)

4.3 行业中性化处理

不同行业的估值水平天然存在巨大差异（如银行股PE普遍低于科技股）。若不进行行业中性化，因子选股结果将严重偏向低估值行业，而非行业内选股。行业中性化的核心目标是：剔除行业系统性差异，保留个股在行业内的相对估值信息。

常用方法为 Z-Score 行业中性化，步骤如下：

1. 将股票按申万一级行业（或自定义行业分类）分组。
2. 在每个行业内，计算因子值的均值（μ）与标准差（σ）。
3. 对每个股票，计算行业中性化后的因子值：
   Z = (X - μ) / σ，其中 X 为原始因子值。
4. 若行业样本数过少（如少于5只），则该行业股票的中性化值设为NaN。

以下为行业中性化处理的代码示例：

def industry_neutralize(factor: pd.Series, industry: pd.Series) -> pd.Series:
    """
    行业Z-Score中性化
    :param factor: 原始因子值序列
    :param industry: 行业分类序列
    :return: 中性化后的因子值
    """
    def zscore_group(group):
        if len(group) < 5:
            return pd.Series(np.nan, index=group.index)
        return (group - group.mean()) / group.std()
    
    neutralized = factor.groupby(industry).transform(zscore_group)
    return neutralized

4.4 极值处理

估值因子常因极端财务数据（如微利企业导致PE极高）或数据错误而产生异常值。极值处理旨在降低这些异常值对后续分层和模型训练的影响。常用方法包括：

推荐使用 MAD法 处理估值因子，因其对异常值鲁棒性更强。具体步骤：

1. 计算因子值的中位数（M）和中位数绝对偏差（MAD）。
2. 设定阈值倍数（通常为3~5倍）。
3. 将超出 [M - n×MAD, M + n×MAD] 的值替换为边界值（截尾）或设为NaN（剔除）。

def mad_winsorize(factor: pd.Series, n: float = 5.0) -> pd.Series:
    """
    MAD法截尾处理
    :param factor: 因子值序列
    :param n: MAD倍数阈值
    :return: 截尾后的因子值
    """
    median = factor.median()
    mad = np.median(np.abs(factor - median))
    lower = median - n * mad
    upper = median + n * mad
    return factor.clip(lower, upper)

4.5 估值因子处理流程总览

下图展示了从原始数据到最终可用因子的完整处理流水线：

4.6 常见问题与避坑指南

• 市值加权问题：计算行业均值时，是否使用市值加权？建议使用等权均值，因为市值加权会使中性化结果偏向大盘股，削弱因子选股能力。
• 负值因子处理：PE为负时，Z-Score中性化会将其映射到负值区域，但排序逻辑仍然有效（负PE代表亏损，估值逻辑不同）。建议保留负值，不做特殊截断。
• 行业分类时效性：行业分类每年可能调整，需使用因子计算日当天的行业分类，避免使用历史分类导致中性化偏差。
• 极值处理参数：MAD倍数建议在3~5之间选择。倍数过小会丢失有效信息，倍数过大则极值处理效果不足。可通过回测对比不同参数下的因子IC表现来确定最优值。