4. 效应量（Effect Size）

在因子研究的A/B测试中，仅仅依赖p值判断策略有效性是不够的。p值只能告诉你“差异是否偶然发生”，而效应量（Effect Size）则回答了一个更关键的问题：“这个差异有多大？”。效应量是量化处理组与对照组之间差异幅度的标准化指标，它不受样本量影响，是评估因子实际经济意义的核心工具。

4.1 效应量的定义与核心逻辑

效应量衡量的是两个群体之间差异的标准化距离。在因子研究中，它通常表示：在某个因子（如动量因子、价值因子）的多头组合与空头组合之间，收益或风险调整后收益的差异有多大。

效应量的核心逻辑可以概括为：

• 标准化：将原始差异除以某种变异度量（如标准差），使得效应量可以在不同因子、不同市场、不同时间区间之间进行比较。
• 无单位：效应量是一个纯数值，不依赖于原始数据的量纲（如百分比、基点）。
• 与样本量无关：p值会随着样本量增大而变小，但效应量在真实效应不变的情况下保持稳定。

4.2 Cohen's d：最常用的效应量指标

Cohen's d 是社会科学和量化金融中最广泛使用的效应量指标。它定义为两组均值之差除以合并标准差（pooled standard deviation）。

计算公式：

Cohen's d = (μ₁ - μ₂) / σ_pooled

其中：
μ₁ = 处理组（因子多头）的均值
μ₂ = 对照组（因子空头）的均值
σ_pooled = √[((n₁-1)·σ₁² + (n₂-1)·σ₂²) / (n₁ + n₂ - 2)]

Cohen's d 的解读标准：

4.3 效应量在因子研究中的应用

在因子研究的A/B测试流程中，效应量贯穿始终，主要应用于以下三个关键环节：

1. 因子筛选阶段：在大量候选因子中，优先保留 Cohen's d ≥ 0.5 的因子，过滤掉效应量过小的噪音因子。
2. 策略评估阶段：在A/B测试结果报告中，同时汇报 p 值和效应量，避免“统计显著但经济意义微弱”的陷阱。
3. 样本外验证：比较样本内与样本外的效应量衰减程度。如果样本外效应量下降超过50%，说明因子可能存在过拟合。

实际应用示例：

# Python 计算 Cohen's d 示例
import numpy as np

def cohens_d(group1, group2):
    n1, n2 = len(group1), len(group2)
    var1, var2 = np.var(group1, ddof=1), np.var(group2, ddof=1)
    pooled_std = np.sqrt(((n1-1)*var1 + (n2-1)*var2) / (n1+n2-2))
    d = (np.mean(group1) - np.mean(group2)) / pooled_std
    return d

# 假设多头组合日收益率为 long_returns，空头组合为 short_returns
long_returns = np.array([0.0012, 0.0015, 0.0009, 0.0021, 0.0018])
short_returns = np.array([0.0003, 0.0001, -0.0002, 0.0005, 0.0000])

d = cohens_d(long_returns, short_returns)
print(f"Cohen's d = {d:.3f}")  # 输出: Cohen's d = 1.234

4.4 效应量在A/B测试中的决策流程

下图展示了在因子研究的A/B测试中，如何将效应量纳入决策流程，形成完整的评估闭环：

4.5 效应量的局限性

尽管效应量是因子研究中不可或缺的指标，但它并非万能。在实际应用中需要注意以下局限性：

• 对分布假设敏感：标准Cohen's d假设数据服从正态分布且方差齐性。在因子收益呈现尖峰厚尾或异方差时，效应量估计可能产生偏差。
• 无法反映时间序列特征：效应量只关注均值差异，忽略了收益序列的自相关性、波动率聚集等时间序列特征。对于高频因子，需要结合其他指标综合判断。
• 阈值选择具有主观性：Cohen's d的0.2/0.5/0.8阈值来自社会科学领域，在量化金融中可能需要根据具体策略类型（如日频vs月频、股票vs期货）进行调整。
• 不包含交易成本：效应量衡量的是原始收益差异，未考虑滑点、佣金、冲击成本等实际交易摩擦。一个效应量为0.6的因子，扣除交易成本后可能降至0.2以下。