4. 单因子构建与实现：以市盈率倒数（EP）为例

市盈率倒数（EP），说白了就是每股收益除以股价。它是基本面因子中最经典的一个，也是我入行时第一个手工搭建的因子。今天我们就拿它开刀，走一遍完整的构建流程。

4.1 因子定义与数据准备

先明确公式：

EP = 每股收益（EPS） / 股价（Price）

这里有个细节——EPS 用哪个口径？我个人习惯用 TTM（Trailing Twelve Months），也就是最近四个季度的滚动每股收益。为什么？因为单季度 EPS 波动太大，年报又太滞后，TTM 刚好平衡了时效性和稳定性。

数据源方面，我通常从 Wind 或聚宽取数。你需要准备两张表：

数据表	字段	频率
日行情表	股票代码、日期、收盘价	日频
财务指标表	股票代码、报告期、EPS_TTM	季频（但 TTM 可每日更新）

4.2 代码实现：从原始数据到因子值

下面这段代码，我建议你直接跑一遍。它包含了数据合并、去极值、标准化三个核心步骤。

import pandas as pd
import numpy as np
from scipy import stats

# 模拟数据：假设有 1000 只股票，500 个交易日
np.random.seed(42)
n_stocks = 1000
n_days = 500

# 生成日期序列
dates = pd.date_range('2020-01-01', periods=n_days, freq='B')

# 生成股价和 EPS_TTM
data = []
for date in dates:
    for stock_id in range(n_stocks):
        price = np.random.uniform(5, 200)
        eps_ttm = np.random.uniform(-2, 5)
        data.append([date, stock_id, price, eps_ttm])

df = pd.DataFrame(data, columns=['date', 'stock_id', 'price', 'eps_ttm'])

# 计算 EP 因子
df['EP'] = df['eps_ttm'] / df['price']

# 去极值：MAD 方法（中位数绝对偏差）
def winsorize_mad(series, n=5):
    median = series.median()
    mad = (series - median).abs().median()
    upper = median + n * mad
    lower = median - n * mad
    return series.clip(lower, upper)

df['EP_winsorized'] = df.groupby('date')['EP'].transform(winsorize_mad)

# 标准化：Z-score
df['EP_zscore'] = df.groupby('date')['EP_winsorized'].transform(
    lambda x: (x - x.mean()) / x.std()
)

print(df[['date', 'stock_id', 'EP', 'EP_winsorized', 'EP_zscore']].head(10))

嗯，这里要注意去极值的参数 n=5。我试过 3、5、7 三个值，5 倍 MAD 在 A 股市场效果最稳。太严苛会把正常值切掉，太宽松又去不掉极端值。

4.3 数据验证：因子值分布与行业覆盖

因子算出来不等于能用。我一般会做三件事来验证：

1. 分布检查：看 EP 值是否集中在合理区间，有没有大量负值或异常大值。
2. 行业覆盖：确保每个行业都有足够的样本，避免因子只在某几个行业有效。
3. 时间序列稳定性：因子均值随时间是否平稳，有没有突然跳变。

下面这段代码帮你快速检查：

# 假设 df 已有行业字段 'industry'
# 按日期和行业统计 EP 均值
industry_ep = df.groupby(['date', 'industry'])['EP_zscore'].mean().unstack()

# 检查行业覆盖
print("行业数量:", industry_ep.shape[1])
print("各行业样本量:")
print(df.groupby('industry').size())

# 检查时间序列稳定性
daily_mean = df.groupby('date')['EP_zscore'].mean()
print("日均值标准差:", daily_mean.std())
print("日均值范围:", daily_mean.min(), "-", daily_mean.max())

4.4 因子构建的完整流程图

下面这张图，是我做因子构建时脑子里始终挂着的流程。每一步都有坑，每一步也都有优化空间。

4.5 因子存储与后续使用

因子算完、验证通过后，我建议按以下格式存储：

字段	类型	说明
date	datetime	交易日
stock_id	int	股票代码（建议用整数编码）
EP_raw	float	原始因子值
EP_winsorized	float	去极值后
EP_zscore	float	标准化后（用于后续分析）