用通俗的语言，介绍因子挖掘的基本概念、常见因子、检验方法和容易踩的坑。
因子，是可以用数据计算出来、能够解释或预测资产收益差异的特征。比如"市盈率低的股票，长期平均收益更高"，市盈率就可以看作一个因子。
量化投资里，因子相当于给每只股票打分的尺子：每天用同一把尺子量一遍全市场，分数高的和分数低的，后续收益是否有稳定差别，就是研究的核心问题。
因子挖掘，就是系统地寻找、构造和检验这类"尺子"的过程。
| 类别 | 代表指标 | 背后的逻辑 |
|---|---|---|
| 价值 | 市盈率、市净率、股息率 | 便宜的资产长期有补偿，或反映了市场的过度悲观 |
| 规模 | 总市值、流通市值 | 小公司风险更高、关注更少，历史上常有溢价 |
| 动量 / 反转 | 过去 1–12 个月涨跌幅 | 趋势延续（动量）或短期过度反应后回归（反转） |
| 质量 | ROE、毛利率、负债率、盈利稳定性 | 经营更好的公司，估值和收益更有支撑 |
| 成长 | 营收、利润增长率 | 成长性被市场逐步定价 |
| 低波动 | 历史波动率、贝塔 | 低风险资产被系统性低估的"低波动异象" |
| 流动性 | 换手率、成交额 | 流动性差的资产需要额外补偿；过高换手常伴随过度交易 |
| 另类 | 分析师预期、资金流、舆情、供应链数据 | 从传统财务和行情之外寻找增量信息 |
IC（信息系数）：每期因子值与下一期收益的相关系数，常用秩相关（Rank IC）。绝对值越大，预测力越强。
IR（信息比率）：IC 均值除以 IC 标准差，衡量预测力是否稳定。一个 IC 均值不高、但很稳定的因子，往往比忽高忽低的因子更有用。
每期按因子值把股票分成 5 组或 10 组，分别计算各组后续收益。好的因子，各组收益应大致呈单调排列，最高组和最低组的差值（多空收益）明显且稳定。
常见的系统化挖掘方法包括：基于逻辑的手工构造、对基础字段做算子组合的遗传规划、以及机器学习模型。方法越"自动"，越要警惕过拟合。
| 陷阱 | 是什么 | 怎么避免 |
|---|---|---|
| 未来函数 | 用到了当时还不知道的数据，比如用年报公布前的财务数据 | 严格按公告日对齐，使用点时数据 |
| 幸存者偏差 | 只用现在还在交易的股票回测，漏掉了已退市的 | 股票池包含历史上所有存在过的股票 |
| 过拟合 | 反复调参直到回测漂亮，实盘失效 | 参数少而有逻辑，保留样本外数据，记录试过多少次 |
| 忽略成本 | 不计手续费、冲击成本和涨跌停无法成交 | 回测中加入成本和可交易性约束 |
| 因子拥挤 | 大家都在用同一个因子，收益被摊薄甚至反转 | 关注因子估值和资金拥挤度 |
本站内容仅用于量化投资知识的学习与交流，不构成任何投资建议。市场有风险，投资需谨慎。