匡醍量化|大富翁量化 匡醍量化|大富翁量化 因子是量化策略的原料：怎么找、怎么验、怎么组合。这个专题收录因子挖掘与回测的完整实践——从动量、低换手到 LOF 套利，覆盖 Alphalens 因子分析全流程、quantstats 绩效归因、A 股实战案例与常见陷阱（前视偏差、过拟合、拥挤度）。无论你是刚搭出第一个因子，还是在做多因子组合优化，这里有一份按难度排好的阅读路径。
这是「因子策略」专题的入门长文：因子从"想法"到"可用"的标准动作——Alphalens 全流程。用一个可复制的清单回答：我的因子到底行不行。
| 环节 | 做什么 | 站内入口 |
|---|---|---|
| 搭因子 | 从一个可解释的想法出发，写出第一版因子（7 因子模型看结构） | 入门 |
| 验因子 | Alphalens 分层回测：IC、换手、衰减三张表（年化 36% 的 ORB看完整案例） | 进阶 |
| 避坑 | 前视偏差、幸存者偏差、过拟合三连问 | 实战 |
因子不是"跑出来的"，是"想出来的"。所有能活过样本外的因子，背后都有一个经济直觉：
动手前先写一句话："我认为 ___ 类型的股票会跑赢，因为 ___"。写不出来这句话，就不要写代码。7因子模型，除了规模、市场、动量和价值，还有哪些？是很好的结构参考——先看别人因子库的"形状"，再设计自己的。
Alphalens 解决的核心问题是：把"因子值"和"未来收益"对齐之后，分层看。它的输出就三张东西：
# 最小可用流程（伪代码，思路比 API 重要）
# 1. 对齐：因子值（T 日收盘后可得） vs 未来 N 日收益
# —— 注意：T 日收盘后"可得"意味着 T+1 才能用，这是前视偏差的第一道门
# 2. 分层：按因子值分 5 组（多空只看头尾两组）
# 3. 三张表：
# - 分层累计收益：头组是不是稳定在最上？
# - IC（信息系数）：RankIC 均值 > 0.03 才值得看第二眼
# - 换手与衰减：因子调仓频率 vs 成本，IC 半衰期多长？三个判据，缺一不可：
ORB 策略年化 36%是一个从想法到验证的完整案例，建议对照着读。
单个因子能用之后，下一步是组合。7 因子模型讲了规模、市场、动量、价值之外的补充维度；组合时记住三条：
ESG 评分多空策略附了一套分层回测通用代码，可以直接拿去套自己的因子。
因子研究没有银弹，只有一句话、三个判据、三连问。把这套动作跑顺，你的每一个因子才算"验过"。
共 82 篇 · 按难度分组