因子积累的探索与踩坑
1.1 探究的原因
因为 XGB 或者 MLP 等等吧，模型如果需要有好的效果，最核心的不是模型参数或复杂度，而是因子的非线性复杂度要高。核心还是因子。一般作为普通投资者来说，最简单的就是研报复现以及公共平台的因子获取，虽然已经没什么超额了，但也属于“没得选的选择”，所以先试试看吧。本次记录的就是研报复现和平台获取因子的过程。
1.2 研报复现的过程
找了上个月最新的一篇研报，叫《20250602-东北证券-盈利偏度和估值偏度因子》，这篇研报主要讲的是：传统偏度研究多聚焦在收益偏度或量价数据上，但该文实证发现，基本面信息的偏度（如盈利偏度、估值偏度）同样具备较强的预测能力，能提供显著的信息增量，对传统因子具有补充价值。其中 POP 偏度因子和营业利润偏度的年化超额都不错。
着手开始复现，第一个复现的是估值因子 PE，因为简单。市盈率 PE 是投资者最为关注的估值指标之一，它反映了投资者对公司单位盈利愿意支付的价格。我们用过去一年（252 个交易日）的 PETTM 计算公司的 PE 偏度因子，并测试其选股效果，如下：
看着还不错哦，我们实操一下。我选择米筐的在线因子研究，数据提供得比较好。我们选择中证 1000 来看看 PE 偏度的表现。
PE = get_factor(stock_list, 'pe_ratio_ttm', start_date, end_date).unstack('order_book_id')
PE.columns = PE.columns.droplevel(0)
pe_skew_df = (
PE
.rolling(window=252, min_periods=222) # 窗口 & min_periods 一致
.skew(bias=False)
)
# 去掉第一年，因为按252滚动都是空
pe_skew_df = pe_skew_df.loc[pe_skew_df.index >= '2017-01-04']
pe_skew_df
得到 PE 偏度数据后，我们对整个 df 进行了数据标准化以及中性化，这个过程不展示了。以下是标准化后的分布：
动态券池后的数据：
都挺正常的。文章说每月的月底调仓，并且用 Spearman，所以 IC 应该按 22 日来看吧。
IC 的需求跟研报中差不多吧，但是研报仅说了 IC，我们自己跑一个分层检验吧，如下：
很拉胯…都不用做回测了。用回归法来测试，真实的收益 t 值是 0.2，很不显著，但是研报都不介绍这些内容。后面的 POP 和营业利润偏度测试结果都不好，10 年平均下来 IC 确实很高，但是从公式看，时间越久它的 IC 肯定是可以被平均的，前几年很强，最近几年失效，平均下来确实是 0.02 以上，但没有什么软用啊，这算是第一个坑。以后看研报，看看它的检验是不是合理，如果检验不合理直接不看了，纯属耍流氓，而且动不动拿 10 年来讲故事。
1.3 量化平台网站的因子获取
挨个研报复现太慢，有没有现场可以捡呢？翻阅几大量化网站，找到了一个唯一能看的因子看板，如下图，是聚宽的：
说实话，第一次看，我感觉我找到了财富密码…哈哈哈哈，这上百个很厉害了，而且打开对应的文档有它的计算公式，所以在聚宽上面写代码进行找最好的因子。
这不是财富密码吗？？？然后回测的过程中，聚宽特别坑，你查询大于 1 年的数据他要让你付费，说查询数据量太大等等，所以最终拿聚宽的因子计算公式去米筐进行复现，米筐没有数据获取限制。就拿 financial_assets 举例：
可以看到这个因子还是不错的基本面因子，但是量价因子什么的都不行，聚宽都是 MEA 和 MA 等等这些均线，很不好。聚宽的问题是跑 IC 的时候它不会做动态券池导致样本太多，IC 值被拟合得很高，实际跑下来大打折扣。公开的东西是真的，要么被人套完超额，就是骗新人的。他的付费版还要卖 1.3 万一年，很坑。以上两点就是最近踩的坑了，希望大家吸取经验。
