多因子选股模型的完整指南，包括因子选取、有效性检验（排序法）、冗余因子剔除、综合评分模型构建和实证案例。适用于需要构建或优化多因子选股策略的量化投资者。
多因子选股模型的完整指南，包括因子选取、有效性检验（排序法）、冗余因子剔除、综合评分模型构建和实证案例。适用于需要构建或优化多因子选股策略的量化投资者。
npx skills add https://github.com/FeiCoder/Skill-Factory --skill multi-factor-modelこのコマンドをClaude Codeにコピー＆ペーストしてスキルをインストール
统计套利策略的完整指南，包括配对交易、协整分析、主成分策略和行业轮动套利。适用于需要构建市场中性策略、对冲系统性风险并获取稳定Alpha收益的量化投资场景。
量化投资策略组合选择指南，根据市场环境（牛/熊/震荡）选择合适的选股和择时策略组合。适用于需要构建或调整量化投资组合、不知道如何搭配使用多种策略的投资者。
资金流选股模型指南，包括资金流概念、测算方法和基于高频数据的选股策略。适用于需要利用资金流向进行选股决策的场景。
动量与反转策略指南，包括行为金融学基础、动量反转效应的成因和A股量化策略。适用于需要理解和实施动量/反转投资策略的场景。
量化选股基础知识，介绍量化投资的概念、框架以及与传统投资方法的区别。当需要理解量化选股的核心理念、适用场景或构建量化选股系统时使用此 skill。
行业轮动策略指南，基于宏观经济周期和M2指标的A股行业轮动模型。适用于需要理解和实施行业配置策略的场景。
| name | multi-factor-model |
| description | 多因子选股模型的完整指南，包括因子选取、有效性检验（排序法）、冗余因子剔除、综合评分模型构建和实证案例。适用于需要构建或优化多因子选股策略的量化投资者。 |
多因子模型是应用最广泛的选股模型之一。其核心思想是：采用一系列因子作为选股标准，满足这些因子的股票则被买入，不满足的则卖出。
多因子模型相对来说比较稳定，因为在不同市场条件下，总有一些因子会发挥作用。
何时使用此技能：
市场上的投资者（价值投资者、投机者、短线交易者）都会根据某些因子来判断股票的涨跌。当有一群交易者同时采用某个因子时，就会造成该因子有效。
例如：当很多投资者认为低PE的价值型股票是好的投资标时，他们纷纷买入低PE股票，会使得该股票出现上涨或超越大市。这样就使得低PE因子的有效性得到体现。
| 方法 | 原理 | 优点 | 缺点 |
|---|---|---|---|
| 打分法 | 根据各个因子大小对股票打分，按权重加权得到总分 | 相对稳健，不易受极端值影响 | 不能及时调整敏感性 |
| 回归法 | 用过去收益率对因子回归，预测未来收益 | 能及时调整敏感性，不同股票敏感性可不同 | 易受极端值影响 |
推荐：初学者使用打分法，熟练后可尝试回归法
候选因子类型及示例：
| 类别 | 因子 | 说明 |
|---|---|---|
| 估值因子 | PE、PB、PS | 市盈率、市净率、市销率 |
| 成长因子 | 净利润增长率、营收增长率、EPS增长率 | 盈利增长速度 |
| 盈利因子 | ROE、ROA、毛利率、净利率 | 盈利能力 |
| 规模因子 | 总市值、流通市值 | 公司大小 |
| 动量因子 | 20日涨跌幅、60日涨跌幅 | 过去价格表现 |
| 波动因子 | 日收益率标准差 | 价格波动程度 |
| 预期因子 | 分析师一致预期、盈利预测 | 市场预期 |
| 宏观因子 | GDP增速、M2 | 经济环境 |
选取原则：
检验方法：排序法
Step 1: 在每个月初计算每只个股的各因子指标
Step 2: 按因子大小从小到大排序，平均分为n个组合（建议5个）
Step 3: 持有至月末，下月初重新构建组合
Step 4: 重复到模型形成期末
有效性判断标准（三个条件）：
排序关系：组合因子大小与收益应具有较大相关性
超额收益：极端组合应有显著超额收益
胜率：不同市场环境下高收益组合跑赢基准概率高
关键指标：
| 指标 | 含义 | 合格标准 |
|---|---|---|
| 年化复合收益 | 组合的实际收益 | 最高组合 > 最低组合 |
| 超额收益 | 相对于基准的收益 | > 5% |
| 跑赢概率 | 跑赢基准的月份占比 | > 60% |
问题：不同因子可能由于内在驱动因素相同，所选出的组合高度一致，需要剔除冗余因子。
剔除步骤：
Step 1: 对不同因子下的n个组合打分（收益越大分值越高）
Step 2: 按月计算个股因子得分间的相关性矩阵
Step 3: 计算整个样本期内相关性矩阵的平均值
Step 4: 设定阈值（通常0.5），超过阈值的因子只保留有效性最强的
案例：盈利收益率与PEG相关性0.89 → 只保留盈利收益率
构建方法：
Step 1: 选取去除冗余后的有效因子
Step 2: 每月初计算每只股票的各因子得分
Step 3: 按权重加权求平均分
Step 4: 按总分排序，选取排名靠前的股票
可选参数：
注意：
需要持续监控和改进的方面：
| 类别 | 因子 |
|---|---|
| 估值 | 市盈率(PE)、市净率(PB)、市销率(PS)、PEG |
| 成长 | 净利润增长率、营收增长率、EPS增长率、PEG |
| 盈利 | ROE、ROA、毛利率、净利率、收入净利率 |
| 资本结构 | 资产负债率、流动比率、速动比率 |
| 规模 | 总市值、流通市值 |
| 动量 | 20日涨跌幅、60日涨跌幅、120日涨跌幅 |
| 波动 | 日收益率标准差、周收益率标准差 |
| 技术 | 换手率、震荡指标 |
| 因子类别 | 有效因子 |
|---|---|
| 估值 | 盈利收益率、PE、PB、PEG |
| 盈利 | ROE、ROA、收入净利率、毛利率 |
| 成长 | 净利润增长率、ROE变动、ROA变动 |
| 资本结构 | 资产负债率 |
| 规模 | 流通市值 |
| 动量 | 20日动量 |
| 波动 | 震荡指标 |
| 类别 | 因子 | 说明 |
|---|---|---|
| 估值 | 盈利收益率(EP) | 每股收益/股价 |
| 估值 | 市净率(PB) | 股价/每股净资产 |
| 盈利 | 净资产收益率(ROE) | 净利润/净资产 |
| 盈利 | 毛利率 | 毛利润/营业收入 |
| 成长 | 净利润增长率 | 净利润同比增速 |
| 资本结构 | 资产负债率 | 总负债/总资产 |
| 规模 | 流通市值 | 股票流通规模 |
| 动量 | 20日动量 | 过去20日收益率 |
| 波动 | 震荡指标 | 价格波动程度 |
| 指标 | 数值 |
|---|---|
| Q1组合年化复合收益 | 35.48% |
| 上证指数年化收益 | 14.19% |
| 超额收益 | 21.29% |
| 信息比率(IR) | 1.14 |
| 跑赢上证概率 | 68.06% |
| 上涨月份跑赢概率 | 76.09% |
| 下跌月份跑赢概率 | 53.85% |
结论：上升市场表现好于下跌市场
| 问题 | 原因 | 解决方案 |
|---|---|---|
| 因子有效性检验不通过 | 样本期太短或参数不当 | 延长样本期至8年以上，调整分组数 |
| 冗余因子剔除过度 | 阈值设置过低 | 将阈值从0.5提高到0.7 |
| 模型样本外失效 | 过拟合或市场变化 | 简化模型，减少因子数量 |
| 收益低于预期 | 交易成本过高 | 设置滑点，优化持仓周期 |
stock-selection/momentum-reversal: 动量与反转策略stock-selection/sector-rotation: 行业轮动stock-selection/style-rotation: 风格轮动portfolio/strategy-selection: 策略组合选择□ 因子具有经济逻辑
□ 因子在样本内显著有效
□ 因子之间相关性 < 0.5
□ 因子在样本外依然有效
□ 因子计算数据可得且准确
| 优先级 | 因子 | 稳定性 |
|---|---|---|
| ★★★★★ | ROE、盈利收益率 | 最稳定 |
| ★★★★☆ | 净利润增长率 | 较稳定 |
| ★★★☆☆ | 市值、动量 | 中等稳定 |
| ★★☆☆☆ | 换手率、波动率 | 不稳定 |
因子IC = 因子值与下期收益的相关系数
IR = IC均值 / IC标准差