factor-blend

name	factor-blend
description	Use when an agent needs to blend multiple evaluated quantitative factor signals into a single composite alpha signal (signal-level merge, not portfolio-level combination). Covers factor selection, redundancy removal, weighting, and composite evaluation.
quantSkills	{"project_type":"skill","category":"factor","tags":["factor-blending","signal-merge","composite-alpha","factor-weighting","correlation-control","equal-weight","icir-weight","score-weight","z-score-synthesis","pandadata"],"platforms":["claude-code","codex","openclaw","cursor"],"status":"stable","validation_level":"production","maintainer_type":"community","summary_zh":"多因子信号层合并：去冗余（相关矩阵 + Top-bucket overlap）→ 等权/ICIR/Score 三种加权方案 → 逐日截面 z-score 合成 → 重新评价复合因子。信号层操作（产出 composite_signal），非组合层资金分配。","summary_en":"Multi-factor signal-level blending: redundancy removal via correlation matrix and top-bucket overlap, three weighting schemes (equal/ICIR/score), daily cross-sectional z-score synthesis, and composite re-evaluation. Signal-level only — outputs composite_signal, not portfolio weights.","license":"GPL-3.0","repository":"https://github.com/quantskills/skill-factor-blend"}

{
  "version": 1,
  "task": {
    "placeholder": "说明待合并的因子及其评估报告，或上传因子矩阵和 ScoreReport",
    "required": true
  },
  "fields": [
    {
      "key": "universe",
      "label": "股票池",
      "type": "select",
      "default": "000300.SH",
      "options": [
        { "value": "000300.SH", "label": "沪深300" },
        { "value": "000905.SH", "label": "中证500" },
        { "value": "399006.SZ", "label": "创业板指" },
        { "value": "000852.SH", "label": "中证1000" }
      ]
    },
    {
      "key": "horizon",
      "label": "预测周期",
      "type": "select",
      "default": "5",
      "options": [
        { "value": "1", "label": "未来 1 日" },
        { "value": "5", "label": "未来 5 日" },
        { "value": "10", "label": "未来 10 日" }
      ]
    },
    {
      "key": "weighting",
      "label": "加权方式",
      "type": "select",
      "default": "equal",
      "options": [
        { "value": "equal", "label": "等权" },
        { "value": "icir", "label": "ICIR 加权" },
        { "value": "score", "label": "综合评分加权" }
      ]
    }
  ],
  "prompt_template": "{{#task}}任务与材料：\n{{task}}\n\n{{/task}}{{#attachments}}用户上传的材料（已放入工作区）：\n{{attachments}}\n\n{{/attachments}}在 {{universe}}、未来 {{horizon}} 日的统一口径下合并多个已评估因子，先按相关性和 Top-bucket overlap 去冗余，再采用 {{weighting}} 生成逐日截面 z-score 复合信号；不得把信号合并误作组合资金配置，并重新评估复合因子的贡献、稳定性、换手与风险，输出中文报告。"
}

多因子合并 (Factor Signal Blending)

给定多个候选因子 [date × symbol × factor] 和各自评价报告，将多个因子信号合并为一个可评价、可解释、可复现的复合 Alpha 信号。

⚠️ 这是信号层合并，不是组合层操作：产出是 composite_signal[date × symbol]（截面 z-score），不涉及资金分配、仓位优化或组合权重。如需从信号生成持仓，请另行处理。

核心规则

1. 只合并已评价因子：每个输入因子必须有 factor-evaluate 报告或项目内等价 ScoreReport。
2. 先去冗余，再给权重：相关性过高的因子不能靠优化器”自动解决”。
3. 权重来自 train / val，不看 test：test 段严格不可见，不能用来挑因子或调权重。
4. 同口径才可合并：horizon、label kind、universe、mask、截面标准化口径必须一致。
5. 复合因子必须重新评价：合并完成后把 composite signal 当作新因子跑完整评价。
6. 合并不是刷分器：报告必须展示单因子贡献、相关性、换手变化和合并稳定性。

工作流（标准 8 步）

1. 校验输入因子契约：shape、horizon、label、universe、z-score、coverage
2. 读取每个因子的 ScoreReport：score、rank_ic_ir、Sharpe、MDD、turnover、monotonicity
3. 过滤不可用因子：score <= 0、IC 不稳、MDD 过深、turnover 过高、coverage 过低
4. 计算因子间相关矩阵：rank corr / residual corr / top-bucket overlap
5. 去冗余：同簇只保留质量最高或先做 factor-orthogonalize
6. 选择权重方案：equal / score-weighted / IR-weighted / constrained optimizer
7. 生成 composite_signal = Σ weight_i * factor_i，并逐日 z-score
8. 调 factor-evaluate 重新评价 composite_signal，输出合并报告

权重方案选择

⚠️ Agent 执行时必须反问用户选择权重方案，不能自行决定。若用户未明确指定，默认用 equal 作为基准并告知用户。

场景	推荐方案
因子数量少，质量接近	Equal weight
评价报告质量差异明显	Score-weighted
IC 稳定性是主目标	IR-weighted
因子多且相关性复杂	Constrained optimizer
样本短、噪声大	Equal 或 shrinked score-weighted

默认推荐：先做去冗余，再用 score-weighted；如果样本少于 2 年，用 equal weight 作为基准。

交互式询问流程：

1. Agent 展示可用权重方案及适用场景
2. Agent 列出各因子的 ICIR/Score 速览
3. Agent 反问："请选择权重方案: equal / icir / score？"
4. 用户确认后，Agent 按选定方案执行合成

CLI 调用时可通过 --weight 跳过交互：

python scripts/blend.py --weight icir    # 直接指定
python scripts/blend.py                   # 交互式询问

与多因子组合的区别

	多因子合并（本 skill）	多因子组合 (Portfolio Combination)
操作层	信号层 (signal-level)	组合层 (portfolio-level)
输入	多个因子 z-score	多个策略的收益或权重
产出	composite_signal[date × symbol]	持仓向量或净值曲线
核心问题	去冗余 → 加权 → 合成一个信号	风险预算 → 优化器 → 分配资金
后续步骤	信号 → 选股 → 组合构建	已是最终持仓

接口映射

本 skill 概念	你的项目对应
输入因子库	[date × symbol × factor] 或多个 [date × symbol] DataFrame
单因子评价	factor-evaluate 的 ScoreReport
权重	factor_name → weight
复合因子	composite_signal[date × symbol]
最终评价	调 factor-evaluate 或项目内 primary_score()

按需加载

何时读	文件
想看权重算法	references/weighting.md
输出报告格式	references/report-format.md
常见误区与危险信号	references/anti-patterns.md

项目实现

• scripts/blend.py：独立可运行的合并脚本

  # 交互式选择权重（推荐）
  python scripts/blend.py --factor-dir data/factors_orthogonalized
  
  # 直接指定权重方案
  python scripts/blend.py --factor-dir data/factors --weight icir
  python scripts/blend.py --factor-dir data/factors --weight equal
  python scripts/blend.py --factor-dir data/factors --weight score
  
  # 调整去冗余阈值
  python scripts/blend.py --corr-threshold 0.6
  

  输入：data/factors/F*.parquet（或正交化后） 输出：
  • data/composite_{scheme}-weighted.parquet — 合成因子
  • data/combine_state.pkl — 完整中间态（权重/ICIR/去冗余记录）
  • data/combine_report.json — 诊断报告

权重计算逻辑：

• equal：所有去冗余后因子权重 = 1/n
• icir：权重 ∝ max(0.01, ICIR)，确保负 ICIR 因子不被完全排除但有惩罚
• score：权重 ∝ ICIR × √coverage / (1 + turnover)，综合平衡预测力、覆盖率、交易成本

管线连接

data/factors/F*.parquet（或 factors_orthogonalized/）
  → skill-factor-evaluate（单因子评价）
  → 去冗余（corr > 0.7 同簇去重）
  → skill-factor-blend（等权/ICIR/Score 加权合成）
  → data/composite_*.parquet
  → skill-factor-evaluate（复合因子重新评价）
  → skill-factor-decay（复合因子衰减分析）

QA 检查清单

• 所有输入因子的 horizon / label / universe 一致？
• 每个输入因子都有独立评价报告？
• 已计算因子间相关性和 top-bucket overlap？
• 高相关因子已经去冗余或正交化？
• 权重没有使用 test 段信息？
• 复合因子已重新 z-score 并重新评价？
• 报告展示了单因子贡献，不只是 composite score？
• 确认本 skill 做的是信号层合并（产出 signal），而非组合层资金分配？

跨工具适配

• Cursor → agents/cursor-rule.mdc
• 无原生 skill 机制 → agents/portable-loader.md

---

项目边界（量化研究合规声明）

按 QUANTSKILLS 社区规则 §8 声明。

• 数据来源：本 skill 不附带任何市场数据、因子数据或评价结果；使用者需自行准备合法数据和 ScoreReport。
• 假设与参数：默认合并对象是同 horizon、同 universe 的截面因子信号；默认权重在 train / val 上确定，test 严格不可见。
• 已知限制：复合信号容易过拟合；合并表现依赖样本期、交易成本、股票池和单因子质量，不能保证未来有效。
• 风险边界：合并权重、回测净值和综合评分仅反映历史数据 + 假设条件下的统计表现，不代表未来表现。合并结果仅为信号（截面 z-score），不构成持仓建议。
• 用途定位：仅供量化研究、教育与方法论参考。不构成任何形式的投资建议、交易信号或获利保证。