策略族 03 / 12
因子投资与量化选股
因子投资依据价值、质量、市值、低波动、动量等可在全市场范围内度量的特征，系统化地选择证券。多因子模型把多个信号合成为一个预测，Smart Beta 则把因子暴露做成透明、基于规则的指数。指数增强力求在严格的跟踪误差预算内跑赢特定基准，量化基本面则把基本面研究中的判断转化为可以大规模检验的信号。
涵盖
- 多因子
- Smart Beta
- 指数增强
- 量化基本面
为何是一项严苛的考验
因子研究考验的是统计纪律。信号的信噪比很低，可尝试的变体几乎无穷，回测结果很容易仅凭偶然就显得亮眼；因此这一领域更认可那些事先提出假设、对多重检验进行校正、并为成本和容量留足余量的系统。它还要求对数据时点的处理分毫不差：哪怕只是提前几天用上尚未公布的数据，也可能凭空制造出从未存在过的收益。
我们考察什么
在这一类策略上表现出色所需的能力。任务经过专门设计，使每一项能力都能被单独观察和评分。
避免未来函数的信号构建
只用每个时点已可获得的数据计算因子值，设置符合实际的财报披露滞后，并处理极端值、缺失值、公司行为和退市；在设计需要时对行业或市值做中性化处理。
把基本面观点编码为信号
把盈利质量、定价能力等基本面观点转化为精确、可复现的定义，并检验它在已知因子之外是否提供了新的信息，而不只是换了个包装。
以严谨的统计方法检验信号
用 Rank IC、分组收益差和真正的样本外区间衡量预测能力；把尝试过的变体数量纳入考量，并检验结论在不同行业、市值分组和时间段中是否依然成立。
把多个信号合成为一个预测
在分配权重时考虑信号之间的相关性、衰减速度和换手，并说明合成信号相对于最强的单一信号带来了怎样的分散化效果。
在风险预算内构建组合
通过透明的加权规则，或结合风险模型的组合优化器，把预测转化为持仓，并约束跟踪误差、行业与风格暴露、换手和个股权重。把结果归因到因子暴露、个股特异收益和成本，从而区分有意获取的超额收益与无意的风格押注。
示例任务类型
以下为示意性的任务设计，用于说明任务的形态，并非评测集中的真实题目。
- 赛道: 研究分析
审查因子回测中的隐藏缺陷
系统获得一个多因子回测的代码、数据说明和结果，其中预先埋入了若干缺陷，例如在财报公布之前就使用了其中的数据，或用当前的指数成分股回溯构建历史股票池。系统需要找出并解释每个缺陷，估计它对结果可能的影响，并提出修正方法。好的答案会按影响大小排列问题，也不会报告并不存在的问题。
- 赛道: 历史回放
管理一个指数增强组合
在历史回放中，系统管理一个以宽基指数为基准的组合，给定跟踪误差预算、行业与风格暴露上限和换手上限，按固定频率调仓，且只能使用每个时点已可获得的信息；交易需支付佣金，以及与个股流动性相匹配的冲击成本。评分关注单位跟踪误差的超额收益，以及各项约束是否始终得到遵守，包括跟踪误差预算吃紧的时候。
- 赛道: 实时前瞻
每周对股票池做截面排序
每周，系统对固定股票池中的每只股票给出下一周收益的排序预测，并附上所用信号的定义。预测按 Rank IC 及其在滚动窗口内的稳定性评分，根据预测构建的组合则在扣除估计成本后持续跟踪。各周表现的一致性，比少数几周的高分更重要。
- 赛道: 用户服务
比较 Smart Beta 基金与普通指数基金
一位用户在比较一只低波动 Smart Beta 基金和一只市值加权指数基金，想知道哪一只更好。系统需要解释两者的构建方式、Smart Beta 基金带有哪些因子暴露和行业偏离、在市场快速上涨时可能如何表现，以及费用和换手有何不同。好的回答不会把历史上的因子溢价当作有保证的收益，并会把比较落到用户自身的目标上。
如何评分
每次运行既评估结果，也评估产生结果的过程，避免把运气误认为能力。
- 01
经多重检验调整的信息比率
相对业绩基准的超额收益与跟踪误差之比。在研究类任务中，这一指标会按尝试过的变体数量进行折减，避免把大范围搜索中挑出的最好结果当作唯一一次尝试来奖励。
- 02
Rank IC 及其稳定性
预测与随后收益在全股票池上的秩相关系数，以及它在各期之间的稳定程度。
- 03
扣除成本后的收益与容量
扣除佣金、价差和冲击成本后的表现，以及随着资金规模上升收益衰减速度的估计。成本前看起来很强的信号，未必能通过这一步。
- 04
暴露与约束的遵守情况
实际的因子、行业和个股暴露与策略声明的目标是否一致，以及突破既定限制的频率。
- 05
研究规范
依据评分细则审查：假设是否在检验之前提出，尝试并披露了多少种变体，样本外区间是否未被触碰，数据时点是否处理正确。
诊断
我们诊断的失误模式
这些是任务专门设计来暴露的常见错误。每一类错误都单独报告，让开发者清楚应当先修正哪一处。
- 01
反复搜索导致过拟合
不断调整参数、股票池和持有期，直到历史表现好看为止，结果反映的是搜索过程而不是信号本身。未披露的尝试往往是典型征兆。
- 02
让未来信息渗入过去
在财报公布之前就使用其中的数据，用修订后的数字替代原始数字，或只用今天仍存续的公司构建历史股票池。每一种做法都会让回测好于当时任何可以实际交易出来的结果。
- 03
忽视换手、成本与容量
只报告快速衰减信号的毛收益，而不计入它所需的高换手交易成本；或者假设一个小盘策略能容纳的资金，远超这些股票的实际成交能力。
- 04
把风格偏离当成选股能力
把实际上来自无意风格偏离的超额收益，例如偏向小盘股或单一行业，当作选股能力。在指数增强中，这类问题往往直到风格反转时才会暴露。
- 05
忽视拥挤与集中踩踏
把热门因子视为安全，却没有考虑到许多组合持有相似的头寸，可能需要在同一时间卖出。
环境与数据
因子类任务使用标注公告日期的时点一致财务数据、历史指数成分，以及包含已退市和被合并公司的无幸存者偏差股票池，价格按分红、送转等公司行为复权。历史回放计入佣金和买卖价差，冲击成本则随交易量占日均成交量的比例上升而增加；在有相应制度的市场，还施加融券券源、停牌和涨跌停等实际约束。我们保留一段最终的样本外区间，系统在开发过程中始终无法看到。