【Python量化多因子实战 03】多因子怎么合成？等权、IC 加权与回归加权实测

量化分析码农2026-11-06 8:15

上篇我们用 IC、IR 和分层回测验证了市值、动量因子的有效性。但真实策略不会只用一个因子，而是把多个因子合成一个综合信号。合成方式不同，结果可能天差地别。

今天我们就来实测三种最常见的合成方法：等权、IC 加权、回归加权，用真实数据看哪种更稳。

本文你将得到什么

  1. 三种多因子合成方法的 Python 实现。
  2. 用 IC、IR、五分组 Top-Bottom 差对比合成效果。
  3. 一个真实结论：在这个样本期内，IC 加权综合最优。
  4. 下篇预告：因子暴露不是 alpha，市值与行业中性化实战。

核心思路

等权合成

每个因子 z-score 后直接取平均。简单、稳定、不容易过拟合。

text 复制代码 
score = (z_size + z_mom + z_bp) / 3

IC 加权

用因子近期 IC 的绝对值作为权重。IC 高的因子权重更大，动态调整。

text 复制代码 
w_i = |mean(IC_i over last 5 days)|
score = sum(w_i * z_i) / sum(w_i)

回归加权

用过去几个截面的面板数据做截面回归，回归系数作为权重。理论上最「优化」，但样本小容易过拟合。

text 复制代码 
fwd_return = beta_size * z_size + beta_mom * z_mom + beta_bp * z_bp + alpha
score = beta_size * z_size + beta_mom * z_mom + beta_bp * z_bp

可运行代码

bash 复制代码 
pip install mairui pandas numpy
python 复制代码 
from mairui import Client
import pandas as pd
import numpy as np

LICENCE = "LICENCE-66D8-9F96-0C7F0FBCD073"  # 演示证书；换成你自己的正式证书
client = Client(LICENCE)

POOL = [
    "600519", "000001", "000002", "000333", "000568", "000651", "000725", "000858",
    "002001", "002007", "002142", "002230", "002304", "002415", "002594", "002714",
    "300003", "300014", "300015", "300033", "300059", "300122", "300124", "300274",
    "300750", "601318", "601398", "601888", "603288", "603501",
]


def fetch_history(code):
    try:
        bars = client.stock_history(code, "d", "n", st="20260801", et="20261010")
        if bars:
            df = pd.DataFrame(bars).rename(columns={"t": "date", "c": "close"})
            df["date"] = pd.to_datetime(df["date"])
            return df.sort_values("date").reset_index(drop=True)
    except Exception as e:
        print(f"{code} 受限: {e}")
    return None


def fetch_capital(code):
    try:
        cap = client.stock_capital(code=code)
        if cap:
            return sorted(cap, key=lambda x: x.get("bdrq", ""), reverse=True)[0]
    except Exception:
        pass
    return None


def fetch_pershare(code):
    try:
        ps = client.stock_financial(code=code, table="pershareindex")
        if ps:
            return sorted(ps, key=lambda x: x.get("jzrq", ""), reverse=True)[0]
    except Exception:
        pass
    return None


records = []
for code in POOL:
    hist = fetch_history(code)
    cap = fetch_capital(code)
    ps = fetch_pershare(code)
    if hist is None or len(hist) < 30:
        continue
    total_shares = cap.get("zgb") if cap else None
    if not total_shares:
        continue
    bvps = ps.get("mgjzc") if ps else None

    for i in range(20, len(hist) - 5):
        row = hist.iloc[i]
        past = hist.iloc[i - 20]
        future = hist.iloc[i + 5]
        records.append({
            "code": code,
            "date": row["date"].strftime("%Y-%m-%d"),
            "market_cap": row["close"] * total_shares,
            "momentum": (row["close"] / past["close"] - 1) * 100,
            "bp": (bvps / row["close"]) if bvps and row["close"] > 0 else np.nan,
            "fwd_return": (future["close"] / row["close"] - 1) * 100,
        })

df = pd.DataFrame(records)


def zscore(s):
    s = pd.to_numeric(s, errors="coerce")
    return (s - s.mean()) / s.std()


# z-score；市值取负向（小市值更好）
df["z_size"] = df.groupby("date")["market_cap"].transform(lambda s: -zscore(np.log(s.replace(0, np.nan))))
df["z_mom"] = df.groupby("date")["momentum"].transform(lambda s: zscore(s))
df["z_bp"] = df.groupby("date")["bp"].transform(lambda s: zscore(s))

# 等权
df["score_ew"] = df[["z_size", "z_mom", "z_bp"]].mean(axis=1, skipna=True)

# IC 加权：用最近 5 日滚动 IC 绝对值做权重
ic_records = []
for d, g in df.groupby("date"):
    ic_records.append({
        "date": d,
        "ic_size": g["market_cap"].corr(g["fwd_return"], method="spearman"),
        "ic_mom": g["momentum"].corr(g["fwd_return"], method="spearman"),
        "ic_bp": g["bp"].corr(g["fwd_return"], method="spearman"),
    })
ic_df = pd.DataFrame(ic_records).sort_values("date")
for col in ["ic_size", "ic_mom", "ic_bp"]:
    ic_df[f"w_{col[3:]}"] = ic_df[col].abs().rolling(5, min_periods=1).mean()
tot = ic_df[["w_size", "w_mom", "w_bp"]].sum(axis=1)
ic_df[["w_size", "w_mom", "w_bp"]] = ic_df[["w_size", "w_mom", "w_bp"]].div(tot, axis=0)
df = df.merge(ic_df[["date", "w_size", "w_mom", "w_bp"]], on="date", how="left")
df["score_icw"] = df["z_size"] * df["w_size"] + df["z_mom"] * df["w_mom"] + df["z_bp"] * df["w_bp"]

# 回归加权：用过去 5 个截面滚动回归
unique_dates = sorted(df["date"].unique())
reg_weights = []
for i, d in enumerate(unique_dates):
    if i < 5:
        reg_weights.append({"date": d, "rw_size": 1/3, "rw_mom": 1/3, "rw_bp": 1/3})
        continue
    train = df[df["date"].isin(unique_dates[:i][-5:])].dropna(subset=["z_size", "z_mom", "z_bp", "fwd_return"])
    if len(train) < 20:
        reg_weights.append({"date": d, "rw_size": 1/3, "rw_mom": 1/3, "rw_bp": 1/3})
        continue
    X = train[["z_size", "z_mom", "z_bp"]].values
    y = train["fwd_return"].values
    beta = np.linalg.lstsq(np.column_stack([np.ones(len(X)), X]), y, rcond=None)[0][1:]
    beta = np.clip(beta, -1, 1)
    s = np.sum(np.abs(beta))
    if s == 0:
        reg_weights.append({"date": d, "rw_size": 1/3, "rw_mom": 1/3, "rw_bp": 1/3})
    else:
        reg_weights.append({"date": d, "rw_size": beta[0]/s, "rw_mom": beta[1]/s, "rw_bp": beta[2]/s})
reg_df = pd.DataFrame(reg_weights)
df = df.merge(reg_df, on="date", how="left")
df["score_reg"] = df["z_size"] * df["rw_size"] + df["z_mom"] * df["rw_mom"] + df["z_bp"] * df["rw_bp"]


# 评估
def evaluate(score_col):
    ics, spreads = [], []
    for d, g in df.groupby("date"):
        ic = g[score_col].corr(g["fwd_return"], method="spearman")
        if not np.isnan(ic):
            ics.append(ic)
        g = g.copy()
        g["q"] = pd.qcut(g[score_col].rank(method="first"), 5, labels=[1, 2, 3, 4, 5])
        qm = g.groupby("q", observed=True)["fwd_return"].mean()
        if len(qm) == 5:
            spreads.append(qm.iloc[-1] - qm.iloc[0])
    ics = pd.Series(ics)
    return {
        "mean_ic": round(ics.mean(), 4),
        "ir": round(ics.mean() / ics.std(), 4),
        "ic_positive_ratio": round((ics > 0).mean(), 4),
        "avg_q_spread": round(np.mean(spreads), 4),
        "n_days": len(ics),
    }


results = pd.DataFrame([
    evaluate("score_ew"),
    evaluate("score_icw"),
    evaluate("score_reg"),
], index=["等权合成", "IC 加权", "回归加权"])

print(results.to_string())

运行后你会看到类似结果：

text 复制代码 
       mean_ic      ir  ic_positive_ratio  avg_q_spread  n_days
等权合成    0.1976  1.3214             0.8947        3.1239      19
IC 加权   0.2317  1.6301             1.0000        3.1642      19
回归加权    0.1607  0.7467             0.7368        2.2055      19

（示例基于 2026 年真实行情测算；演示证书返回就近样本，申请正式证书可拉取全量历史。）

怎么读这张表

  • IC 加权综合最优：mean_ic 0.23、IR 1.63、IC 正比例 100%、五分组差 3.16%。它通过动态放大近期有效的因子，实现了比等权更好的预测能力。
  • 等权是稳健基线：IC 0.20、IR 1.32，已经相当不错。如果你不想折腾，等权是很好的起点。
  • 回归加权在这个样本里表现最弱：IR 只有 0.75。原因很直接：滚动窗口只有 5 个截面、每截面 30 只股票，样本量太少，回归系数不稳定。回归加权需要更长的历史样本才能发挥优势。

三个容易踩的坑

  1. 权重不能天天大变。IC 加权用 5 日滚动已经比较激进，实盘通常用 20 日或更长的半衰期，否则权重抖动会带来高换手。
  2. 回归加权对样本量敏感。截面股票数少于 50、历史截面少于 20 时，回归系数容易过拟合，不如等权稳健。
  3. 别忘了因子方向。如果某个因子方向搞反（比如市值取正向），权重越大错得越狠，合成前务必确认每个因子的经济含义。

小结

多因子合成不是越复杂越好。本文三种方法里，IC 加权在这个短样本期内表现最好，等权是性价比最高的基线，回归加权需要更大数据量才能稳定。下一篇我们解决另一个关键问题：因子里的市值、行业暴露，会把 alpha 吃掉多少。

下篇预告：【Python量化多因子实战 04】因子暴露不是 alpha：市值与行业中性化实战。

免责声明

本文仅为技术方法演示，不构成任何投资建议。文中示例数据仅用于教学，历史表现不代表未来收益。投资有风险，决策需谨慎。

代码与文档可参考 GitHub：github.com/MaiRuiApi

相关推荐
深蓝AI9 小时前
JWT 不是登录方案：三种登录态架构怎么选
后端
starzy19909 小时前
深入理解Scala Map：从实现原理到工程实践
开发语言·后端·scala
卷无止境10 小时前
凌晨三点的绿灯
后端
excel11 小时前
基于 GPT 的自动发布文章接口方案：从一句话或一张图片生成并发布内容
前端·javascript·后端
风若飞12 小时前
Spring Ai 入门遇到问题1
java·后端·spring
AI入职记13 小时前
Spring AI 结构化输出：结构 100% 通过，严格准确率只有 57%
后端·ai编程
aZhe的全栈知识分享13 小时前
AI 还原 Figma 效果总达不到预期？先别急着让它写代码
前端·后端·面试
码事漫谈13 小时前
WorkBuddy 一直更新卡死？两个毛病，一套处理办法
后端
函数小陈13 小时前
阿里云部署DSH与RAM完成运维
前端·后端
热门推荐
01国内可直接用、免费额度/永久免费的大模型API清单（含 SiliconFlow、火山、阿里、智谱、百度、Kimi、DeepSeek、DMXAPI 等）02历年考研数学一、数学二、数学三真题试卷及答案PDF03几个好用的ip纯净度检测网站04如何新建文件夹？ 电脑新建文件夹的4种方法05GitHub 镜像站点06昇腾910B系列芯片完全指南：四款型号对比、服务器选型与大模型部署实战07蜘蛛磁力 搜索引擎大全，如何使用蜘蛛磁力查找磁力链接08苹果iPA游戏软件资源下载网站09Dify：一站式AI应用开发平台全解析与Windows部署指南10微信历史版本含下载地址（ Windows PC | 安卓 | MAC ）及设置微信不更新