【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

上篇我们把市值、动量两个因子用 IC 加权合成了组合信号，IC 加权的表现优于等权。但先别急着高兴------你合成出来的"超额收益"，可能有一大块根本不是 alpha，而是市值暴露带来的 beta。

举个例子：如果你的动量因子恰好偏好小市值股票，而样本期恰好小市值占优，那因子 IC 会很漂亮。可一旦市场风格切换，这份"alpha"会连本带利还回去。处理这个问题的标准动作叫中性化（Neutralization）。

今天用真实数据实测：市值中性化、行业中性化到底会怎样改变一个因子的 IC。

本文你将得到什么

市值中性化的 Python 实现：逐日截面回归取残差。
行业中性化的 Python 实现：行业内去均值。
一组真实对比数据：中性化前后动量因子 IC 与分层价差的变化。
一个关键认知：先剥离暴露，再谈因子有效性。

核心思路：中性化在做什么

市值中性化（回归法）

把因子值对 log(市值) 做逐日截面回归：

text 复制代码

momentum_i = a + b * log_mcap_i + e_i

残差 e_i 就是剔除了市值影响后的动量。回归系数 b 捕捉的是"市值能解释的部分"，剩下的才是动量自己的信息。

行业中性化（去均值法）

最简单稳健的做法：同一天、同一行业内，把每只股票的因子值减去行业均值。这样因子在行业维度上不再有系统性偏好，选股只在行业内部比较相对强弱。

检验标准

中性化做没做对，看两点：

因子与 log(市值) 的相关性应降到接近 0；
中性化前后 IC 的变化幅度，就是被剥离掉的"暴露贡献"。

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，请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",
]

# 行业映射（公开常识，人工标注）
INDUSTRY = {
    "600519": "白酒", "000568": "白酒", "000858": "白酒", "002304": "白酒", "603288": "食品",
    "000001": "银行", "002142": "银行", "601398": "银行",
    "000002": "房地产",
    "000333": "家电", "000651": "家电",
    "000725": "电子", "002415": "电子", "603501": "电子",
    "002007": "医药", "300003": "医药", "300015": "医药", "300122": "医药",
    "002594": "汽车",
    "002001": "农业", "002714": "农业",
    "002230": "计算机", "300033": "计算机",
    "300059": "非银金融", "601318": "非银金融",
    "300014": "电新", "300124": "电新", "300274": "电新", "300750": "电新",
    "601888": "商贸",
}


def fetch_history(code):
    try:
        bars = client.stock_history(code, "d", "n", st="20260601", et="20261009")
        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} 行情拉取受限: {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


records = []
for code in POOL:
    hist = fetch_history(code)
    cap = fetch_capital(code)
    if hist is None or len(hist) < 30:
        continue
    total_shares = cap.get("zgb") if cap else None
    if not total_shares:
        continue
    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"),
            "industry": INDUSTRY[code],
            "log_mcap": float(np.log(row["close"] * total_shares)),
            "momentum": (row["close"] / past["close"] - 1) * 100,
            "fwd_return": (future["close"] / row["close"] - 1) * 100,
        })

df = pd.DataFrame(records)


def day_ic(g, col):
    if len(g) < 5:
        return np.nan
    return g[col].corr(g["fwd_return"], method="spearman")


def ic_stats(s, name):
    s = s.dropna()
    return {"version": name, "mean_ic": round(s.mean(), 4),
            "ir": round(s.mean() / s.std(), 4),
            "ic_positive_ratio": round((s > 0).mean(), 4)}


# 中性化 1：市值中性化------逐日截面回归取残差
def neutralize_size(g):
    x = g["log_mcap"].values
    y = g["momentum"].values
    k, b = np.polyfit(x, y, 1)
    g = g.copy()
    g["mom_size_neutral"] = y - (k * x + b)
    return g


df = df.groupby("date", group_keys=False).apply(neutralize_size)

# 中性化 2：行业中性化------行业内去均值
df["mom_ind_neutral"] = df.groupby(["date", "industry"])["momentum"].transform(lambda s: s - s.mean())

# 中性化 3：市值 + 行业
df["mom_both_neutral"] = df.groupby(["date", "industry"])["mom_size_neutral"].transform(lambda s: s - s.mean())

report = pd.DataFrame([
    ic_stats(df.groupby("date").apply(day_ic, "momentum", include_groups=False), "原始动量"),
    ic_stats(df.groupby("date").apply(day_ic, "mom_size_neutral", include_groups=False), "市值中性化"),
    ic_stats(df.groupby("date").apply(day_ic, "mom_ind_neutral", include_groups=False), "行业中性化"),
    ic_stats(df.groupby("date").apply(day_ic, "mom_both_neutral", include_groups=False), "市值+行业"),
])
print(report.to_string(index=False))

corr_raw = df[["momentum", "log_mcap"]].corr().iloc[0, 1]
corr_neu = df[["mom_size_neutral", "log_mcap"]].corr().iloc[0, 1]
print(f"因子与 log(市值) 相关性: 原始 {corr_raw:.4f} -> 市值中性化后 {corr_neu:.4f}")

运行后你会看到类似结果：

text 复制代码

  version  mean_ic      ir  ic_positive_ratio
    原始动量  -0.1211 -0.4032             0.3175
  市值中性化  -0.1104 -0.3994             0.3175
  行业中性化  -0.0908 -0.4476             0.3333
    市值+行业  -0.0660 -0.3343             0.3810

因子与 log(市值) 相关性: 原始 0.0781 -> 市值中性化后 -0.0000

（示例基于 2026 年 6 月至 10 月真实行情、30 只样本股测算；演示证书返回就近样本，正式证书可拉取全市场。）

怎么读这组数字

暴露确实被剥干净了：动量与 log(市值) 的相关性从 0.0781 降到 -0.0000，市值中性化的"手术"是成功的。
IC 从 -0.1211 缩到 -0.0660 ：本样本期内动量呈反转特征（IC 为负），而中性化后 IC 绝对值几乎砍半------说明原始动量 IC 里有相当一部分，是市值与行业暴露贡献的，不是动量本身的 alpha。
中性化不会"变废为宝"：它只负责把混在因子里的暴露剥掉。如果剥完之后 IC 趋近于 0，说明这个因子本来就是风格暴露的影子，应当放弃。

三个容易踩的坑

先定向，再中性化：因子方向（大好还是小好）应先用全样本 IC 确认，否则回归残差会把方向信息也洗掉。
小股票池里行业去均值要小心：某行业只有 1 只股票时，去均值后恒为 0，等于该股被剔除了。本文 30 只池里"房地产"只有 1 只，读结果时要知道这一点；实盘建议 100 只以上。
中性化是逐日截面操作：不要在时间序列维度上回归，风格暴露是每天的截面现象。

小结

中性化是多因子研究里性价比最高的一步：十行代码，就能让你看清一个因子到底是真 alpha，还是市值/行业风格的影子。本文实证显示，动量因子的原始 IC 中有近一半可以被暴露解释。

下一篇我们研究因子维度的时间现象：因子也会轮动------去年的赢家因子今年还灵吗？因子动量与因子反转的择时实测。

下篇预告：【Python量化多因子实战 05】因子也会轮动：因子动量与因子反转的择时应用。

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