信号生成与因子模型

信号是说"买这个、卖那个"的数字。因子是能在跨资产跨时间上解释收益的信号。差别很要紧。

每个量化策略都归约成一个信号：从市场数据到仓位建议的函数。因子模型再走一步，解释为什么收益跨资产不同。两者合起来构成几乎所有系统化交易的架构。

什么是好信号

信号得过四道关：

1. 有预测力：corr(signal_t, return_t+1) ≠ 0，方向稳定、合理
2. 有经济学逻辑：信号有效必须有原因，不能只是历史相关
3. 扣完成本还能做：alpha 得熬得过佣金、滑点、市场冲击
4. 稳健：在样本外窗口也稳定，不只是训练期

没有经济学故事的信号就是曲线拟合。它能跑直到某天突然不能跑，毫无预警。

经典因子家族

学术金融识别出一小撮稳健因子：

• 价值：便宜 vs 贵（比如市净率、盈利收益率）
• 动量：过去 6–12 个月收益预测未来收益
• 市值：小盘 vs 大盘
• 质量：盈利能力、低应计、稳定增长
• 低波动：低 β 股票风险调整后跑赢
• 套息：外汇、固收、商品的收益率差

每个因子代表一种行为或结构性错价。策略通常是几个的混合，因为跨因子分散能降波动。

因子模型结构

标准线性因子模型：

Ri = α + β1·F1 + β2·F2 + ... + βk·Fk + ε

每个 F 是一个因子收益，βi 衡量资产对这个因子的敞口。Alpha 是扣完所有因子敞口后剩下的。

如果你的"alpha"在控制了动量和价值之后消失，那它从来就不是 alpha——只是你没认出来的因子敞口。

实操中怎么搭信号

1. 假设经济学机制
2. 造特征：比率、排名、横截面 z-score
3. 每期对资产做横截面排名；做多前 10%，做空后 10%
4. 用现实成本回测这个多空组合
5. 查因子敞口：对已知因子回归，确认你不是在重复造轮子
6. 用逆方差或均值-方差加权跟其他信号组合

常见陷阱

• 过拟合：100 个信号，靠运气你会找到 5 个看起来漂亮。要做多重检验校正
• 容量衰减：在小盘上有效的信号，资金量上来后可能死掉
• 拥挤：热门因子（比如经典动量）随资金追逐而衰减
• 数据泄漏：用了信号时刻还没出现的信息

小结

信号是预测；因子是解释。用经济学故事造信号，严格测试，宣称 alpha 之前先查对已知因子的敞口。大多数"发现"只是换包装的 beta——稀有、稳健、不相关的信号才是真正量化 alpha 的原料。