阅读提示

这篇讲解因子质量评估的完整工具箱——profiling 模块看因子自身的统计特征（分布、覆盖率、换手率），stats 模块看因子预测能力（IC/ICIR、Fama-MacBeth）。学完之后，你能在回测之前就判断一个因子是否值得研究。

导言

在花大量时间写回测之前，先用 profiling 和 stats 把因子”体检”一遍，是专业量化研究的标准流程。Betalens 把这套流程封装成了函数，不用你写 pandas 一行行算。

常见的体检维度：

  • 覆盖率：有多少比例的股票有因子值？（太少 → 数据缺失问题）
  • 分布：因子值是正态分布还是厚尾分布？有没有异常值？（偏态严重 → 预处理不够）
  • 自相关：今天的因子值和昨天的有多大相关性？（自相关太高 → 换手率低但可能过拟合）
  • IC/ICIR：因子对下期收益有没有预测能力？（IC=0 → 因子无效）
  • 分组收益：每个分位组的真实收益差异多大？（组间差异小 → 因子选股能力弱）

profiling 模块：因子自身质量

1
2
3
4
5
6
7
8
from betalens.factor.profiling import (
    distribution_summary,     # 分布统计
    coverage_rate,           # 覆盖率
    autocorrelation,         # 自相关
    turnover_rate,           # 换手率
    correlation_matrix,      # 因子间相关性
    cluster_analysis,        # 聚类分析
)

覆盖率：有多少股票有数据

1
2
3
4
5
6
from betalens.factor.profiling import coverage_rate

cov = coverage_rate(labeled)
# labeled: single_characteristic 的返回值，MultiIndex(input_ts, code)
print(cov)
# 返回：每日的覆盖率（比例），以及全区间均值

覆盖率太低（如 <50%）说明数据缺失严重，需要检查 time_tolerance 或因子本身的披露频率。

分布统计

1
2
3
4
5
from betalens.factor.profiling import distribution_summary

dist = distribution_summary(cleaned_factor)
print(dist)
# 返回：均值、标准差、偏度、峰度、分位点（1%/25%/50%/75%/99%）

偏度（skewness）：

  • 正偏（右偏）：因子值集中在低值，极高值是少数异常。
  • 负偏（左偏）：因子值集中在高值，极低值是少数异常。
  • 偏度绝对值 > 2 → 考虑 Rank 标准化或更强的去极值。

峰度（kurtosis）：

  • 高峰度（>3）：厚尾分布，极端值比正态分布更多。
  • 厚尾 → 去极值参数要更保守，或者用 Rank 标准化。

自相关分析

1
2
3
4
5
6
7
8
from betalens.factor.profiling import autocorrelation

ac = autocorrelation(cleaned_factor, max_lag=5)
print(ac)
# 返回：lag=1,2,3,4,5 的自相关系数

# lag=1 自相关 > 0.9 → 因子变化缓慢，换手率低
# lag=1 自相关 < 0.5 → 因子每天变化大，换手率高，交易成本高

换手率

1
2
3
4
5
6
7
from betalens.factor.profiling import turnover_rate

turnover = turnover_rate(labeled, method="group")
# method="group"：基于分组标签的换手率（推荐）
# method="value"：基于因子值的换手率
print(turnover.head())
# 返回：每日换手率序列，以及均值/标准差

换手率是评估交易成本的关键指标。年化换手率 > 300% 的因子，在考虑印花税+佣金后，通常很难跑出正超额收益。

stats 模块：因子预测能力

IC / ICIR：因子与收益的秩相关

1
2
3
4
5
6
7
8
9
10
11
12
13
14
from betalens.factor.stats import IC_analysis, ICIR_analysis

# IC 时间序列分析
ic_ts = IC_analysis(
    labeled,           # labeled DataFrame
    returns,           # 下期收益率序列（需要自己算或从 Datafeed 取）
    factor_key="股息率(报告期)",
)
print(ic_ts.describe())
# 返回：IC 均值、IC 标准差、t统计量、p值

# ICIR（IC 均值 / IC 标准差）
ICIR = ICIR_analysis(ic_ts)
print(f"ICIR = {ICIR:.3f}")

ICIR 的含义：

ICIR 区间 解读
> 0.5 因子预测能力强，非常优质
0.3 ~ 0.5 预测能力良好，可用于组合
0.1 ~ 0.3 预测能力一般，需要配合其他因子
< 0.1 预测能力弱，单独使用价值有限
≈ 0 因子基本无效

Fama-MacBeth 回归

Fama-MacBeth 回归是截面回归的经典方法，逐月做回归，取系数均值和 t 统计量：

1
2
3
4
5
6
7
8
9
10
from betalens.factor.stats import fama_macbeth_regression

fm_result = fama_macbeth_regression(
    factor_values,   # 因子值
    returns,        # 下期收益
    X_controls=["log_mktcap", "beta"],  # 控制变量（可选）
)
print(fm_result["coef_mean"])     # 系数均值
print(fm_result["t_stat"])        # t 统计量
print(fm_result["p_value"])      # p 值

解读：如果股息率系数均值显著为正（t > 2），说明高股息率股票平均跑赢低股息率股票，因子的方向性预测能力得到验证。

分组收益分析

1
2
3
4
5
6
7
8
9
from betalens.factor.stats import quantile_return_summary

ret_summary = quantile_return_summary(
    labeled,
    returns,
    factor_key="股息率(报告期)",
)
print(ret_summary)
# 返回：每个分位组（1~10）的平均收益、标准差、夏普比率

组间差异（Top 组收益 - Bottom 组收益）是多空策略的理论收益上限。如果这个差异很小（< 0.5%/月），因子在扣除交易成本后可能难以盈利。

因子相关性热力图

1
2
3
4
5
6
7
8
9
10
11
from betalens.factor.profiling import correlation_matrix

# 多个因子的因子值 DataFrame
factor_df = pd.DataFrame({
    "dividend": cleaned_dividend["股息率(报告期)"],
    "roe": cleaned_roe["ROE(报告期)"],
    "turnover": cleaned_turnover["换手率(%)"],
}, index=cleaned_dividend.index)

corr = correlation_matrix(factor_df)
print(corr)

因子相关性 > 0.8 的两个因子，存在严重的共线性问题，在多因子模型里会相互稀释权重。优选保留 ICIR 更高的那个。

组合使用：完整因子评估流水线

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
from betalens.factor.profiling import coverage_rate, distribution_summary, autocorrelation, turnover_rate
from betalens.factor.stats import ICIR_analysis, quantile_return_summary

def evaluate_factor(factor_values, returns, factor_key):
    """完整因子评估报告。"""
    print(f"===== {factor_key} 因子评估 =====")
    print(f"覆盖率：{coverage_rate(factor_values).mean():.2%}")
    print(f"分布：\n{distribution_summary(factor_values)}")
    print(f"自相关(lag1)：{autocorrelation(factor_values, max_lag=1)['lag_1'].mean():.3f}")
    print(f"换手率：{turnover_rate(factor_values).mean():.2%}")
    print(f"ICIR：{ICIR_analysis(IC_analysis(factor_values, returns, factor_key)):.3f}")
    print(f"分组收益：\n{quantile_return_summary(factor_values, returns, factor_key)}")
    print("=" * 40)

# 评估股息率因子
evaluate_factor(labeled, next_returns, "股息率(报告期)")

# 评估 ROE 因子
evaluate_factor(labeled_roe, next_returns, "ROE(报告期)")

开发者侧：profiling 结果的可视化

betalens.factor.stats 里内置了绘图函数：

1
2
3
4
5
6
7
8
9
from betalens.factor.stats import plot_IC_series, plot_quantile_returns

# IC 时间序列图
fig_ic = plot_IC_series(ic_ts, title="股息率 IC 时间序列")
fig_ic.show()

# 分组收益柱状图
fig_qr = plot_quantile_returns(ret_summary, title="股息率分组收益")
fig_qr.show()

这些图可以直接嵌入 Jupyter Notebook 或保存为 HTML。

常见错误

1. IC 计算用错了收益率方向

1
2
3
4
5
# 错：用当期因子值和当期收益算 IC（因果倒置）
ic_wrong = IC_analysis(factor_values, current_returns, factor_key)

# 对：用当期因子值和下一期收益算 IC（正确的预测逻辑）
ic_right = IC_analysis(factor_values, next_returns, factor_key)

2. 换手率没有考虑停牌股票

1
2
3
# 如果直接用因子值算换手率，停牌股票的因子值不变会被算成"没换手"
# 推荐用分组标签（group method）算换手率，自动排除停牌影响
turnover = turnover_rate(labeled, method="group")

3. ICIR 样本量太少导致不显著

ICIR > 0.3 但 p > 0.05，说明 IC 的 t 统计量不显著——因子的预测能力可能是样本内偶然。用更长的历史数据（至少 3 年）重新计算。

延伸阅读