用回测筛选因子的一点经验分享

我在做量化交易，也自己做因子回测，前前后后试过不少因子，真正能长期用的，其实不多。刚入门的时候很简单：

• 看别人说动量有效 → 做动量

• 看研报说低波动好 → 加低波动

结果就是：

回测看着还行，一实盘就不稳定。

后来才明白，因子不是“看起来对”，而是“数据上成立”。

我现在的做法：

流程一直没变：

1. 拉数据

2. 算因子

3. 分组

4. 看未来收益

5. 算 IC

方法很朴素，甚至有点老，但一直够用。

数据

import requests import pandas as pd def get\_kline(symbol): url = "https://api.alltick.co/v1/market/kline" params = { "symbol": symbol, "interval": "1d", "apikey": "your\_api\_key" } data = requests.get(url, params=params).json()\["data"\] return pd.DataFrame(data) 

最简单的因子：动量

def momentum(df, n=20): df\["ret"\] = df\["close"\].pct\_change(n) return df 

这个东西现在看挺基础的，但不影响用。

回测：分组 + IC

def backtest(df): df = df.dropna() df\["rank"\] = pd.qcut(df\["ret"\], 5, labels=False) return df.groupby("rank")\["close"\].pct\_change().shift(-1).mean() def ic(df): df\["fut"\] = df\["close"\].pct\_change().shift(-1) return df\["ret"\].corr(df\["fut"\]) 

重点就两个：

• 高分组是不是更赚钱

• IC 是否稳定

一些坑～～～

1. 未来函数：这个很致命，看起来没问题，其实已经作弊了。

2. 过拟合：调参数调到“完美”，换一段时间直接失效。

3. 因子失效：长期是可能有效的，但短期完全不一定。我也经历过刚上线就连续回撤的阶段。如果你正好在因子失效期开始用，很容易直接放弃。