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。