8.6 多因子组合：加权、打分、排序

课前导读

本章目标

学完能解决什么困惑：理解为什么单个因子不够稳定，并能用方向统一、权重、综合分三步做出最简单的多因子打分卡。 难度：中级入门，需要理解因子、排序、pandas 派生列。 用时：约 45 分钟。

---

知识正文

一、从“综合成绩单”理解多因子

单因子像只看一门考试。

如果只看数学成绩，你可能会选出计算能力强的学生。

但一个学生是否适合参加综合竞赛，还要看语文表达、英语阅读、稳定性、团队合作。

投资也类似。

只看低估值，可能买到“便宜但经营变差”的公司。

只看高成长，可能买到“增长很快但价格太贵”的公司。

只看动量，可能买到“短期很强但已经过热”的股票。

多因子组合，就是把几个有逻辑、有检验记录的因子放在同一张成绩单上。

每个因子负责观察一个角度。

最后给每只股票一个综合分。

综合分不是神奇水晶球。

它只是帮助你更有纪律地排序观察对象。

关键直觉

多因子不是“因子越多越好”，而是“不同角度互相补充”。重复计算同一类信息，只会让模型看起来复杂，实际更偏科。

二、最小可用多因子只做三件事

新手不需要一开始就做复杂模型。

最小可用版多因子只做三件事。

第一，方向统一。

所有因子都要变成“分数越高越好”。

第二，分数标准化。

不同因子的单位不同，不能直接相加。

PE 是倍数，ROE 是百分比，动量也是百分比。

必须先变成可比较的分数。

第三，加权求和。

按事先写清楚的权重，把多个因子分数合成一个总分。

然后按总分从高到低排序。

flowchart TD
    A[准备多个因子] --> B[确认每个因子方向]
    B --> C[转换成0到100分]
    C --> D[设定权重]
    D --> E[计算综合分]
    E --> F[按综合分排序]
    F --> G[形成观察名单]

这套流程的目标是形成观察名单。

它不是直接下单指令。

真正投资前，你仍然需要看风险、流动性、公告、仓位和交易计划。

三、因子方向统一：先别急着相加

方向统一是多因子最容易被忽略的一步。

举例说，ROE 越高通常越好。

过去 60 日动量越高，可能代表趋势越强。

但 PE 不一样。

在常见理解中，PE 越低越便宜。

如果你把 PE 原始值直接加入总分，就会让高 PE 股票得高分。

这显然和“低估值更好”的想法相反。

所以我们要把 PE 转成“低 PE 得高分”。

原始因子	原始方向	统一后的分数方向
PE	越低越便宜	PE 越低，估值得分越高
ROE	越高盈利能力越强	ROE 越高，质量得分越高
过去60日涨幅	越高短期越强	涨幅越高，动量得分越高

方向统一后，所有分数都变成同一句话：分数越高，越符合这个角度的偏好。

这时再相加才有意义。

常见误区

不要把 PE、ROE、60日涨幅这些原始数字直接相加。它们单位不同、方向不同、数量级也不同，直接相加会得到没有解释意义的结果。

四、分数标准化：用排名变成 0 到 100 分

为了让不同因子可以放在同一张表里，我们可以用排名百分位。

通俗说，就是看一只股票在当天股票池里排在什么位置。

如果某只股票 ROE 排在前 10%，质量分就应该比较高。

如果某只股票 PE 排在最低 10%，估值得分也应该比较高。

这样做有三个好处。

第一，单位统一。

不管原始因子是倍数还是百分比，最后都变成 0 到 100 分。

第二，极端值影响变小。

某只股票 PE 特别高，不会因为数值巨大直接压倒其他因子。

第三，容易解释。

你可以告诉自己：这只股票质量得分 85，说明它在同日股票池里质量位置靠前。

五、权重不要拍脑袋

权重就是每个因子在总分里占多少。

例如：质量 40%，估值 35%，动量 25%。

这并不表示质量一定永远最重要。

它只是你当前研究假设的一部分。

权重至少要有理由。

理由可以来自三类证据。

第一，投资逻辑。

如果你的目标是选择较稳健的公司，质量权重可以高一些。

第二，单因子检验。

前两节的 RankIC 和分层结果，可以帮助你判断哪些因子更稳定。

第三，风险控制。

如果某个因子波动很大，即使收益高，也不一定给过高权重。

新手最安全的起点是等权重。

例如三个因子各占三分之一。

等你积累了更多检验记录，再逐步调整。

千万不要反复调权重，只为了让历史结果最好看。

那样很容易把偶然性当成规律。

六、避免重复计算同一类信息

多因子组合不是堆越多字段越专业。

如果你同时放入 PE、PB、PS，可能三个都在表达“估值便宜不便宜”。

如果你同时放入 ROE、净利率、毛利率，可能都在表达“盈利质量”。

如果你同时放入 20 日涨幅、30 日涨幅、60 日涨幅，可能都在表达“近期强弱”。

重复信息会让某一类观点被放大。

这就像成绩单里数学算了三次，语文只算一次。

最后综合分看似客观，其实严重偏科。

所以初学者建议每类先选一个代表。

角度	可以先选的代表因子	暂时不要重复堆叠
估值	PE 或 PB 选择一个	PE、PB、PS 全部同时高权重
质量	ROE 或经营现金流质量	ROE、净利率、毛利率全部重复
动量	过去60日涨幅	20日、30日、60日涨幅一起重仓

以后你可以研究因子之间的相关性。

但本节只要求你先形成“不要重复算同一类信息”的意识。

七、A 股案例：三因子打分卡

假设你要在沪深 300 中准备一个观察名单。

你决定先用三个因子。

估值因子：PE 越低越好。

质量因子：ROE 越高越好。

动量因子：过去 60 日涨幅越高越好。

你给出的初始权重是：估值 35%，质量 40%，动量 25%。

这个权重的含义是：你更看重公司赚钱质量，其次看估值是否合理，再参考近期走势。

一张简化打分卡可以这样写：

股票	估值得分	质量得分	动量得分	综合分	排名
600519 贵州茅台	62	92	70	76.1	2
600036 招商银行	80	75	55	71.8	3
000333 美的集团	76	82	78	79.0	1
601398 工商银行	88	60	45	66.1	4

综合分的计算方式是：

$$\mathrm{综}\mathrm{合}\mathrm{分}=\mathrm{估}\mathrm{值}\mathrm{得}\mathrm{分}\times 35\mathrm{\%}+\mathrm{质}\mathrm{量}\mathrm{得}\mathrm{分}\times 40\mathrm{\%}+\mathrm{动}\mathrm{量}\mathrm{得}\mathrm{分}\times 25\mathrm{\%}$$

以美的集团这一行为例：

$$79.0=76\times 35\mathrm{\%}+82\times 40\mathrm{\%}+78\times 25\mathrm{\%}$$

这个分数说明它在这张简化表里综合排名最高。

但这不等于它一定可以买。

它只是进入下一步观察。

下一步还要检查公告、流动性、风险事件、行业环境和自己的交易计划。

八、pandas 示例：生成综合分

假设你的表格 df 包含 date、code、pe_ttm、roe、momentum_60d。

下面代码演示如何在每个日期内打分。

import pandas as pd


valid = df.dropna(subset=["pe_ttm", "roe", "momentum_60d"]).copy()
valid = valid[valid["pe_ttm"] > 0].copy()

valid["value_score"] = valid.groupby("date")["pe_ttm"].transform(
    lambda s: s.rank(pct=True, ascending=False) * 100
)

valid["quality_score"] = valid.groupby("date")["roe"].transform(
    lambda s: s.rank(pct=True, ascending=True) * 100
)

valid["momentum_score"] = valid.groupby("date")["momentum_60d"].transform(
    lambda s: s.rank(pct=True, ascending=True) * 100
)

valid["total_score"] = (
    valid["value_score"] * 0.35
    + valid["quality_score"] * 0.40
    + valid["momentum_score"] * 0.25
)

ranked = valid.sort_values(["date", "total_score"], ascending=[True, False])
watch_list = ranked.groupby("date").head(20)

print(watch_list[["date", "code", "total_score"]])

逐步解释一下。

第一步，删除缺失值。

没有 PE、ROE 或动量数据的股票，暂时无法完整打分。

第二步，剔除 PE 小于等于 0 的样本。

亏损公司 PE 可能没有正常解释意义，新手先记录并排除。

第三步，估值得分用 ascending=False。

因为 PE 越低越好，所以低 PE 股票要得到更高的百分位分数。

第四步，质量和动量用 ascending=True。

因为 ROE 越高越好，过去 60 日涨幅越高也代表动量越强。

第五步，按权重求综合分。

最后取每个日期综合分前 20 名，作为观察名单。

请注意，这个名单只是研究产物。

它不是自动买入列表。

九、从老师、投资者、开发者三重视角检查

从老师视角看，你要能解释每个因子为什么放进来。

如果你说不清 PE、ROE、动量分别代表什么，就先不要组合。

从投资者视角看，你要知道综合分高不等于风险低。

高分股票也可能遇到业绩变脸、行业政策变化、流动性变差。

从量化开发视角看，你要保证每一步可复现。

同一日期、同一股票池、同一权重，应该能得到同一份排序。

如果今天手工改一下权重，明天又临时换一个因子，研究就会变成情绪驱动。

多因子最怕“看似科学，实际随意”。

所以每一次组合都要写下版本号和理由。

例如：

项目	记录
模型版本	三因子打分卡 v1
股票池	沪深300
因子	PE、ROE、过去60日涨幅
权重	估值35%、质量40%、动量25%
方向	全部转为分数越高越好
用途	生成观察名单，不直接下单
下一步	做单因子和分层复查

这张记录可以帮你避免“改过什么自己都忘了”。

---

交互实验室

三因子打分卡：手工完成一版

请用下面表格完成一次手工打分。

假设你已经把三个因子都转换成 0 到 100 分。

权重为：估值 35%，质量 40%，动量 25%。

股票	估值得分	质量得分	动量得分	综合分	是否进入观察名单
A公司	90	55	40	待计算	待判断
B公司	60	88	70	待计算	待判断
C公司	75	72	82	待计算	待判断
D公司	45	95	60	待计算	待判断
E公司	82	66	50	待计算	待判断

操作步骤：

1. 用公式计算每只股票综合分。

2. 按综合分从高到低排序。

3. 选择前 2 名作为观察名单。

4. 写下为什么它们入选。

5. 再写下一个风险提醒：它们为什么仍然不能直接买入。

你可以使用这个句式：

我选择 ____ 和 ____ 进入观察名单，因为它们综合分排名靠前。其中 ____ 的优势主要来自质量，____ 的优势主要来自估值。但这只是因子打分结果，仍需检查公告、行业和交易计划。

练习二：检查重复信息

请看下面这组因子。

• PE
• PB
• ROE
• 净利率
• 过去20日涨幅
• 过去60日涨幅

请把它们分成“估值、质量、动量”三类。

然后每类只保留一个代表因子。

写下你的选择理由。

如果你发现自己想把所有因子都放进去，请停一下。

多因子模型的第一步不是做加法，而是做取舍。

---

核心复盘

知识清单：

• [ ] 多因子组合是把不同角度的因子放进同一张成绩单。
• [ ] 所有因子必须先统一成“分数越高越好”。
• [ ] 不同单位的原始因子不能直接相加，应先转成排名百分位等可比较分数。
• [ ] 权重需要来自投资逻辑、检验记录或风险考虑，不能为了历史结果好看反复试出来。
• [ ] PE、PB、PS 等相似因子可能重复表达估值信息，不能盲目堆叠。
• [ ] 综合分排序只能生成观察名单，不等于买入指令。

金句总结

“多因子不是把所有理由塞进模型，而是让少数清楚的理由按同一把尺子排队。”