因子开发

因子是量化分析的特征指标，用来描述资产某个维度的特征——价值、动量、波动率等等。一个好的因子，应当在历史回测中对资产未来收益表现出区分能力（历史表现不代表未来）。

平台内置的因子覆盖不到你的想法时，就自己写。写好的因子可以应用于 AI 工作流与仿真验证模块，作为策略回测与信号生成的研究参考依据。

#一、你能用到的四件事

• 基础因子复用：平台内置大量基础因子（量价、财务、情绪等），可以直接调用或二次修改。
• 自定义因子编写：提供标准化函数库，按语法规则写自己的因子，见 因子函数参考。
• 有效性验证：因子可以在图表中与价格走势叠加，直观查看关联度；也可以走 因子分析看板 的完整指标体系。
• 因子应用：因子可嵌入 AI 工作流，用于回测验证与仿真信号生成。

#二、两种编写方式

#公式模式：没有编程基础，快速验证想法

用类似 Excel 的数学公式语言，语法简单直观，内置 RANK、MA、DELAY 等函数，覆盖多数常见因子，适合快速验证有效性。

一个 20 日动量因子：

RANK((CLOSE/DELAY(CLOSE,20))-1)

读法是从里往外：DELAY(CLOSE,20) 取 20 日前的收盘价，相除减一得到 20 日收益率，RANK 把它在截面上排成 [0,1] 的分位数。截面排名这一步几乎是必需的——不同股票的收益率量纲差异会让原始值不可比。

#Python 模式：有编程基础，灵活定制

继承 Factor 基类写自定义因子类，Python 语法全支持，可以用循环、条件与自定义函数处理复杂逻辑。

class MomentumFactor(Factor):
    def calculate(self, factors):
        close = factors['close']
        returns = (close / DELAY(close, 20)) - 1
        return RANK(returns)

两种模式的函数库是同一套，公式里能用的算子在 Python 里同样可用。

#三、写完之后：怎么验证

写出来只是第一步，因子有没有用要靠指标说话。完整的指标体系见 因子分析怎么读，这里只强调三条最容易忽略的：

1. 先看方向再看强度。IC 为负不是失败，是反向因子；方向不稳定（累计 IC 忽上忽下）才是真问题。
2. 检查是否混入未来信息。IC 自相关异常高（如 > 0.8）、或者指标好得不像话，先回头查因子表达式里有没有用到当期之后的数据——FUTURE_RETURNS 这类函数只应出现在评估环节，不能进因子本身。
3. 换窗口复验。只在某一段区间、某一个股票池下有效的因子，多半是拟合了噪声。

#四、从编写到仿真的完整流程

1. 选或写因子：调用平台内置基础因子，或用公式 / Python 模式开发自定义因子。
2. 接入工作流：把因子作为信号源嵌入 AI 工作流 / 策略。
3. 验证有效性：通过历史回测与可视化分析，检验预测能力与稳定性。
4. 仿真运行：在仿真交易模块选择该因子的工作流 / 策略，点【启动交易】配置交易参数并启动。
5. 监控与复盘：系统实时监控因子值，触发阈值时执行对应指令；在日志模块可以查看因子触发记录。

跑通之后，把因子提交进 我的因子池，它会按固定窗口每日更新绩效指标。

#五、常见问题

公式提示语法错误怎么办？ 先确认函数名与参数个数：函数区分参数类型（(X)、(X,N)、(A,B,N) 等），参数给少或给多都会报错；其次确认括号配对与逗号是中文还是英文——全角符号是最常见的坑。完整函数签名见 因子函数参考。

内置函数不够用，能自己扩展吗？ 能。公式模式受限于内置算子，遇到需要循环、状态机或自定义统计的逻辑，切到 Python 模式，在 calculate 里自由实现，内置算子仍然可以调用。

IC 只有 0.01 出头，怎么优化？ 按这个顺序试：一是做截面处理（RANK / ZSCORE 标准化，必要时做行业、市值中性化）；二是调整观察窗口，用衰减图找信号最强的滞后期；三是加过滤条件剔除流动性差、异常波动的标的；四是把弱因子与其他维度的因子组合，单因子 IC 低不代表在组合里没有边际贡献。如果四条都试过仍然接近 0，这个逻辑大概率不成立，换方向比继续调参数划算。

#六、下一步

• 函数怎么写：因子函数参考
• 因子怎么评：因子分析怎么读
• 因子怎么管：我的因子池