什么是“多因子选股”？
很多投资者在接触量化投资时，常会听到一个核心问题：多因子选股是怎么给股票打分的？ 简单来说，这就像是一场针对全市场股票的“量化体检”。
想象一下，如果我们要选拔一支马拉松代表队，不会只看谁今天跑得最快（单一指标），而是会综合考察选手的心肺功能、肌肉力量、过往战绩甚至恢复能力。在多因子模型中，每一个考察维度就是一个“因子”，而最终的“得分”就是这些维度的综合体现。
第一步：建立因子池——寻找有效的“体检指标”
给股票打分的前提，是找到那些可能影响股价的因素。根据金融逻辑和市场经验，因子通常分为三大类：
- 基本面因子：反映公司的内在价值。例如市盈率（PE）、净资产收益率（ROE）。这就好比看一个人的学历和工作收入，判断其长期潜力。
- 技术面因子：反映市场的交易行为。例如过去20天的涨跌幅（动量）、换手率。这类似于观察一个人最近是否精力充沛、受关注度如何。
- 情绪与预期因子：反映分析师预测或资金流向。例如盈利惊喜程度、主力资金净流入。
需要注意的是，因子并非越多越好。初始阶段可以构建包含上百个因子的“宽池”，但必须经过严格的筛选，剔除那些与股价走势无关的噪音指标。
第二步：数据清洗与标准化——让苹果和橘子能比较
这是多因子选股中最关键却常被忽视的一步。不同因子的数值量纲完全不同：市盈率可能是15倍，而换手率可能是3%。直接相加毫无意义。
因此，我们需要对数据进行标准化处理。常用的方法是将所有股票在某个因子上的数值转化为“排名”或“Z-score”（标准分）。
- 举例：假设A股有5000只股票。对于“市盈率”因子，我们将所有股票从低到高排序。市盈率最低的股票得100分，最高的得0分。这样，无论原始数值是多少，所有因子都变成了0-100之间的可比分值。
同时，还要处理缺失值。例如，某些小市值公司没有分析师覆盖，缺乏预期数据。此时不能简单填0，而应标记为缺失或使用行业均值填充，以避免扭曲评分结果。
第三步：加权合成——确定每个指标的权重
当所有因子都变成统一的分数后，下一步就是决定哪个因素更重要。这就是加权的过程。
目前主流的加权方法有两种：
- 等权法：认为每个因子同样重要。例如，基本面占50%，技术面占50%，内部各因子平均分配。这种方法简单稳健，不易过拟合。
- IC加权法（信息系数加权）：根据历史数据回测，看哪个因子在过去一段时间预测股价更准，就给更高的权重。这就像教练根据选手最近的训练状态动态调整考核重点。
最终的综合得分公式通常为： 总分 = (因子1得分 × 权重1) + (因子2得分 × 权重2) + ...
第四步：排序与组合构建
有了总分，就可以对全市场股票进行排名。得分最高的前10%或前50只股票，就构成了我们的“优选组合”。
但这并不意味着买入后就高枕无忧。市场风格会切换，因子的有效性也会衰减。因此，多因子模型需要定期（如每月或每季度）重新计算得分，进行调仓换股，确保持有的始终是当下“体检得分”最高的标的。
结语
理解多因子选股是怎么给股票打分的，有助于我们摆脱凭感觉炒股的误区。它不是预测未来的水晶球，而是一套基于历史数据和统计规律的科学筛选体系。通过客观、多维度的量化评估，投资者可以更系统地识别具备潜在优势的投资机会，同时规避单一视角带来的盲区。
请注意，量化模型仅作为辅助工具，市场存在不确定性，任何策略都无法保证绝对收益。