因子分析概述

本文介绍因子的基本原理与分类、因子分析的整体流程，以及在期魔方中开展因子分析的平台操作。

基本原理

因子（Factor）是能够解释或预测期货、期权、股票等金融资产收益率差异的核心变量。本质是从海量市场数据中提炼出的、具有"收益预测能力"或"风险区分能力"的关键特征。通俗的说，因子就是把一些主观感受变成"可计算、可比较的数字"，而这些数字指标就是因子。它就像筛选资产的"标尺"—— 通过这个标尺，我们能判断哪些资产未来更可能涨、哪些风险更高，最终支撑多因子策略的选股、择时或风险控制。

因子的作用：

• 预测收益：有效因子能稳定区分资产未来收益差异，帮策略锁定高收益标的。
• 控制风险：因子能识别资产的风险属性，避免策略暴露在极端风险中。
• 搭建策略：因子是策略的"最小单元"，通过因子组合、权重分配，可形成完整交易规则。

因子分类与定义

因子的定义既可以是行业通用的常见基础款，也可以是结合自身逻辑、数据的自定义非常规款 —— 核心判断标准不是"是否常规"，而是"是否有明确逻辑、能否稳定区分资产收益差异"。

常见的因子分类：

因子类型	核心逻辑	期魔方数据应用示例
技术因子	基于价格 / 成交量规律捕捉趋势 / 反转	1. 动量因子：60 日收益率（用get_price()取收盘价计算）2. 波动率因子：ATR 指标（回溯 20 日成交数据）3. 量价因子：成交量加权均价（VWAP）
基本面因子	基于供需 / 库存判断价格回归逻辑	1. 库存因子：仓单周度变化率（(当前仓单-上周仓单)/上周仓单）2. 基差因子：基差绝对值与历史分位数（如基差 > 90% 分位数做多）
另类因子	基于高频 / 情绪数据捕捉短期机会	1. 大单情绪因子：买卖盘大单净占比（get_order_depth()取深度数据）2. 持仓情绪因子：主力持仓多空比变化

因子分析流程

因子分析是一条从"想法"到"信号"的流水线：先挖出候选因子，再算出因子值，然后验证它是否真的有效，最后把有效因子合成并接入策略。整个流程可以概括为以下五个环节：

① 因子挖掘 —— 确定"用什么因子"：从论文、研报中复用经典因子，在基础数据上加工衍生，或引入另类数据创新挖掘。

② 数据获取与因子计算 —— 拿到 K 线等原始数据，按因子定义算出因子值，得到形如「日期 × 品种 → 因子值」的数据序列。

③ 因子验证 —— 把因子值与未来收益对齐，用 IC、分位数收益、换手率、自相关性等指标判断因子是否真的具备预测能力，并生成 Alphalens 报告。

④ 因子合成 —— 当有效因子不止一个时，用等权、PCA 或逐步回归把它们合并成一个合成因子，降低单一因子的波动。

⑤ 因子应用 —— 把验证通过的因子写进策略：按因子值排序选品种、设定调仓周期与开平仓规则，形成可执行的交易逻辑。

其中第 ① ② ③ 步将在因子分析实操：以持仓量变化率为例中围绕一个具体因子分步演示；第 ④ ⑤ 步见因子合成与应用。

需要强调的是，这条流水线是迭代的，而不是单向一次性走完：因子验证不通过时，应当回到第 ① 步调整因子定义或更换因子，而不是硬着头皮往下走。

平台操作：新建与编辑因子

在进行因子分析前，首先需要在期魔方平台中创建因子分析文件。平台编译器中已预先配置好因子分析所需的基础环境，简单因子只需修改因子计算部分的代码、选好分析标的，即可直接运行。

操作步骤：在期魔方客户端中，进入「策略」菜单，选择「因子分析」，点击「新增因子」或「编辑因子」，输入因子分析名称，语言选择 [Jupyter Notebook]，点击确定后系统将弹出编译器。在编译器中完成因子代码编写后，点击 [▷ 运行全部]，运行结果会显示在代码下方；也可先保存、稍后再点击全部运行。

---

相关阅读

• • 因子分析实操：以持仓量变化率为例
• • 因子合成与应用