谈谈私募量化交易中的“因子”是如何获取和使用的 简单举个例子，私募量化管理人获取到一些比较及时包括二级成交数据，资讯舆情的数据，拿到这些数据以后，会对这些数据进行清洗，...  基金交易进行中是什么意思

来源：雪球App，作者： 红岸研究，（https://xueqiu.com/1696398643/212866575）

  简单举个例子，私募量化管理人获取到一些比较及时包括二级成交数据，资讯舆情的数据，拿到这些数据以后，会对这些数据进行清洗，然后把海量数据处理成一个个因子。这就是大家常说的量化私募最核心或者是最赚钱的东西，每一个量化管理人，这个因子数量是不一样的，而且每一个因子大家都是不公开的。   

  比如目前有一家做的比较好的量化私募管理人现在的5000多个有效因子，且优点是均是人工手动挖掘的，那么现在全国的量化管理人中，人工手动挖掘因子数量超过5000的是少之又少。人工手动挖掘因子，其实对于人的要求特别高，为什么呢？就是因子挖掘需要这个挖金子的研究员（可以理解为矿工），他需要对于市场有一个很深度的了解，且对策略模型筛选机制需要有一定的研究。

  所以很多市面的量化管理人，他们会说用可以机器来挖，高效之类的。这时候就疑问就来了，这个机器挖因子跟这个人工挖掘有什么区别？机器想挖10万个，一百万千万一个亿，甚至两亿十亿都可以，而且非常的快；但是这个因子和人工挖的因子就会有一个很大的区别，就是因子质量天差地别。比如同样吃一顿饭，吃了不同的东西，虽然都吃饱了，但是给身体提供了多少的营养这是有很大区别的。相对来说，人工手动挖掘的优秀因子每一个质量会比较高，而且在正式入库作为交易因子之前也有一套很严苛的一套流程。

  流程一般有两点，第一，这个因子要给交易的整体模型带来超额的有效且持续的这个阿尔法的收益贡献。第二，要避免过度拟合的情况，过度拟合是指这个因子和因子之间有一个很高的一个相关性，这个也是很多机器挖因子的量化私募无法避免的一个情况。

 而在人工手动挖的过程中，一般会设定一个叫做相关性的这样的一个概念。两个因子之间的相关性要低于0.7，大于0.7就不可以作为两个独立的因子。也就是说5000多个因子两两之间的相关性都要低于0.7，那这样就避免了因子之间的这样的一个过度拟合的情况发生。

  如上图：过拟合的因子，在样本内测试的时候表现比较好的超额和收益，但是一般进行实盘后就会出现样本外的收益情况，无法形成有效且稳定的超额。

  那么接下来需要再把因子再进行一个分类，但是很多管理人他们无法把因子进行一个分类，因为这个因子是这个机器挖的，机器挖的因子他也不知道这个因子它背后的逻辑到底是什么，无法解释。而人工手动挖的因子可解释程度就很高，所以一般把因子进行一个分类，大概分成这三类，第一类叫做量价因子，第二类叫做基本面因子，第三类叫另类因子。而里面量价因子大概是占60%的左右，20%是基本面因子，剩下20%是另类因子。

  那么量价因子主要是有哪些数据去产生的呢？一般是来源成交量的数据，包括每分每秒的这个这个股票的价格、资金流、以及各类K线等技术指标，包括动量指标、周期指标、成交量指标、价格指标等。

  基本面因子则是大家说的财务报表、营收、券商报告、分析师预期等，一般都是来源于这个包括万得、朝阳永续的数据库。而这种数据，它的一个时间更新频率一般比较长，一般是以这个月频或者季度的数据进行更新，不像价格每分每秒都在发生改变。

  还有就是另类因子，包括社交舆情，电商数据，门店数据这样的一些因子。

  那么这三类因子相结合，可以去进行判断下一分钟、下一个小时，包括明天后天三天五天，甚至最长可以到十天，某一支股票的涨跌幅情况，当然这个不是绝对。比如说，抛硬币50%正50%反，看一支股票，在什么都不看的情况下，可能明天50%概率是涨，50%概率是跌，那么通过这个三类因子去进行预测，就会有这样的一个判断显示明天60%的概率这支股票可能会涨，明天这支股票40%的概率会跌。

  在这种情况下，机构预测成功的概率就会变大，那么同样私募筛选出来的股票都是相对大概率明天会涨，卖出的股票都是明天大概率会跌。私募整体的股票池大概会有500到800只，这么多股票中买入持有明天大概率会涨的股票，并且明天卖出持仓中明天大概率会跌的股票，这样的一步一步私募量化基金就可以累积出相对指数的超额收益。

  有了这些前面的工作之后，私募就可以进行实盘量化交易，同时这也离不开稳定的交易系统和反馈处理能力，以及完整的风控体系等，共同构成了量化交易的全流程。所以因子其实就是整体量化策略的一个个细胞，各自发挥作用又需要不断进行升级迭代。了解