从一个想法，到能经得起回测的 Alpha，这 4 个 Skill 全包了

做因子研究最容易让人误判的，可能就是第一次看到漂亮回测的时候。

IC 不错，Sharpe 也上去了，很容易顺着这个结果继续往下做。

可再仔细看，里面可能混着风格暴露，几个因子也可能高度重复，甚至这个结果本身，都有可能是反复试出来的。

我最近翻了几个 QuantSkills 的 Skill，发现从因子生成到最后检查回测，正好有几块特别麻烦的工作，都可以用这几个Skill解决！

有想法，为什么还要花半天写代码？

做因子研究，很多时候真不是没想法，而是写起来太麻烦。

一个 5 日动量想试，10 日也想试，顺手再来几个反转、均线偏离。单个因子看着都不复杂，可真动手以后，rolling、shift、缺失值、标准化，再加上验证脚本，一套下来很容易就把时间耗没了。

这种活做一两个还好，数量一上来，基本就变成体力活。

这时候可以试试：

factor-skill-factory

它更像一个因子生产线。

你把想测试的因子设定好，它可以批量生成计算代码，同时自动跑验证，最后把每个因子整理成独立的 Skill 包。

怎么用？

准备一份标准的 OHLCV 数据，把想测试的因子思路和参数交给它。

比如想同时比较 5 日、10 日、20 日动量，就让它批量生成，再统一看 Rank IC、ICIR、覆盖率等结果，不用一个个手写。

一次实测里，用的是 20 只 A 股 2023—2024 年的 OHLCV 数据，一共9600 多行，一口气生成了 10 个因子，覆盖了动量、反转、均线偏离、EMA 偏离、双EMA差、均线斜率、区间位置、上轨突破和下轨跌破。

跑完以后，每个因子都生成一个完整的独立文件夹，里面有：

README.md

SKILL.md

scripts/factor.py

scripts/validate.py

validation_real

agents/openai.yaml

验证指标包括 Rank IC、ICIR、五分组Q5-Q1多空收益、Top组换手率和数据覆盖率。

我觉得它最实在的地方，不是“能批量生成”这几个字，而是把原来一堆重复代码给省掉了。

以前看到一个想法，先得考虑值不值得写；现在可以先做出来，跑一轮再判断。

毕竟很多因子不是思路没价值，而是手搓成本太高，根本没机会被认真验证。

因子漂亮，不一定是 Alpha

因子跑出来以后，还有一个问题很容易被忽略。

有些因子看起来预测能力不错，仔细一看却和市值、Beta、波动率这些东西关系很大。市场风格正好配合的时候，回测自然漂亮；风格一换，表现也跟着掉。

所以，只有把风格剥离干净，信号才经得起不同市况的考验。

这时候可以看看：

skill-factor-orthogonalize

它会逐日做截面回归，把原始因子里可以被市值、Beta、波动率等变量解释的部分剥掉，再用残差作为新的因子值。前面还会做 MAD 去极值和 z-score 标准化，减少极端值对回归的影响。

这个 Skill 有一点我比较喜欢：它不是只看风格暴露有没有降下来，还会比较正交化前后的 Rank IC，确保 Alpha 信息没有被一并洗掉。

因为如果为了把风格暴露清掉，连真正有用的信号也一起洗没了，那这一步就没什么意义。

怎么用？

准备好原始因子和对应的风格变量，比如市值、Beta、波动率，把它们交给 skill-factor-orthogonalize，它会输出正交化后的因子，并对比处理前后的 Rank IC 和风格暴露。

第一次跑，也可以先用 mock 数据把流程走通，再换成自己的真实数据。

实测中，用了 200 只模拟股票、100 个交易日的 mock 数据，并且人为加入了市值和行业偏斜。

处理完以后，因子和三个风格变量的相关性都降到了 0.001 以下，基本看不到明显的风格暴露。

原始因子 IC 是 -0.025，正交化以后变成 -0.011。看起来变小了，但却是好事。因为原始 IC 里本来就可能混着一部分风格贡献的伪Alpha，现在把这部分拿掉以后，剩下的信号自然会弱一些。

剥干净之后，你能更清楚地知道，这个因子到底还有多少东西是真实、可重复、可规模的。

因子越来越多，可以一起用吗？

研究做到后面，手里的因子越积越多。

最开始觉得因子少，恨不得多找几个；真攒起来以后，又会发现不少因子只是换了个写法，本质上还是在表达同一个东西。

所以因子多，不一定就是好事。

skill-factor-blend 解决的就是这个问题。

它是一个专门解决「多因子合并」问题的技能包。

它不会把所有因子直接加起来，而是先看相关性，把重复程度比较高的信号筛掉，再做权重分配，最后合成一个复合 Alpha。权重可以用等权、ICIR 或 Score。

怎么用？

把一批已经算好的因子放到一起，交给 skill-factor-blend。它会先计算因子之间的相关性，再按照设定的阈值去冗余，之后选择 Equal、ICIR 或 Score 方式分配权重，最后输出复合信号。

如果是第一次接触因子合并，建议先跑一遍 --weight equal 作为基准，再对比 ICIR 和 Score 方案的结果，能很快理解不同加权策略对最终合成信号的影响。

实际测试里，使用的是 15 只 A 股 2023—2024 年，共 7245 条日线数据，构造了 6 个测试因子：20 日动量、5 日反转、20 日波动率、20 日振幅、成交金额排名变化和 20 日换手率均值。

结果一看，20 日波动率和 20 日振幅的 Rank 相关性超过了 0.7，系统自动识别并移除冗余因子，保留 5 个因子进入合成环节。

处理以后，剩余因子的最大绝对值降到了 0.38，信息重叠问题得到了控制。

随后再比较三种权重方式，ICIR 加权和 Score 加权的表现都优于简单等权，三种方案的换手率都在大约 0.10 的水平，说明合成后的信号不会过度频繁地调仓。

如果几个因子本质上说的是同一件事，把它们全塞进去，并不会凭空多出新的信息。

有时候删掉几个重复信号，反而更有价值。

Sharpe 1.8，到底能不能信？

到了回测这一步，最容易让人上头。

辛辛苦苦做了一轮，最后出来个 Sharpe 1.8，很自然就想继续调参数，再往上拱一点。

可如果前面已经试了几十组、几百组参数，最后专门挑出这个 1.8，它的意义就完全不一样了。

这时候可以用 skill-backtest-overfit 再检查一遍。

它不是单纯重新算 Sharpe，而是会结合 DSR、PBO、Haircut Sharpe、MinTRL 等指标，把“到底试了多少次”纳入判断。

怎么用？

把已经得到的策略收益序列交给 skill-backtest-overfit，同时告诉它一共测试了多少组配置，也就是 n_trials。

它会据此计算 DSR、PBO、Haircut Sharpe、MinTRL 等指标，用来判断现在这个回测结果，在考虑选择偏差以后还有多少可信度。

这次测试先构造了 200 个纯噪声策略，然后从里面挑表现最好的一个。

最后这个“冠军”的 Sharpe 年化高达1.65。

单看回测，已经挺诱人了。

但 DSR 只有 0.63，没有达到 0.95 的阈值。

换成另一个场景，还是 200 个候选，不过加入了真实的日漂移，Sharpe 从 1.65 提高到 2.58，DSR 从 0.63 提高到 0.98，PBO 也从 0.34 降到了 0.06。

试得越多，从噪声里挑出一个漂亮结果并不难。

真正难的是，你得证明这个结果不是靠运气。

写在最后

做因子研究，很多时间其实不是花在想法上，而是花在后面的各种重复工作里。

写代码、跑验证、查风格、看相关性，最后还得重新检查回测。

这几个 Skill，刚好各自接住了一段。

skill-quant-factor-skill-factory，把因子快速做出来并验证。

skill-factor-orthogonalize，把里面混着的风格暴露剥出来。

skill-factor-blend，处理重复信号，再把多个因子合成一个复合 Alpha。

skill-backtest-overfit，最后再检查回测结果是不是经得起推敲。

真正的研究判断当然还是得自己来，但能少做一点重复活，还是挺香的。

毕竟回测最怕的，不是结果不好看。

是结果很好看，却不知道为什么。

能把这个问题一直追下去，可能比再多加几个指标更重要。

以上Skill均来自 QuantSkills 开源项目，实测结果仅用于展示各工具在对应研究环节中的实际能力，只作技术交流与学习参考，不构成投资建议。