什麼是多因子量化選股模型？哪家券商可以提供量化選股模型，哪家量化做的好
“
多因子模型
”，因子是影響因素的簡稱，也可以理解成指標。
股票收益受到多重因素的影響，比如宏觀、行業、流動性、公司基本面、交易情緒等等。所謂“多因子模型”，就是尋找那些對股票收益率最相關的影響因素，用這些（因子或指標）來刻畫股票收益並進行選股。
多因子模型是量化投資領域應用最廣泛也是最成熟的量化選股模型之一，建立在投資組合、資本資產定價（CAPM）、套利定價理論（APT）等現代金融投資理論基礎上。
多因子量化選股的原理不難理解，股票收益率是由一系列（因子）決定的，尋找這些因子，然後透過對歷史資料的擬合和統計分析進行驗證和篩選，最後以這些因子的組合作為選股標準，買入滿足這些因子的股票。
在實踐中，多因子量化選股已經是一個相對成熟且大致框架較為固定的策略，具體可分為五個步驟，分別為
因子選取、因子有效性檢驗、因子篩選、綜合評分模型以及模型的評價和改進
。
第一步是發掘各類與股票收益率相關的因子，因子的選擇主要基於經濟邏輯和市場經驗，在經典的規模、估值、動量、波動率等全市場通用因子基礎上，根據宏觀、行業、公司基本面、市場特徵，來構造投資組合。
（1）
市場整體
：市場因子、系統性風險等；
（2）
估值因子
：市盈率、市淨率、市銷率、 市現率、 企業價值倍數、 PEG 等；
（3）
成長因子
：營業收入增長率、營業利潤增長率、淨利潤增長率、每股收益增長率、淨資產增長率、股東權益增長率、經營活動產生的現金流量金額增長率等；
（4）
盈利能力因子
：銷售淨利率、毛利率、淨資產收益率、資產收益率、營業費用比例、財務費用比例、息稅前利潤與營業總收入比等；
（5）
動量反轉因子
：前期漲跌幅等；
（6）
交投因子
：前期換手率、量比等；
（7）
規模因子
：流通市值、總市值、自由流通市值、流通股本、總股本等；
（8）
股價波動因子
：前期股價振幅、日收益率標準差等；
（9）
分析師預測因子
：預測淨利潤增長率、預測主營業務增長率、盈利預測調整等。
影響股價收益的因子多種多樣，見仁見智。
因子有效性的檢驗
採用排序的方法檢驗候選因子的選股有效性。例如：可以每月檢驗，具體而言，對於任意一個候選因子，在模型形成期的第一個月初開始計算市場中每隻正常交易股票的該因子的大小，按從小到大的順序對樣本股票進行排序，並平均分為 N 個組合，一直持有到月末，在下月初再按同樣的方法重新構建 N 個組合並持有到月末，一直重複到模型形成期末。還有一個引數是候選組合的數量，具體引數的最優選擇，需要用歷史資料進行檢驗。
剔除冗餘因子
不同的選股因子可能由於內在的驅動因素大致相同等原因，所選出的組合在個股構成和收益等方面具有較高的一致性，因此其中的一些因子需要作為冗餘因子剔除， 而只保留同類因子中收益最好，區分度最高的一個因子。例如成交量指標和流通量指標之間具有比較明顯的相關性。流通盤越大的，成交量一般也會比較大，因此在選股模型中，這兩個因子只選擇其中一個。
冗餘因子剔除的方法：假設需要選出 K 個有效因子，樣本期共 M 月，那麼具體的冗餘因子剔除步驟為：
（1）先對不同因子下的 N 個組合進行打分，分值與該組合在整個模型形成期的收益相關，收益越大，分值越高；
（2）按月計算個股的不同因子得分間的相關性矩陣；
（3）在計算完每月因子得分相關性矩陣後，計算整個樣本期內相關性矩陣的平均值；
（4）設定一個得分相關性閥值，將得分相關性平均值矩陣中大於該閥值的元素所對應的因子只保留與其他因子相關性較小、有效性更強的因子，而其它因子則作為冗餘因子剔除。
多因子選股的判斷方法
多因子選股的判斷方法分為
迴歸法（OLS）
和
打分法
。迴歸方法是利用股票歷史收益率對篩選出的多因子進行迴歸，估計出迴歸方程係數，然後將最新的因子帶入迴歸方程估計股票未來收益，以此為依據進行選股。迴歸方法的問題是很難找到一個精確擬合的迴歸方程，模型誤差比較大。
打分法是根據各個因子的大小對股票進行打分，然後根據一定的權重加權得到一個總分，根據總分對股票進行篩選。例如每個月初，對市場中正常交易的個股計算每個因子的最新得分並按照一定的權重求得所有因子的平均分。最後，根據模型所得出的綜合平均分對股票進行排序，然後根據需要選擇排名靠前的股票。例如，選取得分最高的前 20%股票，或者選取得分最高的 50 到 100 只股票等等。打分法操作簡單，但是權重的確定比較困難，對結果的影響較大。
模型的評價及持續改進
多因子量化選股模型是建立在市場無效或弱有效的前提之下，隨著使用多因子選股模型的交易者數量的不斷增加，有的因子會逐漸失效，而另一些新的因素可能被驗證有效而加入到模型當中。此外，一些因子可能在過去的市場環境下比較有效，而隨著市場風格的改變，這些因子可能短期內失效，而另外一些以前無效的因子會在當前市場環境下表現較好。
在計算綜合評分的過程中，各因子得分的權重設計、交易成本考慮和風險控制等都存在進一步改進的空間。因此在綜合評分選股模型的使用過程中會對選用的因子、模型本身做持續的再評價和不斷的改進以適應變化的市場環境。因子和引數的獲取只能通過歷史資料回測來獲得，但是在回測過程中，防止出現過度最佳化也很重要的。（來源網路）
可提供量化選股因子程式碼，選股模型，進行回測，可以執行您建立的模型，小 白也可以使用
