量化交易的基本因子

A估值因子

估值因子是一类投资者能够根据上市公司估值的高低判断股票当前价格是否合理，并对该公司的发展前景产生合理预期，在一个相对公平的市场中，估值往往能够反应一个股票长期的增长预期，能够帮助投资者更好得进行中长期投资，所以机构投资者往往会重点考虑这个因子

B成长因子

从字面角度理解，成长因子是反应公司中长期成长能力的指标，如果某只股票的成长因子超出同类其他股票，那么一般情况下可以认为，这个股票的股价在未来存在较大上涨的可能性值得长期青睐；

C规模因子

规模因子反映公司规模情况，主要用于体现市值大小对投资收益的影响。规模因子积累收益率显示（FC）流通市值因子累积收益率高于其他规模因子累积收益率。这种迹象表明流通市值影响投资收益显著性较高。

D财务质量因子

一个公司的好坏，可以从这个公司的财务报表上面观察到，譬如说盈利能力、收益质量、现金流量、资本结构、偿债能力、运营能力6类等

如果某只股票在过去一段时间的某一财务质量因子明显高于同类型股票的平均水平，那么在不考虑其他重大事件的影响下，代表这个公司经营状况良好，持有不会出现较大的风险；

E杠杆因子

合理使用金融杠杆能够有效得促进企业的发展，在可承受范围内增加负债，经营企业从而获得更大的市场，是很多上市公司的目标，但是很多时候企业会陷入一个盲目乐观的情况，进而无休止得扩大杠杆，进行产生了巨大的风险，所以在观察企业财务数据的时候，还是需要关注其杠杆因素。

F动量因子

动量类因子从字面理解来讲，就是某个股票短期内上涨和下跌的速度，这一点主要从K线图上面可以观察到，；

如果某只股票在过去一段时间的涨跌幅明显高于或低于同类型股票的平均水平，那么按照均值回归理论，在后期他的价格回归速度也比较快，对于交易来讲，这一块是肯定要考虑的因素。

G波动率因子

波动率类因子从字面的角度理解，就是资产的波动率，主要反映的是过去一段时间内资产价格的波动性大小，

如果某只股票在过去一段时间的波动率明显高于同类型股票的平均水平，如果个股波动率高，那么代表短期内其交易的风险也相对提升

H换手率因子

换手率类因子，从字面上理解，主要反映的是过去一段时间内资产价格的周转速度，是一类非常重要的风格因子，从换手率能够关注到短期内机构交易者对这个股票的关注程度。

如果某只股票在过去一段时间的换手率大幅增加，则该股票可能是近期资金追逐的热门股，虽然流动性强，但风险也会相对较高。

I质量因子

质量因子代表了公司的整体营运质量，反映的是较长周期的营运情况。常见的质量因子包括：资产周转率、营业利润率、总资产回报率、净资产回报率等等。其中营业利润率、营业利润率_TTM因子的累积收益率较高。此类因子可以在同行业公司中选择公司质量较好的股票来投资

J流动性因子

流动性因子是指过去一段时间内股票的换手率等负向指标，这类因子的效果也十分显著。通过选取不同时间段的流动性因子来比较其累积收益率。从下图看，时间长度越长显著性越高

K技术因子

技术因子顾名思义就是由技术指标构成的因子。其中每个技术指标都有其自身的计算时间长度和计算公式，所以整体对于累积收益率敏感性没有特别大的区别，从下图看MACD显著性稍微高一些，这也是该因子在技术分析的用过程中更加广泛的原因之一

L分析师因子

分析师因子又称预期因子，是直接给出市场预期和市场情绪的因子。当然在A股中分析师看多预期高于看空，这类因子的大多数为正面因子，对于普通投资者实用性还是很强的。其中（EOPChange_1M ）一致预期营业收入变化1M和（EEP）一致预期 EP 这两个因子显著性较强一些

M情绪因子：就是借助人工智能和算法，把新闻、研报中对某只股票的看法、预期搜集起来，然后打分

N股东因子：户均持股比例、户均持股比例变化、机构持股比例变化

O盈利类因子：净资产收益率ROE、总资产报酬率ROA、销售毛利率、销售净利率

P动量反转因子：前一个月涨跌幅，前2个月涨跌幅、前3个月涨跌幅、前6个月涨跌幅

Q交投因子：前一个月日均换手率

R波动因子：前一个月的波动率，前一个月的振幅

随着人工智能的发展，现在的AI技术已经能够通过分析整理并且判断符合市场的因素进行整合和使用，盈首量化就是一个典型的代表：

1）设计的成品AI万能智能量化模型，可自定义与去风险因子任意组合使用，选出股票的八个参数，可以把你最好的盈利模式直接设计成AI模型进行操作，回测出具有超高的历史数据统计年化收益率的AI模型，可以紧跟主力资金流向、精准的抓住上涨波段的起涨点，进行AI机器人全自动交易。

2）AI机器人会按照你的AI模型设定的条件，在4000多只股票里面自动搜索符合你设定的条件的标的，时间仅需几秒钟。

3）AI机器人会严格按照模型设定的买卖价位进行自动交易，不会随行情的起伏而波动，克服了人性的弱点、贪婪与恐惧。

因子有效性的检验：
一般检验方法主要采用排序的方法检验候选因子的选股有效性。
具体而言，对于任意一个候选因子，在模型形成期的第一个月初开始计算市场中每只正常交易股票的该因子的大小，按从小到大的顺序对样本股票进行排序，并平均分为n个组合，一直持有到月末，在下月初再按同样的方法重新构建n个组合并持有到月末，每月如此，一直重复到模型形成期末。

过程：
1、因子有效性测试系统建立在参数优化系统上，循环回测，每次输入不同的区间参数，从而影响每月选取股票的范围。
2、每月调仓，获取因子并排序（注意去除空值）。
3、清仓，选取股票，重新买入。
4、重复第2与第3步，直至测试周期结束。
5、输入新的区间参数，重复2-4步，直至全部参数输入完毕。