横截面因子标准化别用全样本：按交易日分组更稳妥

做横截面选股时，因子标准化看起来只是减均值、除标准差，但分组维度如果写错，回测会悄悄混入不该出现的信息。最常见的问题是对整段历史一次性算均值和标准差。这样既把不同市场阶段的分布混在一起，也让早期样本使用了未来数据。

横截面因子的比较对象应该是同一交易日、同一股票池中的股票。例如估值因子在不同年份的整体水平可能相差很大。用全样本参数处理后，结果反映的是记录在全部历史中的位置，而不是某只股票当天相对其他股票的位置。

用 pandas 处理时，可以按交易日分组，再用 transform 把组内统计量对齐回原行：

g = df.groupby("trade_date")["factor"]

mean = g.transform("mean")

std = g.transform("std")

df["factor_z"] = (df["factor"] - mean) / std

GroupBy.transform 返回与原数据同索引的结果，适合把组内统计量映射回每只股票。相比 apply，这种写法的意图也更清楚。

实际使用还要补三层检查。第一，先按当日可投资股票池过滤，停牌、未上市和已退市股票不能混进分布；第二，极端值处理也应在同一天内完成，可先计算当日分位点再缩尾；第三，当日有效样本太少或标准差为零时，直接保留为空，不要强行填成零。

行业中性因子可以把分组键改成 trade_date 与 industry，但小行业样本过少时结果会不稳定。我通常同时保留当日样本数、均值和标准差，抽查几个交易日的分布，并确认排名方向符合原始因子含义。

标准化不会凭空提升策略，它只是让不同日期、不同量纲的因子更容易比较。关键是每个数值只能使用当时可见的股票池和数据，分组边界必须与策略决策时点一致。