AI 量化：从因子挖掘到组合优化的工程化实践

原创

资源大佬 jzit-top

发布于 2026-10-09 17:45:04

1500

AI 量化不是"用 LSTM 预测股价"这么简单。专业做法是把机器学习嵌入完整的量化流水线：数据治理 → 因子构造 → 模型训练 → 信号生成 → 组合优化 → 风险控制 → 回测归因。模型只是其中一环，工程纪律与风控才是长期盈利的关键。

一、数据层：干净的数据胜过复杂的模型

量化策略九成时间花在数据上。必须处理复权、停牌、退市、幸存者偏差。

import pandas as pd
import numpy as np

def load_prices(path: str) -> pd.DataFrame:
    df = pd.read_parquet(path)
    df["date"] = pd.to_datetime(df["date"])
    df = df.sort_values(["symbol", "date"])
    # 前复权收盘价
    df["adj_close"] = df["close"] * df["adj_factor"]
    # 剔除停牌与涨跌停不可交易样本
    df = df[~df["suspended"]]
    # 计算未来一期收益作为标签
    df["ret_fwd"] = df.groupby("symbol")["adj_close"].pct_change().shift(-1)
    return df.dropna(subset=["ret_fwd"])

注意标签必须 shift(-1) 对齐未来收益，且要防止用未来信息构造因子。

二、因子构造：Alpha 的来源

因子是量化的核心。常见类别包括动量、反转、波动率、流动性、估值。以下构造三个经典因子：

def build_factors(df: pd.DataFrame) -> pd.DataFrame:
    g = df.groupby("symbol")["adj_close"]
    # 20日动量
    df["mom20"] = g.pct_change(20)
    # 5日反转
    df["rev5"] = -g.pct_change(5)
    # 20日波动率
    df["vol20"] = g.pct_change().groupby(df["symbol"]).rolling(20).std().reset_index(0, drop=True)
    # 横截面标准化，消除量纲
    for f in ["mom20", "rev5", "vol20"]:
        df[f] = df.groupby("date")[f].transform(
            lambda x: (x - x.mean()) / (x.std() + 1e-9))
    return df.dropna()

横截面标准化是专业实践的关键，让因子在不同日期可比。

三、模型层：轻量模型 + 严格验证

金融数据信噪比极低，深度模型容易过拟合。推荐 LightGBM 或线性模型，配合时间序列交叉验证。

import lightgbm as lgb
from sklearn.model_selection import TimeSeriesSplit

FEATURES = ["mom20", "rev5", "vol20"]

def train_model(df: pd.DataFrame):
    X, y = df[FEATURES], df["ret_fwd"]
    tscv = TimeSeriesSplit(n_splits=5)
    models, scores = [], []
    for train_idx, val_idx in tscv.split(X):
        model = lgb.LGBMRegressor(
            n_estimators=300, learning_rate=0.05,
            num_leaves=31, min_child_samples=50,
            subsample=0.8, colsample_bytree=0.8)
        model.fit(X.iloc[train_idx], y.iloc[train_idx])
        pred = model.predict(X.iloc[val_idx])
        ic = np.corrcoef(pred, y.iloc[val_idx])[0, 1]
        scores.append(ic)
        models.append(model)
    print(f"IC均值: {np.mean(scores):.4f}")
    return models

评价指标用 IC（信息系数）与 ICIR，而非 MSE。IC 稳定在 0.03 以上就值得进一步验证。

四、组合优化：从信号到持仓

预测值不能直接当仓位。需做横截面排序、行业中性、风险约束与成本控制。

from scipy.optimize import minimize

def optimize_weights(signals: pd.Series, cov: pd.DataFrame,
                     max_weight: float = 0.05) -> pd.Series:
    n = len(signals)
    mu = signals.values
    # 目标：最大化预期收益 - 风险惩罚
    def neg_utility(w):
        return -(mu @ w - 5 * w @ cov.values @ w)

    constraints = [{"type": "eq", "fun": lambda w: w.sum() - 1}]
    bounds = [(0, max_weight)] * n
    w0 = np.ones(n) / n
    res = minimize(neg_utility, w0, bounds=bounds, constraints=constraints)
    return pd.Series(res.x, index=signals.index)

约束包括：单票上限、行业暴露、换手率惩罚。真实交易还要考虑冲击成本与最小交易单位。

五、回测与归因：避免自欺欺人

回测必须模拟真实约束：T+1、涨跌停、手续费、滑点。

def backtest(df: pd.DataFrame, signals: pd.Series,
             cost: float = 0.0015) -> pd.Series:
    weights = signals.groupby("date").apply(
        lambda s: s / s.abs().sum()).unstack().fillna(0)
    returns = df.pivot(index="date", columns="symbol", values="ret_fwd").fillna(0)
    turnover = weights.diff().abs().sum(axis=1).fillna(0)
    gross = (weights.shift(1) * returns).sum(axis=1)
    net = gross - turnover * cost
    return net.cumsum()

关键指标：年化收益、夏普、最大回撤、换手率、容量估计。若扣费后夏普低于 1，策略不具备实盘价值。

六、生产化要点

防未来函数：所有因子只能用 t 时刻及之前数据，标签对齐未来收益。
滚动训练：定期用最新数据重训，监控因子衰减与 IC 漂移。
风控前置：仓位上限、行业中性、止损、流动性过滤，写死在流程里。
可复现：数据版本、模型版本、参数全部记录，支持回滚。
实盘验证：先模拟盘，再小资金，逐步放大，监控实盘与回测偏差。

总结：AI 量化的核心竞争力不在模型复杂度，而在数据质量、因子逻辑、验证严谨与风控执行。代码只是载体，纪律才是护城河。

原创声明：本文系作者授权腾讯云开发者社区发表，未经许可，不得转载。

如有侵权，请联系 cloudcommunity@tencent.com 删除。

量化