Python量化选股：如何通过因子模型筛选股票池？

在现代金融投资中，量化选股已成为主流策略之一。与传统的主观判断不同，量化选股依赖于数据和数学模型来选择具有潜在超额收益的股票。其中，因子模型（Factor Model） 是最常用的方法之一。本文将介绍如何使用 Python 搭建一个基于因子模型的量化选股系统，并实现从海量股票中筛选出优质股票池。

一、什么是因子模型？

因子模型是一种通过分析影响股票收益率的多个因子（变量），来预测未来股票表现的方法。其基本思想是：某些特定因素对股票价格变动具有显著影响，例如市盈率（PE）、市值（Market Cap）、动量（Momentum）等。

常见的因子包括：

估值类因子：如市盈率（PE）、市净率（PB）、市销率（PS） 成长类因子：如营收增长率、净利润增长率 质量类因子：如ROE（净资产收益率）、毛利率、负债率 动量类因子：如过去60日涨幅、换手率 规模类因子：总市值、流通市值

这些因子可以组合起来构建一个多因子模型，用于评估每只股票的投资价值。

二、因子模型选股的基本流程

数据获取 因子选取与处理 因子标准化与去极值 因子权重确定 综合得分计算 排序并筛选股票池

我们将使用 Python 来逐步实现上述流程。

三、Python 实现多因子选股模型

1. 数据获取

我们可以使用 Tushare 或 akshare 等库获取 A 股市场数据。

import tushare as ts import pandas as pd # 初始化 Tushare 接口 ts.set_token(‘你的token’) pro = ts.pro_api() # 获取股票基本信息 stock_basic = pro.query(‘stock_basic’, exchange=”, list_status=’L’) # 获取财务数据 def get_financial_data(ts_code): df = pro.query(‘fina_indicator’, ts_code=ts_code, limit=1) return df[[‘ts_code’, ‘roa’, ‘grossprofit_margin’, ‘pb’, ‘pe’, ‘total_assets’, ‘revenue_yoy’]] # 获取行情数据 def get_market_data(ts_code): df = ts.pro_bar(ts_code=ts_code, adj=’qfq’, start_date=’20230101′, end_date=’20240101′) if not df.empty: df[‘momentum’] = df[‘close’].pct_change(60).iloc[-1] # 计算60日动量 return df[[‘ts_code’, ‘momentum’]].iloc[[0]] return pd.DataFrame({‘ts_code’: [ts_code], ‘momentum’: [None]})

2. 构建因子表

我们选取以下因子：

PE（市盈率） PB（市净率） ROA（资产回报率） Gross Profit Margin（毛利率） Momentum（动量） Revenue YoY（营收同比增长） factor_list = [] for ts_code in stock_basic[‘ts_code’]: financial_df = get_financial_data(ts_code) market_df = get_market_data(ts_code) combined_df = pd.merge(financial_df, market_df, on=’ts_code’, how=’left’) factor_list.append(combined_df) all_factors = pd.concat(factor_list, ignore_index=True)

3. 因子清洗与处理

我们需要剔除缺失值、异常值，并进行标准化处理。

from sklearn.preprocessing import StandardScaler # 去除空值 all_factors.dropna(inplace=True) # 去极值（winsorize） def winsorize(df, cols): for col in cols: q1 = df[col].quantile(0.01) q99 = df[col].quantile(0.99) df[col] = df[col].clip(q1, q99) return df cols_to_winsorize = [‘pe’, ‘pb’, ‘roa’, ‘grossprofit_margin’, ‘momentum’, ‘revenue_yoy’] all_factors = winsorize(all_factors, cols_to_winsorize) # 标准化 scaler = StandardScaler() scaled_factors = scaler.fit_transform(all_factors[cols_to_winsorize]) all_factors_scaled = pd.DataFrame(scaled_factors, columns=cols_to_winsorize, index=all_factors.index) all_factors.reset_index(drop=True, inplace=True) all_factors_scaled.reset_index(drop=True, inplace=True) final_df = pd.concat([all_factors[[‘ts_code’]], all_factors_scaled], axis=1)

4. 设置因子权重

我们可以采用等权法或根据历史回测结果优化权重。

weights = { ‘pe’: -0.2, # 越低越好 ‘pb’: -0.2, ‘roa’: 0.2, # 越高越好 ‘grossprofit_margin’: 0.2, ‘momentum’: 0.1, ‘revenue_yoy’: 0.1 } # 计算综合得分 final_df[‘score’] = ( final_df[‘pe’] * weights[‘pe’] + final_df[‘pb’] * weights[‘pb’] + final_df[‘roa’] * weights[‘roa’] + final_df[‘grossprofit_margin’] * weights[‘grossprofit_margin’] + final_df[‘momentum’] * weights[‘momentum’] + final_df[‘revenue_yoy’] * weights[‘revenue_yoy’] )

5. 筛选股票池

按综合得分排序，选出前20%的股票作为候选池。

top_stocks = final_df.sort_values(by=’score’, ascending=False).head(int(len(final_df) * 0.2)) print(top_stocks[[‘ts_code’, ‘score’]])

四、因子有效性检验（可选）

为了验证所选因子是否有效，可以做如下分析：

IC值（信息系数）：衡量因子与未来收益的相关性。 分层回测：将股票按因子得分分为几组，观察各组的历史收益差异。 因子间相关性分析：避免因子之间高度相关，导致模型不稳定。 import seaborn as sns import matplotlib.pyplot as plt corr_matrix = final_df[cols_to_winsorize].corr() sns.heatmap(corr_matrix, annot=True, cmap=’coolwarm’) plt.title(“Factor Correlation Matrix”) plt.show()

五、总结与展望

本文介绍了如何使用 Python 构建一个基于多因子模型的量化选股系统。核心步骤包括：

数据获取与清洗； 因子选取与处理； 因子标准化与加权； 综合得分计算； 筛选优质股票池。

该模型可以进一步扩展为自动化交易系统，结合择时策略和风险管理模块，实现完整的量化投资闭环。

在未来的工作中，可以尝试引入机器学习方法（如随机森林、XGBoost）来自动生成因子权重，甚至进行特征工程优化，从而提升选股效果。

六、参考资料

Tushare 官方文档：https://tushare.pro/ 《量化投资：策略与技术》——丁鹏 《多因子选股模型详解》，雪球专栏 Scikit-learn 文档：https://scikit-learn.org/stable/

如果你正在学习量化投资或者希望进入量化交易领域，掌握因子模型是非常重要的一步。希望这篇文章能为你提供清晰的思路和实践指导！