从零开始编写适合自己的多因子选股公式，核心在于将基本面财务筛选与量化投资理念结合。首先明确投资目标，选择ROE（净资产收益率）、毛利率和估值等能解释超额收益的底层驱动因子；其次获取准确的量价与财务数据，对单因子进行有效性测试并分配权重；最后通过历史数据回测验证策略，避免过度优化参数带来的过拟合陷阱，从而构建出逻辑清晰、稳定可靠的选股模型。
构建选股公式的底层逻辑与数据准备
多因子选股的本质是寻找影响股价上涨的核心驱动力。在构建公式前，需要建立基本面分析框架，并获取可靠的基础数据。
构建步骤：
- 设定投资逻辑：明确公式是偏向价值投资、成长潜力还是质量优先。
- 基础数据获取：通常可通过公开交易软件导出或使用专业数据接口获取。
- 单因子有效性测试：例如，将全市场股票按ROE从高到低排序，观察排名靠前的股票组合在未来一段时期内是否跑赢基准指数。
在编写公式时，逻辑的合理性比参数的复杂度更重要。建议普通投资者从少量的核心因子开始，逐步扩展，确保每添加一个新因子都能带来额外的信息增量。
核心财务因子搭配：毛利率、ROE与估值
一套优秀的选股公式需要兼顾企业的盈利能力与买入价格。通常采用“质量+成长+价值”的因子组合进行财务筛选。
| 因子类别 | 核心指标 | 筛选逻辑与作用 |
|---|---|---|
| 盈利质量 | 毛利率 | 反映企业产品的核心竞争力与定价权，通常要求长期稳定或持续提升。 |
| 盈利能力 | ROE | 衡量企业利用股东资金创造利润的效率，是核心财务筛选指标，通常偏好连续保持较高水平的公司。 |
| 估值水平 | PE（市盈率）或 PB（市净率） | 衡量买入价格的安全边际。估值过高可能透支未来业绩，需结合增速综合考量。 |
在实际搭配中，高ROE结合合理估值往往能带来稳健的超额收益。可以将这些指标通过赋予权重的方式转化为具体的选股公式综合得分。
如何通过回测避免过拟合陷阱并优化参数
回测是验证多因子选股公式有效性的关键步骤，但也是最容易出错的地方。过拟合是指公式在历史数据表现极佳，但在未来实际交易中失效。
避免过拟合的常见原则：
- 样本外测试：将历史数据分为两段，一段用于参数优化，另一段用于验证最终效果。
- 参数鲁棒性（Robustness）：如果参数稍微变动（例如将ROE门槛从15%调整为14%），策略收益就大幅下滑，说明公式过度依赖特定参数，需重新构建。
- 加入交易成本：在回测中模拟滑点与佣金，避免得出不切实际的收益结论。
请注意，各项指标的具体门槛与适用范围应以最新市场环境及基金合同、交易所规则为准。
常见问题
新手做量化投资应该从哪些因子开始？
新手应从最易懂、逻辑最顺的单因子开始，如估值（PE）、盈利能力（ROE）或换手率。不要一上来就堆砌复杂数学公式，理解因子背后的经济学意义是成功的前提。
为什么我的选股公式历史回测收益很高，实盘却亏钱？
这通常是因为陷入了过拟合陷阱。如果在回测中为了迎合特定历史行情而过度调整参数，公式就会失去对未来未知行情的适应性，导致实盘失效。
多因子选股公式多久需要调整一次参数？
成熟的选股模型通常不需要频繁调参。如果核心投资逻辑未变，建议以中长期视角看待策略表现。当宏观经济环境发生重大变化时，才考虑重新评估因子权重。
总结
编写多因子选股公式是一个循序渐进的过程。从确立基本面投资逻辑出发，科学组合毛利率、ROE与估值等核心财务因子，并通过严格的样本外回测防范过拟合。坚持逻辑驱动而非数据挖掘，才能在量化投资中走得更远。