量化选股的核心逻辑，是用数学模型和程序化规则代替人工判断，从全市场股票中筛选出符合特定标准的标的。与主观选股依赖调研、经验和直觉不同，量化选股把投资逻辑转化为可计算、可回测的因子或算法，追求的是系统性、纪律性和可复制性。其核心流程通常包括：提出假设（如低估值股票长期跑赢）、构建因子、回测验证、组合优化与持续监控。

多因子模型：量化选股的基石

多因子模型是目前应用最广泛的量化选股方法，其基本逻辑是找出能解释股票收益差异的共同特征（因子），并按因子打分排序选股。常见的因子类型包括：

  • 价值因子：市盈率、市净率等，偏好相对便宜的股票
  • 质量因子：净资产收益率、毛利率、资产负债率等，衡量公司盈利质量与财务健康度
  • 动量因子：过去一段时间的涨幅，认为强者恒强
  • 反转因子：与动量相反，认为短期超跌或超涨的股票会向均值回归
  • 规模因子：市值大小，历史上小市值股票在部分市场有超额收益

构建模型时，各因子会按一定权重合成综合得分。权重设定没有普适最优值，通常依赖模型开发者的研究假设、市场阶段和回测结果反复调整。需要明确的是，因子在不同市场环境下的有效性会轮动，不存在长期恒定有效的固定组合。

经典策略原理与模型的局限

除多因子模型外，量化选股还常见动量策略（买入近期强势股并持有）、反转策略（买入近期弱势股博取反弹）以及统计套利（利用价格偏离均值的机会）。这些策略的原理都源于市场并非完全有效，历史规律在特定条件下可能重现。

量化选股最大的风险在于过拟合——模型在历史数据上表现完美，但换到未来数据就失效。判断一个模型是否可靠，重点看：样本外测试表现是否稳定、参数变化是否敏感、策略逻辑是否有经济学解释支撑。此外，市场结构变化（如交易规则调整）、因子拥挤（大量资金同向交易）都会导致策略失效，因此模型需要定期检视与迭代，而非一劳永逸。对于普通投资者，量化选股的门槛在于数据获取、编程能力和风控意识，这也是专业机构相对个人投资者的主要优势。

常见问题

量化选股适合普通投资者吗？

适合，但有前提。市面上已有量化基金、指数增强型产品可供间接参与，个人直接搭建模型则需要编程、统计和数据处理能力，且实盘与回测差异较大，建议从模拟盘或小资金开始验证。

多因子模型中因子的数量是不是越多越好？

不是。因子过多容易导致过拟合，且因子之间可能高度相关，带来冗余。实践中更看重因子的逻辑清晰度、彼此间的低相关性以及长期稳定性，而非单纯追求数量。

如何判断一个量化选股模型是否已经失效？

观察实盘表现与回测预期的偏离程度，并关注超额收益是否持续萎缩。同时检查市场环境是否发生结构性变化（如风格切换、流动性收紧），若模型逻辑的前提条件不再成立，就需要调整因子或权重。