量化选股是用可量化的规则代替主观判断来挑选股票的方法：把上市公司的财务数据、交易数据等转换成可计算的指标（即“因子”），按既定模型给股票打分排序，再据此构建组合。普通投资者可以参与，但参与方式差别很大——买量化公募基金或指数增强产品的门槛很低，自己搭建并运行一套完整策略则对数据、编程和风控能力要求较高，且不保证跑赢市场。
量化选股的基本逻辑与常见因子
量化选股的核心不是预测某只股票明天涨跌，而是寻找一批具有共同特征的股票，期望它们在统计上长期表现相对占优。流程通常包括：确定选股范围、选取因子、检验因子有效性、组合构建与定期调仓。
常见的因子类型包括：
| 因子类型 | 关注的典型指标 | 基本假设 |
|---|---|---|
| 价值 | 市盈率、市净率等估值指标 | 估值偏低的股票长期可能获得溢价 |
| 成长 | 营收、利润增速 | 增长快的公司更容易被市场重估 |
| 动量 | 过去一段时间的价格走势 | 趋势在一定时间内可能延续 |
| 质量 | 盈利能力、现金流、负债水平 | 经营稳健的公司抗风险能力更强 |
多因子模型就是把多个因子加权组合，避免依赖单一指标。因子的有效性会随市场环境变化，不存在长期稳定有效的单一因子。
普通投资者的参与路径与门槛
按参与深度大致可分为三类：
- 间接参与：申购量化公募基金、指数增强基金或量化私募产品。门槛主要取决于产品合同约定的起投金额和合格投资者要求，不需要自己建模。
- 半自主参与：使用券商或第三方平台提供的选股器、因子筛选工具，按自己的条件筛选股票，再自行决策。
- 自主搭建：自行获取数据、编写代码、回测并实盘运行。需要数据处理能力、编程基础，以及对交易成本和滑点的认识。
需要提醒的是，回测结果与实盘表现常有差距，交易费用、冲击成本和容量限制会明显侵蚀策略收益。
量化策略的局限与失效风险
量化方法擅长纪律性和分散化，但也有明显短板。因子拥挤时，同类策略资金集中，收益可能被摊薄；市场风格切换时，原本有效的因子可能长期失效。此外，模型基于历史数据，遇到结构性变化时容易失灵。因此，把量化结果作为参考、与对行业和公司基本面的理解结合，往往比单纯依赖模型更稳妥。
总结
量化选股是一套用规则和统计方法做决策的工具，而非稳赚的方法。普通投资者可以先从量化基金或筛选工具入手，理解因子逻辑后再考虑自主搭建，并始终对策略失效保持警惕。
常见问题
普通投资者不懂编程，能用量化选股吗？
可以。通过量化公募基金、指数增强产品，或券商与第三方平台提供的条件选股工具，不需要编程也能间接使用量化思路。若想自主建模，则需要补充数据分析和编程能力。
量化选股和主观选股哪个更好？
两者各有适用场景。量化胜在纪律性和覆盖面，主观投资在理解行业变化、判断管理层等方面可能更灵活。多数情况下，把量化信号作为筛选和验证工具、再由人做最终判断，是较务实的组合方式。
量化策略会不会突然失效？
有可能。因子拥挤、市场风格切换或宏观环境变化，都可能导致策略阶段性失效。参与前应了解策略逻辑和风险特征，避免把历史回测表现当作未来收益的保证。