量化选股的基本流程是怎样的？

量化选股的基本流程可以概括为五个环节：明确选股目标与股票池 → 构建并筛选因子 → 清洗数据与检验因子有效性 → 回测验证 → 实盘跟踪与迭代。与依赖调研和判断的主观选股不同，量化选股把选股逻辑写成可计算、可复现的规则，用历史数据检验后再投入实盘。流程本身并不复杂，难点在于每个环节都存在容易失真的细节。

量化选股与主观选股的区别

主观选股依靠对行业、公司和管理的定性判断，决策依据难以完整复现；量化选股则要求把逻辑转化为明确的变量和规则，例如"选取某类财务指标排名靠前、且波动特征符合设定条件的股票"。量化的核心优势是可复现、可批量检验，代价是只能使用能被数据描述的信息。 两者并非对立，不少量化策略的因子灵感仍来自基本面研究。

因子构建与数据清洗

因子是选股规则的量化表达，常见类型包括：

因子筛选通常看两方面：一是逻辑上能否解释收益来源，二是数据上是否具备区分能力。后者需要做有效性检验，同时注意数据清洗——停牌、涨跌停、复权处理、财务数据滞后披露等，都会影响因子取值。财务数据必须按实际披露日使用，而不是报告期，否则会引入未来信息。

回测中的常见偏差

回测是用历史数据模拟策略表现，常见偏差包括：

• 前视偏差：使用了当时尚不可得的信息；
• 幸存者偏差：股票池只保留仍存续的标的；
• 过拟合：反复调整参数直到历史曲线好看；
• 成本低估：忽略冲击成本与流动性约束。

防范思路是尽量还原真实交易约束，并保留样本外检验。回测表现好不等于未来有效，它只是必要而非充分条件。

从回测到实盘

实盘阶段需要关注回测未充分反映的因素：成交价格与滑点、策略容量、因子拥挤度，以及市场风格切换导致的阶段性失效。建议先小规模运行，跟踪实际成交与回测的偏离，再决定是否调整。策略失效往往不是突然发生，而是逐步显现，持续监控比一次性上线更重要。

总结

量化选股是一条"规则化—检验—验证—跟踪"的链条，任何一环失真都会传导到最终结果。理解流程的价值在于知道每个环节可能出什么问题，而不是追求一套通用参数。

常见问题

量化选股需要多少只股票才够分散？

没有普适的固定数量。分散程度取决于因子相关性、股票池范围和策略容量，持仓过于集中会放大个股风险，过于分散则可能摊薄因子效果，通常需要结合自身资金规模与交易成本做权衡。

因子有效性检验主要看什么？

一般关注因子的区分能力、稳定性以及在不同市场环境下的表现是否一致。单一时段表现突出不足以说明问题，更需要观察其逻辑是否成立、是否经得起样本外检验。

普通人可以做量化选股吗？

可以，但门槛主要在数据处理和纪律执行，而非编程本身。若缺乏数据与回测条件，借助公募量化基金等产品间接参与，也是理解量化逻辑的一种方式。