选股公式的构建并非简单地把几个指标拼在一起，而是一个从逻辑假设、因子筛选、回测验证到实盘监控的完整闭环。一个可靠的选股公式，核心在于其背后的投资逻辑能否经得起不同市场环境的检验，而非依赖某个神奇的参数组合。不存在普适所有行情且永远有效的固定公式，任何策略都会经历适应与失效的周期。
构建公式的基本构成与常用因子
一个完整的选股公式通常包含三个层次：选股池（域）、打分或排序模型和交易规则（进出场与仓位）。选股池先划定范围（如剔除ST、次新股），打分模型对池内股票按因子排序，交易规则则决定何时买入、卖出。
常用因子大致分为几类：
- 估值因子：市盈率、市净率、股息率等，用于衡量价格相对价值的便宜程度。
- 成长因子：营收增速、净利润增速等，捕捉企业扩张能力。
- 质量因子：净资产收益率、毛利率、经营现金流等，反映盈利的真实性与稳定性。
- 动量与反转因子：过去一段时间涨幅或跌幅，捕捉市场趋势或超跌反弹机会。
- 量价因子：换手率、成交量变化等，反映资金关注度与筹码结构。
构建时应注意因子之间的相关性，如果同时纳入高度相关的因子（如市盈率与市净率），相当于重复计权，容易放大单一风险。建议先对因子做相关性检验，再决定保留或合成。
回测框架搭建与过拟合防范
回测的核心目的是验证策略在历史数据上是否有效，但回测结果优异不代表实盘能赚钱。搭建回测框架时，至少需要明确：数据频率（日线或分钟线）、手续费与滑点成本、涨跌停无法成交的约束，以及对比基准（如沪深300指数）。
评价策略优劣，不能只看总收益率，应综合关注：
- 年化收益率与最大回撤：回撤反映极端情况下的亏损幅度，比收益更重要。
- 夏普比率：衡量每承担一单位风险能获得多少超额回报。
- 胜率与盈亏比：胜率高但盈亏比低，长期也可能亏损。
- 换手率与交易成本：高频换手会侵蚀大量利润。
过拟合是选股公式构建中最常见的陷阱。它表现为策略在历史数据上完美，但在样本外数据或实盘中迅速失效。识别过拟合的信号包括：参数微小变动导致业绩剧烈波动、策略逻辑复杂到无法用常识解释、在多个不同时间段表现差异悬殊。防范过拟合的方法包括：
- 参数敏感性分析：测试参数在一定区间内变化时，策略表现是否稳定。
- 样本外测试：将数据分为训练段与验证段，用训练段定参，验证段检验。
- 减少参数数量：参数越多，越容易拟合历史噪音。
- 逻辑优先于数据：因子必须要有经济或行为学上的解释，纯数据挖掘出的规律往往不可持续。
从回测到实战验证的注意事项
回测通过后，直接投入实盘仍有很大风险。实盘与回测之间存在明显的执行差距，主要体现在：回测假设能以理想价格成交，而实盘面临冲击成本；历史数据中的规律可能因市场结构变化（如注册制改革、量化资金占比提升）而失效。
实盘验证建议采用小资金、长周期、慢迭代的方式。先用少量资金运行一个完整市场周期（至少包含一次明显的上涨与下跌），观察策略在极端行情下的实际表现。同时，应建立策略失效的预警机制，例如设定连续回撤阈值或超额收益持续为负的观察期，一旦触发，需要重新审视原逻辑是否仍然成立。
任何策略都有生命周期，市场参与者的结构、政策环境与宏观背景的变化，都会让曾经有效的因子变得平庸。实战中的核心能力，不是找到一个永远有效的公式，而是建立一套能够识别策略何时失效、并快速调整或停止的纪律体系。
常见问题
选股公式需要多少只股票构成组合才合适？
没有固定数量，取决于策略逻辑与资金规模。分散度越高，单只股票暴雷的影响越小，但过度分散会摊薄收益。一般建议至少持有10至20只股票以平滑个股风险，但若策略本身是集中投资逻辑，持有5只以内也属合理。关键是确保单只股票的权重风险在可承受范围内。
回测中的年化收益率达到多少算合格？
不存在统一的合格标准，需要与基准和风险水平对比。一个年化收益率很高但最大回撤超过50%的策略，实际体验可能很差。更合理的衡量方式是看夏普比率与超额收益：跑赢基准且回撤可控的策略，比单纯高收益更有实战价值。同时应关注收益来源是否集中在某一段特定行情。
如何判断一个选股因子是否已经失效？
观察其在一段滚动周期内的超额收益贡献是否持续衰减。可以定期（如每季度）计算因子在最近一段时间内的区分度，例如高因子值与低因子值的股票组合收益差。若该差值长期收窄甚至反转，说明因子可能已被市场充分定价。此外，若策略实盘连续数月跑输基准且回撤超出历史同期水平，也应启动因子失效的排查流程。