Z-score标准化：让不同量纲的因子说同一种语言
我的掌握程度：
先掌握这个答案
公式：z=(x−μ)/σ。直觉：翻译成「偏离均值几个σ」——z=+2=高两个σ。去极值先行：μ和σ本身被极端值污染——9999的PE把σ拉到几百。流程：Winsorize→z-score。局限：即使去了极值分布仍偏态——Rank彻底消灭形状差异更稳健。
先读结论，再核对下方使用边界；数字例题为教学情景，涉及实际行情与规则时请核对原始来源。
从理解到使用
预处理也是研究的一部分
记录截面日期、股票池、行业版本与缺失规则。用于预测的统计量只能由当时可得样本或训练集估计；标准化不自动消除行业、市值暴露，中性化也不证明剩余信号有Alpha。
本阶段实战方法 · 每个统计量都要带单位和假设
计算收益、波动、回归、显著性或相关性时，先明确样本和推断条件。
- 写清收益频率、样本数、缺失处理、是否含费用；百分数与小数不可混用。
- 手算一组小样本，再用代码复算；区分算术均值年化、复合年化和年化波动。
- 解释假设不成立会发生什么：自相关、肥尾、非平稳与多次试验都会影响结论。
使用边界
- p值不是原假设为真的概率，也不是策略未来盈利概率。
- 日波动×√252依赖时间聚合假设；252是教学常用交易日数，实际市场与口径可能不同。
不懂的术语：因子（Factor）
背景 · 从一个困惑说起
PE的均值是20、换手率的均值是3%——量纲完全不同怎么比较/加权？Z-score把一切变成「离均值几个标准差」——负1.5=比平均低1.5个σ——不管原始量纲。
由此产生的问题
Z-score的公式与直觉？去极值与标准化的顺序？Z-score的局限（对极端值敏感→Rank替代）？
核心概念
公式：z=(x−μ)/σ。直觉：翻译成「偏离均值几个σ」——z=+2=高两个σ。去极值先行：μ和σ本身被极端值污染——9999的PE把σ拉到几百。流程：Winsorize→z-score。局限：即使去了极值分布仍偏态——Rank彻底消灭形状差异更稳健。
为什么需要它
①多因子合成的第一步：没有标准化——不同量纲因子没法加权；②回归的数值健康：标准化后系数即「重要性」；③与Rank的分工：z保留幅度（回归/ML）、rank只留顺序（IC/分层）——场景分工非竞争。
实际应用场景
一日横截面标准化：z=(factor−mean)/std——pandas一行；μ/σ是当日横截面的（不是全时序——否则前视）。
与之前知识的联系
q-237（分位数）→本题（μ/σ标准化——需先去极值）→q-240（Rank替代）。与q-347（阶段4三件套）衔接。
⚠ 常见误解
- Z-score后数据变正态：只改了均值方差——形状不变
- 标准化用全样本μ/σ：前视！必须每日横截面分别算
- Z-score和Rank完全等价：z保留幅度、rank只留顺序——信息损失是rank的代价
- 所有变量都需要标准化：同量纲的变量间标准化是多余的
🛠 本题实践任务
对你的两个不同量纲因子做Winsorize+Z-score——验证标准化后μ≈0、σ≈1。合成信号分布还偏吗？
💡 提示（先自己想5分钟再看）
先去极值再标准化；合成信号应比原始更对称。
✅ 验收标准
两个标准化后分布+合成信号。你的因子预处理流水线第二步就位。
在你的浏览器内运行。首次需联网下载 Python；支持标准库和 Pyodide 提供的 NumPy、pandas 等包。行情抓取、系统文件访问和部分第三方库请在本地环境运行。输出自检仅比对结果关键词，不代替逻辑审查。
Python · 独立工作线程 · 执行限时10秒
🤖 AI导师
导师会先检查你的前置知识（均值与标准差、分位数），再用案例、公式和代码帮助理解。此功能需要先启用服务。