阶段5因子检验方法●●●●●

分层回测：平均值会说谎，单调性不会

我的掌握程度：

q-431精讲

先掌握这个答案

分层回测（Quantile Backtest）：每个调仓日按因子值把股票池分成5或10组（Q1最高…Q10最低），各组内等权持有至下次调仓，累计各组净值。判读三看：①单调性：Q1到Q10的年化收益应基本递减（爬楼梯）——多头组(Q1)与空头组(Q10)的差距即因子多空收益；②多头组质量：A股看Q1相对基准的超额（能落地的那部分，q-434）；③组间分离度：相邻组差距稳定>换手成本。多空净值差曲线单调向上=因子「全程有效」的直观证据。

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

每一笔收益都要有可执行时间线

打印数据截止时间、信号时间、订单时间、成交时间和持仓收益区间。收盘信号不能乘当天完整收益；次日开盘成交也不能无条件拿到整个close-to-close收益。用原始价格判断可成交性，并纳入停牌与涨跌停。

本阶段实战方法 · 让一个因子经历完整的样本外检验

从一个投资直觉构造信号时，先验证预测关系，再验证能否交易。

写出经济假设、股票池、因子方向、可用时点、持有期和评价指标；用历史成分与退市样本。
在每个时点用可得数据计算因子，检验截面IC、分层收益、换手和行业市值暴露。
锁定参数做样本外验证，扣除成本并做不同市场阶段与参数敏感性分析。

使用边界

IC没有通用合格线；股票池、频率、持有期与成本不同，数值不可直接横比。
多空分组收益不是个人可直接实现的收益，还要考虑融券、对冲与资金约束。

不懂的术语：股票（Stock）多头 / 空头（Long / Short）年化收益（Annualized Return）因子（Factor）质量 / 成长（Quality / Growth）分层回测（Quantile Backtest / Layered Test）回测（Backtest）基准（Benchmark）

背景 · 从一个困惑说起

IC告诉你「因子与收益相关」，但相关可能来自极端的少数股票（比如因子最末10%的股票暴跌拉高了相关系数）——这样的因子只对做空那10%有用，做多端毫无价值。A股不能方便做空，你真正要问的是：因子值从高到低分组，收益是不是「爬楼梯」式递减？

由此产生的问题

分层回测的标准流程是什么？「单调性」怎么判读？分层图比IC多告诉你什么？

核心概念

为什么需要它

①暴露非线性：IC只测线性相关；分层能发现「只有头部有效」「只有尾部失效」「中间乱序」等结构性信息——直接指导组合构建（只做Top组还是剔除Bottom）；②落地视角：产品只能买多头，Q1超额才是可兑现收益；③行业标配：研报的因子检验图永远是「左IC右分层」双图——你以后也要这么汇报。

实际应用场景

实现要点：分组用每日横截面rank（pd.qcut或rank分桶）；组内等权收益=组内成员次日收益均值；净值连乘；全程考虑防前视（因子t、收益t+1）与成本。

与之前知识的联系

q-426的IC是第一层滤网（快筛），本题是第二层（结构）；两者结论背离时（IC好但不单调）信分层——它更接近实盘的可实现结构。q-456的中性化诊断（前后分层对比）依赖本题作为测量仪。

⚠ 常见误解

多空曲线漂亮就能落地：A股空头难（q-027），落地的是Q1超额；多空好+多头平的因子多在「垃圾组贡献」，慎用
分层数越多越好：10组常见、20组后单组股票太少噪声激增；分层数要在「分辨率」与「稳定性」间取舍
分层单调=因果：仍是统计相关；配合经济逻辑（q-444的讲故事）与样本外检验才能升格为可用因子

🤖 AI导师

导师会先检查你的前置知识（IC、等权组合、累计净值），再用案例、公式和代码帮助理解。此功能需要先启用服务。