本篇开始，借鉴最近看到的量化社区的[量化课堂-因子研究系列](https://www.joinquant.com/view/community/detail/5e51216da634147ae4171c1513fb2c7e)文章结构，采用【导语+系列链接】的形式，提升知识的体系性和延续性。 导语：延续【基础知识+实践结果】的形式，本文首先在知识层面回答一个“有哪些指标“的问题，帮助大家在选择指标时有一个体系化的认知；其次分享一个学习各位大神代码之后总结的代码框架，以帮助大家更好更快速的上手回测体系；最后在实践层面延续系列第二篇文章，结合wy大神的思路在此前基础上加上PEG指标，并对结果进行相应的分析。 本文是一系列因子研究中的第三篇文章。本系列的文章有： 1、[量化初学学习笔记——小市值策略](https://www.joinquant.com/view/community/detail/20f13b0e198c18852d9b511bd3065dca)：简单分享初步写第一个策略的感受 2、[量化初学学习笔记——低价小市值策略](https://www.joinquant.com/view/community/detail/df679e83692e1cf322cae71ea9bb231a)：意识到体系化知识对策略优化的意义，确立【基础知识+实践结果】的分享形式，并分享了策略大致分类的总结与加入低股价条件后策略的优化结果 3、量化初学学习笔记——PEG低价小市值策略：一方面继续知识体系构建，分享一下因子分类和代码框架，另一方面结合大神的研究和宽友的指点，展示一下实际的策略优化效果，并加上分析思路 ## 基础知识 > 这么多因子，到底分哪几类？我该如何选？ 首先感谢聚宽提供了丰富的因子库让宽客们可以省去因子构造时间，专心于挖掘因子的价值、构造效果更优的模型。但是面对这么多因子，他们到底谁是谁，谁是哪家的？ 这里参考Alpha191中引用的研报，从大类上分，按照因子是否对绝大多数股票价格波动都有影响，将因子分为风格因子和特质因子 风格因子（Style Factors）：指影响证券表现的共同特征；这个里面又分成不同的子类，比如 1、基本面因子（Fundamental Factors）： - 估值因子（Valuation Factors）：市盈率（P/E）、市净率（P/B）等。 - 盈利能力因子（Profitability Factors）：净利润率、毛利润率、营业利润率等。 - 成长因子（Growth Factors）：营收增长率、盈利增长率、每股收益增长率等。 - 质量因子（Quality Factors）：资产负债表因子、盈利质量因子等。 2、技术因子（Technical Factors）： - 价格趋势因子（Price Trend Factors）：移动平均线、相对强度指数（RSI）等。 - 交易量因子（Volume Factors）：成交量的变化和波动等。 3、市场因子（Market Factors）： - 市场风险因子（Market Risk Factors）：市场收益率、市场波动率等。 - 行业因子（Industry Factors）：特定行业的整体表现。 4、情绪因子（Sentiment Factors）： - 投资者情绪因子（Investor Sentiment Factors）：舆论分析、新闻情绪等。 5、宏观经济因子（Macroeconomic Factors）： - 利率因子（Interest Rate Factors）：短期和长期利率的变动。 - 通货膨胀因子（Inflation Factors）：通货膨胀对股票的影响。 另一大类是特质因子（Specific Factors）：指影响个别证券的因素，比如 1、公司特质因子（Company-Specific Factors）： - 内部经营状况（Internal Operations）：管理层质量、公司治理等。 - 行业地位（Industry Position）：市场份额、竞争力等。 有了这个分类，才能在选择因子的过程中有一个更概括的底层思考，比如我是要针对大的股票池构建一个长期有效的策略，那我首先考虑拿风格因子，其次应该拿一些逻辑更强的基本面因子作为基础，然后添加一些技术因子作为择时、止盈止损的细节优化。有了这样的思考，然后再去一步步的构造自己的策略会让思路更加清晰。 > 我有了一个策略，那我该如何着手完成一个整体框架呢 关于这个问题，平台的教程[量化交易策略基本框架](https://www.joinquant.com/view/community/detail/7fe7e01ebbe6082101b4c57a4daaac57)已经有了一个很好的引入，我就结合在社区里学习的wy大神的代码，总结了一套代码框架  代码基本上分成六大模块，其中初始化、过滤、交易和复盘模块为比较基本和固定的操作，策略的核心思想就在这个选股模块中得以体现，而操作模块更体现策略的工程化实现思路，也是很重要的部分。 有了这个思路，我每次写代码的时候都是先把内容往这六个模块上靠，充实好每个模块的内容后再做代码实现，这样效率会提高不少 ## 策略实践 结果还没出来，先分享一下思路，学习初期，更多是有思考和借鉴别人的——先学，再创新嘛： - 看了一下之前结果的回撤，发现2022和2023年都发生在4月份，并且在社区中发现了这篇宝藏分析[小市值四月持仓/空仓收益对比](https://www.joinquant.com/view/community/detail/c7f8759da28a57dbe2c953500325f477#327581)，复现一下策略 - 看了wy大神的[PEG+EBIT对小市值因子的优化](https://www.joinquant.com/view/community/detail/00c02003540f63f1f11a73b743590495)，尝试复现一下加入PEG，看看是否有优化； 关于这两个优化的结果： - **4月空仓** 4月空仓：  4月持仓：  相比之下，由于避开了4月的一波大幅度回撤，策略有了一定程度的提升。而如果拉长到2022年，会发现策略的效果尤其的好  这当然是因为引入了未来函数的结果：提前知道什么时候亏钱而平仓，这和总是买第二天会涨停的标的属于换汤不换药。结合分析引用文章的结果，长期来看四月空仓和持仓的收益并没有太大区别。 这个优化的重点在于： 1、实践一下如果通过研究回撤结果探索优化策略的思路； 2、长期来看4月均值回归，但是为什么会出现连续几年的亏损和上涨？背后的逻辑探索会为提升策略的使用提供参考，那回顾本系列的第二期，这一步达到策略的高阶阶段，即什么时候用这个策略。这里体现了知识体系化与实践相结合的意义 而回到策略本身，4月的表现起伏有以下几个可能原因： 1、1-4月是上市公司发布年报的时候，所以这期间如果大市值公司的表现好，则可能带来资金向大盘股转移，小市值策略的短期失效。这个点可以启发后续对大盘股策略、大小盘轮动策略的学习和应用 2、如果深挖到持仓详情，可能小市值企业所在行业恰好疲软、或者交易者情绪波动等都会影响策略效果。但是这种因素就太多太杂，暂时还没有想好。希望评论区有大佬指点迷津。 - **PEG** 随着代码逻辑的复杂程度增高，越来越觉得之前拼拼凑凑的框架很乱（因为懒）；所以这次按照上面提到的框架进行了严格的整理，真的对debug很有帮助，并且能把思路更严谨的映射到代码上，对于反过来优化策略也有帮助。 言归正传，加上PEG因子，效果居然显著下降（以下图2），这部分在检查过原理和代码后发现，这里对PEG进行升序排列，但是由于忽略了应该首先排除PE和增长率均为负的标的，导致选出来的标的本身的成长潜力并不如人意；因此加上此约束之后，可以看到有一定的恢复（以下图3），并且稳定优于策略，且在4月之前优于未添加PEG的策略。但是未解决回撤的问题，所以整体效果依然不好。可能是PEG与低价、小市值所蕴含的信息有所冲突，且可能PEG所蕴含的成长潜力信息更需要长期的验证。就此回测结果来看，暂时并不适合用于实盘。 4月空仓：  4月空仓+PEG（未剔除负增长标的）：  4月空仓+PEG（剔除负增长标的）：  以上的优化： 一方面是对于基础策略在「进阶」阶段丰富选股因子，但是明显可见效果不如人意，原因一是新增因子本身的效果不佳，二是新增因子与原有因子包含的信息重复。因此后面对于因子的组合、各因子的作用需要有更深入的学习和汇总，并朝着“稳定超额+低回撤”的方向进行尝试 另一方面则已经是「高阶」阶段的尝试，加入一些简单的择时条件，尽管有一些事后诸葛亮的思维，但是也是一个不错的尝试；更启发后面对择时因子的使用