我在做量化交易，也自己做因子回测，前前后后试过不少因子，真正能长期用的，其实不多。刚入门的时候很简单：

看别人说动量有效 → 做动量

看研报说低波动好 → 加低波动

结果就是： 回测看着还行，一实盘就不稳定。 后来才明白，因子不是“看起来对”，而是“数据上成立”。 我现在的做法： 流程一直没变：

拉数据

算因子

分组

看未来收益

算 IC

方法很朴素，甚至有点老，但一直够用。 数据 import requests

import pandas as pd

def get_kline(symbol):

    url = "https://api.alltick.co/v1/market/kline"

    params = {

        "symbol": symbol,

        "interval": "1d",

        "apikey": "your_api_key"

    }

    data = requests.get(url, params=params).json()["data"]

    return pd.DataFrame(data)

最简单的因子：动量 def momentum(df, n=20):

    df["ret"] = df["close"].pct_change(n)

    return df

这个东西现在看挺基础的，但不影响用。 回测：分组 + IC def backtest(df):

    df = df.dropna()

    df["rank"] = pd.qcut(df["ret"], 5, labels=False)

    return df.groupby("rank")["close"].pct_change().shift(-1).mean()

def ic(df):

    df["fut"] = df["close"].pct_change().shift(-1)

    return df["ret"].corr(df["fut"])

重点就两个：

高分组是不是更赚钱

IC 是否稳定

一些坑～～～

1. 未来函数：这个很致命，看起来没问题，其实已经作弊了。
2. 过拟合：调参数调到“完美”，换一段时间直接失效。
3. 因子失效：长期是可能有效的，但短期完全不一定。我也经历过刚上线就连续回撤的阶段。如果你正好在因子失效期开始用，很容易直接放弃。