因子投资-实验08-完整A股因子研究报告

QUANT RESEARCH NOTE / LAB 08

用公开在文内的 6 股票、5 月末小样本完成一份最小研究报告：研究问题、字段字典、历史股票池、EP 信号、未来收益、IC、三分组 H-L、成本、子样本、失败条件和三态结论。它是工程模板，不是 A 股实证结论。

类型动手实验

模块研究实验

阅读约 13 分钟

材料9 节 · 2 段代码

问题

用公开在文内的 6 股票、5 月末小样本完成一份最小研究报告：研究问题、字段字典、历史股票池、EP 信号、未来收益、IC、三分组 H-L、成本、子样本、失败条件和三态结论。它是工程模板，不是 A 股实证结论。

研究问题：形成日已公告的 EP 越高，下一月收益是否更高，扣除保守线性成本后是否仍成立？

输入数据

真实数据接口固定如下，后续可替换数据源但不得改变字段含义：

PYTHON 可复现实验

# kb-skip
prices = pd.DataFrame(columns=["date", "asset", "close", "adj_factor", "volume", "amount"])
fundamentals = pd.DataFrame(columns=["report_period", "announce_date", "asset", "ep", "roe", "asset_growth"])
universe = pd.DataFrame(columns=["date", "asset", "eligible", "industry", "market_cap"])

字段字典：close 为未复权元/股，adj_factor 为复权因子，volume 为股，amount 为元；announce_date 是首次公告日；EP、ROE、资产增长均为小数；eligible 是当日研究股票池；market_cap 为形成日元。

逐步实现

1. 生成点时三表并检查唯一键。
2. 用复权价计算下一月简单收益。
3. 只连接 announce_date≤signal_date 的最新财报。
4. 在历史 eligible 股票池内按 EP 三分组。
5. 每月计算 Spearman IC 与 High-Low。
6. 从毛 H-L 扣保守固定线性成本。
7. 比较前后两个子样本。
8. 按预注册规则输出“因子支持、证伪或证据不足”。

完整代码

PYTHON 可复现实验

import numpy as np
import pandas as pd

prices = pd.DataFrame(columns=["date", "asset", "close", "adj_factor", "volume", "amount"])
fundamentals = pd.DataFrame(columns=["report_period", "announce_date", "asset", "ep", "roe", "asset_growth"])
universe = pd.DataFrame(columns=["date", "asset", "eligible", "industry", "market_cap"])

assets = list("ABCDEF")
dates = pd.date_range("2026-01-31", periods=5, freq="ME")
ep_values = np.array([0.03, 0.04, 0.05, 0.06, 0.07, 0.08])

fundamentals = pd.DataFrame({
    "report_period": pd.to_datetime(["2025-12-31"] * 6),
    "announce_date": pd.to_datetime(["2026-01-15"] * 6),
    "asset": assets,
    "ep": ep_values,
    "roe": [0.08, 0.10, 0.12, 0.09, 0.15, 0.18],
    "asset_growth": [0.10, 0.08, 0.06, 0.12, 0.04, 0.02],
})

universe_rows = []
for date in dates[:-1]:
    for i, asset in enumerate(assets):
        universe_rows.append({
            "date": date,
            "asset": asset,
            "eligible": True,
            "industry": "X" if i < 3 else "Y",
            "market_cap": (100 + 20 * i) * 1_000_000,
        })
universe = pd.DataFrame(universe_rows, columns=universe.columns)

z_ep = (ep_values - ep_values.mean()) / ep_values.std(ddof=0)
close = np.repeat(100.0, 6)
price_rows = []
for t, date in enumerate(dates):
    for i, asset in enumerate(assets):
        price_rows.append({
            "date": date,
            "asset": asset,
            "close": close[i],
            "adj_factor": 1.0,
            "volume": 1_000_000 + 10_000 * i,
            "amount": close[i] * (1_000_000 + 10_000 * i),
        })
    if t < len(dates) - 1:
        next_return = 0.002 + 0.006 * z_ep + 0.001 * np.sin(t + np.arange(6))
        close = close * (1 + next_return)
prices = pd.DataFrame(price_rows, columns=prices.columns)

assert not prices.duplicated(["date", "asset"]).any()
assert not fundamentals.duplicated(["report_period", "announce_date", "asset"]).any()
assert not universe.duplicated(["date", "asset"]).any()

prices["adjusted"] = prices["close"] * prices["adj_factor"]
prices = prices.sort_values(["asset", "date"])
prices["next_return"] = prices.groupby("asset")["adjusted"].pct_change()
prices["signal_date"] = prices.groupby("asset")["date"].shift(1)
returns = prices.dropna(subset=["signal_date"]).rename(columns={"date": "return_date"})

panel = universe.rename(columns={"date": "signal_date"})
panel = panel.loc[panel["eligible"]].merge(
    returns[["signal_date", "return_date", "asset", "next_return"]],
    on=["signal_date", "asset"],
    validate="one_to_one",
)
panel = panel.merge(fundamentals, on="asset", validate="many_to_one")
panel = panel.loc[panel["announce_date"] <= panel["signal_date"]].copy()

assert (panel["announce_date"] <= panel["signal_date"]).all()
assert (panel["return_date"] > panel["signal_date"]).all()

panel["group"] = panel.groupby("signal_date")["ep"].transform(
    lambda x: pd.qcut(x.rank(method="first"), 3, labels=False)
)
ic = panel.groupby("signal_date").apply(
    lambda x: x["ep"].corr(x["next_return"], method="spearman"),
    include_groups=False,
)
group_return = panel.groupby(
    ["signal_date", "group"], observed=True
)["next_return"].mean().unstack()
gross_hl = group_return[2] - group_return[0]

cost = pd.Series(0.0005, index=gross_hl.index)
net_hl = gross_hl - cost
assert (net_hl <= gross_hl + 1e-12).all()

split = len(net_hl) // 2
subsamples = {
    "first_half": float(net_hl.iloc[:split].mean()),
    "second_half": float(net_hl.iloc[split:].mean()),
}
mean_ic = float(ic.mean())
mean_net = float(net_hl.mean())
if mean_ic > 0 and mean_net > 0 and min(subsamples.values()) > 0:
    conclusion = "因子支持"
elif mean_ic <= 0 and mean_net <= 0:
    conclusion = "因子证伪"
else:
    conclusion = "证据不足"

report = {
    "question": "点时 EP 是否正向预测下一月净收益",
    "rows": len(panel),
    "coverage": len(panel) / len(universe),
    "mean_rank_ic": mean_ic,
    "mean_gross_hl": float(gross_hl.mean()),
    "mean_net_hl": mean_net,
    "subsamples": subsamples,
    "failure_conditions": [
        "公告时点不合格",
        "任一子样本净收益非正",
        "成本或微盘排除后结论消失",
    ],
    "conclusion": conclusion,
}
print(report)

预期输出

唯一键、公告时点、收益滞后、净收益≤毛收益四组断言通过。人工数据把较高 EP 与较高未来收益关联，因此通常输出“因子支持”。这只说明报告管线能识别嵌入关系；把生成系数改为零或负时，结论必须能变为“证据不足”或“因子证伪”。

断言

1. prices 的 date、asset，fundamentals 的报告/公告/asset，universe 的 date、asset 唯一。
2. 所用公告不晚于 signal_date。
3. return_date 严格晚于 signal_date。
4. 每月净 H-L 不高于毛 H-L。

真实报告还要检查历史 ST/停牌/涨跌停、退市收益、复权事件、组非空、权重、换手、成本和容量。

结果解释

报告同时保留问题、行数、覆盖、IC、毛/净收益、子样本、失败条件和结论。任何一个数字都不能单独证明因子。三态结论避免“没有显著支持”被误写成“证明无效”，也避免教学代码预设成功。

真实数据替换时，fundamentals 必须保留多公告版本并做 as-of 选择；本小样本每只股票只有一个已公告版本，所以 many_to_one 足够。

常见故障

• pct_change 排序不按 asset、date。
• shift 方向反了，使收益早于信号。
• merge 后重复行扩大样本。
• 财报直接按报告期连接。
• 只报告毛收益和全样本。
• 结论逻辑硬编码为成功。
• 字段单位和供应商版本未记录。

练习

1. 将 EP 生成系数设为零和负，验证三态结论。
2. 加入第二版财报并实现 announce_date as-of。
3. 排除最小 30% 市值，复现 CH-3 风格股票池。
4. 用真实历史制度表加入 ST、停牌和涨跌停。
5. 用换手替代固定成本，并做容量情景。
6. 把 report 字典导出为包含参数、环境和数据哈希的可复现报告。