聚宽因子库全景指南：256个因子的公式、含义与使用边界

结论先行

聚宽“因子看板”当前展示的标准因子共 256 个，分为 10 类：风格因子 10 个、新风格因子 Pro 16 个、质量 71 个、基础 37 个、成长 9 个、每股 15 个、情绪 36 个、风险 12 个、技术 16 个、动量 34 个。

这些因子不是 256 个互相独立的收益来源。大量条目只是同一底层变量的不同窗口、尺度或代数组合。例如 VOL5、VOL10、VOL20、VOL60、VOL120、VOL240 都在测量换手；Variance20/60/120 都在测量波动；数十个财务比率共享利润、收入、资产和负债四组底层报表字段。把它们全部输入模型，会制造严重共线性、重复暴露和多重检验问题。

本文的目标不是给出“买入条件”，而是建立一份可核查的字典：每个因子是什么、公式是什么、方向如何理解、使用时最容易犯什么错误。

数据来源与口径

本文于 2026-07-19 使用已登录的 Arc 浏览器逐页核对：

• 聚宽因子看板：核对当前展示范围、分类和单因子详情；
• 聚宽因子库官方说明：核对 code、名称和官方计算方法；
• 单因子详情页：核对更新时间、看板预处理和默认回测设置。

官方帮助页说明：价格相关数据基于后复权计算；财务因子使用该日期当时可获得的最新财报数据；频率为日频；除描述明确写出处理方法的因子外，API 返回的是原始因子。因子看板则会对用于分析的横截面数据执行“中位数去极值 → 行业与对数市值中性化 → z-score 标准化”。因此：

get_factor_values 返回的原始值，与看板用于分组、IC 和收益分析的处理后值，不是同一个统计对象。

看板的收益、换手、IC 和 IR 还依赖股票池、回测区间、组合构建、费用、滑点与停牌过滤设置，不能当作因子的永久属性。公式相对稳定，历史绩效不是。

统一符号

为避免在 256 个条目里重复定义，本文统一使用：

• $C_t,O_t,H_t,L_t$：第 $t$ 日收盘、开盘、最高、最低价；
• $V_t,A_t$：成交量、成交额；
• $rt=C_t/C{t-1}-1$：简单收益率；
• $TRt=\max(H_t-L_t,|H_t-C{t-1}|,|Lt-C{t-1}|)$：真实波幅；
• $MAN(x)_t=\frac1N\sum{j=0}^{N-1}x_{t-j}$：$N$ 日简单均值；
• $EMAN(x)_t=\alpha x_t+(1-\alpha)EMA_N(x){t-1}$，通常 $\alpha=2/(N+1)$；
• $STD_N(x)$：过去 $N$ 期标准差；
• TTM：最近连续 12 个月；
• AvgQ(x,4,0)：最近四个季度期末值的平均；
• $ME$：总市值；$B$：账面权益；$EV=ME+负债-货币资金$。

十类因子应该怎样理解

类别	数量	核心问题	主要风险
风格	10	股票承担了什么系统性暴露	合成、标准化和正交化改变经济含义
新风格 Pro	16	更细的风险模型暴露	仅本地 JQData 可用，底层权重未在帮助页完整公开
质量	71	盈利、现金流、偿债和运营效率怎样	财报滞后、行业不可比、分母接近零
基础	37	原始财务规模和估值倒数是什么	规模效应强，不能直接横截面比较
成长	9	同比增速和长期扩张怎样	负基数、周期性和极端值
每股	15	将公司总量缩放到每股后怎样	增发、回购和股本口径变化
情绪	36	交易活跃度和量能是否异常	窗口高度重叠、容量与冲击成本
风险	12	收益分布的波动、偏度和峰度怎样	小样本估计噪声、年化口径
技术	16	当前价格相对均线和波动带的位置	复权、同日成交和趋势反转混淆
动量	34	价格趋势、强弱和价量配合怎样	跳空、停牌、涨跌停和拥挤交易

因子的可解释性：从“相关”走到“为什么”

因子可解释性不等于给公式配一句故事。一个完整解释至少要同时回答五个问题：

1. 测量对象是什么？ 因子究竟测量盈利、估值、风险、交易行为，还是另一个因子的替代变量？
2. 高低值意味着什么？ 原始值的单位、方向和横截面排名是否一致？
3. 为什么可能预测收益？ 收益来自承担风险、投资者行为偏差，还是 A 股制度与交易摩擦？
4. 通过什么路径传导？ 因子先影响盈利预期、折现率、资金流或交易约束中的哪一个，再影响价格？
5. 什么结果会推翻解释？ 如果没有事先写出证伪条件，任何回测结果都能被事后故事“解释”。

可以把因子收益写成一个概念分解：

$$E[R_{i,t+1}\mid x_{i,t}] =\underbrace{RiskPremium(x_{i,t})}_{风险补偿} +\underbrace{Mispricing(x_{i,t})}_{错误定价} +\underbrace{Friction(x_{i,t})}_{制度与交易摩擦} +\underbrace{Bias(x_{i,t})}_{数据和研究偏差}$$

前三项是待检验的经济解释，最后一项不是 Alpha，而是研究错误。可解释性工作的核心，就是尽可能把观测到的收益从 Bias 中剥离出来，并区分前三条机制。

三类经济机制

1. 风险补偿

投资者要求更高预期收益，可能因为股票在坏状态下更容易亏损、现金流更不稳定、融资约束更强或流动性更差。例如高 beta、低流动性和高杠杆都可能带来风险补偿。

风险解释的可检验预测是：因子收益应在经济下行、流动性紧张或风险厌恶上升时表现出更明显的亏损暴露，而不是只在平均意义上赚取收益。如果因子在所有坏状态中都提供保护，却长期获得正收益，“承担风险”就不是充分解释。

2. 行为偏差与错误定价

投资者可能反应不足、过度外推、偏好彩票型股票，或者忽视复杂财务信息。中期动量常用反应不足解释，长期反转常用过度反应解释，盈利质量则与投资者没有充分识别应计利润的低持续性有关。

行为解释的可检验预测是：效应在信息处理成本高、分析师覆盖少、投资者分歧大或套利约束强的股票中更强，并在信息逐渐进入价格后衰减。

3. 制度和交易摩擦

A 股的涨跌停、T+1、停牌、ST、融券约束和微盘容量，会让纸面因子收益偏离可实现收益。例如低流动性因子可能同时包含流动性风险溢价和不可成交溢价；跌停股票构成的“低分组”可能根本无法卖出。

摩擦解释的可检验预测是：加入可成交过滤、延迟成交、冲击成本和容量约束后，因子收益会出现系统性变化。若毛收益全部来自不可成交样本，它不是可交易 Alpha。

各类因子的方向与解释假设

下表中的方向只是常见研究假设，不是聚宽保证，也不是应该从数据中反向挑选的答案。

因子族	高值通常代表	常见预期方向	可能机制	关键反例
价值	B/P、盈利/价格、现金流/价格更高	高值未来收益较高	困境风险补偿；投资者对坏消息过度反应	价值陷阱、资产质量差、行业衰退
盈利与质量	ROE、毛利率、现金含量更高	高值较高	盈利持续性被低估；经营风险更低	高 ROE 来自高杠杆或一次性收益
成长	收入、利润或资产增长更快	不确定	盈利上修；也可能是过度投资和外推	低基数、并购、周期顶部扩张
投资	资产扩张更快	学术上常见低投资较高	过度投资；资本成本与投资机会差异	高质量成长公司确有高回报项目
规模	市值更大或更小	取决于定义与市场阶段	小盘风险、流动性、壳价值与制度溢价	微盘不可交易；市值暴露未中性化
beta/波动	市场或特质风险更高	理论正、低波动异象中可能负	风险补偿；杠杆约束与彩票偏好	熊市暴露、极端收益和停牌处理
流动性/换手	交易更活跃	原始流动性与预期收益关系不固定	流动性风险；关注度；拥挤交易	高换手可能是信息交易，也可能是投机
中期动量	过去赢家	高值较高	信息反应不足；资金流延续	拥挤踩踏、市场反转、涨停不可买
短期强弱	最近价格快速上涨	常见短期反转，也可能趋势延续	流动性冲击；信息扩散	窗口与持有期改变符号
长期反转	长期历史赢家	高值可能较低	过度反应修正	基本面趋势真实且持续
偏度/峰度	彩票特征、尾部风险更强	不确定	彩票偏好；灾难风险补偿	小样本估计极不稳定
技术指标	价格相对均线、通道的位置	取决于趋势/反转假设	行为延续；止损和资金流反馈	参数稍变即失效、与动量重复

一个因子解释卡

研究每个因子时，可以固定填写下面这张卡，而不是只保存 IC 和收益曲线。

字段	要回答的问题	roe_ttm 示例
测量对象	它直接测量什么？	最近12个月净利润相对期末权益的回报率
原始方向	高值在会计上意味着什么？	单位权益创造的利润更多
替代解释	还可能由什么造成？	高杠杆、回购缩小权益、一次性利润、负权益
收益机制	为什么可能预测未来收益？	盈利持续性被低估，或高质量公司风险更低但增长更稳
必要控制	不控制什么会混淆？	行业、规模、杠杆、非经常损益、账面权益符号
时点规则	何时市场真正知道它？	财报公告后，不能按报告期末提前使用
证伪条件	什么结果否定原解释？	扣非、去杠杆后消失；只在财报尚未公告的伪时间有效
实现风险	为什么纸面收益不可交易？	财报日跳空、停牌、涨跌停和小盘集中

用恒等式拆解，而不是只看相关系数

经济可解释性最好来自可验证的恒等式或传导链。以 ROE 为例，杜邦分解为：

$$ROE= \underbrace{\frac{净利润}{营业收入}}_{净利率} \times \underbrace{\frac{营业收入}{总资产}}_{资产周转率} \times \underbrace{\frac{总资产}{股东权益}}_{权益乘数}$$

同样的高 ROE 可能来自高利润率、高运营效率或高杠杆，经济含义完全不同。因此 roe_ttm 有效时，应分别检验三部分贡献，而不是把结果统一解释为“公司质量高”。

再看现金质量：

$$ACCA=\frac{CFO}{Assets}-ROA$$

若高 ROE 同时伴随高 ACCA，盈利更有现金支持；若 ROE 高但 ACCA 很低，利润可能主要来自应计项目。两个因子联合解释，比单独给 ROE 排名更接近真实经营状况。

区分“原始值解释”和“处理后暴露解释”

原始因子 $x_i$ 的含义通常直观，例如 ROE=20%。经过看板处理后得到的却是：

$$z_i=ZScore\left(Neutralize\left(Winsorize(x_i)\right)\right)$$

处理后的 $z_i=1.5$ 不再表示“ROE 为 1.5”，而表示：该股票在去除极端值、行业和规模效应后，ROE 高于可比股票约 1.5 个标准差。二者回答不同问题：

• 原始值用于解释公司的真实经营或交易状态；
• 中性化 z-score 用于解释公司相对可比样本的异常程度；
• 因子组合权重用于解释模型为什么偏好或回避这只股票。

报告结果时，三者应该同时保留，不能只展示处理后的分数。

多因子模型中单只股票的贡献

若最终分数是线性模型：

$$Score_i=\sum_{k=1}^{K}w_k z_{i,k}$$

则因子 $k$ 对股票 $i$ 的局部贡献为：

$$Contribution_{i,k}=w_k z_{i,k}$$

解释一只股票时，应展示 原始值 → 行业内分位数 → 中性化 z-score → 模型权重 → 分数贡献。但相关因子会重复归因，例如 roe_ttm、roa_ttm、gross_income_ratio 同时很高，不能声称模型发现了三个独立理由。更稳健的做法是先按“价值、质量、成长、风险、动量、流动性”聚类，再解释因子族贡献：

$$Contribution_{i,g}=\sum_{k\in g}w_k z_{i,k}$$

树模型或神经网络可以使用 permutation importance、PDP/ICE 或 SHAP，但这些工具解释的是模型怎样使用变量，不是变量为什么具有经济因果性。高度相关变量还会任意分摊重要性，因此仍应先做因子族分组和替代变量稳健性检验。

可解释性必须能被证伪

声称的解释	应看到的证据	会削弱解释的结果
风险补偿	坏状态暴露更大，危机期更容易亏损	坏状态中持续对冲风险且仍获高收益
反应不足	财报或信息冲击后收益逐步漂移	收益发生在信息公开之前
过度反应	极端价格移动后基本面没有同步恶化，随后反转	反转完全由退市、停牌或微盘样本贡献
盈利持续性	高质量组未来盈利、现金流更稳定	预测收益存在，但未来基本面没有差异
流动性溢价	低流动性在资金紧张期损失更大	扣除冲击成本后收益完全消失
动量	各形成期和持有期呈可解释的延续—衰减结构	只在一个精确窗口有效，参数轻微变化即翻转

可解释性不是回测之后的装饰，而是决定要做哪些稳健性检验的研究设计。

风格因子的合成公式

风格因子与普通指标最大的区别，是它们经过横截面去极值、标准化、缺失值填充，部分因子还会做正交化。下面的权重来自聚宽官方说明。

传统风格因子

1. 市值 size

$$size=\ln(ME)$$

它衡量大盘与小盘暴露，不等于“规模溢价一定为正”。

1. 贝塔 beta

$$r_{i,t}=\alpha_i+\beta_i r_{m,t}+\varepsilon_{i,t}$$

使用过去 252 个交易日指数加权回归，市场收益为全 A 股流通市值加权收益，半衰期 63 日；停牌收益记 0，上市不足 21 个交易日为 NaN。

1. 传统动量 momentum

$$momentum_i=\sum_{k=21}^{504}w_k\ln(1+r^{excess}_{i,t-k})$$

跳过最近 21 日，回看 504 日，指数权重半衰期 126 日。跳过最近一个月是为了降低短期反转污染。

1. 残差波动率 residual_volatility

$$0.74\,DASTD+0.16\,CMRA+0.10\,HSIGMA$$

DASTD 是 252 日超额收益指数加权标准差，半衰期 42 日；CMRA 是过去 12 个“21 日月收益”的最大值与最小值之差；HSIGMA 是 beta 回归残差的 252 日标准差。合成后再对 beta 和 size 正交化。

1. 非线性市值 non_linear_size

$$NLS=Orthogonalize(size^3\mid size)$$

先对标准化 size 求立方，再剔除其线性市值分量，主要捕捉中盘效应。

1. 账面市值比 book_to_price_ratio

$$B/P=\frac{B}{ME}=\frac1{PB}$$

使用最新一季账面价值；负值设为 NaN。

1. 流动性 liquidity

$$0.35\,STOM+0.35\,STOQ+0.30\,STOA$$

STOM 为 21 日换手率之和的对数，STOQ 为 3 个月平均月换手率的对数，STOA 为 12 个月平均月换手率的对数；合成后对数市值正交化。

1. 盈利能力 earnings_yield

$$0.68\frac{E^{forecast}_{12m}}{ME}+0.21\frac{CFO_{TTM}}{ME}+0.11\frac{NP_{TTM}}{ME}$$

它混合分析师预期、现金盈利和会计盈利，不是单一的市盈率倒数。

1. 成长 growth

$$0.18\,LTG+0.11\,STG+0.24\,EGRO+0.47\,SGRO$$

LTG/STG 为分析师长期/短期盈利预期，EGRO/SGRO 为过去 5 年 EPS/每股收入对时间回归的标准化斜率；历史项至少需要 4 年数据。

1. 杠杆 leverage

$$0.38\,MLEV+0.35\,DTOA+0.27\,BLEV$$

其中 $MLEV=(ME+优先股+长期债务)/ME$，$DTOA=总负债/总资产$，$BLEV=(普通股账面价值+优先股+长期债务)/普通股账面价值$。

新风格因子 Pro

code	因子名称	官方解释
btop	市净率因子	估值高低产生的收益差异，即价值暴露
divyild	分红因子	历史与预测股息价格比产生的收益差异
earnqlty	盈利质量因子	收益中应计与现金部分差异带来的暴露
earnvar	盈利变动率因子	盈利、销售、现金流波动及分析师预期差异
earnyild	收益因子	盈利收益率暴露
financial_leverage	财务杠杆因子	高低杠杆股票的收益差异
invsqlty	投资能力因子	资产扩张或紧缩与管理层投资行为
liquidty	流动性因子	交易活跃度差异；code 的拼写以官方为准
long_growth	长期成长因子	销售和盈利长期增长预期
ltrevrsl	长期反转因子	长期价格行为相关的反转暴露
market_beta	市场波动率因子	对市场收益的敏感度
market_size	市值规模因子	大盘与小盘暴露
midcap	中等市值因子	中盘相对大小盘的非线性暴露
profit	盈利能力因子	公司运营效率与盈利能力指标的组合
relative_momentum	相对动量因子	近 12 个月、跳过 1 个月的相对动量
resvol	残余波动率因子	不能由市场 beta 解释的相对波动

这 16 个 Pro 因子的帮助页只公开简介，没有完整披露描述变量、权重和正交化次序。严谨复现时应把它们视为供应商模型输出，而不是根据名称自行拼接“近似版”。

财务基本面因子字典

质量因子（71）

质量因子可以再分为四组：利润率、周转效率、现金含量、杠杆偿债。一般不能简单假设“越高越好”：例如高周转通常是好事，但周转天数越低才是好事；高增长可能来自低基数；高现金比率也可能代表资本使用低效。

code	因子名称	公式或官方口径
net_profit_to_total_operate_revenue_ttm	净利润/营业总收入	净利润(TTM)/营业总收入(TTM)
cfo_to_ev	经营现金流/企业价值	经营现金流净额(TTM)/EV，$EV=市值+负债-货币资金$
accounts_payable_turnover_days	应付账款周转天数	$360/应付账款周转率$
net_profit_ratio	销售净利率	净利润(TTM)/营业收入(TTM)
net_non_operating_income_to_total_profit	营业外收支/利润总额	营业外收支利润净额/利润总额
fixed_asset_ratio	固定资产比率	(固定资产+工程物资+在建工程)/总资产
account_receivable_turnover_days	应收账款周转天数	$360/应收账款周转率$
DEGM	毛利率增长	本年毛利率(TTM)/上年毛利率(TTM)-1
sale_expense_to_operating_revenue	销售费用率	销售费用(TTM)/营业总收入(TTM)
operating_tax_to_operating_revenue_ratio_ttm	销售税金率	营业税金及附加(TTM)/营业收入(TTM)
inventory_turnover_days	存货周转天数	$360/存货周转率$
OperatingCycle	营业周期	应收账款周转天数+存货周转天数
net_operate_cash_flow_to_operate_income	经营现金流/经营净收益	经营现金流净额(TTM)/(营业总收入(TTM)-营业总成本(TTM))
net_operating_cash_flow_coverage	净利润现金含量	经营现金流净额/归母净利润
quick_ratio	速动比率	(流动资产-存货)/流动负债
intangible_asset_ratio	无形资产比率	(无形资产+研发支出+商誉)/总资产
MLEV	市场杠杆	非流动负债/(非流动负债+总市值)
debt_to_equity_ratio	产权比率	负债合计/归母所有者权益
super_quick_ratio	超速动比率	(货币资金+交易性金融资产+应收票据+应收账款+其他应收款)/流动负债
inventory_turnover_rate	存货周转率	营业成本(TTM)/最近四季平均存货
operating_profit_growth_rate	营业利润增长率	本年营业利润(TTM)/上年营业利润(TTM)-1
long_debt_to_working_capital_ratio	长期负债/营运资金	非流动负债/(流动资产-流动负债)
current_ratio	流动比率	流动资产/流动负债
net_operate_cash_flow_to_net_debt	经营现金流/净债务	经营现金流净额/净债务
net_operate_cash_flow_to_asset	总资产现金回收率	经营现金流净额(TTM)/总资产
non_current_asset_ratio	非流动资产比率	非流动资产/总资产
total_asset_turnover_rate	总资产周转率	营业收入(TTM)/总资产
long_debt_to_asset_ratio	长期借款/总资产	长期借款/总资产
debt_to_tangible_equity_ratio	有形净值债务率	负债/(股东权益-商誉-无形资产)
ROAEBITTTM	总资产报酬率	(利润总额(TTM)+利息支出(TTM))/过去12个月平均总资产
operating_profit_ratio	营业利润率	营业利润(TTM)/营业收入(TTM)
long_term_debt_to_asset_ratio	长期负债/总资产	非流动负债/总资产
current_asset_turnover_rate	流动资产周转率	营业收入(TTM)/过去12个月平均流动资产
financial_expense_rate	财务费用率	财务费用(TTM)/营业总收入(TTM)
operating_profit_to_total_profit	经营净收益/利润总额	经营活动净收益/利润总额
debt_to_asset_ratio	资产负债率	负债合计/总资产
equity_to_fixed_asset_ratio	权益/固定资产	股东权益/(固定资产+工程物资+在建工程)
net_operate_cash_flow_to_total_liability	经营现金流/负债	经营现金流净额/负债合计
cash_rate_of_sales	销售现金率	经营现金流净额(TTM)/营业收入(TTM)
operating_profit_to_operating_revenue	营业利润/营业总收入	营业利润(TTM)/营业总收入(TTM)
roa_ttm	资产回报率	净利润(TTM)/期末总资产
admin_expense_rate	管理费用率	管理费用(TTM)/营业总收入(TTM)
fixed_assets_turnover_rate	固定资产周转率	营业收入(TTM)/过去12个月平均固定资产组合
invest_income_associates_to_total_profit	联营合营收益/利润	对联营和合营公司投资收益/利润总额
equity_to_asset_ratio	股东权益比率	股东权益/总资产
goods_service_cash_to_operating_revenue_ttm	销售收现率	销售商品与提供劳务收到现金(TTM)/营业收入(TTM)
cash_to_current_liability	现金比率	期末现金及现金等价物/流动负债12个月均值
net_operate_cash_flow_to_total_current_liability	现金流动负债比	经营现金流净额(TTM)/流动负债
ACCA	应计质量	经营现金流/总资产-ROA；越高代表现金相对会计利润更充足
roe_ttm	权益回报率	净利润(TTM)/期末股东权益
accounts_payable_turnover_rate	应付账款周转率	营业成本(TTM)/(四季平均应付账款+应付票据)
gross_income_ratio	销售毛利率	(营业收入(TTM)-营业成本(TTM))/营业收入(TTM)
adjusted_profit_to_total_profit	扣非净利润/利润总额	扣除非经常损益后的净利润/利润总额
account_receivable_turnover_rate	应收账款周转率	营业收入(TTM)/(四季平均应收账款+应收票据)
equity_turnover_rate	股东权益周转率	营业收入(TTM)/股东权益
total_profit_to_cost_ratio	成本费用利润率	利润总额/(营业成本+财务+销售+管理费用)，均取 TTM
operating_cost_to_operating_revenue_ratio	销售成本率	营业成本(TTM)/营业收入(TTM)
LVGI	财务杠杆指数	本期年报资产负债率/上期年报资产负债率
SGI	营业收入指数	本期年报营业收入/上期年报营业收入
GMI	毛利率指数	上期年报毛利率/本期年报毛利率
DSRI	应收账款指数	本期应收账款收入比/上期应收账款收入比
rnoa_ttm	经营资产回报率	销售利润率×经营资产周转率
profit_margin_ttm	销售利润率	营业利润/营业收入
roe_ttm_8y	长期 ROE	$[\prod_{y=1}^{8}(1+ROE_y)]^{1/8}-1$，至少需4年数据
asset_turnover_ttm	经营资产周转率	营业收入(TTM)/四季平均净经营资产，净经营资产=经营资产-经营负债
roic_ttm	投资资本回报率	归母净利润(TTM)/四季平均投资资本；投资资本=权益+负债-无息负债
roa_ttm_8y	长期 ROA	$[\prod_{y=1}^{8}(1+ROA_y)]^{1/8}-1$，至少需4年数据
SGAI	销售管理费用指数	本期销售管理费用收入比/上期该比例
DEGM_8y	长期毛利率增长	$[\prod_{y=1}^{8}(1+DEGM_y)]^{1/8}-1$
maximum_margin	最大盈利水平	$\max(margin_stability,DEGM_8y)$
margin_stability	盈利稳定性	过去8年毛利率TTM的均值/标准差

基础因子（37）

基础因子多数是“规模量”，不能直接把数值高解释为公司更好。横截面使用时通常需要除以市值、资产、收入或做规模中性化。

code	因子名称	公式或官方口径
net_working_capital	净运营资本	流动资产-流动负债
total_operating_revenue_ttm	营业总收入TTM	最近12个月营业总收入之和
operating_profit_ttm	营业利润TTM	最近12个月营业利润之和
net_operate_cash_flow_ttm	经营现金流净额TTM	最近12个月经营现金流净额之和
operating_revenue_ttm	营业收入TTM	最近12个月营业收入之和
interest_carry_current_liability	带息流动负债	流动负债-无息流动负债
sale_expense_ttm	销售费用TTM	最近12个月销售费用之和
gross_profit_ttm	毛利TTM	最近12个月毛利润之和
retained_earnings	留存收益	盈余公积+未分配利润
total_operating_cost_ttm	营业总成本TTM	最近12个月营业总成本之和
non_operating_net_profit_ttm	营业外收支净额TTM	营业外收入(TTM)-营业外支出(TTM)
net_invest_cash_flow_ttm	投资现金流净额TTM	最近12个月投资活动现金流净额之和
financial_expense_ttm	财务费用TTM	最近12个月财务费用之和
administration_expense_ttm	管理费用TTM	最近12个月管理费用之和
net_interest_expense	净利息费用	利息支出-利息收入
value_change_profit_ttm	价值变动净收益TTM	最近12个月价值变动净收益之和
total_profit_ttm	利润总额TTM	最近12个月利润总额之和
net_finance_cash_flow_ttm	筹资现金流净额TTM	最近12个月筹资活动现金流净额之和
interest_free_current_liability	无息流动负债	应付票据+应付账款+预收款项+应交税费+应付利息+其他应付款+其他流动负债
EBIT	息税前利润	净利润+所得税+财务费用
net_profit_ttm	净利润TTM	最近12个月净利润之和
OperateNetIncome	经营活动净收益	经营活动净收益占利润总额比×利润总额
EBITDA	息税折旧摊销前利润	官方页未写公式；通用定义为 $EBIT+折旧+摊销$
asset_impairment_loss_ttm	资产减值损失TTM	最近12个月资产减值损失之和
np_parent_company_owners_ttm	归母净利润TTM	最近12个月归母净利润之和
operating_cost_ttm	营业成本TTM	最近12个月营业成本之和
net_debt	净债务	总债务-期末现金及现金等价物
non_recurring_gain_loss	非经常性损益	归母净利润-扣非归母净利润
goods_sale_and_service_render_cash_ttm	销售商品提供劳务收到现金TTM	最近12个月该现金流之和
market_cap	市值	总市值
cash_flow_to_price_ratio	现金流市值比	$1/PCF_{TTM}$
sales_to_price_ratio	营收市值比	$1/PS_{TTM}$
circulating_market_cap	流通市值	流通市值
operating_assets	经营性资产	总资产-金融资产
financial_assets	金融资产	货币资金+交易性金融资产+应收票据/利息/股利+可供出售金融资产+持有至到期投资
operating_liability	经营性负债	总负债-金融负债
financial_liability	金融负债	(流动负债-无息流动负债)+(长期借款+应付债券)

成长因子（9）

增长率的最大陷阱是分母。上年值很小、为负或跨过零点时，比率会爆炸；PEG 因此直接把负 PE 或负增长设为 NaN。

code	因子名称	公式或官方口径
operating_revenue_growth_rate	营业收入增长率	本年营业收入(TTM)/上年营业收入(TTM)-1
total_asset_growth_rate	总资产增长率	当前总资产/四季度前总资产-1
net_operate_cashflow_growth_rate	经营现金流增长率	本年经营现金流(TTM)/上年经营现金流(TTM)-1
total_profit_growth_rate	利润总额增长率	本年利润总额(TTM)/上年利润总额(TTM)-1
np_parent_company_owners_growth_rate	归母净利润增长率	本年归母净利润(TTM)/上年归母净利润(TTM)-1
financing_cash_growth_rate	筹资现金流增长率	当期12个月筹资现金流/四季度前12个月筹资现金流-1
net_profit_growth_rate	净利润增长率	本年净利润(TTM)/上年净利润(TTM)-1
net_asset_growth_rate	净资产增长率	当季股东权益/三季度前股东权益-1（官方页面如此表述）
PEG	市盈率相对盈利增长	$PE/[归母净利润(TTM)增长率\times100]$；PE 或增长为负则 NaN

每股因子（15）

每股指标把总量除以股本，便于公司间比较，但会同时受业务变化和增发、回购、转增影响。回测必须使用当时已知的股本。

code	因子名称	公式或官方口径
total_operating_revenue_per_share_ttm	每股营业总收入TTM	营业总收入(TTM)/总股本
cash_and_equivalents_per_share	每股现金及现金等价物	现金及现金等价物余额/总股本
surplus_reserve_fund_per_share	每股盈余公积	盈余公积/总股本
retained_profit_per_share	每股未分配利润	未分配利润/总股本
operating_revenue_per_share_ttm	每股营业收入TTM	营业收入(TTM)/总股本
net_asset_per_share	每股净资产	(归母权益-其他权益工具)/总股本
total_operating_revenue_per_share	每股营业总收入	报告期营业总收入/总股本
retained_earnings_per_share	每股留存收益	留存收益/总股本
operating_revenue_per_share	每股营业收入	报告期营业收入/总股本
net_operate_cash_flow_per_share	每股经营现金流	经营现金流净额/总股本
operating_profit_per_share_ttm	每股营业利润TTM	营业利润(TTM)/总股本
eps_ttm	每股收益TTM	归母净利润(TTM)/总股本
cashflow_per_share_ttm	每股现金流净额TTM	现金流净额(TTM)/最近变更日总股本
operating_profit_per_share	每股营业利润	报告期营业利润/总股本
capital_reserve_fund_per_share	每股资本公积	资本公积/总股本

量价与交易行为因子字典

情绪因子（36）

这里的“情绪”主要指量能、换手和买卖意愿，不是新闻文本情绪。高值既可能是信息进入价格，也可能是拥挤、投机和即将反转。

code	因子名称	公式或官方口径
VROC12	12日量变动速率	$(Vt-V{t-12})/V_{t-12}\times100$
TVMA6	6日成交额均值	$MA_6(A)$
VEMA10	10日成交量EMA	官方页未写公式；通用定义为 $EMA_{10}(V)$
VR	成交量比率	$(AVS+0.5CVS)/(BVS+0.5CVS)$；AVS/BVS/CVS 为上涨/下跌/平盘日成交量和
VOL5	5日平均换手率	5日换手率均值，单位%
BR	意愿指标	$\sum{26}(H_t-C{t-1})/\sum{26}(C{t-1}-L_t)\times100$
VEMA12	12日成交量EMA	官方页未写公式；通用定义为 $EMA_{12}(V)$
TVMA20	20日成交额均值	$MA_{20}(A)$
DAVOL5	5/120日换手比	$VOL5/VOL120$
VDIFF	成交量MACD快线	$EMA{12}(V)-EMA{26}(V)$
WVAD	威廉变异离散量	$\sum_{6}(C-O)/(H-L)\times V$
MAWVAD	WVAD 6日均值	官方页未写公式；按名称为 $MA_6(WVAD)$
VSTD10	10日成交量标准差	$STD_{10}(V)$
ATR14	14日真实波幅均值	$MA_{14}(TR)$
VOL10	10日平均换手率	10日换手率均值
DAVOL10	10/120日换手比	$VOL10/VOL120$
VDEA	成交量MACD信号线	$EMA_9(VDIFF)$
VSTD20	20日成交量标准差	$STD_{20}(V)$
ATR6	6日真实波幅均值	$MA_6(TR)$
VOL20	20日平均换手率	20日换手率均值
DAVOL20	20/120日换手比	$VOL20/VOL120$
VMACD	成交量MACD	$VDIFF-VDEA$；官方说明未写是否乘2
AR	人气指标	$\sum{26}(H-O)/\sum{26}(O-L)\times100$
VOL60	60日平均换手率	60日换手率均值
turnover_volatility	换手率波动	20日换手率标准差
VOL120	120日平均换手率	120日换手率均值
VROC6	6日量变动速率	$(Vt-V{t-6})/V_{t-6}\times100$
TVSTD20	20日成交额标准差	$STD_{20}(A)$
ARBR	AR-BR	$AR-BR$
money_flow_20	20日资金流量	单日典型价格 $(C+H+L)/3\times V$；名称含20日但官方页未明确聚合方式
VEMA5	5日成交量EMA	官方页未写公式；通用定义为 $EMA_5(V)$
VOL240	240日平均换手率	240日换手率均值
VEMA26	26日成交量EMA	官方页未写公式；通用定义为 $EMA_{26}(V)$
VOSC	成交量震荡	$(VEMA12-VEMA26)/VEMA12\times100$
TVSTD6	6日成交额标准差	$STD_6(A)$
PSY	心理线	12日内上涨天数/12×100

风险因子（12）

设窗口为 $N$，样本收益均值为 $\bar r$，标准差为 $s$，年化交易日数为 $D$：

$$Variance_N=D\cdot\frac{1}{N-1}\sum(r_t-\bar r)^2$$ $$Skewness_N=\frac{1}{N}\sum\left(\frac{r_t-\bar r}{s}\right)^3,\quad Kurtosis_N=\frac{1}{N}\sum\left(\frac{r_t-\bar r}{s}\right)^4$$

聚宽页面只写“年化”，没有在该表披露 $D$ 取 250 还是 252，也没有说明峰度是否减 3；需要精确复现时应以 API 实测。夏普比率使用 4% 无风险利率：

$$Sharpe_N=\frac{R_{p,ann}-0.04}{\sigma_{p,ann}}$$

code	含义	窗口
Variance20	年化收益方差	20日
Skewness20	收益偏度	20日
Kurtosis20	收益峰度	20日
sharpe_ratio_20	年化夏普比率	20日
Variance60	年化收益方差	60日
Skewness60	收益偏度	60日
Kurtosis60	收益峰度	60日
sharpe_ratio_60	年化夏普比率	60日
Variance120	年化收益方差	120日
Skewness120	收益偏度	120日
Kurtosis120	收益峰度	120日
sharpe_ratio_120	年化夏普比率	120日

技术因子（16）

这些指标多数除以当天收盘价，目的是消除价格量纲。注意：除以 $C_t$ 以后，数值方向可能与“均线高低”直觉相反。

code	因子名称	公式或官方口径
boll_down	布林下轨	$[MA{20}(C)-2STD{20}(C)]/C_t$
boll_up	布林上轨	$[MA{20}(C)+2STD{20}(C)]/C_t$
EMA5	5日指数均线	$EMA_5(C)/C_t$
EMAC10	10日指数均线	$EMA_{10}(C)/C_t$
EMAC12	12日指数均线	$EMA_{12}(C)/C_t$
EMAC20	20日指数均线	$EMA_{20}(C)/C_t$
EMAC26	26日指数均线	$EMA_{26}(C)/C_t$
EMAC120	120日指数均线	$EMA_{120}(C)/C_t$
MAC5	5日简单均线	$MA_5(C)/C_t$
MAC10	10日简单均线	$MA_{10}(C)/C_t$
MAC20	20日简单均线	$MA_{20}(C)/C_t$
MAC60	60日简单均线	$MA_{60}(C)/C_t$
MAC120	120日简单均线	$MA_{120}(C)/C_t$
MACDC	MACD/价格	$MACD(12,26,9)/C_t$
MFI14	14日资金流量指标	官方页未写公式；通用定义见下文
price_no_fq	不复权价格	当日不复权价格

MFI14 的通用公式为：$TP=(H+L+C)/3$，原始资金流 $RMF=TP\times V$；按 $TPt$ 相对 $TP{t-1}$ 的涨跌分为正、负资金流，$MFR=\sum PMF/\sum NMF$，再计算

$$MFI=100-\frac{100}{1+MFR}$$

这是行业通用定义，不应在未实测时宣称与聚宽边界处理完全一致。

动量因子（34）

code	因子名称	公式或官方口径
arron_up_25	Aroon上轨	$(25-距窗口最高价天数)/25\times100$
arron_down_25	Aroon下轨	$(25-距窗口最低价天数)/25\times100$
BBIC	BBI动量	$[MA3(C)+MA_6(C)+MA{12}(C)+MA_{24}(C)]/(4C_t)$
bear_power	空头力道	$(Lt-EMA{13}(C))/C_t$
BIAS5	5日乖离率	$(C_t-MA_5(C))/MA_5(C)\times100$
BIAS10	10日乖离率	$(Ct-MA{10}(C))/MA_{10}(C)\times100$
BIAS20	20日乖离率	$(Ct-MA{20}(C))/MA_{20}(C)\times100$
BIAS60	60日乖离率	$(Ct-MA{60}(C))/MA_{60}(C)\times100$
bull_power	多头力道	$(Ht-EMA{13}(C))/C_t$
CCI10	10日顺势指标	$(TP-MA{10}(TP))/(0.015\,AVEDEV{10}(TP))$
CCI15	15日顺势指标	同上，$N=15$
CCI20	20日顺势指标	同上，$N=20$
CCI88	88日顺势指标	同上，$N=88$
CR20	CR指标	官方页未写公式；通用定义见下文
fifty_two_week_close_rank	一年价格位置	250日收盘价从大到小排序后，当日价格所在位置
MASS	梅斯线	$MASS(N1=9,N2=25,M=6)$；官方未展开内部公式
PLRC12	12日价格线性回归斜率	$C_t/\overline C=\beta t+\alpha$ 的 $\beta$，$t=1…12$
PLRC24	24日价格线性回归斜率	同上，$t=1…24$
PLRC6	6日价格线性回归斜率	同上，$t=1…6$
Price1M	1月价格比	$Ct/MA{21}(C)-1$
Price3M	3月价格比	$Ct/MA{61}(C)-1$
Price1Y	1年价格比	$Ct/MA{250}(C)-1$
Rank1M	1月收益横截面排名	$1-Rank(r_{20})/股票数$
ROC12	12日价格变动率	官方页未写公式；通用定义为 $(Ct/C{t-12}-1)\times100$
ROC120	120日价格变动率	通用定义为 $(Ct/C{t-120}-1)\times100$
ROC20	20日价格变动率	通用定义为 $(Ct/C{t-20}-1)\times100$
ROC6	6日价格变动率	通用定义为 $(Ct/C{t-6}-1)\times100$
ROC60	60日价格变动率	通用定义为 $(Ct/C{t-60}-1)\times100$
single_day_VPT	单日价量趋势	$(Ct-C{t-1})/C_{t-1}\times V_t$，基于当日前复权
single_day_VPT_12	价量趋势12日均值	$MA_{12}(single_day_VPT)$
single_day_VPT_6	价量趋势6日均值	$MA_6(single_day_VPT)$
TRIX10	10日TRIX	官方页未写公式；通用定义见下文，$N=10$
TRIX5	5日TRIX	同上，$N=5$
Volume1M	月度量价组合	$Vt/MA{20}(V)\times MA_{20}(r)$

CR20 的通用定义令昨日中心价 $M{t-1}=(H{t-1}+L{t-1}+C{t-1})/3$：

$$CR_{20}=100\frac{\sum_{j=0}^{19}\max(0,H_{t-j}-M_{t-j-1})} {\sum_{j=0}^{19}\max(0,M_{t-j-1}-L_{t-j})}$$

TRIXN 的通用定义先对收盘价连续做三次 $N$ 日 EMA，得到 $EMA^{(3)}_N$：

$$TRIX_N=100\frac{EMA^{(3)}_{N,t}-EMA^{(3)}_{N,t-1}}{EMA^{(3)}_{N,t-1}}$$

以上 MFI14、CR20、ROC*、TRIX*、VEMA*、MAWVAD 和 EBITDA 是官方表空白处的行业通用补充，不代表聚宽已公开其所有边界处理。

逐因子解释索引（256 个）

下面逐一解释每个因子。这里的“高值”指原始值或经过同方向标准化后的较高暴露；它描述的是经济含义，不等于承诺未来收益方向。若因子经过中性化，高值应理解为“相对同业和相近市值股票更高”。

风格因子逐项解释（10）

code	逐项解释
size	衡量公司总市值的对数；高值表示大盘股暴露更强，低值表示小盘股暴露更强。
beta	衡量股票收益对全市场收益的敏感度；高值表示市场上涨或下跌时通常有更大的同方向波动。
momentum	衡量跳过最近一个月后的长期相对强弱；高值表示股票过去约两年相对市场表现更强。
residual_volatility	衡量不能由市场和规模充分解释的波动；高值表示特质风险、尾部不确定性或彩票属性更强。
non_linear_size	衡量线性市值无法解释的非线性规模暴露；高值通常对应更明显的中盘特征。
book_to_price_ratio	衡量账面价值相对市值的高低；高值表示估值较低，但也可能反映困境或资产质量问题。
liquidity	综合短中长期换手率；高值表示交易更活跃，经过规模正交化后代表异常活跃程度。
earnings_yield	综合预期利润、现金流和历史利润相对市值的水平；高值表示价格对应的盈利收益率较高。
growth	综合分析师增长预期和历史盈利、收入趋势；高值表示成长暴露强，但不保证增长可以兑现。
leverage	综合市场杠杆、资产负债率和账面杠杆；高值表示债务融资和财务风险暴露更高。

新风格因子 Pro 逐项解释（16）

code	逐项解释
btop	市净率倒数型价值暴露；高值表示账面价值相对价格更高，即股票更“便宜”。
divyild	股息价格比暴露；高值表示历史或预期分红相对股价更高。
earnqlty	盈利质量暴露；高值通常表示利润的现金支持和持续性更好，精确合成权重未公开。
earnvar	盈利变动暴露；高值通常表示盈利、收入、现金流或分析师预测更不稳定。
earnyild	盈利收益率暴露；高值表示单位价格对应的盈利更多。
financial_leverage	财务杠杆暴露；高值表示公司更多依赖负债或其他优先资本。
invsqlty	投资能力与资产扩张质量暴露；高值反映管理层投资行为相对估值和机会集的差异。
liquidty	流动性暴露；高值表示交易更活跃，code 的 liquidty 拼写以聚宽官方为准。
long_growth	长期成长暴露；高值表示销售或盈利的长期增长趋势与预期更强。
ltrevrsl	长期反转暴露；高值代表更强的长期历史价格表现，模型用于识别其后续反转差异。
market_beta	市场波动敏感度；高值表示股票对市场共同波动的响应更强。
market_size	市值规模暴露；高值表示更偏大盘，低值表示更偏小盘。
midcap	中盘暴露；高值表示股票更接近中等市值，而不是规模两端。
profit	盈利能力综合暴露；高值表示经营效率和利润创造能力更强。
relative_momentum	近12个月并跳过最近1个月的相对动量；高值表示中期相对表现更强。
resvol	残余波动暴露；高值表示扣除市场敏感度后仍有较高波动。

质量因子逐项解释（71）

code	逐项解释
net_profit_to_total_operate_revenue_ttm	衡量营业总收入转化为净利润的比例；高值通常表示整体盈利效率更高。
cfo_to_ev	衡量企业价值获得的经营现金回报；高值表示估值相对现金创造能力更低，但需检查一次性营运资本变化。
accounts_payable_turnover_days	衡量支付供应商账款所需天数；高值表示付款更慢，可能体现议价能力，也可能是现金紧张。
net_profit_ratio	衡量每单位营业收入留下的净利润；高值表示净利率更高。
net_non_operating_income_to_total_profit	衡量利润对营业外收支的依赖；绝对值较高表示利润更受非主营项目影响。
fixed_asset_ratio	衡量资产中固定资产及在建工程的占比；高值表示业务更资本密集。
account_receivable_turnover_days	衡量收回应收账款所需天数；高值表示回款更慢、资金占用和信用风险通常更高。
DEGM	衡量毛利率相对上年的增长；高值表示定价能力或成本结构改善，低基数时可能失真。
sale_expense_to_operating_revenue	衡量销售费用强度；高值可能表示获客投入更大，也可能表示销售效率较低。
operating_tax_to_operating_revenue_ratio_ttm	衡量营业税金及附加相对收入的负担；高值表示税费强度更高，并受行业结构影响。
inventory_turnover_days	衡量存货完成一次周转所需天数；高值通常表示存货积压或产品周转较慢。
OperatingCycle	衡量从采购、销售到收回现金的总周期；高值表示营运资金被占用更久。
net_operate_cash_flow_to_operate_income	衡量经营净收益的现金实现程度；高值表示会计经营利润获得更多现金支持。
net_operating_cash_flow_coverage	衡量归母净利润的现金含量；高值通常表示盈利质量更好，负利润时方向会失真。
quick_ratio	衡量不依赖出售存货的短期偿债能力；高值表示流动性缓冲更充足。
intangible_asset_ratio	衡量无形资产、研发支出和商誉占总资产的比例；高值表示无形资产依赖和减值风险更高。
MLEV	衡量非流动负债相对长期资本的占比；高值表示长期财务杠杆更高。
debt_to_equity_ratio	衡量债权资本相对股东资本的规模；高值表示偿债压力和权益波动放大效应更强。
super_quick_ratio	衡量最容易变现资产覆盖流动负债的能力；高值表示即时偿债能力较强。
inventory_turnover_rate	衡量存货在一年内的周转次数；高值通常表示库存利用效率更高。
operating_profit_growth_rate	衡量营业利润同比增长；高值表示主营盈利扩张，但需排除负基数和周期波动。
long_debt_to_working_capital_ratio	衡量长期负债相对净营运资金的压力；高值表示营运资金对长期负债的覆盖较弱。
current_ratio	衡量流动资产覆盖流动负债的倍数；高值通常表示短期偿债能力较强，但过高也可能意味着资产闲置。
net_operate_cash_flow_to_net_debt	衡量经营现金流偿还净债务的能力；高值表示去杠杆能力更强。
net_operate_cash_flow_to_asset	衡量总资产产生经营现金的效率；高值表示资产现金回报更好。
non_current_asset_ratio	衡量非流动资产占总资产的比例；高值表示资产更长期化、变现能力更弱且通常更资本密集。
total_asset_turnover_rate	衡量总资产创造收入的效率；高值表示单位资产带来的收入更多。
long_debt_to_asset_ratio	衡量长期借款占总资产的比例；高值表示长期有息债务负担更重。
debt_to_tangible_equity_ratio	衡量负债相对扣除无形资产后净资产的规模；高值表示有形资本对债务的缓冲更薄。
ROAEBITTTM	衡量资产产生息税前收益的能力；高值表示不考虑融资结构时的资产经营效率更高。
operating_profit_ratio	衡量营业收入转化为营业利润的比例；高值表示主营业务盈利能力更强。
long_term_debt_to_asset_ratio	衡量全部非流动负债占资产比例；高值表示长期负债结构更重。
current_asset_turnover_rate	衡量流动资产创造收入的效率；高值表示营运资金使用效率更高。
financial_expense_rate	衡量财务费用相对收入的负担；高值通常表示融资成本或汇兑损失压力更大。
operating_profit_to_total_profit	衡量利润总额中主营经营收益的占比；高值表示利润来源更偏核心业务。
debt_to_asset_ratio	衡量总资产由负债融资的比例；高值表示财务杠杆和偿债风险更高。
equity_to_fixed_asset_ratio	衡量股东权益对固定资产的覆盖；高值表示固定资产更多由长期权益资本支持。
net_operate_cash_flow_to_total_liability	衡量经营现金流覆盖全部负债的能力；高值表示债务现金保障更强。
cash_rate_of_sales	衡量每单位营业收入带来的经营现金；高值表示销售回款和现金转化更好。
operating_profit_to_operating_revenue	衡量营业总收入形成营业利润的比例；高值表示经营利润率更高。
roa_ttm	衡量期末资产对应的净利润回报；高值表示资产盈利能力更强，但可能受杠杆和资产减值影响。
admin_expense_rate	衡量管理费用相对收入的强度；高值可能表示治理成本较高或处于组织扩张期。
fixed_assets_turnover_rate	衡量固定资产创造收入的效率；高值表示产能利用或轻资产程度更高。
invest_income_associates_to_total_profit	衡量利润对联营、合营投资收益的依赖；高值表示非并表投资贡献更大。
equity_to_asset_ratio	衡量资产由股东权益融资的比例；高值表示资本结构更保守、债务占比更低。
goods_service_cash_to_operating_revenue_ttm	衡量销售收入对应的实际收现；高值表示收入现金实现程度更高。
cash_to_current_liability	衡量现金及等价物覆盖流动负债的能力；高值表示最保守口径的短期偿债能力更强。
net_operate_cash_flow_to_total_current_liability	衡量经营现金流覆盖流动负债的程度；高值表示短债现金保障更强。
ACCA	衡量现金资产回报相对会计资产回报的差异；高值表示盈利更偏现金、应计成分较低。
roe_ttm	衡量股东权益创造净利润的效率；高值表示权益回报更高，但必须拆分利润率、周转率和杠杆。
accounts_payable_turnover_rate	衡量应付账款和票据的周转次数；高值表示付款周期更短，与周转天数方向相反。
gross_income_ratio	衡量营业收入扣除营业成本后的毛利空间；高值通常表示定价能力或产品附加值更高。
adjusted_profit_to_total_profit	衡量扣非净利润占利润总额的比例；高值表示利润更少依赖非经常项目。
account_receivable_turnover_rate	衡量应收账款和票据的周转次数；高值表示回款效率更高。
equity_turnover_rate	衡量股东权益创造收入的效率；高值可能来自经营效率，也可能来自较高财务杠杆。
total_profit_to_cost_ratio	衡量每单位成本费用形成的利润总额；高值表示综合成本控制和盈利效率更好。
operating_cost_to_operating_revenue_ratio	衡量营业成本占收入的比例；高值通常意味着毛利空间更小。
LVGI	衡量资产负债率相对上年的变化；高于1表示杠杆上升，是 Beneish 异常识别的一部分。
SGI	衡量营业收入相对上年的扩张；高于1表示收入增长，过快增长也可能伴随激进确认。
GMI	衡量毛利率是否恶化；高于1通常表示本期毛利率低于上期，经营压力上升。
DSRI	衡量应收收入比是否上升；高于1表示应收增长快于收入，可能提示收入质量下降。
rnoa_ttm	衡量净经营资产产生营业利润的能力；高值表示剔除金融资产负债后的经营效率更高。
profit_margin_ttm	衡量营业利润相对营业收入的比例；高值表示销售利润率更高。
roe_ttm_8y	衡量多年复合权益回报；高值表示长期 ROE 水平更强且更持久，但幸存样本要求更高。
asset_turnover_ttm	衡量净经营资产创造收入的效率；高值表示经营资本周转更快。
roic_ttm	衡量投入资本产生归母利润的效率；高值表示资本配置回报更高。
roa_ttm_8y	衡量多年复合资产回报；高值表示长期资产盈利能力更强。
SGAI	衡量销售管理费用率相对上年的变化；高于1表示费用增长快于收入。
DEGM_8y	衡量毛利率增长的长期复合趋势；高值表示盈利空间持续改善。
maximum_margin	在长期毛利增长与稳定性中取较高者；高值表示至少一个长期盈利维度突出。
margin_stability	衡量长期毛利率均值相对波动；高值表示毛利水平高且稳定。

基础因子逐项解释（37）

code	逐项解释
net_working_capital	衡量流动资产超过流动负债的净额；高值表示短期资金缓冲更大，但首先受公司规模影响。
total_operating_revenue_ttm	衡量最近12个月全部营业收入规模；高值主要表示公司业务规模更大。
operating_profit_ttm	衡量最近12个月主营经营利润总量；高值表示经营利润规模更大，不等于利润率更高。
net_operate_cash_flow_ttm	衡量最近12个月经营活动产生的净现金总量；高值表示经营现金创造规模更大。
operating_revenue_ttm	衡量最近12个月营业收入；高值表示主营收入规模更大。
interest_carry_current_liability	衡量一年内需承担利息的流动负债；高值表示短期有息债务规模更大。
sale_expense_ttm	衡量最近12个月销售费用总量；高值可能来自规模更大或获客投入更强。
gross_profit_ttm	衡量最近12个月毛利润总量；高值表示毛利规模更大，需结合毛利率判断质量。
retained_earnings	衡量历史利润在企业内部累计留存的规模；高值表示内部积累更多。
total_operating_cost_ttm	衡量最近12个月营业总成本规模；高值主要表示经营规模或成本负担更大。
non_operating_net_profit_ttm	衡量营业外收入减支出的净额；绝对值高表示非主营事项对利润影响大。
net_invest_cash_flow_ttm	衡量投资活动净现金流；高正值常表示收回投资，高负值常表示资本开支或对外投资较多。
financial_expense_ttm	衡量最近12个月财务费用总量；高值通常表示融资成本、汇兑或利息负担更重。
administration_expense_ttm	衡量最近12个月管理费用总量；高值受规模、组织复杂度和管理效率共同影响。
net_interest_expense	衡量利息支出超过利息收入的部分；高值表示净融资成本更高。
value_change_profit_ttm	衡量公允价值变动等产生的收益总量；绝对值高表示利润对市场估值变化更敏感。
total_profit_ttm	衡量所得税前全部利润规模；高值表示利润总量更大。
net_finance_cash_flow_ttm	衡量融资活动净现金流；高正值表示净融资流入，高负值通常表示偿债、回购或分红。
interest_free_current_liability	衡量无需支付利息的经营性短期融资；高值可能体现供应链占款，也可能表示付款压力。
EBIT	衡量不考虑利息与所得税前的经营收益；高值便于比较不同融资和税负结构公司的利润规模。
net_profit_ttm	衡量最近12个月净利润总量；高值表示最终利润规模更大。
OperateNetIncome	衡量来自经营活动的净收益总量；高值表示核心经营贡献更大。
EBITDA	衡量扣除利息、税、折旧和摊销前的盈利；高值表示经营现金代理量较大，但忽略资本开支。
asset_impairment_loss_ttm	衡量最近12个月确认的资产减值损失；高值表示资产质量恶化或会计清理力度更大。
np_parent_company_owners_ttm	衡量归属于普通股母公司股东的利润总量；高值表示归母盈利规模更大。
operating_cost_ttm	衡量最近12个月营业成本；高值主要反映业务规模与成本结构。
net_debt	衡量债务扣除现金后的净融资缺口；高值表示实际债务负担更重，负值表示净现金。
non_recurring_gain_loss	衡量归母净利润中非经常性部分；绝对值高表示报告利润可持续性更弱。
goods_sale_and_service_render_cash_ttm	衡量销售商品和提供劳务收到的现金总量；高值表示收现规模更大。
market_cap	衡量公司全部股权的市场价值；高值表示公司市值更大。
cash_flow_to_price_ratio	衡量经营现金流相对市值的收益率；高值表示价格对应的现金流更多。
sales_to_price_ratio	衡量收入相对市值的比例；高值表示估值相对销售额更低，但没有反映利润率。
circulating_market_cap	衡量可流通股份的市场价值；高值表示市场可交易容量通常更大。
operating_assets	衡量投入主营经营活动的资产规模；高值表示经营资本占用更多。
financial_assets	衡量现金、证券和其他金融资产规模；高值表示金融资源更多，也可能说明经营资本未充分投入。
operating_liability	衡量由经营活动形成的无息或经营性负债；高值表示更多使用供应链和经营信用融资。
financial_liability	衡量需要融资成本的债务规模；高值表示金融债务负担更重。

成长因子逐项解释（9）

code	逐项解释
operating_revenue_growth_rate	衡量营业收入同比增长；高值表示业务扩张更快，但需排除并购和低基数。
total_asset_growth_rate	衡量总资产相对一年前的增长；高值表示投资扩张更快，也可能意味着过度投资。
net_operate_cashflow_growth_rate	衡量经营现金流同比增长；高值表示现金创造能力正在改善，负基数时比率会失真。
total_profit_growth_rate	衡量利润总额同比增长；高值表示税前综合利润扩张。
np_parent_company_owners_growth_rate	衡量归母净利润同比增长；高值表示普通股股东可归属盈利增长更快。
financing_cash_growth_rate	衡量融资净现金流相对上年的变化；高值可能表示融资能力增强，也可能表示外部资金依赖上升。
net_profit_growth_rate	衡量净利润同比增长；高值表示最终盈利扩张，但要检查非经常损益。
net_asset_growth_rate	衡量股东权益相对历史季度的增长；高值可能来自留存利润、增发或其他权益变动。
PEG	衡量市盈率相对盈利增长的价格；较低正值通常被视为更便宜，负利润或负增长时不可解释。

每股因子逐项解释（15）

code	逐项解释
total_operating_revenue_per_share_ttm	衡量每股对应的最近12个月营业总收入；高值表示单位股份承载的收入规模更大。
cash_and_equivalents_per_share	衡量每股对应的现金及现金等价物；高值表示每股现金缓冲更充足。
surplus_reserve_fund_per_share	衡量每股盈余公积；高值表示法定和任意盈余积累更多。
retained_profit_per_share	衡量每股未分配利润；高值表示历史利润留存更多，但不等于一定会分红。
operating_revenue_per_share_ttm	衡量每股最近12个月营业收入；高值表示单位股份的主营收入更多。
net_asset_per_share	衡量扣除其他权益工具后的每股归母净资产；高值表示每股账面权益更厚。
total_operating_revenue_per_share	衡量报告期每股营业总收入；高值表示该期单位股份收入规模更大。
retained_earnings_per_share	衡量每股留存收益；高值表示内部累计资本更多。
operating_revenue_per_share	衡量报告期每股营业收入；高值表示该期单位股份主营收入更多。
net_operate_cash_flow_per_share	衡量每股经营现金流；高值表示单位股份获得更多经营现金支持。
operating_profit_per_share_ttm	衡量每股最近12个月营业利润；高值表示单位股份的核心经营利润更多。
eps_ttm	衡量每股最近12个月归母净利润；高值表示每股盈利更多，但受股本变化影响。
cashflow_per_share_ttm	衡量每股最近12个月全部现金流净额；高值表示单位股份现金净增加更多。
operating_profit_per_share	衡量报告期每股营业利润；高值表示该期单位股份经营盈利更多。
capital_reserve_fund_per_share	衡量每股资本公积；高值常来自发行溢价等资本性积累，并非经营利润。

情绪因子逐项解释（36）

code	逐项解释
VROC12	衡量成交量相对12日前的变化；高值表示近期量能明显放大。
TVMA6	衡量6日平均成交额；高值表示近期资金交易规模较大，也受市值影响。
VEMA10	对成交量做10日指数平滑；高值表示近期加权量能较强。
VR	比较上涨日与下跌日成交量；高值表示成交量更多集中在价格上涨日。
VOL5	衡量5日平均换手率；高值表示极短期交易活跃或筹码交换频繁。
BR	比较最高价向上突破昨日收盘与向下回落的力度；高值表示买方意愿相对更强。
VEMA12	对成交量做12日指数平滑；高值表示短期加权成交量较大。
TVMA20	衡量20日平均成交额；高值表示近一个月资金交易规模较大。
DAVOL5	比较5日与120日平均换手；高值表示短期交易活跃度显著高于长期常态。
VDIFF	衡量12日与26日成交量EMA之差；高值表示短期量能强于长期量能。
WVAD	将日内涨跌幅按成交量加权累积；高值表示成交量更多支持收盘相对开盘上涨。
MAWVAD	对 WVAD 做6日平滑；高值表示价量支持的买方优势更持续。
VSTD10	衡量10日成交量波动；高值表示短期成交量不稳定、存在量能冲击。
ATR14	衡量14日平均真实波幅；高值表示价格日内和跳空波动较大。
VOL10	衡量10日平均换手率；高值表示近两周交易更活跃。
DAVOL10	比较10日与120日平均换手；高值表示近期活跃度高于长期水平。
VDEA	对成交量趋势差 VDIFF 做9日平滑；高值表示成交量趋势信号维持在较高水平。
VSTD20	衡量20日成交量波动；高值表示近一个月量能分布更不稳定。
ATR6	衡量6日平均真实波幅；高值表示极短期价格波动强。
VOL20	衡量20日平均换手率；高值表示月度交易活跃度较高。
DAVOL20	比较20日与120日平均换手；高值表示月度活跃度高于长期常态。
VMACD	衡量成交量快慢趋势差与信号线的偏离；正且较高表示短期量能加速增强。
AR	比较开盘后向上与向下的日内波幅；高值表示盘中买方力量相对更强。
VOL60	衡量60日平均换手率；高值表示季度尺度交易活跃度较高。
turnover_volatility	衡量20日换手率的标准差；高值表示交易活跃度变化更剧烈。
VOL120	衡量120日平均换手率；高值表示半年尺度内筹码交换更频繁。
VROC6	衡量成交量相对6日前的变化；高值表示极短期量能快速放大。
TVSTD20	衡量20日成交额波动；高值表示资金交易规模不稳定。
ARBR	衡量盘中人气 AR 相对隔夜意愿 BR 的差异；绝对值大表示两类买卖力量明显背离。
money_flow_20	用典型价格乘成交量刻画资金流量；高值表示价格和成交量共同形成的名义资金规模较大。
VEMA5	对成交量做5日指数平滑；高值表示最近量能较强。
VOL240	衡量240日平均换手率；高值表示年度尺度的长期交易活跃度较高。
VEMA26	对成交量做26日指数平滑；高值表示中期加权成交量较大。
VOSC	衡量12日和26日成交量EMA的相对差；高值表示短期成交量明显高于中期趋势。
TVSTD6	衡量6日成交额波动；高值表示极短期资金交易规模跳动较大。
PSY	衡量12日内上涨天数比例；高值表示上涨日占比高、市场情绪偏强。

风险因子逐项解释（12）

code	逐项解释
Variance20	衡量20日收益的年化方差；高值表示短期总体波动风险更高。
Skewness20	衡量20日收益分布的不对称性；正高值表示右尾更长，负值表示左尾风险更突出。
Kurtosis20	衡量20日收益分布的厚尾程度；高值表示极端涨跌出现概率更高。
sharpe_ratio_20	衡量20日年化超额收益相对波动；高值表示近期单位风险收益更好，但估计很不稳定。
Variance60	衡量60日收益的年化方差；高值表示季度尺度总体波动更高。
Skewness60	衡量60日收益分布偏斜；高正值偏向极端上涨，高负值偏向极端下跌。
Kurtosis60	衡量60日收益厚尾；高值表示季度窗口包含更多极端收益。
sharpe_ratio_60	衡量60日年化超额收益相对波动；高值表示季度尺度风险调整表现较好。
Variance120	衡量120日收益的年化方差；高值表示半年尺度波动风险更高。
Skewness120	衡量120日收益分布偏斜；符号揭示较长窗口的上涨或下跌尾部方向。
Kurtosis120	衡量120日收益厚尾；高值表示半年尺度极端行情影响较大。
sharpe_ratio_120	衡量120日年化超额收益相对波动；高值表示较长窗口单位风险收益较好。

技术因子逐项解释（16）

code	逐项解释
boll_down	衡量布林下轨相对当前价格的位置；高值表示下轨更接近或高于当前价，通常意味着价格相对偏弱。
boll_up	衡量布林上轨相对当前价格的位置；高值表示上轨相对当前价更高，包含趋势位置和波动宽度。
EMA5	衡量5日EMA相对当前价格；大于1表示当前价低于短期指数均线。
EMAC10	衡量10日EMA相对当前价格；高值表示当前价相对两周趋势较低。
EMAC12	衡量12日EMA相对当前价格；高值表示当前价低于相应指数趋势。
EMAC20	衡量20日EMA相对当前价格；高值表示当前价相对月度指数趋势较弱。
EMAC26	衡量26日EMA相对当前价格；高值表示当前价低于中短期指数均线。
EMAC120	衡量120日EMA相对当前价格；高值表示当前价相对半年趋势较低。
MAC5	衡量5日简单均线相对当前价格；大于1表示当前价低于5日均线。
MAC10	衡量10日简单均线相对当前价格；高值表示当前价相对10日均线偏低。
MAC20	衡量20日简单均线相对当前价格；高值表示当前价相对月度均线偏低。
MAC60	衡量60日简单均线相对当前价格；高值表示当前价相对季度均线偏低。
MAC120	衡量120日简单均线相对当前价格；高值表示当前价相对半年均线偏低。
MACDC	衡量标准MACD相对当前价格的强弱；正高值表示短期指数趋势强于长期趋势。
MFI14	综合典型价格方向和成交量衡量资金强弱；接近100表示强买入压力，接近0表示强卖出压力。
price_no_fq	当日未经复权的名义价格；高值仅表示股价数值高，不能直接跨公司比较估值。

动量因子逐项解释（34）

code	逐项解释
arron_up_25	衡量25日最高价出现得有多近；高值表示新高较近、上升趋势较强。
arron_down_25	衡量25日最低价出现得有多近；高值表示新低较近、下降趋势较强。
BBIC	衡量多周期均线平均值相对当前价格；高值表示当前价低于综合趋势，低值表示价格更强。
bear_power	衡量最低价相对13日EMA的距离；越负表示空头将价格压到趋势线下方的力度越强。
BIAS5	衡量当前价偏离5日均线的百分比；高正值表示短期超涨，负值表示低于均线。
BIAS10	衡量当前价偏离10日均线的百分比；高正值表示两周尺度价格强势。
BIAS20	衡量当前价偏离20日均线的百分比；高正值表示月度趋势强，也可能意味着过度延伸。
BIAS60	衡量当前价偏离60日均线的百分比；高正值表示季度尺度价格强势。
bull_power	衡量最高价相对13日EMA的距离；高值表示多头将价格推升到趋势线上方的力度强。
CCI10	衡量典型价格偏离10日均值的标准化程度；高正值表示短期价格异常强。
CCI15	衡量典型价格偏离15日均值的标准化程度；高正值表示中短期趋势较强。
CCI20	衡量典型价格偏离20日均值的标准化程度；高正值表示月度价格明显高于常态。
CCI88	衡量典型价格偏离88日均值的标准化程度；高正值表示较长期趋势强。
CR20	比较20日向上突破昨日中心价与向下跌破的力量；高值表示多方力量相对更强。
fifty_two_week_close_rank	衡量当前收盘价在250日价格序列中的位置；排名靠前表示接近年度高位。
MASS	通过高低价区间的双重EMA识别波幅扩张；高值提示趋势可能发生反转，但不提供方向。
PLRC12	衡量12日标准化价格对时间的回归斜率；正高值表示短期线性上升趋势更强。
PLRC24	衡量24日标准化价格趋势斜率；正高值表示约一个月上升趋势更强。
PLRC6	衡量6日标准化价格趋势斜率；正高值表示极短期上升速度更快。
Price1M	衡量当前价相对21日平均价的溢价；高值表示短期价格强于月度均值。
Price3M	衡量当前价相对61日平均价的溢价；高值表示季度趋势较强。
Price1Y	衡量当前价相对250日平均价的溢价；高值表示年度趋势较强。
Rank1M	将20日收益转换为横截面反向排名分数；高值对应较低的20日收益排名，方向需按官方 Rank 定义核验。
ROC12	衡量12日价格涨跌幅；高正值表示短期上涨速度快。
ROC120	衡量120日价格涨跌幅；高正值表示半年尺度动量强。
ROC20	衡量20日价格涨跌幅；高正值表示月度动量强。
ROC6	衡量6日价格涨跌幅；高正值表示极短期动量强。
ROC60	衡量60日价格涨跌幅；高正值表示季度尺度动量强。
single_day_VPT	将单日收益乘以成交量；高正值表示放量上涨，高负值表示放量下跌。
single_day_VPT_12	对单日价量趋势做12日平均；高值表示价量配合的上涨较持续。
single_day_VPT_6	对单日价量趋势做6日平均；高值表示近期放量上涨占优。
TRIX10	衡量10日三重EMA的一日变化率；正高值表示平滑后的中短期趋势向上。
TRIX5	衡量5日三重EMA的一日变化率；正高值表示更敏感的短期趋势向上。
Volume1M	将当日相对量能与20日平均收益相乘；高正值表示上涨趋势得到异常成交量配合。

如何从 256 个因子缩减为可研究集合

一套长期可维护的因子研究，不应该从 256 列直接回归开始。更合理的流程是：

1. 先按经济假设去重。 例如换手只保留短、中、长三个窗口；均线只保留一个短期和一个长期尺度。
2. 再按数据时点审计。 财报发布日期、分析师预测可得时间、股本变更日必须是 point-in-time。
3. 明确方向。 同一因子可能既有趋势解释，也有反转解释；方向必须在看结果前预注册。
4. 横截面处理。 去极值、标准化、行业与规模中性化是研究设计的一部分，不能根据表现临时切换。
5. 评价预测而非拟合。 同时报 Rank IC、分层单调性、H-L 两腿、换手、费用后收益、容量和子期稳定性。
6. 控制多重检验。 256 个因子即使都无效，也会自然出现若干“显著”结果；应使用样本外、FDR 或更严格的研究预算。

一个实用的起始集合可以只保留 15—30 个经济上互异的代表：价值、盈利、现金质量、投资、成长、规模、beta、残差波动、短期反转、中期动量、长期反转、流动性、换手异常、价格趋势和价量配合。其余条目用于稳健性替代，而不是同时塞进模型。

聚宽 API 最小用法

from jqfactor import get_all_factors, get_factor_values

# 当前账号可用的全部标准因子元数据
meta = get_all_factors()
print(meta[["factor", "factor_intro", "category", "category_intro"]])

# 示例：获取若干互异因子；单次请求的“证券数×因子数×日期数”不要超过官方限制
values = get_factor_values(
    securities=["000001.XSHE", "600000.XSHG"],
    factors=[
        "book_to_price_ratio",
        "roe_ttm",
        "ACCA",
        "momentum",
        "residual_volatility",
        "VOL20",
    ],
    start_date="2024-01-01",
    end_date="2025-12-31",
)

实际研究中还应把 meta 保存成带抓取日期的快照。供应商可能新增、改名或调整实现；没有元数据版本，未来就无法解释同一 code 为什么产生不同结果。

最容易被忽视的十个边界

1. TTM 不是年报。 它会随最新季度滚动，且不同公司披露日期不同。
2. 财务比率会被分母摧毁。 负值、接近零和跨零必须单独处理。
3. 后复权不等于可交易价。 信号计算和成交模拟要分别定义价格口径。
4. 看板处理值不等于 API 原始值。 两者混用会导致无法复现。
5. 风格因子不是原始公式。 它包含标准化、填充和正交化。
6. 技术指标高度重叠。 多窗口并不会自动增加独立信息。
7. 停牌收益记零是一种模型选择。 在连续停牌和复牌跳空时会影响 beta、波动和动量。
8. 同日收盘信号不能按同一收盘成交。 最早应使用下一可交易时点。
9. 因子方向不是名称决定的。 高波动、高换手、高增长都可能对应风险补偿或错误定价。
10. 历史有效不等于可交易。 A 股涨跌停、停牌、ST、融券约束、冲击成本和微盘容量会改变结论。

小结

聚宽因子库的价值在于统一数据与接口，不在于提供 256 个现成的 Alpha。真正重要的是分清三层：

• 定义层：code、公式、窗口和财务字段；
• 处理层：去极值、标准化、中性化、缺失值和复权；
• 验证层：股票池、持有期、成本、IC、分层收益和样本外稳定性。

只抄公式，会忽略数据时点与处理；只看因子看板，会把某组回测设置误当成普遍规律。可复现的研究必须把这三层同时记录。