因子截面对冲：用行业市值中性化剔除风格暴露 • halo 的技术博客

因子选股里最容易被忽视、也最容易让人亏钱的误区，不是”因子没 alpha”，而是你以为自己在赚 alpha，其实在赌风格。一个典型的 value 信号（低 PE / 高 book-to-market）在 A 股里天然就和小盘股、金融/能源行业高度绑定——因为历史上这些板块更”便宜”。于是你排个序、做多最便宜的 20%、做空最贵的 20%，账面上确实赚钱，但那笔钱里有多少来自”价值 alpha”、多少来自”我恰好重仓了小盘和金融”？这俩在 2021 年以后的行情里表现天差地别。

结论先放这：用「对行业哑变量 + 对数市值做线性回归、取残差」做截面中性化，可以把风格暴露几乎清零，同时保留大部分 alpha。 在我们的 300 只股票模拟截面里，原始多空组合的行业净权重范数高达 0.55、市值暴露 −1.36（净做多小盘）；中性化后这两项分别降到 0.05 和 −0.02，而多空收益只从 1.80 降到 1.25——约 69% 的 alpha 被保住。代价也很明确：你放弃了风格因子本就支付的溢价，得到的是一个更纯净、更抗 regime 切换的信号。

信号 vs 市值散点：同行业抱团、小盘整体更高，说明信号被风格污染

一、信号为什么会被”污染”#

所谓截面因子信号 $s_i$ ，理想情况下应该只承载你想表达的那一点信息（比如”被低估的程度”）。但现实里，几乎所有基本面特征都和行业与市值纠缠在一起：

行业绑定：金融、能源的估值中枢天然低于科技、消费。于是”低估值”信号在金融/能源天然偏高、在科技/消费天然偏低。
市值绑定：小盘股的 book-to-market 普遍高于大盘股（规模溢价的一部分）。于是”价值”信号天然偏向小盘。

如果你直接对原始信号排序建多空，多头会自动堆在”便宜的行业 + 小盘”，空头会自动堆在”贵的行业 + 大盘”。你的 P&L 就不再只由 alpha 驱动，而被行业因子和市值因子”带着走”。这正是很多因子”样本内漂亮、实盘一换风格就崩”的根因——它根本没在表达你想表达的东西。

二、构造一个被污染的 value 信号（可复现）#

为了把问题讲透，我们模拟一个干净的截面：300 只股票、6 个行业、市值对数正态。关键设定是——让”纯净价值 alpha”与行业/市值完全独立，但让观测到的信号被它们污染，同时让未来收益同时由 alpha 和风格因子驱动（即风格因子本身也”给钱”）。

import numpy as np
rng = np.random.default_rng(20260711)
N = 300
INDUSTRIES = ["金融", "科技", "消费", "医药", "工业", "能源"]
K = 6
ind = rng.integers(0, K, N)
logmcap = rng.normal(0, 1, N)                       # 对数市值（左=小盘，右=大盘）

# 各行业「价值倾斜」不同：金融/能源偏 value，科技/消费偏 growth
ind_value_tilt = np.array([ 1.1, -0.9, -0.4, 0.0, 0.5, 0.9])
true_quality = rng.normal(0, 1, N)                 # 纯净价值 alpha（与行业、市值独立）

# 观测信号 = 纯净 alpha + 行业污染 + 市值污染 + 噪声
signal = (1.0 * true_quality
          + 0.9 * ind_value_tilt[ind]
          - 0.7 * (logmcap - logmcap.mean())       # 小盘信号更高
          + rng.normal(0, 0.5, N))

# 未来收益：alpha 被定价 + 行业因子 + 市值(小盘)溢价 + 噪声
ind_factor = ind_value_tilt[ind]
size_factor = -(logmcap - logmcap.mean())
fwd = (0.55 * true_quality
       + 0.45 * ind_factor
       + 0.35 * size_factor
       + rng.normal(0, 0.8, N))
print("信号-收益 IC（原始）:", round(np.corrcoef(signal, fwd)[0, 1], 3))   # ≈ 0.64

python

注意 signal 里混进了 ind_value_tilt 和 logmcap，而 fwd 里也混进了它们——这就是真实市场的结构：你想要的 alpha 和你想剔除的风格，同时出现在信号和未来收益里。这决定了中性化不是”免费午餐”，我们下面会看到它的真实代价。

三、中性化怎么做：对风格变量回归取残差#

核心思想一句话：把信号里能被「行业 + 市值」线性解释的部分减掉，剩下的残差就是”剥离风格后的纯信号”。写成回归：

$s_i = \alpha + \sum_{k=1}^{K}\beta_k \cdot \mathbb{I}[i\in 行业_k] + \gamma \cdot \text{logmcap}_i + \varepsilon_i$

取拟合值 $\hat s_i$ 为”风格部分”，残差 $\tilde s_i = s_i - \hat s_i$ 即中性化信号。残差在构造上就与行业和市值正交，所以用它排序建的组合，行业/市值暴露必然≈0。

def ls_portfolio(sig, fwd, frac=0.20):
    """做多信号最高 frac，做空最低 frac，返回权重（多 +1/n，空 -1/n，其余 0）"""
    order = np.argsort(sig)
    n = int(N * frac)
    w = np.zeros(N)
    w[order[:n]] = -1.0 / n
    w[order[-n:]] = +1.0 / n
    return w, w @ fwd

# 原始多空
w_raw, ret_raw = ls_portfolio(signal, fwd)

# 中性化：对 [行业哑变量 + log市值] 回归取残差
X = np.column_stack([(ind == k).astype(float) for k in range(K)] + [logmcap])
X = np.column_stack([np.ones(N), X])
beta = np.linalg.lstsq(X, signal, rcond=None)[0]
signal_neu = signal - X @ beta                   # 正交化后的纯信号

w_neu, ret_neu = ls_portfolio(signal_neu, fwd)
print("信号-收益 IC（中性化后）:", round(np.corrcoef(signal_neu, fwd)[0, 1], 3))  # ≈ 0.42

python

IC 从 0.64 掉到 0.42，这不意外也不丢人：原始 IC 里有一部分来自”信号和收益都受风格驱动”的虚假共鸣，剥掉风格后，剩下的才是 alpha 与收益的”真”相关。

四、前后对比：行业与市值暴露#

光看收益会被误导，真正的判决在暴露。我们定义多空组合的行业净权重 = 多头行业占比 − 空头行业占比；市值暴露 = 多头平均 log 市值 − 空头平均 log 市值。

def net_industry(w):
    long_mask, short_mask = w > 0, w < 0
    out = []
    for k in range(K):
        lw = np.sum((ind == k) & long_mask) / np.sum(long_mask)
        sw = np.sum((ind == k) & short_mask) / np.sum(short_mask)
        out.append(lw - sw)
    return np.array(out)

net_raw = net_industry(w_raw)
net_neu = net_industry(w_neu)
size_exp_raw = logmcap[w_raw > 0].mean() - logmcap[w_raw < 0].mean()
size_exp_neu = logmcap[w_neu > 0].mean() - logmcap[w_neu < 0].mean()

python

原始多空组合的行业净权重：严重偏斜，金融大幅超配、科技大幅低配

原始多空组合的行业净权重严重偏斜——金融被大幅超配、科技被大幅低配，行业净权重范数高达 0.55；市值暴露 −1.36 意味着组合净做多小盘。这根本不是”纯价值”，而是”价值 + 小盘 + 金融”的叠加 bet。

中性化后多空组合的行业净权重：全部贴近 0

中性化后，六个行业的净权重全部贴近 0，行业净权重范数降到 0.05；市值暴露降到 −0.02。组合终于只表达”价值”这一件事。

五、alpha 还在吗？收益 vs 风格暴露的诚实权衡#

很多人拒绝中性化，是怕”把收益也中性掉了”。我们的实证给出一个平衡的答案：

收益 vs 风格暴露对比：中性化后 alpha 保留约七成，风格暴露几乎清零

多空收益：原始 1.80 → 中性化 1.25，保留了约 69% 的 alpha。
风格暴露综合指数（行业权重范数 + |市值暴露|）：原始 0.55 → 中性化 0.05，几乎清零。

这里必须诚实地说清代价：中性化后收益下降，是因为风格因子（行业、市值）本身在样本里是”给钱”的——你剥掉的不只是噪声，还有一部分真金白银的风格溢价。所以中性化不是”让因子更强”，而是把表达从”混杂的风格 bet”换成”纯净的 alpha bet”。它的价值不在更高的收益，而在：

可解释性：你的 P&L 终于对应你声称在做的那件事；
稳健性：当风格因子进入逆风（比如小盘跑输、金融杀估值），中性化组合不会因为”顺带押了风格”而额外挨打；
可叠加性：纯净 alpha 才能和其他因子正交地组合，否则多个因子会重复押注同一批风格。

一句话：中性化是用”风格溢价”换”信号的纯度与稳健”。如果你的信念是”我能持续赚风格溢价的钱”，那另说；但多数时候，我们建因子是为了赚 alpha，而不是为了替自己再开一个风格暴露的仓位。

六、真实陷阱（不踩坑你一定会掉进去）#

1. 中性化会顺手剥掉”真 alpha 里的行业/市值成分”。 如果某个行业的确系统性更便宜、未来确实涨更多（即行业因子和 alpha 同源），回归残差会把这部分也减掉——你”净化”了信号，也”净化”掉了一部分该赚的钱。这不是 bug，是中性化的定义代价，必须心里有数。

2. 哑变量设定错误会制造伪中性。 用申万一级行业还是二级？用总市值还是流通市值？把”电新”和”军工”硬塞进一个哑变量，残差里就会残留这个粗分行业的暴露。中性化的质量上限，取决于你回归里”风格变量”刻画得有多准。

3. 极端市值差导致杠杆失衡。 对数市值跨度大时，回归残差在小盘股上方差更大，排序后会变相超配小盘（哪怕均值已中性）。实务上常改为分行业内做市值中性（先按行业分组，组内再对 log 市值取残差），或加市值分桶，避免这种隐性偏斜。

4. 中性化 ≠ 风险暴露为零。 残差只保证与”你放进回归的变量”正交。如果还有没建模的风格（动量、流动性、换手率），组合照样会暴露。中性化是”列出来的才管”，漏掉的照样咬人。

5. 高频调仓下中性化有滞后与换手成本。 每次换仓都重估回归，权重可能剧烈跳变；残差信号的换手往往比原始信号更高，摩擦成本要在回测里真实计入，别只看毛收益。

小结#

因子中性化不是玄学，就是一句话：把信号对行业和市值回归、取残差，让组合只表达你想表达的那点 alpha。 我们在一个 300 只股票、信号被行业/市值双重污染的模拟截面里验证：中性化把行业净权重范数从 0.55 压到 0.05、市值暴露从 −1.36 压到 −0.02，而多空收益只从 1.80 降到 1.25——约七成 alpha 得以保留。它真正的价值不是”收益更高”，而是让你的 P&L 终于对应你声称在做的策略，并且在风格逆风时不再因为”顺带押了风格”而额外挨打。记住它的边界：中性化会剥掉同源的风格溢价、依赖哑变量设定、只管得住列出来的变量——把它当作”让因子说实话”的工具，而不是”让因子变强”的魔法。