标签： #因子研究

vol-of-vol 在论文里是漂亮因子，拆到估计层却发现你测的东西 95.5% 是噪声。400 只股票、10 年、真实 ξ 已知的受控模拟：常规做法（21 日 RV + 63 日滚动标准差）与真实 vov 相关仅 0.212、水平高估 92.0%、回归斜率 0.027。噪声有解析形式：log(RV_w) 估计误差方差约 1/(2w)，21 日窗口下比信号大 72 倍。两个改动把相关提到 0.676：换无重叠窗口（0.212→0.449）、RV 窗口拉到 63 日。溢价是真的——上帝视角按真实 ξ 排序价差 3.22%（t=1.99）与理论 3.00% 吻合，但最优可观测估计量只抓到 40.8%（t=0.77）。窗口敏感性是警告：t 值在 0.05–1.97 间漂移，且估计质量最好的配置不是 t 值最高的配置——这就是过拟合的具体形态。15 个种子里 6 次符号翻转。持续性对比最有诊断价值：vov 排名前后半期相关仅 0.115、高组留存 27.5%，普通波动率则是 0.958 和 73.8%。

不足一手（美股 100 股）的碎股交易，曾被当作散户零钱噪音直接过滤掉——直到研究者发现高价股里碎股占成交笔数一半以上，且碎股买卖失衡对未来收益的预测力显著强于整手失衡。原因反直觉：算法拆单把大机构的知情订单切成了碎股，'最小的单'反而藏着'最大的钱'。本文用受控模拟复现三层结构：碎股占比的长期抬升（高价股 >50%）、碎股失衡十分组的单调预测力（vs 整手失衡的平坦线）、以及 2014 年碎股并入公开磁带后因子 alpha 的衰减——信息优势的半衰期。附完整 Python 与四类真实陷阱（中阶）。

做空得先借券：绝大多数股票便宜如白菜（GC <1%），少数 Special 贵到离谱——因为集中的做空需求里藏着最激进的负面信息。400 股×1000 日模拟：费率五分组未来 20 日收益从 +0.84% 单调塌到 -0.16%，Rank IC -4.1%、IR 5.2（Jones-Lamont 2002 模拟版）。但做空高费率组是悖论：费前年化 +3.3%，借券费恰好 5.9%/年，费后 -2.5%——均衡把负面信息的价值精确定价进租金，alpha 转手交给出借人。免费午餐在多头侧：回避 Special 组让年化从 5.0% 提到 7.1%，零成本排雷。530 个费率跳升事件：进入 Special 后 40 日仍超额 -2.7%，是下跌中继不是利空出尽。诚实边界：实时费率数据难得、A 股 2024 年融券收缩后信号近乎失效、Special 名单是逼空燃料（GME）、供给噪声稀释单调性（中阶）。

PDP 有个绕不过的死穴：因子彼此相关时，它会把某个因子强行设成某值、其余保留原值，从而外推到根本不存在的样本组合，把相关因子借来的效应算成自己的。ALE（Accumulated Local Effects）换个算法——把因子取值切成窄箱，在每个箱内只用真实存在的样本算『局部差分』（同一批样本换到箱边界两侧的预测之差），再沿因子方向累加。这样它永远不外推、只在数据支撑的邻域里说话。本文用相关系数 0.92 的两个因子做对照：一个是真驱动、一个纯冗余，看 PDP 如何被冗余因子骗、ALE 如何把它的伪效应修正回近零，附纯 numpy 从零实现的 ALE（中阶）。

机器学习因子模型跑出了收益，你却说不清『动量到底怎么影响预测』——因为模型是黑箱，特征重要性只给排名不给形状。PDP（Partial Dependence Plot）把某个因子在其取值范围上扫一遍、其余特征原样保留后对全样本预测求平均，画出这个因子与预测收益的边际曲线：是单调、倒U 还是阶梯，一眼看穿。本文用合成因子数据训练梯度提升树，画动量的倒 U 型甜区、四因子 PDP 面板、动量×规模的二维交互热图，并诚实拆穿 PDP 最致命的陷阱——相关因子下它会强行外推到根本不存在的样本组合、把借来的效应算成自己的（附完整 Python，中阶）。

树模型自带的 gain 重要性有两个死穴：它偏爱高基数特征、而且只给全局排名，答不了『这一只股票为什么被模型看多』。SHAP 借来博弈论里的 Shapley 值——把预测当成一场合作博弈，每个因子是玩家，公平分配它对这次预测的贡献。本文讲清 Shapley 值的可加性从哪来、为什么 base value 加上所有 SHAP 值恰好等于 f(x)，用合成因子数据做单样本瀑布图、全局重要性对比、依赖图揭示交互效应，并诚实指出相关特征分摊、计算成本、因果幻觉三大陷阱，附完整 Python（中阶）。

情感词典（利好词 +1、利空词 −1）有个致命短板：它只认得你手工列进去的词。市场天天造新词——『超预期』你收录了，明天出现『扩产』『中标』你没收录，词典对它们视而不见，直接算 0。词嵌入用 skip-gram 从公告语料里学出每个词的向量，语义相近的词自动挨在一起，于是词典外的新词也能被『情绪轴』投影出方向。合成实验：4000 条公告、三类语义（利好/利空/中性），纯 numpy 负采样 skip-gram 训练后同类词余弦 0.981 vs 异类 0.896；构造情绪因子做 IC 检验——在含词典内词的公告上嵌入因子 IC 0.607 与词典计数 0.574 基本打平，但在『全是词典外新词』的留出集上，词典计数 IC 直接归零（0.000），嵌入因子仍有 0.602。附向量可视化、维度敏感性与五类真实陷阱（中阶）。

现金转化周期(CCC)因子：用 DIO + DSO − DPO 把「一家公司把现金锁在营运资本里多久」量化成横截面信号——短 CCC 公司资本效率高、长期跑赢。本文从零实现三项周转天数、构造「清洁 CCC」月度再平衡因子，验证十分组收益严格单调、长短因子年化约 17%，并诚实拆穿渠道压货/应付账款透支/幸存者偏差/做空约束/行业中性化五类真实陷阱(中阶)。