标签： #因子研究

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)。

卖方分析师最值钱的不止是「预测了什么」，更是「预测在往哪个方向变」。本文用标准化预期修正 REV（本月预测变化/历史波动）构建月度再平衡横截面因子，证明它显著优于静态评级水平，十分组收益严格单调，并把它叠加进 60/40 组合做中观增益，最后拆穿保守主义滞后/覆盖偏差/行业中性化/做空成本四类真实陷阱(中阶)。

回购强度因子：回购是管理层用真金白银给自家股票投票，是少数「内部人真有信息」的资本动作信号。本文用年化回购收益率（标准化）构建月度再平衡横截面因子，多高回购/空低回购+净增发，验证十分组收益严格单调、因子 beta 近零——它是独立的低 beta alpha 而非市场押注，并诚实拆穿信号滞后/做空约束/幸存者偏差/回购贷款四类真实陷阱(中阶)。

资本支出效率因子：不是看一家公司花了多少钱投资，而是看它花出去的钱有没有变成经营利润。本文用「增量资本回报率」思路构建月度再平衡横截面因子，验证十分组收益严格单调、长短因子长期为正且对市场 beta 近零——独立的低 beta alpha，并诚实拆穿会计口径/投资周期错配/成长陷阱/做空约束四类真实陷阱(中阶)。