根据实用脚本，基本面权重应占多少？

本文目录导读：

1. 常见权重参考范围
2. 实用脚本中的典型权重分配案例
3. 决定权重的核心原则（脚本设计逻辑）
4. 总结建议

在量化投资和多因子模型的实用脚本（如聚宽、优矿、米筐等平台的常见策略框架，或《量化投资：以Python为工具》等实战教材）中，基本面因子的权重并没有一个绝对固定的数值，它完全取决于你的策略类型、调仓频率、股票池以及市场环境。

根据业界常见的实用脚本和实战经验,可以给出以下参考范围和设定逻辑：

常见权重参考范围

• 纯基本面选股策略（如低估值、高ROE策略）：基本面权重通常占 80% - 100%，这类脚本主要依赖财务数据（PE、PB、ROE、营收增速等），技术面仅用于择时或剔除极端异常值。
• 多因子选股模型（基本面 + 技术面/量价）：
  • 如果是中低频（按月/按周调仓），基本面权重通常占 50% - 70%，量价因子占 30%-50%。
  • 如果是中高频（按日调仓），基本面权重会大幅降低至 10% - 30%，因为财务数据更新频率低（季度），而量价数据更新快。
• 指数增强策略：基本面权重通常在 40% - 60% 之间，用于控制与基准指数的行业和风格偏离。
• CTA/趋势策略：基本面权重极低（0% - 20%），主要作为过滤条件（如只做多ROE大于10%的股票），核心权重在动量和技术指标上。

实用脚本中的典型权重分配案例

在常见的多因子打分配置脚本中,经常会看到类似这样的权重字典：

# 典型的多因子权重配置示例
factor_weights = {
    # 基本面因子 (合计约 50%-60%)
    'roe': 0.15,           # 盈利能力
    'pe_ratio': 0.10,      # 估值
    'revenue_growth': 0.15,# 成长性
    'debt_to_asset': 0.10, # 财务健康
    # 技术面/量价因子 (合计约 40%-50%)
    'momentum_20d': 0.20,  # 动量
    'volatility': 0.15,    # 波动率
    'turnover_rate': 0.15  # 换手率
}

决定权重的核心原则（脚本设计逻辑）

在编写实用脚本时,权重的设定通常遵循以下逻辑：

1. IC/IR 最大化：脚本中通常会用历史数据回测，计算每个因子的信息系数（IC）和信息比率（IR），基本面因子的权重往往与其IC均值成正比，如果某个基本面因子（如BP）在近期IC很高，脚本会动态调高其权重。
2. 因子正交化：基本面因子（如PE）和量价因子（如动量）相关性较低，组合在一起能有效分散风险，实用脚本中常通过等权或风险平价来分配，而不是主观拍脑袋。
3. 调仓频率匹配：基本面数据按季度更新，如果脚本是日频调仓，基本面权重过高会导致因子失效（因为数据没变，但价格天天变）。低频脚本重基本面，高频脚本重量价。
4. 行业中性化：在实用脚本中，基本面因子通常需要做行业中性化处理（如剔除行业影响后的ROE），此时权重分配会更偏向于行业内选股。

总结建议

如果你正在编写或修改一个实用脚本：

• 如果你做的是月度调仓的选股策略：建议基本面权重设定在 60% 左右，量价因子 40%。
• 如果你做的是日频交易策略：建议基本面权重不超过 20%，主要作为股票池的初筛条件（如剔除ST、剔除亏损股），而非直接打分项。
• 最稳妥的做法：在脚本中设置一个参数优化模块，通过网格搜索或遗传算法，让历史回测数据告诉你当前市场环境下最优的基本面权重是多少（通常在0.3-0.7之间波动）。