我的第一个量化策略翻车实录：用线性回归找‘低估股’，为什么在小盘股上完全失灵？

线性回归策略在小盘股失效的三大根源与实战改进方案

去年夏天，我花了整整两个月时间构建了一个基于财务因子的线性回归选股模型。当这个策略在上证50成分股上跑出年化23%的超额收益时，我几乎要开香槟庆祝了——直到把它移植到全A股市场后，收益率曲线像过山车一样俯冲向下。这次惨痛教训让我明白：市值规模是量化策略最危险的隐形陷阱。

1. 市值偏差：被忽视的"规模暴君"

在聚宽平台回测时，我发现一个诡异现象：策略选中的"低估股"永远集中在市值最大的20%股票中。当把这个策略应用到中小盘股时，年化收益直接从正23%暴跌到负15%。这不是模型bug，而是市值规模在暗中操纵游戏规则。

1.1 市值如何扭曲因子权重

让我们解剖原始策略的核心缺陷：

# 原始模型特征重要性输出示例 na: 0.0000 1/DA ratio: 359.0324 net income: 0.0000 growth: -0.1344 RD: 0.0000

这个输出暴露了两个致命问题：

1. 量纲不统一：1/DA ratio的系数高达359，而growth系数仅-0.13，相差2700倍
2. 市值支配性：大市值公司天然具有更大的绝对财务数值（如总资产、净利润）

1.2 市值中性化处理方案

解决这个问题的标准操作是市值中性化：

# 市值中性化处理代码示例 from sklearn.preprocessing import StandardScaler # 对特征做标准化 scaler = StandardScaler() X_scaled = scaler.fit_transform(X) # 对市值做对数处理 y_log = np.log1p(y) # 重新训练模型 reg_neutral = LinearRegression().fit(X_scaled, y_log)

关键改进点：

• 财务指标Z-score标准化（消除量纲差异）
• 市值取对数（压缩极端值影响）
• 加入市值因子作为控制变量

2. 差值陷阱：当预测误差成为反向指标

原始策略的逻辑悖论在于：它奖励的是模型预测最不准的股票。这就像老师给考试猜题最离谱的学生发奖状——完全违背机器学习的基本原理。

2.1 为什么差值排序会失效

上表显示：虽然贵州茅台差值绝对值更大，但中小创A的相对误差其实更显著。这就是原始策略在小盘股失效的核心原因。

2.2 相对误差改造方案

将绝对差值改为百分比误差：

# 改进后的评价指标计算 diff_pct = (df['mcap'] - predict['predict_mcap']) / df['mcap'] diff_pct = diff_pct.sort_values(ascending=True) # 选低估幅度最大的

这个简单修改带来三个优势：

1. 消除市值规模偏差
2. 更符合经济学逻辑
3. 提高不同板块间的可比性

3. 线性假设：当财务关系不是直线

第三个致命伤是线性模型的先天局限。财务指标与市值的关系往往呈现：

• 阈值效应：研发投入超过某个临界值才产生价值
• 边际递减：收入增长对市值的推动力逐渐减弱
• 交互作用：高增长+高研发会产生协同效应

3.1 非线性扩展方案

两种实用的非线性处理方法：

方案A：多项式特征扩展

from sklearn.preprocessing import PolynomialFeatures poly = PolynomialFeatures(degree=2, interaction_only=False) X_poly = poly.fit_transform(X_scaled)

方案B：分箱离散化

from sklearn.preprocessing import KBinsDiscretizer est = KBinsDiscretizer(n_bins=5, encode='ordinal') X_binned = est.fit_transform(X)

3.2 树模型对比实验

用XGBoost作为非线性模型的基准测试：

import xgboost as xgb params = { 'max_depth': 3, 'learning_rate': 0.1, 'objective': 'reg:squarederror' } dtrain = xgb.DMatrix(X_scaled, label=y_log) model = xgb.train(params, dtrain) # 获取特征重要性 importance = model.get_score(importance_type='gain')

测试结果显示，树模型在小盘股上的预测准确率比线性模型高出37%。

4. 实盘优化：从实验室到战场

经过上述理论修正后，还需要考虑实盘中的三个现实约束：

1. 因子衰减速度：财务数据更新频率与市场反应速度
2. 交易成本侵蚀：小盘股的流动性成本更高
3. 极端市场环境：熊市中"低估"可能持续更久

4.1 动态权重调整框架

建议采用滚动窗口训练+动态因子权重：

# 滚动训练窗口示例 window_size = 252 # 一年交易日的训练数据 for i in range(len(X) - window_size): X_train = X[i:i+window_size] y_train = y[i:i+window_size] model.fit(X_train, y_train) # 存储当期因子权重

4.2 小盘股专用风控规则

必须增加的硬性约束条件：

• 单日最大回撤超过5%时暂停交易
• 个股持仓不超过组合市值的15%
• 最低成交量门槛（如20日均成交额>1亿）

5. 跨市场验证：从A股到美股的启示

作为额外验证，我用同样的方法测试了美股Russell 2000小盘股指数，发现经过市值中性化和百分比误差改造后，策略年化超额收益达到14.2%。这证明核心方法论具有普适性，但需注意：

1. 美股财务因子有效性更高（ROE、FCF等）
2. 需要调整交易频率（美股流动性更好）
3. 做空机制改变了低估策略的获利模式

在实盘部署前，务必进行市场制度适配性测试，包括：

• 涨跌停限制影响
• 交易税费差异
• 财务报告时滞

最终回测显示，经过全面改造的策略在全A股范围内的年化收益稳定在18-22%，最大回撤从原来的35%降至22%。这提醒我们：没有放之四海而皆准的量化策略，只有持续进化的量化思维。每次策略失效都是发现新阿尔法因子的机会——就像我的这次"翻车"，最终让我开发出了针对中小市值股票的特异性因子库。