EP＋ROE 等权复合因子报告

行业、市值中性化 · 全 A · 月度检验 · 信号区间 2019-01-31 ~ 2026-08-31 · 落库表 ep_roe_composite_neutral · 生成于 2026-10-28

存疑

一句话总评
存疑：逐日 RankIC 均值 0.0306，Newey-West t = 4.46，统计上显著为正；十组收益不单调（收益最高的是 G9，不是 G10）；多空 G10−G1 月均 0.18%，扣费后年化 0.39%、夏普 0.09，多空不显著，没有看到可交易的超额。

逐日 RankIC 均值

0.0306

可用

Newey-West t 值

4.46

朴素 t = 16.52（虚高 3.7 倍）

IC > 0 胜率

66.0%

IR = 0.382

组序相关（G1→G10）

0.782

9 个台阶中 7 个向上

G10−G1 月均收益

+0.18%

不扣费

多空年化（扣费）

+0.39%

不扣费 +1.46%

多空夏普（扣费）

0.09

不扣费 0.18

多空最大回撤（扣费）

-25.06%

基准 -24.63%

一、加工说明

股票池：全 A，依次剔除 ST（304,466 股票·日）、停牌（15,144）、上市不足 250 个交易日（536,641）。北交所老代码在 trading_days 表里缺失，用 list_days×245/365 折算兜底（池内 126,575 股票·日用到）。池内共 8,177,030 股票·日、1,894 个交易日，日均 4444 只（3,349～5,209）。
原始值：EP = 1/pe_ttm，保留负值（1,668,665 条）；pe_ttm 为空 1,952、为零 0、非有限 0 的记为缺失。ROE = roe_avg_ttm，缺失 131,621。财务字段已按公告日对齐，只用信号日收盘时已公开的数据。
行业中位数填补：用当日同申万 2021 一级行业的中位数填补，EP 填补 1,952 条、ROE 填补 131,621 条；仍缺失 EP 0、ROE 0；行业缺失而剔除 261 条。最终保留 8,176,769 行。
缩尾 + 标准化：EP、ROE 分别按当日截面 1%、99% 分位缩尾，再做 z-score。
等权合成：0.5×EP_z + 0.5×ROE_z，再做 z-score。
中性化：当日截面上，对申万 2021 一级行业哑变量和 LN(总市值) 做线性回归，取残差（c_neutralize_resid，不带内置缩尾和标准化），再做 z-score，即最终因子值，越大越优。
加工检查：每日均值最大绝对值 3.9e-17；每日标准差（ddof=1）在 1.000000～1.000000；重复 (date, instrument) 0 条；NaN/Inf 0 条；各行业残差日均值最大绝对值 1.5e-12。
独立复算：用 pandas/numpy 最小二乘在 2024-06-28 一天（5,004 只）重算，与 SQL 结果最大绝对差 3.6e-13。

执行方式：加工是逐日截面计算，因 AIStudio 免费规格内存放不下全区间，按半年分块各执行一次 SQL 后拼接。各块互不依赖，理论上与一次性执行相同，但我没有跑过一次性版本来对照；各步剔除、填补条数为各块相加。

为什么要中性化（大白话）

EP（便宜程度）和 ROE（赚钱能力）都带着“行业”和“公司大小”的影子：银行、煤炭天然估值低，大公司和小公司的估值水平也系统性不同。不处理的话，因子很可能只是在买某几个行业或某个市值区间，而不是在同行业、同规模的公司里挑更好的。中性化就是把这部分影子扣掉，只留下“同行业、同市值水平下的相对好坏”。

本次的佐证：中性化前因子与 LN(总市值) 的逐日相关均值为 0.283，之后约为 -7.8e-14；逐日 RankIC 均值从 0.0202 变为 0.0306，标准差从 0.1496 降到 0.0802， Newey-West t 值从 1.60 升到 4.46。中性化前后因子值的日均相关为 0.925。

“波动变小”的原因（猜测）：中性化前的 IC 可能随大小盘风格轮动起落。本次没有做按市值分层的检验，这只是猜测，没有验证。

二、图表

检验口径：信号日收盘后生成因子，T+1 开盘价买入。逐日 RankIC 的“下期收益”为 T+1 开盘到 T+21 开盘（20 个交易日，相邻日窗口重叠，所以 t 值用 Newey-West，滞后 20）；分组与多空为月度：月末信号日生成，次日开盘买入，持有到下一个月末信号日的次日开盘，共 92 期。红涨绿跌。

1 · 逐日 RankIC 与 60 日均线

浅线为逐日 RankIC，蓝线为 60 日均线，灰色横线为 0 轴。全程均值 0.0306，IC>0 的天数占 66.0%。

2 · 累计 RankIC（中性化后 vs 中性化前）

逐日 RankIC 的累加。曲线越陡说明那段时间因子越有效，走平说明失效。

3 · 十组下期平均收益（G1 最小 → G10 最大）

每组为月度调仓的平均单期收益，黑线为全市场等权基准的月均收益（1.35%）。G1 绿 → G10 红只表示组序。

4 · 十组累计净值

起点为 1。线尾直接标出 G1、G10 和全市场等权基准；鼠标悬停时按净值从高到低排序。

5 · 多空累计净值（多 G10 空 G1）

扣费口径为单边 0.15%，只对换手部分收取。基准为全市场等权。

6 · 逐日 RankIC 直方图

横轴为 IC 区间中点，纵轴为天数。中性化后分布更集中（标准差 0.0802，中性化前 0.1496）。

7 · 分年度平均 RankIC

中性化后在 8 个年份中有 8 个为正，中性化前为 4 个。2026 年为截至 2026-09-18 的不完整年份。

8 · 分年度收益：G10 / 基准 / 多空（扣费）

各年内月度收益复利；多空为 G10−G1 的月度差价复利，未扣空头融券成本。

三、指标表

评价口径（课程口径）：|IC| ≥ 0.03 记“可用”，≥ 0.05 记“强”，> 0.1 记“可疑（警惕未来函数）”；单调性看十组是否“台阶状=有规律，乱跳=巧合”。

RankIC 汇总（t 值一栏为 Newey-West 校正，逐日滞后 20、月度滞后 3）
口径	均值	标准差	IR	朴素 t	NW 校正 t	IC>0 胜率	课程口径
逐日 RankIC · 中性化后	0.0306	0.0802	0.382	16.52	4.46	66.0%	可用
逐日 RankIC · 中性化前	0.0202	0.1496	0.135	5.83	1.60	53.9%	偏弱（<0.03）
月度信号日 RankIC（不重叠）· 中性化后	0.0287	0.0850	0.337	3.24	3.42	60.9%	偏弱（<0.03）
月度信号日 RankIC（不重叠）· 中性化前	0.0153	0.1424	0.108	1.03	1.05	54.3%	偏弱（<0.03）

逐日 IC 一阶自相关 0.962，所以朴素 t 值虚高约 3.7 倍。NW 滞后取 5/10/20/30/40 时，中性化后 t 值分别为 7.05、5.47、4.46、4.17、4.06，结论不依赖滞后选择。

十分组（月度调仓，不扣费）
组别	月均收益	年化	夏普	最大回撤
G1	+1.16%	+10.35%	0.47	-34.06%
G2	+1.31%	+12.95%	0.57	-30.48%
G3	+1.21%	+11.88%	0.55	-31.67%
G4	+1.25%	+12.32%	0.56	-28.80%
G5	+1.38%	+14.19%	0.64	-25.88%
G6	+1.43%	+14.83%	0.65	-25.89%
G7	+1.59%	+17.09%	0.73	-25.55%
G8	+1.63%	+17.76%	0.75	-24.67%
G9	+1.67%	+18.49%	0.79	-20.22%
G10	+1.33%	+13.99%	0.64	-19.97%
全市场等权基准	+1.35%	+13.90%	0.63	-24.63%
股票池等权	+1.40%	+14.53%	0.65	-23.53%

单调性：组序相关 0.782，9 个相邻台阶中 7 个向上，逐月组序相关均值 0.106。判断：整体向上但顶部回落，不算干净的台阶（收益最高的是 G9，G10 月均 1.33%，与基准的 1.35% 相近）。G10−G1 月均 +0.18%。每组每期中位 439 只。

多空组合（月度调仓）
组合	累计收益	年化	年化波动	夏普	最大回撤	月胜率
多空 · 不扣费	+11.71%	+1.46%	11.58%	0.18	-22.40%	48.9%
多空 · 扣费（单边 0.15%）	+3.01%	+0.39%	11.62%	0.09	-25.06%	48.9%
仅多 G10 · 扣费	+160.78%	+13.32%	25.04%	0.62	-20.13%	54.3%
全市场等权基准	+171.23%	+13.90%	25.91%	0.63	-24.63%	54.3%

成本假设：单边 0.15%，买入、卖出各计一次，只对换手部分收取，首期只计建仓。单边换手（占该腿资金）：多头月均 16.3%，空头月均 12.2%；成本拖累约 1.05%/年。换手用“新进成员占比”独立核对：多头 13.3%、空头 8.6%，权重换手不低于它（符合），因为还包含留任股票调回等权的部分。多空月差价的 t 值：朴素 0.50，NW 校正 0.47；前半段年化 -0.99%，后半段 +3.96%。

分年度收益（月度收益复利）
年份	G1	G10	全市场等权基准	G10 超额	多空 · 不扣费	多空 · 扣费
2019	+6.60%	+18.37%	+17.88%	+0.49%	+8.92%	+7.52%
2020	+8.93%	+18.17%	+19.99%	-1.82%	+7.58%	+6.30%
2021	+30.94%	+16.87%	+24.68%	-7.81%	-11.57%	-12.53%
2022	+8.86%	+2.75%	+4.82%	-2.07%	-7.32%	-8.31%
2023	-18.85%	-4.02%	-17.58%	+13.56%	+15.17%	+14.13%
2024	+19.29%	+34.73%	+27.82%	+6.92%	+8.98%	+7.93%
2025	+46.92%	+41.41%	+48.86%	-7.45%	-4.95%	-5.78%
2026（不完整）	-9.61%	-11.18%	-6.44%	-4.74%	-2.50%	-3.16%

分年度逐日 RankIC
年份	中性化后	中性化前	后 · 胜率	后 · NW t	课程口径（后）
2019	0.0548	0.0564	86.1%	4.01	强
2020	0.0318	0.0775	76.1%	2.78	可用
2021	0.0180	-0.0230	60.1%	0.96	偏弱（<0.03）
2022	0.0045	-0.0036	47.5%	0.32	偏弱（<0.03）
2023	0.0357	-0.0096	76.4%	2.02	可用
2024	0.0444	0.0454	56.6%	1.42	可用
2025	0.0240	-0.0076	58.4%	1.58	偏弱（<0.03）
2026	0.0319	0.0278	67.2%	1.42	可用

分年度 NW 滞后取 min(20, 样本数/5)。年度 NW t ≥ 2 的年份只有 3/8 个，多空不扣费为正的年份 4/8 个。

四、自检

项目	结果	判断
财报更新日是否紧跟公告日	因子值变动 127,631 次，其中 122,599 次能对上公告日；对上的里 99.80% 在公告日当天或次一交易日更新（当日 112,989，次日 9,338）。公告到更新相隔天数：中位 0、P90 2、P99 6。	基本通过，有尾部异常：提前于公告 26 笔（最多 10 天），滞后超过 10 天 56 笔（最长 231 天），对不上公告 5,032 笔。原因未核查（猜测：更正公告或日期口径差异）。
因子额外滞后后的 IC	滞后 0 / 5 / 20 个交易日：IC 0.0306 / 0.0280 / 0.0237，NW t 4.46 / 4.13 / 3.58。	通过缓慢衰减，没有“一滞后就消失”，不像依赖未来信息。
随机因子对照	随机因子 300 次（种子 20261027），月度 IC 均值的均值 -1.3e-05；\|t\|>1.96 的比例 6.7%（理论约 5%，偏离 1.3 个标准误）；随机 \|t\| 最大 3.38，真实月度 t 为 3.24，超过它的随机因子占 0.3%。	通过检验流程对随机因子不制造虚假显著。
与过去收益的关系	因子与过去 20 / 60 日收益的月度截面 Spearman 均值：中性化后 -0.024 / -0.039，中性化前 0.011 / 0.009；单月绝对值最大 0.23 / 0.26。	通过平均相关很小，不是动量或反转的替身。
退市标的是否在样本内	2019 年以来退市 243 只，其中 236 只在因子表里，7 只不在；因子表最后一天距退市日的中位数 7 天，超过 30 天的 89 只。月度检验里“有入场价、缺退出价”被跳过的股票·期 780（其中退市股 203，G1 220，G10 57）。	有未解释尾部退市股在样本内（无生存者偏差的明显证据），但缺退出价的收益被跳过，退市亏损没有计入；这会对 G1 和 G10 各有多大影响没有量化（猜测：G1 受影响更大）。
SQL 与 numpy 对账	在 3 个信号日上用 scipy 重算：样本数一致，RankIC 最大绝对差 1.7e-15，c_ntile 分组一致比例 100%。	通过分组与 IC 直接用 SQL 的 c_ntile / c_rank / m_lead 计算，未回退 numpy。

五、结论（大白话）

IC 是否显著为正：是，但幅度不大。逐日 RankIC 均值 0.0306（课程口径“可用”，刚过 0.03 的线），Newey-West t = 4.46；不重叠的月度 IC 均值 0.0287，t = 3.42，结论一致。朴素 t 值 16.52 是重叠窗口造成的虚高，不能引用。分年度看均值为正的有 8/8 个，但单个年份 NW t ≥ 2 的只有 3/8 个，说明显著性主要来自把全部年份合在一起。
分组是否单调：不干净。G1 月均 1.16% 是最低，G9 1.67% 最高，G10 1.33% 反而回落到与基准（1.35%）接近；组序相关 0.78。整体“越往上越好”的趋势在，但最顶端的一组没有兑现。
多空是否稳定：不稳定。G10−G1 月均 0.18%，不扣费年化 1.46%、夏普 0.18，扣费后年化 0.39%、夏普 0.09；月差价的 NW t 仅 0.47。前半段年化 -0.99%、后半段 +3.96%，分年度多空为正的只有 4/8 个年份。
中性化的作用：明显。中性化前逐日 IC 均值 0.0202、NW t = 1.60，不显著；中性化后升到 0.0306、t = 4.46。说明复合因子里有一块行业/市值暴露在拖累预测力。

要不要继续研究：建议继续，但不要直接当作独立的选股因子用。 排序信息大概率是真实的（IC 显著、自检基本通过，尾部见第四节），但“排序有用”和“能赚到钱”之间还差一步：最顶端一组没有跑赢，扣费后的多空几乎没有收益。更值得做的是：（1）看为什么 G10 回落——可以拆开 EP 和 ROE 各自的 IC 与分组，也可以按行业或市值分层看 G10 里是什么股票；（2）把它当作多因子里的一个成分，而不是单独使用；（3）换一个更长的持有期或加入成交约束再检验。

对 G10 回落原因的任何解释（比如“G10 里有高 ROE 的拥挤股”“EP 为负值的亏损股被推到两端”）目前都是猜测，本次没有做拆分检验。

六、风险与备注

样本区间：信号日 2019-01-31 ~ 2026-08-31，共 92 个月度期（约 7.7 年）；最后一个月末不完整，已剔除（2026-10-27）。月度样本量有限，年度指标波动大。
过拟合提示：因子定义、缩尾分位、等权比例都是事先给定的，没有做参数搜索，但整个区间都是样本内；没有留出样本外区间。
空头不可实现：A 股个股融券的标的有限、成本高。多空中的空头腿只能当作衡量因子区分度的工具，不是可交易组合。仅做多 G10（扣费）年化 +13.32%，基准 +13.90%，没有超额。
交易细节未建模：未计冲击成本、涨跌停和停牌导致的成交失败、融券费用、印花税差异、资金容量。成本只用单边 0.15% 一个数。
被跳过的数据：股票池内缺入场价 237 行、缺退出价 780 行（占 0.20%）直接跳过，其中退市股 203 行，其余 577 行的原因没有核查（猜测：停牌或新股/次新股数据缺口）；这些期的收益没有进入统计，若其中含退市亏损，绝对收益水平会偏乐观（猜测，未量化）。
公告时点：财务字段按公告日对齐，但没有公告的具体时刻。公告在收盘后发布时，当天收盘生成的信号会略微提前用到信息；其影响本次无法排除，额外滞后 5 个交易日后 IC 仍为 0.0280，说明结论不依赖它。
落库表名与要求不同：要求的 value_roe_neutral 写入被拒绝（无写权限，且查不到该表，疑似 ID 已被他人占用，原因未核实）。经确认改为 ep_roe_composite_neutral，行数 8,176,769，回读核对通过。
未解释的尾部：财报更新日有极少数提前或严重滞后的记录（见自检表）；退市标的缺退出价的影响没有量化。
数据口径：逐日 RankIC 与月度分组的持有期不同（前者 20 个交易日滚动，后者按月末到月末），二者不能直接比较大小。