年化20%量化笔记 |
模块：数学与统计基础
WHY：为什么一元回归远远不够？
真实市场从不只有一个变量
上一篇我们聊了一元线性回归，用一个自变量去解释另一个变量的变化。这在做初步探索时很有用，但如果你真拿它去做交易决策，很快就会撞墙。
为什么？因为市场从来不会只受一个因素影响。
举个最直观的例子：你想预测某只股票明天的收益率，你觉得只看一个因素够吗？
• 只看大盘涨跌幅？不够。同一天的两只股票，大盘涨1%，一只涨3%，一只跌1%。
• 只看成交量？不够。放量可能是利好也可能是恐慌。
• 只看行业表现？不够。同行业的龙头和垃圾股走势天差地别。
真实世界里，结果几乎总是被多个因素同时驱动。
这就是多元回归要解决的问题——当"一个变量不够用"的时候，我们怎么把多个变量同时纳入模型，搞清楚每个因素到底贡献了多少？
从"简单直觉"到"系统建模"的认知跃迁
很多量化新手会经历这样一个阶段：
1. 先找到一个"感觉有用"的指标（比如动量因子），做单因子回测，发现有点alpha。
2. 再找第二个指标（比如波动率），单独测，也有点用。
3. 然后直接叠加，心想两个有用的加一起应该更好吧？
4. 结果发现：叠加效果不如预期，有时甚至更差。
这就是为什么需要多元回归。它能帮你解决一个核心问题：在多个因素同时存在的情况下，每个因素的真实贡献到底是多少？它们是独立起作用的，还是互相干扰的？
不做这一步，你永远是在"盲堆因子"，跟炒菜不放盐随便乱炖差不多。
为什么这个话题值得专门写一篇？
我自己在因子研究的路上吃过不少亏。早期我特别迷信"找到一个牛逼因子就够了"，后来发现，一个因子再好，放进多因子模型里可能完全失效。
比如你发现"低市盈率"能预测股票收益，这在单因子测试里可能非常漂亮。但如果你同时控制了"市值"这个变量——低PE的股票往往是小市值股票——你会发现PE的独立解释力大幅下降。
这就是多元回归的魅力：它能帮你区分"真有用"和"搭便车"。
HOW：多元回归怎么做？
从一元到多元：模型的扩展
一元线性回归长这样：
多元线性回归就是一元版的自然扩展：
看起来只是多了几个变量，但背后的复杂度和需要注意的问题完全不是一个量级。
关键参数解读：
• ：截距项，所有变量为0时的基准值
• ：第i个变量的回归系数，控制其他变量不变时，Xi每变动1个单位，Y的平均变动量
• ：误差项，模型无法解释的部分
注意"控制其他变量不变"这个前提，这是多元回归系数的核心含义——它衡量的是净效应，不是总效应。
在量化中的实际应用场景
让我给你三个真实场景，看看多元回归在量化交易中怎么用：
场景一：多因子收益预测
你想预测股票未来一个月的收益率Y，选了三个因子：
• X1：过去20天的动量（收益率）
• X2：过去20天的波动率
• X3：市盈率PE的倒数（盈利收益率）
建立多元回归：
跑完回归后，你看每个系数的显著性（t检验），就能知道哪个因子在"控制其他因子后"还有独立的预测力。
场景二：风险归因
你的策略年化收益25%，但你想知道这25%到底从哪来的？是仓位选择的贡献，还是择时的贡献，还是行业配置？
用多元回归，把各维度的收益贡献作为自变量，总收益作为因变量，就能拆解出每个因素的"真实贡献"。
场景三：对冲比率计算
你持有一个股票组合，想用股指期货和国债期货来对冲。问题是：分别该用多少手？
这就是一个典型的多元回归问题：
和
就是你需要的最优对冲比率。
多元回归的核心陷阱：多重共线性
这是多元回归里最重要的一个坑，没有之一。
什么是多重共线性？简单说就是你的自变量之间高度相关。
举个例子，你想同时用以下三个因子来预测股票收益：
• X1：总市值（对数）
• X2：流通市值（对数）
• X3：自由流通市值（对数）
这三个变量高度相关（相关系数可能>0.95），把它们同时放进回归模型会出什么问题？
1. 系数估计不稳定：稍微变动几个样本，系数可能从正变负、从小到大剧烈波动
2. 标准误膨胀：t检验可能变得不显著，即使这些变量确实有用
3. 系数失去可解释性：因为"控制其他变量不变"这个前提已经不成立了——你不可能独立改变总市值而不改变流通市值
怎么检测多重共线性？
最常用的是VIF（方差膨胀因子，Variance Inflation Factor）：
其中
是把第j个变量作为因变量、其他所有变量作为自变量做回归得到的R²。
经验法则：
• VIF < 5：问题不大
• VIF在5-10之间：需要警惕
• VIF > 10：严重共线性，必须处理
怎么处理多重共线性？
| 方法 | 适用场景 | 操作方式 | | --- | --- | --- | | 删除变量 | 有高度相关的冗余变量 | 保留信息量更大、逻辑更强的那个 | | 主成分分析(PCA) | 变量多且都相关 | 将相关变量降维为正交的主成分 | | Ridge回归 | 想保留所有变量但系数不稳定 | 添加L2惩罚项，牺牲无偏性换取稳定性 | | 逐步回归 | 变量很多，需要筛选 | 逐步添加/删除变量，看VIF和AIC变化 |
用Python跑一个多因子回归
给你一段可以直接跑的代码框架：
// python
import pandas as pd
import numpy as np
import statsmodels.api as sm
from statsmodels.stats.outliers_influence import variance_inflation_factor
# 1. 准备数据
# 假设df包含：stock_return(因变量), momentum, volatility, ep, size
df = pd.read_csv('factor_data.csv')
# 2. 构建自变量矩阵
X = df[['momentum', 'volatility', 'ep', 'size']]
X = sm.add_constant(X) # 添加截距项
y = df['stock_return']
# 3. 拟合多元回归模型
model = sm.OLS(y, X).fit()
print(model.summary())
# 4. 检查VIF
vif_data = pd.DataFrame()
vif_data['feature'] = ['momentum', 'volatility', 'ep', 'size']
vif_data['VIF'] = [variance_inflation_factor(X.values, i)
for i in range(1, X.shape[1])] # 跳过常数项
print(vif_data)
# 5. 如果VIF过高，尝试删除VIF最高的变量，重新回归
解读回归结果的关键指标：
• R²：模型能解释多少因变量的变异。量化因子模型里，截面回归的R²通常很低（0.02-0.10），这很正常，不用焦虑。
• Adjusted R²：考虑了变量个数的R²，用于比较不同变量数量的模型。
• 各系数的p值：<0.05通常认为显著，说明该因子在控制其他因子后仍有独立预测力。
• F统计量的p值：检验"所有系数同时为0"的原假设。如果这个不显著，说明整个模型没有解释力。
一个容易忽视的问题：样本量要求
多元回归有个基本要求：样本量至少应该是自变量个数的10-20倍。
如果你有10个因子变量，至少需要100-200个观测值。在量化场景中，如果做月度截面回归，每个截面至少有几十只股票还好说；但如果你的数据本身就很短（比如只有50个交易日），变量又多，就会"过参数化"。
这其实和后面的过拟合问题是相通的——变量太多、样本太少，模型就会"记住噪声"而不是"发现规律"。
WHAT：掌握多元回归后你能得到什么？
可量化的能力产出
学完这篇，你应该能完成以下具体任务：
| 能力项 | 量化指标 | 验证方式 | | --- | --- | --- | | 构建多因子模型 | 能同时纳入3-10个因子进行回归 | 跑通statsmodels的OLS回归 | | 检测共线性问题 | 计算所有变量的VIF值 | VIF结果全部<10 | | 解读回归结果 | 准确说明每个系数的含义和显著性 | 能向非专业人士解释结果 | | 处理共线性 | 至少掌握2种处理方法 | 成功降低高VIF变量的影响 |
1. 本周***：选3个你熟悉的因子（比如动量、波动率、市值），获取过去1年的月度数据，跑一个多元回归，看每个因子的系数是否显著。*********
2. VIF检查：计算你模型中每个变量的VIF，如果有超过10的，分析原因并尝试处理（删除或替换）。
3. 对比实验：
◦ 先跑一元回归（每个因子单独回归），记录R²和系数
◦ 再跑多元回归（所有因子一起），记录R²和系数
◦ 对比差异，思考：为什么加入其他变量后，某些因子变得不显著了？
4. 进阶练习：尝试对同一组因子，分别做截面回归（同一时间点、不同股票）和时间序列回归（同一只股票、不同时间点），体会两种回归的区别。
多元回归在策略开发中的位置
多元回归不是终点，它是你因子研究的"中间站"。从这里出发，你会自然地走向几个方向：
• 因子筛选：通过回归系数的显著性，淘汰"搭便车"的因子 → 第36篇（回归诊断）
• 正则化方法：变量太多怎么办？用Lasso/Ridge自动筛选 → 第37篇
• 非线性关系：万一因子和收益不是线性关系？→ 后续机器学习篇章
• 因子正交化：让因子之间不相关，消除共线性 → 因子投资模块
多元回归是连接"单因子分析"和"多因子模型"的桥梁。跨过这座桥，你的量化研究就从"一个一个因子瞎试"升级到了"系统性地评估因子组合"。
一个真实的经验数据
分享我自己的一个案例。我曾经用5个因子做截面回归预测A股月度收益：
| 因子 | 一元回归系数 | 一元回归t值 | 多元回归系数 | 多元回归t值 | VIF | | --- | --- | --- | --- | --- | --- | | 动量 | 0.032 | 2.85 | 0.011 | 0.92 | 3.2 | | 波动率 | -0.045 | -3.12 | -0.038 | -2.74 | 1.8 | | PE倒数 | 0.028 | 2.15 | 0.005 | 0.38 | 7.6 | | 市值(对数) | -0.051 | -4.23 | -0.044 | -3.51 | 2.1 | | 换手率 | 0.019 | 1.67 | -0.008 | -0.65 | 8.9 |
你会发现：
• 动量和PE倒数在多元回归中变得不显著了，因为它们和市值有一定相关性（小盘股往往PE低、动量高）
• 波动率和市值保持显著，说明它们有独立的解释力
• 换手率的VIF接近9，和动量有共线性（高动量往往伴随高换手）
这个例子很好地说明了多元回归的核心价值：它能帮你剥离因子之间的重叠，找到真正独立的alpha来源。
下一篇预告：【维克】回归诊断：如何知道你的模型是不是"坏了"？
模型跑出来了，结果怎么看？残差是不是正态分布？有没有异常值在偷偷影响你的结论？下篇讲回归后的"体检报告"。
