101个因子公式，为什么还不是一套交易策略？

论文表1给出的成对收益相关性，均值为15.86%，中位数14.31%。只看到这两个数字，很容易把101个公式理解为101份足够独立的机会。

同一张表的最大值却是87.33%，最小值为−15.09%。101个Alpha共有5050对不同的组合，平均数把差异很大的配对压缩成了一个数字。

这支持一个有限判断：在作者的专有样本里，这批Alpha整体的平均相关性较低。它不能保证任意两条信号都互补，更不能保证把它们等权相加就能得到更好的可交易组合。

如果你已经有一组因子，新加入的公式真正需要回答的是：它给现有组合带来什么？它是不是另一条信号换了写法，在相同市场条件下暴露相同风险？加入后，样本外表现和交易成本怎样变化？这些是据论文提出的实践检查，不是本文额外完成的实证。

还要分清比较对象。论文这里统计的是Alpha收益之间的相关性。你在因子库中计算的某天股票横截面信号相关、每天IC序列相关，都是不同对象，不能直接拿15.86%作统一阈值。

论文第4页区分delay-0与delay-1。delay-1意味着用到的数据日期，比预期交易日至少早一天；delay-0允许某些数据时间与计划交易时间重合，执行要求也更严格。

作者特别指出，编号42、48、53、54属于delay-0，假设在计算当日的收盘时点附近交易。把最终收盘数据算出的信号，直接配上同一个收盘成交价，会让回测看起来比实际执行更容易。

这不是说这些公式必然存在前视问题。真正要查的是你的实现：当时究竟知道哪些数据？什么时候能发出订单？所用价格是否可成交？如果为了可执行性把信号后移一天，那已经改变了研究设定，需要重新评价。

同样叫“复现”，有的人复现表达式，有的人复现信号时间，还有的人尝试复现交易过程。只有把范围写清楚，结果之间才有比较意义。

论文在这101个Alpha之间做横截面回归。加入波动率后，换手率对收益的系数为−0.023，t统计量为−0.57（表3）。在该设定下，没有发现显著的额外收益解释关系。

另一个实验用换手率相关的变量解释Alpha两两收益相关性，R²只有0.0127（表4）。作者也明确限定：这不意味着换手率在风险模型中毫无价值，更没有否定它对特定风险等环节可能有用。

尤其不能由此推出“高换手无所谓”。表1说明，业绩数字不含交易费用、价格冲击等成本。统计上的收益解释力，与执行时要支付多少成本，是两个问题。

作者用换手率倒数近似平均持有期，样本约为0.6—6.4天。对这样较短的持有周期，把成本留到最后随手扣一个常数，可能会改变策略之间的排序。具体影响仍要用你的市场、频率、规模和执行设定验证；论文没有给出可直接套用的统一费率。

附录规定rank是横截面排名，ts_rank是在过去窗口内做时间序列排名；indneutralize是在指定行业组内做横截面去均值；非整数天数窗口向下取整。

这些定义会影响表达式最终代表什么。把rank写成每只股票自己的历史排名，得到的已是另一条信号。把20.7天按四舍五入变成21天，也偏离了原文口径。

还有一些实现细节不能靠猜测补齐：缺失值如何传播、排名并列如何处理、标准差自由度、停牌和复权口径，都应在自己的实现记录里明确。原文没有充分定义的地方，要标为实现选择，不要把自己的选择说成作者原始设置。

公式有点像食谱。原料名称相同，不代表计量、次序和火候相同。这个类比到收益判断就失效了：市场会变化，准确复现一种做法，并不能保证它继续有效。

论文说，在写作时101个Alpha中有80个仍用于生产，但没有披露具体是哪80个。这是当时的状态说明，不能改写成今天仍有80个有效，也不能据此替自己的回测背书。

这份材料更适合作为因子工程的练习基准：固定字段与算子定义，记录数据可得时间与交易时间，在明确的成本和约束下评价，最后再检查对已有组合的增量。

完成这些工作后，你手里的成果就不仅是一列因子值，还包括别人能检查的研究条件。公开公式降低了开始的难度；哪些信号值得留下，仍要由当前数据、可靠实现和可执行验证来回答。

来源：Zura Kakushadze，《101 Formulaic Alphas》，正文日期2015年12月9日。样本与指标定义见第5页，时点说明见第4页，算子见第15—16页，统计结果见第18页表1—4。本文图表依据原文统计及方法重绘；检查表与机制解释属于教学整理。

本文由AI辅助整理与制图，已对照原文核查主要数字和口径。内容仅供学习研究，不构成投资建议。历史样本表现不代表未来收益。