单一因子产生的收益差异，可能来自风险暴露，也可能来自市场错误定价。只看回测曲线，无法回答收益究竟从哪里来。
QUANT · FACTOR RESEARCH
研发投入因子与多因子选股研究
从研发投入指标出发，完成样本匹配、因子检验、风险解释和多指标组合回测，连接金融问题与数据验证。
01 / CONTEXT
问题与目标
从横截面分组表现出发，把多空组合放回风险因子框架中解释，再组合 ROE、PE 等财务指标形成更完整的选股研究链路。
02 / SYSTEM
系统如何运转
01 · DATA样本与财务数据匹配→
02 · FACTOR研发投入指标构建与排序→
03 · PORTFOLIO10–1 多空组合与分组收益→
04 · EXPLAIN风险暴露与回归截距 α→
05 · TEST多指标评分与组合回测
03 / DECISIONS
三个关键设计决策
先检验单因子，再扩展组合
以 A 股上市公司研发投入指标为核心，按横截面排序分组构建 10–1 多空组合，先观察不同分组的收益表现。
区分风险补偿与错误定价
把多空组合置于常见风险因子框架下，比较风险暴露的解释力与回归截距 α，不把未经解释的超额收益直接当作因子有效。
从研究结论走向组合规则
结合 ROE、PE 等财务指标建立综合评分规则，筛选股票组合并开展回测，连接因子分析与组合评估。
04 / VALIDATION
如何验证结果
- 比较不同横截面分组的收益差异与排序关系。
- 检查多空组合在常见风险因子下的暴露与 α。
- 对综合评分选出的股票组合进行历史回测。
- 结合策略表现解释单因子与多指标结果之间的差异。
STACK
Python财务数据横截面排序因子回归组合回测
KEEP EXPLORING
返回项目一 · 多模态 RAG →