股票因子评估实操：从每日因子值到扣费后的分组组合
股票因子评估需要分别重建统计分组和实际持仓。先从日期乘证券的因子面板出发，配对明确的未来收益，冻结每组成员，再把预定最高组转换成订单、费用和现金账。只有分层净值图，还不能回答账户究竟能投入多少钱、买到多少股以及扣费后剩多少。
本指南交付有效观察表、确定分组表和最小现金流水。文中全部数据都是合成示例，用于验证机制，不是历史业绩。每次研究只选一个股票市场和一种资金币种。CoTrading相关因子工作台仍属于规划或待核实能力，下面方法不依赖产品已经提供这些功能。
先冻结观察时点和成交时点
每行保留稳定证券标识、因子形成时间、实际可得时间、入选状态、建仓价格时间和退出价格时间。如果分数使用当日收盘价，收益标签应从之后可执行的价格开始，例如下一交易日开盘，不能从产生分数的同一收盘开始。把具体日期写下来，不要只使用含义不清的“明日收益”列。
配对前固定价格口径。包含分红的总回报标签，与使用未复权开盘价的成交账之间，需要有公司行动和现金分配的衔接。否则因子收益与组合收益的差别可能来自口径，而不是选股效果。缺价格、缺分数、不在冻结股票池等状态都要记录，不能把不知道的退出价格自动变成零收益。
本例规定，每天计算信息系数至少需要五只有效配对股票。这只是本次流程的最低运行门槛，不表示五只股票能提供可靠统计证据。若分数或收益全部相同，相关系数没有定义，应报告不可计算，而不是填写零。每日系数旁边同时保存样本数，让覆盖变化能被看见。
固定截面成员与排序方向
六只虚构股票甲至己，代码使用A至F，因子分数分别为一至六。对应的下一指定开盘到再下一指定开盘收益，依次为百分之一、二、三、四、五、六。先按分数升序，再按稳定证券标识排序，分成三组，每组两只。第一组A、B，第二组C、D，第三组E、F。
三组等权统计收益分别为百分之一点五、三点五、五点五。本例事先规定高分优先，因此做多目标为E和F。如果研究的是低值优先指标，分组与目标之间的映射必须提前反过来，不能看完收益才把表现最好的一组改称“优先组”。方向设定属于研究输入，不是事后解释。
信息系数使用分数秩与收益秩的相关。Python统计模块官方文档说明了样例使用的均值与相关计算工具。独立脚本先对并列值计算平均秩，再计算两列秩的普通相关。本例两列秩相同，得到一。这个刻意构造的完美排序，只证明样例计算一致，不能估计真实预测强度，更不能据此决定上线交易。
真实截面要额外固定容量规则。六只股票的每两只切片只是本例，不是任意样本的通用分组方法。需要说明余数分给哪些组、边界同分如何决胜、有效样本少于组数时怎样处理。输入行重新打乱后，组成员必须一致。统计收益旁保留完整成员，另一个实现者才能复算。
从最高组落到可买股数
为E和F另建一个初始资金一千的合成账户，两只建仓开盘价均为十。各买四十股，每张订单收取虚构佣金一。总买入名义金额八百，买入佣金合计二，现金剩一百九十八。这里有意留出现金，不假设统计篮子的全部权重都能无条件成交。
下一个指定开盘，E为十点五，F为十点六。卖出四十股E取得四百二十，扣佣金一后净入四百一十九；卖出四十股F取得四百二十四，扣佣金一后净入四百二十三。期末没有持仓，现金为一百九十八加四百一十九加四百二十三，等于一千零四十。账户净收益百分之四。
最高组的百分之五点五与账户百分之四并不矛盾。统计组假定两只各占满仓资金一半；账户实际只把初始资金的百分之八十投入股票，而且往返付出四个单位费用。账户毛收益四十四，净收益四十。把这个桥接过程展示出来，才可以解释统计收益与可执行结果的差异。
用独立脚本复算
仓库样例为docs/growth/research/round-5/examples/R561.py，只使用Python标准库。核心分组如下，完整文件还包含平均秩、缺样本状态和逐笔现金断言。
ordered = sorted(valid, key=lambda row: (row['score'], row['symbol']))
groups = [ordered[i:i + 2] for i in range(0, len(ordered), 2)]
group_returns = [mean(row['return'] for row in group) for group in groups]在仓库根目录运行python docs/growth/research/round-5/examples/R561.py。程序断言固定成员、秩相关、最高组收益、最终现金以及样本不足状态，并输出四笔订单。读者可不依赖汇总数字，直接按数量乘价格复算现金。教学样例的浮点比较使用误差容忍；正式货币账需要固定精度与舍入规则。
反例是覆盖不足，而不是另一种费用假设
从配对数据中删除E和F，仅剩四只。程序返回跳过状态与样本数四，不再从不足门槛的截面输出日信息系数。这属于覆盖失败，与“样本有效，但成本侵蚀组合收益”的机制不同。不能为了让结果每天都有数，悄悄降低门槛或把缺失股票当零收益加入。
统计日期跳过后，已有账户怎么办，需要另一条明确规则。跳过一次信息系数不自动等于平掉全部仓位。可以规定维持旧持仓、暂停新增，或在后续可成交行情退出，但这些决定必须进入订单账。不能编造一个分组收益来保持曲线连续，也不能把未成交目标当已成交持仓。
扩展日期前先扩展对账
多日研究应保存上一期数量、卖出释放资金、买入需求、佣金、余款和估值。成员变化产生换手，成员不变通常不需要每天完整往返。拒单和目标未满足也属于结果。A股与美股应分别建模；港股研究需要另备相应面板，不能因方法通用就推断已经具备内置港股数据。
历史股票池是另一个独立输入。用当前成分股向过去回填，即使排序完全正确，仍保留幸存者偏差。保存名单来源及生效期，标明不能恢复的历史成员。验收时抽一个有效日期，贯穿原分数、标签、成员、订单和账户净值，再抽一个跳过日期检查状态流转。数据版本、股票池、成本或时间约定变化后，重跑整条链，同时保留旧工件，避免把两版不同口径的曲线直接拼接。
下载完整示例，保存为R561.py，使用Python 3.12及以上运行python R561.py。仅使用标准库与合成数据。
用版本差异解释成员与收益变化
研究重跑时，选一个日期，按证券标识连接新旧行，将差异分成输入修订、资格变化、分数变化与执行变化。下一期收益标签变了，可能只改变分组收益，不改变任何成员；建仓价变了，可能只改变可买数量和账户暴露，不改变因子排序。不要看到新版曲线提高，就自动写成选股能力提升。先把变动沿数据链定位，再解释经济含义。
检查人应分别用两只股票的收益标签重算最高组毛收益，用四条现金事件重算账户净盈利，并说明哪些事情尚未证明。本例没有多日期不确定性估计、退市股票历史和容量分析，这些要作为后续研究依赖保存。通过小样例算术验收，只能允许继续扩大研究，不能把六只股票推演成跨市场、跨行情和未来成本下都成立的因子证据。
另一个实用工件是“成员变动原因”表。每次新增列出分数进入、原成员失去资格或股票池变化；每次退出区分排名下降、数据失效和执行失败。执行失败不应倒写成未入选，数据失效也不应被当成因子主动看空。这样同样的目标与不同成交之间有明确桥梁，后续才有条件分析真实换手和费用，而不必从最终净值猜测过程。
在交接记录中写出两个独立结论：分组成员和标签算术是否正确，账户订单和现金是否正确。任何一个通过，都不替代另一个。若相关系数因常量向量无法定义，仍可保存成员，但不能给它补一个零系数来混入日均统计；脚本也检查了这条边界。
常见问题
信息系数为一是否表示因子能赚钱？
不能。它仅描述六条刻意构造观察的次序，账户结果还受投入比例、成交和费用影响。
分组收益能直接称为净业绩吗？
需要另有持仓、现金、费用和估值账能够闭合。本例已经展示两者为什么不同。