还在靠单均线 / MACD 炒股，赚赚亏亏总跑不赢大盘？其实问题不在「执行」，而在「选股逻辑」—— 单一指标只能看一个维度，而多因子策略能从「估值、成长、流动性」等多个维度筛选股票，相当于给选股装了「多维度雷达」，而且完全不用几百万资金，10 万开通的 PTRADE 专业版就能跑，甚至新手也能靠「预制因子」快速上手。

很多人觉得多因子是机构专属，其实 PTRADE 内置了现成的因子库（比如市盈率、换手率、净利润增速），不用自己写复杂公式，拖拽 + 简单代码就能搭建入门级多因子策略，10 万资金足够覆盖 5-10 只标的的筛选和交易，今天就把「新手友好型多因子策略」全拆解，看完就能在 PTRADE 上落地，告别单一指标的局限性。

一、入门级多因子策略核心逻辑：3 个因子搞定 A 股选股

不用贪多，新手先聚焦「3 个核心因子」，覆盖「估值 + 流动性 + 趋势」，适配 A 股散户能参与的标的范围，逻辑简单且易验证：

1. 估值因子（PE 百分位）：选 PE 百分位 < 30% 的标的（低于近 3 年 70% 的时间，低估），避免追高接盘；
2. 流动性因子（日均成交额）：选日均成交额 > 5 亿的标的，保证 10 万资金买卖不卡单，避免小盘股流动性陷阱；
3. 趋势因子（60 日均线）：选股价站在 60 日均线上方的标的，确保处于多头趋势，过滤下跌中的「便宜股」。

交易规则：

• 每周五收盘后筛选：同时满足「PE 百分位 <30%+ 日均成交额> 5 亿 + 站 60 日均线」的股票，选排名前 5 的标的；
• 买入：等权配置，每只标的分配 20% 仓位（10 万资金≈每只 2 万），不满仓留现金容错；
• 调仓：每月第一个周五重新筛选，剔除不符合条件的标的，替换成新入选的标的；
• 止损：单只标的跌超 8% 强制卖出，避免深套。

为啥选这 3 个因子？A 股散户最容易踩「高估值接盘」「小盘股卖不出」「抄底抄在下跌趋势里」的坑，这 3 个因子刚好精准规避，而且计算简单，PTRADE 能直接调取数据，不用自己爬取。

二、工具适配：PTRADE 是新手多因子的最优解

10 万资金开通的 PTRADE 专业版，完美适配这个策略的核心需求：

• 因子数据免处理：PTRADE 内置「财务因子」「行情因子」库，PE 百分位、日均成交额等数据一键调取，不用自己算；
• 云端筛选 + 调仓提醒：每周五自动筛选标的，不用手动翻财报 / 行情，调仓时弹窗提醒，上班族也能操作；
• 仓位自动控制：代码里设置「每只标的 20% 仓位」，10 万资金自动分配，避免手动算错仓位。

QMT 也能跑，但需要手动处理部分因子数据，新手优先选 PTRADE，把精力放在「逻辑验证」而非「数据清洗」。

三、PTRADE 核心代码框架（Python），直接复制用

PTRADE 的因子调用函数已封装，代码仅保留核心逻辑，新手改「筛选时间」「因子阈值」即可，无需复杂修改：

# 初始化函数：设置因子参数和调仓时间

definit(context):
   context.security_pool =[]# 选股池
   context.weekly_rebalance =True# 每周调仓开关
   context.percent_pe =30# PE百分位阈值
   context.min_volume =5e8# 日均成交额5亿（单位：元）
   context.ma_period =60# 60日均线# 设置调仓时间：每周五收盘前30分钟
   run_weekly(rebalance, weekday=5, time='14:30')

# 每周调仓函数

defrebalance(context, bar_dict):

# 1. 获取全市场A股标的（过滤ST、停牌）
   all_stocks = get_all_securities(['stock'], date=context.now)
   all_stocks =[stock for stock in all_stocks ifnot stock.endswith(('ST','*ST'))]

# 2. 多因子筛选
   qualified_stocks =[]for stock in all_stocks[:1000]:# 新手先筛选前1000只，减少计算量# 调取因子数据
       pe_percent = get_factor(stock,'pe_percentile', context.now)# PE百分位
       avg_volume = get_bars(stock,20,'1d','volume', skip_suspended=True)['volume'].mean()* get_price(stock)['close'][-1]# 日均成交额
       ma60 = get_bars(stock, context.ma_period,'1d','close')['close'].mean()
       current_price = get_price(stock)['close'][-1]

# 因子条件判断

if pe_percent < context.percent_pe and avg_volume > context.min_volume and current_price > ma60:
           qualified_stocks.append(stock)

# 3. 选前5只标的，等权配置
   context.security_pool = qualified_stocks[:5]

for stock in context.security_pool:
       order_target_percent(stock,0.2)# 每只20%仓位#

4. 卖出不符合条件的旧标的

for hold_stock in get_positions():

if hold_stock notin context.security_pool:
           order_target_percent(hold_stock,0)

# 每日止损检查

def handle_bar(context, bar_dict):

for stock in get_positions():
       cost = get_position(stock).avg_cost
       current_price = bar_dict[stock].close
       # 跌超8%止损

if(current_price - cost)/ cost <-0.08:
           order_target_percent(stock,0)
           log.info(f"{stock}跌超8%，止损卖出")

注：PTRADE 的get_factor函数可直接调用内置因子，新手不用自己计算 PE 百分位，替换成自己想测的因子（比如 PB 百分位）只需改一行代码。

四、10 万资金实操避坑：3 个新手必看要点

1. 别贪多因子：新手先从 3 个因子开始，加太多因子会导致「过度拟合」—— 回测胜率 90%，实盘直接亏，比如再加「净利润增速」也要等基础策略跑稳后；
2. 标的数量控制：10 万资金最多选 5 只标的，每只 2 万，分散但不分散到精力跟不上，优先选沪深 300 成分股，基本面更稳；
3. 调仓频率别太高：每月调仓一次足够，每周调仓会增加手续费，10 万资金的手续费占比会吃掉利润，PTRADE 可设置「调仓时扣减手续费回测」，更贴近实盘。

五、策略优化方向：跑稳后再升级

等基础版跑 3 个月盈利稳定后，可逐步优化：

1. 因子权重调整：给 PE 百分位赋更高权重（比如低估标的优先），或给趋势因子加权重（牛市里更吃香）；
2. 加入行业分散：要求 5 只标的来自不同行业，避免单行业暴跌拖累整体收益；
3. 因子动态切换：牛市侧重成长因子（净利润增速），熊市侧重估值因子（PE/PB）。

最后想说

多因子策略的核心不是「因子多复杂」，而是「因子能解决实际选股问题」。10 万资金开通的 PTRADE，足够让你从「单一指标炒股」升级到「多维度选股」，这一步的提升，比你天天盯盘、改均线参数有用得多。