量化策略的优劣，本质上取决于“因子”的有效性。因子是指能够解释股票预期收益的一组统计特征。常见的因子包括估值因子（PE、PB）、动量因子、波动率因子以及筹码分布因子等。

一个因子的发现通常遵循“假设-测试-验证”的科学范式。首先，市场参与者根据交易经验提出假设，例如“过去5天换手率异常放大的股票在接下来的3天内有超额收益”。随后，利用 Python 调取历史数据，计算该因子的 IC 值（信息系数）和 IR 值（信息比率），以衡量该因子对价格预测的强度和稳定性。只有经过大样本量验证且具有逻辑支撑的因子，才能被纳入最终的交易模型。

随着市场进化，简单的单一因子已很难获取超额收益，现在的趋势是“多因子合成”。通过机器学习算法，将数十个低相关的弱因子加权融合成一个强因子。这种动态挖掘过程对数据深度和计算环境提出了极高要求。

为了支持投资者的因子研发，国金证券提供了强大的后台支撑。10 万资产即可接入 QMT 或 PTrade 平台，这两大系统均支持基于 Python 的深度数据挖掘。其中 PTrade 支持免费调用 Level-2 数据，这对于挖掘高频、细颗粒度的盘口因子至关重要。此外，国金还为量化用户配套了 Tushare 数据优惠及专属技术社群，由专业经理一对一协助解决因子落地过程中的工程难题。