成为顾问后，我重新理解了中性化：Alpha 的"不选什么"

一、中性化到底在做什么：先回到本质

很多教程把中性化讲得很玄。其实它的数学很简单：在每个分组内，把你的 Alpha 权重调整到总和为零。

• 多头权重之和 = 空头权重之和
• 分组内多空完全对冲
• 你的收益，只来自组内个股的相对强弱

比如你选 INDUSTRY，意味着在每个行业内部做多空配对。你赚的是”行业里谁更强”的钱，而不是”哪个行业会涨”的钱。

但这里有个容易被忽略的认知转变：中性化不是”消除风险”，而是”选择风险”。

你选 INDUSTRY，行业风险并没有消失，只是被从你的 Alpha 里剔除了。你在用一个非常明确的方式声明：行业涨跌这笔钱，我不赚。

这句话，是整篇文章的钥匙。

（顺便说一句，天文观测里有个很像的操作叫”背景扣除”——想拍出暗弱的星系，第一步不是增强信号，而是先把天空的亮光减掉。减掉的不只是噪音，更是所有人一眼就能看到的那部分。中性化做的事，和它一模一样。）

二、两把尺子：分组类与风险因子类

中性化的所有选项，可以分成两大类：

分组类（MARKET / SECTOR / INDUSTRY / SUBINDUSTRY）的逻辑是”把股票按分类分组，在组内做对冲”。四个选项的区别，只是分组粗细。

风险因子类（STATISTICAL / RAM / CROWDING / FAST / SLOW / SLOW_AND_FAST）是完全不同的机制：它不按股票分组，而是把你的 Alpha 对一组已知的风险因子做回归，取残差。

如果说分组类问的是”股票属于谁“，那风险因子类问的就是”你的 Alpha 在偷偷吃哪种风格的钱“。

为什么平台要把这把尺子留给顾问？答案其实写在顾问的职责里：普通用户只需要”回测好看”，但顾问要提交的，是与现有 Alpha 低相关的新信号。而低相关从哪来？——把信号里那些人人都吃得到的风格溢价剥掉，剩下的，才是别人还没发现的部分。

风险因子中性化不是装饰，它本来就是”找独特信号”这个工种的核心工具。

三、分组类：按”股票属于谁”中性化

MARKET — 全市场一个组

• 分组：所有股票视为一组
• 效果：消除整个市场的涨跌影响，只保留个股相对全市场的超额
• 适合：纯量价因子（动量、反转、波动率），你只关心全市场范围内的相对强弱
• 注意：会保留行业暴露——如果你的因子有行业偏好，这里会留下行业 Beta

SECTOR — 大类行业

• 分组：按 GICS 一级行业（金融、科技、消费……）
• 特点：分组较粗，中性化力度较弱
• 适合：因子在不同大类板块存在系统性差异的逻辑（比如期权波动率策略）

INDUSTRY — 细分行业

• 分组：更细的行业分类
• 适合：基本面因子（PE、ROE、盈利增长）、分析师预期因子。这些指标的估值中枢在不同行业间差异巨大——不剔除行业偏差，你选出来的”便宜”很可能是”行业的便宜”，而不是”个股的便宜”
• 黄金搭档：group_rank(-pe, industry) 这种”行业内排名”的写法，天然和 INDUSTRY 中性化配套

SUBINDUSTRY — 最细分组（默认基线）

• 分组：比 INDUSTRY 更精细的子行业分类
• 特点：BRAIN 的默认选项，也是大多数高质量 Alpha 的起点
• 经验：不确定时，从它开始；group_rank + ts_rank 配合 SUBINDUSTRY，是通往高 Sharpe 的常见路径

这一类选择的本质，是在回答一个问题：你愿意让分组粗到什么程度？ 分组越细，行业风险剔除得越干净，但组内股票越少，误伤的概率也越高。这有点像炖汤撇浮沫——撇得越勤，汤越清，但也可能把好味道一起撇掉。

四、风险因子类：按”你在暴露什么”中性化（顾问专属）

风险因子类中性化有一个共同的机制：把你的 Alpha 对一组”风险因子”做回归，取残差作为最终信号。它不依赖股票的分类标签，而是直接刻画收益背后的系统性驱动。它们也有一个共同的精神：

这些风格的钱，是市场公认的”公共因子溢价”，谁都能赚到，所以它们不构成你的 Alpha。我要的，是剥掉它们之后剩下的、别人拿不走的信号。

下面六个选项，我先把官方定义贴出来，再用大白话翻译一遍。

STATISTICAL — 统计风险模型

• 官方定义：Includes risk factors which use techniques to identify patterns in historical returns, neutralize risks, and enhance Alpha stability with diverse, data-driven insights.
• 白话：用统计方法从历史收益里”自动找规律”的一组数据驱动风险因子。它不像 FAST/SLOW 那样带有明确的经济学标签，而是更通用的”模式识别”。
• 适合：你没有特别要避开的风格，只想让信号更稳、更干净的时候——风险因子类里的”通用款”。

RAM — 反转与动量（Reversion And Momentum）

• 官方定义：Includes risk factors that capture the impact of short-term mean reversion and long-term momentum trends in stock prices.
• 白话：同时覆盖”短期均值回归”和”长期动量趋势”两类因子，把你 Alpha 里这两个方向的暴露一起剥掉。
• 适合：你的信号既沾了短期反转、又带了长期动量的钱时，一次剥掉两边。

CROWDING — 拥挤度

• 官方定义：Includes risk factors of excessive investor concentration in similar positions, which can lead to reduced profitability by heightened impact during concentrated unwinding.
• 白话：剥离”太多资金扎堆在同一类持仓”的风险——这种拥挤一旦集中解仓，冲击成本会明显侵蚀收益。
• 适合：你发现自己的策略总爱买热门股、又担心踩踏风险时。

FAST — 快速因子

• 官方定义：Includes market, industry factors and higher turnover style factors, such as reversion alpha.
• 白话：注意，它不只是”剥快因子”——它内置了市场 + 行业因子，再叠加快周转的风格因子（比如反转）。
• 含义：选 FAST，相当于同时做了市场/行业中性 + 快速风格中性。

SLOW — 慢速因子

• 官方定义：Includes market and industry factors as well as other common lower turnover style factors.
• 白话：同样是市场 + 行业因子，再加低周转的常见风格因子。
• 含义：选 SLOW，相当于市场/行业中性 + 慢速风格中性。

SLOW_AND_FAST — 快慢结合

• 官方定义：Combines both slow and fast factors.
• 白话：快、慢两套因子一起剥。
• 含义：这是风险因子类里剥得最”狠”的一个——市场、行业、快因子、慢因子全覆盖。剥得越多，剩下的信号越微弱，需要足够强的逻辑来支撑。

五、一张速查表

六、感悟：中性化是你逻辑里的”不选什么”

还记得之前文章里聊到的那句话吗：

顶级顾问的复杂表达式不是炫技，而是层层递进的逻辑过滤器。

当时我理解的”过滤器”，主要指表达式内部的嵌套：先筛选、再修正、再组合，一层层把噪音过滤掉。成为顾问之后我才意识到，这个”过滤器”其实还有表达式之外的一层——中性化。

一个完整的 Alpha 逻辑，应该由两部分组成：

$$
\text{Alpha} = \underbrace{\text{表达式}}{\text{我选什么}} \quad \times \quad \underbrace{\text{中性化}}{\text{我不选什么}}
$$

• 表达式决定”选什么”：我要买行业内被低估、且近期有资金流入的股票
• 中性化决定”不选什么”：行业整体涨跌我不赌，市场风格溢价我不吃

用一条完整的逻辑链串起来：

1. 先有金融逻辑：找”行业内被低估、近期有资金流入”的股票
2. 表达式实现第一层筛选：group_rank(-pe, industry) * ts_rank(volume, 20)
3. 中性化做最后一环：
   • 选 INDUSTRY——因为逻辑已经说了”行业内”，中性化把行业内其他系统性影响再剥一次，让信号只聚焦于行业内个股的相对强弱
   • 选 MARKET——如果逻辑是全市场动量，你不想剔除行业，只想剔除大盘

所以中性化不是拍脑袋选的，它就是你逻辑表达式的一部分，是那个”剔除噪音”的隐式嵌套。

这也是为什么顶级顾问的 Alpha 看起来总是很”干净”：表达式内部，层层嵌套的算子在做”选什么”的过滤；表达式之外，中性化补上了”不选什么”的最后一层。两条线合起来，才是完整的逻辑。

七、常见误区与实用建议

误区

• “中性化越多越好”：剥得越狠，剩下的信号越弱。过度中性化会把好信号一起洗掉。
• “默认 SUBINDUSTRY 就行”：它是好起点，但只是起点。默认值是给”还没想清楚”的人用的——成为顾问之后，你没有理由不去主动选择。
• “中性化只影响风险，不影响收益”：错。它直接改变你赚的是什么钱。选错中性化，你的 Alpha 可能从头到尾都在赚行业 Beta 的钱而不自知。

建议

• 同一个表达式，换着中性化跑一遍：MARKET、INDUSTRY、SUBINDUSTRY 各跑一次，对比 Sharpe 和回撤的变化，比读十篇教程都直观。
• 按数据来源定方向：财务数据 → 行业中性；量价数据 → 先试 MARKET。
• 风险因子类慎用，但要会用：这是顾问身份带来的最大红利——“低相关 Alpha”的底气，很大程度来自你能主动剥离风格暴露。
• 注意换手：某些中性化会推高换手，记得配合 Decay 和 Truncation 控制成本。