组合构建：从因子分数到实际持仓

因子分数算出来，只是给每只股票排了序。要变成真实持仓，中间还有一整层工作：选多少只、每只配多少、以及要遵守哪些约束。这一步叫组合构建，它常常比因子本身更影响最终结果。

先定选多少只

通常的做法是取分数最高的一批，但这批取多大，本身就是一个权衡。

取得少（比如三十只）：因子暴露强，超额可能更高，但个股的偶然性影响大，波动也更大，而且单只股票的流动性压力集中。

取得多（比如两百只）：分散更充分，个股偶然性被平滑，容量也更大，但因子暴露被稀释，超额收益会下降，同时交易成本上升。

没有标准答案，要看策略的目标：追求锐度就少一些，追求容量和稳定就多一些。实务中常见的做法是分档——核心仓位取分数高的一批，再用更宽的一批做分散。

再定每只买多少

几种常见的权重方式：

• 等权：每只一样多。简单、不需要估计任何东西，也不受估计误差影响。缺点是忽略了因子的强弱差异和个股风险差异。
• 按分数加权：分数高的多买一些。更贴合因子逻辑，但权重对分数的分布很敏感，容易出现个别股票权重过大。
• 按风险贡献加权：让每只股票对组合总风险的贡献大致相等（风险平价的思路）。波动大的股票权重自动降低。这种方式下组合的风险结构更均衡。

然后是约束

约束是组合构建里很实际的一环，常见的有：

• 个股权重上限：防止单只股票占比过高。即使分数再高，也要设上限，因为因子会错，而集中持仓会把错误放大。
• 行业权重约束：限制单一行业的占比，防止中性化之后仍然因为样本分布而偏向某些行业。
• 市值或流动性约束：剔除成交额过低的股票，保证能买得到、卖得出。这条对小市值策略尤其重要。
• 换手率约束：限制每次调仓的换手比例，直接控制成本。

优化器要慎用

有了目标函数和约束，很自然会想到用优化器求解最优权重。但优化器有个著名的毛病：它对输入参数（尤其是预期收益）极其敏感，输入稍微变动，输出的权重可能天差地别。而预期收益恰恰是估计得最不准的东西。

所以实务中，要么降低对优化器的依赖（用规则化的权重），要么对参数做稳健处理（约束更紧、加入正则项）。这一点在王者段位讲组合优化时会再展开。

一个检验办法

组合构建完之后，做一件简单的事：检查组合在各个因子上的暴露，以及行业、市值的分布。如果某个你没有打算押注的维度上暴露很大，说明构建环节有漏洞。

一句人话：因子决定"买谁"，组合构建决定"买多少"。后者看似技术性，却常常决定了策略是"能用"还是"只能看"。

写在最后

持仓建好了，但每次调仓都要付成本。下一篇讲交易成本与换手率——这个看起来不起眼的变量，是吃掉收益的主要隐形杀手。