3.4 股票池筛选与流动性管理 (Universe Selection)¶
在量化交易中，你交易什么往往和如何交易同样重要。 一个包含大量非流动性"垃圾股"的股票池，即使因子 IC 再高，实盘也无法按信号执行。 本节介绍机构构建股票池（Trading Universe）的标准流程。
这一节讲什么？
股票池定义决定哪些证券进入研究样本。本节介绍流动性过滤、市值筛选和行业集中度约束，并说明幸存者偏差与时点可得性。
学习目标¶
- 理解流动性（Liquidity）在量化交易中的核心地位
- 掌握平均日成交量（ADV）和市值（Market Cap）过滤标准
- 学会评估股票池的行业集中度风险
- 使用换手率指标评估股票可交易性
1. 这节究竟解决什么实际问题？¶
3.4 股票池筛选与流动性管理 (Universe Selection) 的具体任务是：用流动性和可交易性筛出策略真正能覆盖的股票池。 本节将明确输入数据、计算过程、输出及其在后续研究中的用途。
2. 前置知识¶
理解收益率、滚动窗口和基础 DataFrame 操作。 对公式的理解应包括变量定义、单位、时间索引和适用条件。
3. 数据说明¶
使用固定日频价格样本；高低开收和成交量如为教学代理，会在代码中明确说明。 运行前先检查 shape、日期范围、列名与缺失值。数据看起来能画图，不代表它适合回答研究问题。
4. 学习目标与完成标准¶
完成本节后，你应能用自己的话解释 3.4 股票池筛选与流动性管理 (Universe Selection) 的输入、计算步骤、输出和局限；尤其能说明：用流动性和可交易性筛出策略真正能覆盖的股票池。 你还应能独立改动一个参数并解释结果为什么变化，指出至少一个会让结论失真的假设。
5. 核心概念与公式¶
技术指标将历史价格或成交量压缩为统计量。指标本身不包含交易方向、执行时点和风险约束。
滚动指标只使用窗口结束日及以前的数据；交易仓位必须至少滞后一个可交易周期。 看到公式时依次确认：每个符号的单位是什么？它属于哪个时点？分母会不会为零？它是描述性统计量、预测量，还是交易规则？
6. 从零实现¶
原始代码按照“准备输入 → 计算中间量 → 得到结果 → 解释输出”的顺序组织。每个单元应检查变量类型、索引、维度和代表性数值。中间变量用于核对公式实现和定位计算错误。
7. 成熟库实现¶
公共指标函数减少重复代码；首次学习仍应读懂每个滚动、平滑和标准化步骤。 使用库函数前先阅读参数含义、默认值和返回对象；库输出一个数字，并不说明这个数字适合你的交易假设。
8. 两种实现的差异¶
从零实现便于核对公式、调试和识别隐含假设；成熟库适合在计算逻辑已验证后复用。两种实现依赖相同的数据口径与时点假设，使用库函数不会改变输入数据的质量。
9. 预期结果与检查范围¶
你应看到维度正确的 Series/DataFrame、日期单调递增的索引，以及能支持“用流动性和可交易性筛出策略真正能覆盖的股票池。”这一任务的表格或图形。金融日收益率均值通常接近 0；若出现极大的连续收益、空表、全 NaN 或索引错位，应先排查数据和对齐逻辑，而不是立即相信结果。
10. 常见错误与诊断¶
窗口不足时误读 NaN、同日用收盘信号按收盘成交、忽略除零、把指标阈值当普适规律。
诊断顺序：先打印类型与 shape，再看 head()/tail()，接着检查日期和 NaN，最后才比较数值。这样能避免在错误的对象上反复改参数。
11. 研究偏差检查¶
测试大量窗口后只保留样本内表现最高的参数会产生数据窥探偏差；任何信号都应和简单基线比较。 结果至少应与一个简单基线比较，并明确哪些部分只是教学演示。
12. 三层练习与答案¶
- 基础练习：验证一个中间变量、补全一段小计算，并用一句话解释输出。
- 研究练习：改变窗口、样本区间、约束或标的，记录哪些结论仍成立。
- 开放项目：把本节方法嵌入模块项目，报告基线、失败结果和限制。
题目在 ../exercises/03_indicators/04_universe_selection_exercises.ipynb；完整推导、可运行参考实现与结果检查在 ../solutions/03_indicators/04_universe_selection_solutions.ipynb。请先独立作答，再打开答案。
13. 延伸阅读¶
延伸材料：Technical Analysis of the Financial Markets（Murphy）。阅读记录应包括研究假设、数据频率、样本范围和结论适用条件。
14. 下一节¶
下一节是 05_cointegration_correlation。本节的概念会成为理解它的输入，而不是孤立的名词。
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import matplotlib.patches as mpatches
np.random.seed(42)
# 模拟一个包含 500 只股票的"全市场"数据集
n_stocks = 500
# 模拟关键属性
market_caps = np.random.lognormal(mean=20, sigma=2, size=n_stocks) # 市值（万元）
adv = market_caps * np.random.uniform(0.001, 0.008, n_stocks) # 日均成交额（正相关市值）
price = np.random.lognormal(mean=3, sigma=1, size=n_stocks) # 股价
sectors = np.random.choice(['金融', '科技', '消费', '医药', '工业', '能源', '材料', '公用事业'], n_stocks)
universe_df = pd.DataFrame({
'stock_id': [f'STK{i:04d}' for i in range(n_stocks)],
'market_cap_m': market_caps / 1e6, # 亿元
'adv_m': adv / 1e4, # 万元
'price': price,
'sector': sectors
})
print(f"全市场股票数量: {len(universe_df)}")
print(universe_df.describe().round(2))
全市场股票数量: 500
market_cap_m adv_m price
count 500.00 500.00 500.00
mean 5327.60 2026.15 34.64
std 49759.29 13521.93 39.19
min 0.74 0.53 1.11
25% 119.57 47.66 10.95
50% 497.74 202.45 21.55
75% 1733.86 717.03 40.41
max 1077282.71 244919.89 264.99
import matplotlib.pyplot as plt
# 1. 设置系统自带的中文字体（这里使用黑体 SimHei）
plt.rcParams['font.sans-serif'] = ['SimHei'] # 如果你想用微软雅黑，可以改成 ['Microsoft YaHei']
# 2. 解决更换字体后，负号（-）显示为方块的问题
plt.rcParams['axes.unicode_minus'] = False
1. 流动性过滤：平均日成交量（ADV）¶
流动性是量化策略的隐性成本放大器。
如果你的策略信号每天要买入 1000 万元某股票，但这只股票日均成交量只有 200 万元， 该买单相当于样本日均成交量的 500%。在这一规模下，成交容量假设不成立，市场冲击和无法成交的风险都需要单独建模。
机构通常要求每笔委托不超过当日成交量的 5%~10%。
# ADV 流动性过滤
strategy_daily_turnover = 1000 # 假设策略每天需要交易 1000万元
# 流动性过滤：只保留 ADV 足够大的股票（让策略占比 < 10%）
min_adv = strategy_daily_turnover / 0.10 # ADV 至少 10000万元 = 1亿元
liquid_universe = universe_df[universe_df['adv_m'] >= min_adv / 10000 * 100]
fig, axes = plt.subplots(1, 2, figsize=(14, 5))
# 全市场 ADV 分布
axes[0].hist(universe_df['adv_m'], bins=50, color='lightcoral', alpha=0.7, edgecolor='white')
axes[0].axvline(min_adv / 10000 * 100, color='red', linestyle='--', linewidth=2, label=f'最低 ADV 阈值')
axes[0].set_title('全市场：日均成交额分布')
axes[0].set_xlabel('日均成交额（百万元）')
axes[0].legend()
# 过滤后的股票池分布
axes[1].hist(liquid_universe['adv_m'], bins=30, color='steelblue', alpha=0.7, edgecolor='white')
axes[1].set_title(f'过滤后股票池（{len(liquid_universe)} 只）：日均成交额分布')
axes[1].set_xlabel('日均成交额（百万元）')
plt.suptitle('流动性过滤前后对比', fontsize=13)
plt.tight_layout()
plt.show()
print(f"全市场股票数: {len(universe_df)}")
print(f"流动性过滤后: {len(liquid_universe)} 股 ({len(liquid_universe)/len(universe_df):.1%})")
全市场股票数: 500 流动性过滤后: 311 股 (62.2%)
2. 市值过滤：聚焦大中型股¶
小市值股票（微盘股）通常：
- 流动性更差
- 信息不透明，基本面分析更难
- 受到更多算法超额关注（被"挤兑"）
机构通常要求股票市值达到一定门槛（如 A 股中证 800 成份股的门槛）。
# 市值过滤：只保留市值前 60% 的股票
market_cap_threshold = universe_df['market_cap_m'].quantile(0.40) # 排除后40%小市值
large_mid_cap = liquid_universe[liquid_universe['market_cap_m'] >= market_cap_threshold]
print(f"ADV 过滤后: {len(liquid_universe)} 只")
print(f"+ 市值过滤后（最终股票池）: {len(large_mid_cap)} 只")
# 行业分布检验
sector_dist = large_mid_cap['sector'].value_counts()
colors = plt.cm.Set3(range(len(sector_dist)))
fig, (ax1, ax2) = plt.subplots(1, 2, figsize=(14, 5))
sector_dist.plot(kind='bar', ax=ax1, color=colors, edgecolor='white')
ax1.set_title('最终股票池行业分布')
ax1.set_xlabel('行业')
ax1.set_ylabel('股票数量')
ax1.tick_params(axis='x', rotation=30)
ax2.pie(sector_dist.values, labels=sector_dist.index, autopct='%1.1f%%', colors=colors)
ax2.set_title('行业占比（饼图）')
plt.suptitle('股票池行业集中度分析', fontsize=13)
plt.tight_layout()
plt.show()
# Herfindahl-Hirschman 集中度指数（HHI，越靠近0越分散）
weights = sector_dist / sector_dist.sum()
hhi = (weights**2).sum()
print(f"\nHHI 行业集中度指数: {hhi:.4f}")
print(f"（0 = 完全分散，1 = 完全集中）")
print(f"评级: {'分散' if hhi < 0.15 else '中等' if hhi < 0.25 else '高度集中'}")
ADV 过滤后: 311 只 + 市值过滤后（最终股票池）: 286 只
HHI 行业集中度指数: 0.1265 （0 = 完全分散，1 = 完全集中） 评级: 分散
练习¶
- 更改 ADV 阈值为 5% 参与率而不是 10%，观察股票池大小如何变化。
- 在阿股 A 股数据（可用 adata 库）中，实现一个完整的 Universe Selection 流程，剔除 ST 和 *ST 股票。
- 对过滤后的股票池计算'行业分散度'得分，思考如何在选股时额外限制单一行业最大持仓比例。
下一节 → 05_cointegration_correlation.ipynb