情绪因子的正交化处理（因子正交化）

情绪因子的正交化处理（因子正交化）情绪因子的正交化处理（因子正交化）一、基础概念1.为什么情绪因子需要正交化？在多因子模型、情绪量化研究中：多个情绪因子（换手率、涨跌停情绪、融资融券情绪、舆情情绪、波动率情绪等）存在高度相关性（多重共线性）；直接同时回归会造成：系数不稳定、因子收益被相互稀释、因子贡献难以区分、回测过拟合。

正交化目标：

把目标情绪因子，剔除其他控制因子的线性影响，得到与控制因子不相关（正交）的纯情绪因子。正交化后新因子=原始情绪因子−情绪因子在控制因子上的线性投影2.数学定义设：

E：原始情绪因子（N×1向量）

X：控制因子矩阵（N×k，市值、波动率、行业哑变量、其他风格因子等）做线性回归：

E=Xβ+ε

残差项：

E⊥=E−E^=E−Xβ^通俗理解：正交化残差=情绪因子无法被控制因子解释的独立信息。二、两种常用正交方案（情绪因子场景区分）方案1：序列正交（逐步正交，最常用）适用：需要依次剔除干扰因子，情绪因子作为被解释变量

标准流程（A股情绪因子通用）：先构建控制集合：市值、行业、波动率、动量、流动性等风格因子；截面回归（每个交易日单独做截面OLS）；取回归残差作为正交情绪因子；可选：残差再做去极值+标准化（Z-score）。⚠️关键点：截面正交vs时间序列正交

量化选股绝大多数使用截面正交（每日横截面回归）；

时间序列正交多用于宏观情绪指数（日度时序数据）。方案2：Gram–Schmidt格拉姆-施密特正交化适用：一组多个情绪因子之间互相正交（如舆情情绪、交易情绪、期权情绪多因子组）

对因子组E1缺点：正交顺序会显著改变结果；实务中很少单独用GS处理单情绪因子，多用于因子空间构建。✅情绪因子实践优先选择：截面残差正交（OLS残差法）三、情绪因子正交化完整标准步骤（量化实操流程）预处理原始情绪因子缺失值填充；MAD/3σ去极值（防止极端涨跌停样本扭曲回归）；准备控制变量矩阵X

常见控制项：对数市值（最重要！情绪因子天然和小盘股高度相关）行业虚拟变量（申万/中信一级行业）股价、波动率、流动性因子逐日截面OLS回归

Emotio提取残差εi,t=正交情绪因子后处理

残差截面标准化Z-score，方便分层回测；检验正交效果

计算正交后因子与各个控制因子的相关系数，相关系数趋近于0则处理有效。四、关键注意事项（情绪因子特有坑）情绪因子是非线性特征，线性正交有局限

涨跌停、舆情情绪常呈现非线性；线性OLS只能剔除线性相关性，无法消除非线性依赖。

改进方案：加入控制因子二次项、或者使用广义正交（GAM残差、树模型残差）。行业必须纳入控制！

热点赛道天然情绪高涨，不控制行业，正交情绪因子会变相变成行业因子。正交顺序问题

如果你想“保留情绪、剔除市值行业”：情绪作为因变量；

不要反过来把情绪放进控制变量去正交市值。正交≠增强

正交是提纯独立信息，不保证因子IC提升；部分原始情绪因子的收益本身来自小盘/行业暴露，正交后IC可能下降，属于正常现象。加权最小二乘WLS可选

截面回归可用市值加权OLS，降低极小市值噪声股的影响，适合A股情绪因子。五、简单示例伪代码（Python）python

importstatsmodels.apiassm

#单日横截面数据

#y:原始情绪因子

#X:控制因子（市值、行业dummy、其他风格）

X=sm.add_constant(X)

model=sm.OLS(y,X).fit()

emotion_orth=model.resid#正交后的情绪因子六、正交效果检验指标Pearson相关系数：Corr(Emotio方差膨胀因子VIF：正交后因子放入多因子回归，VIF明显下降因子暴露：每日正交情绪因子在市值、行业上的平均暴露趋近0七、拓展：非线性正交进阶方案当线性正交效果不足（