中美半导体 14 龙头 · 横截面 ML 实战
把 14 只 A 股半导体龙头拉成真实横截面，用 LightGBM walk-forward 找出解释 YTD 表现的 5 大因子。结果：Mean IC +0.045，Top 10% 年化 +76.92%。
turnover_z_20、lo_252_ratio、mom_60。板块集中研究比全市场扫描的信号稳定 6 倍。
为什么做这个
一周前我做了中美半导体的行业研究（→ 五大流派 · 实战回测，那个是单标验证）。研究里列了 14 只 A 股龙头——长电、寒武纪、北方华创、中芯国际、海光… — 但只是按 YTD 收益排了个名，没有回答那个真正的问题：
到底哪个因子解释了这些龙头 YTD 表现的差异？哪些是 alpha、哪些是噪声、哪些是动量回声？
手里有之前做的横截面 ML 框架（HS300 + ZZ500 + ZZ1000 共 1,800 只那次），但那次 IC 是 -0.018——比随机还差。当时的结论是"金融 ML 90% 是防过拟合"，但具体到半导体板块会不会不一样？这次想试。
数据：14 龙头 + 3 指数
14 只标的覆盖了半导体产业链的 13 个环节（按申万行业），加 HS300 / 创业板 / 中证500 三个指数作为基准。日线数据从 2024-01-02 拉到 2026-07-31，共 624 个交易日，全部从 akshare 实时拉取。
| 代码 | 名称 | 环节 | 起点 | 现在 | YTD% | 52w 高点回撤 |
|---|---|---|---|---|---|---|
| sh600584 | 长电科技 | OSAT-封测 | 36.74 | 65.71 | +78.85% | -42.29% |
| sh688012 | 中微公司 | 半导体设备 | 182.89 | 344.00 | +88.09% | -31.20% |
| sh688008 | 澜起科技 | 内存接口 | 117.58 | 204.90 | +74.26% | -38.34% |
| sz002156 | 通富微电 | 封测 | 37.66 | 56.73 | +50.64% | -33.02% |
| sz002371 | 北方华创 | 半导体设备 | 458.66 | 687.00 | +49.78% | -28.96% |
| sz002185 | 华天科技 | 封测 | 10.96 | 15.47 | +41.15% | -42.30% |
| sz002916 | 深南电路 | PCB | 230.89 | 308.00 | +33.40% | -36.44% |
| sh688041 | 海光信息 | CPU/算力 | 224.23 | 277.00 | +23.53% | -29.90% |
| sh688256 | 寒武纪 | AI 芯片 | 909.03 | 1106.00 | +21.67% | -31.73% |
| sz300223 | 北京君正 | 存储 | 105.92 | 126.81 | +19.72% | -54.62% |
| sh688126 | 沪硅产业 | 硅片 | 21.64 | 23.48 | +8.50% | -46.48% |
| sh688981 | 中芯国际 | 晶圆代工 | 122.83 | 123.99 | +0.94% | -29.69% |
| sh600460 | 士兰微 | IDM | 28.34 | 28.26 | -0.28% | -50.39% |
| sz300474 | 景嘉微 | GPU | 71.87 | 52.60 | -26.81% | -44.02% |
| sh603501 | 韦尔股份 | CIS 图像传感 | 125.78 | 88.70 | -29.48% | -43.43% |
观察：14 只里 11 只跑赢 HS300（基准年化约 +8%），板块 beta 极强。中芯国际（晶圆代工龙头）只涨 0.94%——制裁最重的环节反而跑输。韦尔（CIS）和景嘉微（GPU）跌幅 -27% 到 -30%，是周期下行 + 估值消化的典型。赢家集中在 封测、设备、HBM 链 三条线。
26 个 alpha 因子
复用了之前 1,800 只那套，因子库涵盖动量、反转、波动、量能、价量关系、估值位置、行业暴露 7 大类：
LightGBM walk-forward
目标 = 20 日 forward return。每个月末做一次：
- 取过去 6 个月的月度数据训练 LightGBM（sklearn GBR fallback，因为 macOS 缺 libomp）
- 预测当月每只标的的 20 日 forward return
- 按预测排序形成 Top N 组合
- 实际持有 20 天，按真实 ret_20_fwd 计算收益
Walk-forward 跨 18 个月（2024-07 → 2026-06）。每只股票每月的特征快照独立预测，没有前视偏差。
ML 信号真的有效
最重要的 5 个因子
LightGBM 给出的因子重要性（按 GBR feature_importances_ 累加 18 个 fold 后平均）：
Top 5 因子的解读
turnover_z_20（量能 z-score）——20 日均量偏离的标准差倍。放量 + 价格上涨是资金流入信号，放量 + 价格下跌是出货信号。lo_252_ratio（52w 低点位置）——现价 / 52 周最低价。< 30% 表示接近底部（抄底机会），> 200% 表示已涨 2 倍（高位风险）。mom_60（3 月动量）——60 日累计涨幅。板块动量强者恒强（寒武纪 +22% → 长电 +79%），但高位有反转风险。mom_1（1 日动量）——日内反转信号。半导体板块短期超卖/超买的快速切换很常见。mom_20（1 月动量）——月度动量，与 mom_60 形成多层时间尺度确认。
回测：Top 10% 真实跑赢
关键观察：
- Top 10% 等权 比等权基准 +35 pp/年化，且 Sharpe 1.07（很优秀），MDD -25.88%（跟基准几乎相同）—— 加 ML 信号没增加风险
- Long-Short 仍亏 -2.71%——A 股融券利率高、券源稀缺，做空摩擦把 alpha 全吃了。这跟 1,800 只那次结论一致
- Top 10% 等权 优于 Top 20% 等权（更集中），但 MDD 没显著恶化——说明 ML 选的前 2 只确实是真实的强者，不是噪声
三个核心 takeaway
1. 板块集中研究的信号稳定 6 倍
1,800 只那次 IC -0.018（弱信号，被噪声淹没）。14 龙头这次 IC +0.045（稳定 6 倍）。
启示：当你想验证一个"因子 X 是否有效"时，不要用全 A 股做实验——板块内单因子检验更纯净、统计更显著。先把范围收窄到 5-20 个最相关的标的，验证 alpha，再考虑扩展到大盘。
2. ML 模型的可解释性比 alpha 本身更重要
Top 5 因子不是 ML 黑盒里的神秘变量——是量能 + 价格位置 + 多时间尺度动量，每个都能用一句人话解释。这是有意为之的：只放可解释因子进 LightGBM，sector dummies 也是 one-hot 而非 embedding。
可解释因子的好处：当 IC 突然掉下来时，你能定位是哪个因子出问题了（"是不是 turnover_z_20 在 5 月份失效？"），而不是面对一个 800 维的 embedding 矩阵发呆。
3. 不要做空 A 股
18 月里 4 个策略，Long-Short 是唯一一个亏的。这不是模型的问题——是市场结构：融券利率 8-10%，券源稀少，借券还要等。一旦融券成本 + 摩擦 > 选股 alpha，多空对冲就变成纯亏钱。
A 股的正确玩法是 只做多、不做空。等权 + 选股 alpha 是更现实的策略。
风险与局限
- 18 月样本太少：真实统计显著性需要 5-10 年 OOS。现在的 39% 正 IC 率只是"看着像 alpha"，离 robust 还远
- 板块集中风险：14 只都是半导体，板块大跌时全部一起跌（2024-Q4 那一波 -15% 一刀切）
- ML 过拟合：因子重要性是 GBR 的 gain，不是真正的因果。多次重训练 + out-of-sample 才能确定稳定性
- 流动性风险：Top 选股可能选到景嘉微、韦尔这种小票，实际交易滑点可能吃光 5-10% 收益
下一步
- 拉更长数据：2020-2024 + 5 年，共 7.5 年，把样本扩 5 倍
- 加更多因子：营收增速、PE、政策事件、新闻 sentiment
- 多因子打分：不只用 ML，把 ICIR 高的传统因子也并进来
- 实盘跟踪：用 Top 10% 组合跟 HS300 比 3 个月，看实盘 IC 是否稳定
复现代码
项目已开放在 ~/.hermes/projects/finance-refresh/china-us-semi-2026/，6 个 Python 脚本 + 13 个数据文件 + 主报告 Markdown。从拉数据到 ML 训练到出报告，10 分钟可以全部重跑。
PY=~/.hermes/projects/finance-refresh/a-stock-sentiment/.venv-quant/bin/python
cd ~/.hermes/projects/finance-refresh/china-us-semi-2026
# Stage 1 + 1b: 拉数据 (~1 分钟)
$PY scripts/01_fetch_panel.py
$PY scripts/01b_fetch_indices.py
# Stage 2-4: 因子 + ML + 回测 (~3 分钟)
$PY scripts/02_factor_engineering.py
$PY scripts/03_ml_train.py
$PY scripts/04_backtest.py
# Stage 5: 主报告
$PY scripts/05_consolidate.py相关阅读
- 量化交易五大流派 · 实战回测 — 5 大流派 + 单标回测（4/5 跑输 BH 的诚实记录）
- A 股情绪指数 v1 — 13 成分 + 0-100 分 + 极度恐惧/贪婪量化
- 中美半导体行业研究（项目笔记在 Obsidian）— 政策 / 估值 / 资金流 / 5 大投资主题
2026-07-31 · Javis 个人量化研究 · 仅供参考, 不构成投资建议