缺失值处理：对因子值有缺失的股票视情况补其因子值为行业均值或   0。
 
异常值处理：我们采用 MAD（Median Absolute Deviation 绝对中位数法）去极值，对 于极值部分将其均匀插值到 3-3.5 倍绝对中位数范围内 。
 
标准化：为了使得构造复合因子时各因子间量纲统一，我们对每个因子进行标准化处理，我们采用 Z-Score 方法来对因子取值标准化，使得因子的均值为 0，标准差为 1，即

 
2.2 因子有效性
 
为了更为直观地对比单因子有效性，我们按照因子 原始方向，将因子方向为负向的因 子乘以-1，使得所有因子都为正向。在有效性测试中，我们计算了因子与下一期收益的秩 相关系数 RankIC、IC_IR 以及因子多空表现，RankIC、IC_IR 越高代表因子对收益率的预测 能力越强。另外，我们在各期将因子等分成五组，计算了五组的平均收益率，五组收益率 的单调性越好，表示因子选股的单调性越高。
 
使用 20120430-20190630  期间的月度数据对上述因子库中的因子进行有效性测试，共 有 86 期样本参与测试，剔除下月整月停牌的样本，平均每期的股票数量为 366 只。从下 表可以看到，有效性比较强的因子维度为反转、成长、盈利和流动性中的换手率因子。估 值和一致预期估值的有效性稍弱，多空收益回撤较大。规模因子  RankIC   序列波动较大致 使 IC_IR 偏低。分红因子的 RankIC 和 IC_IR 都比较低，对下一期收益的预测性 较差。


 
从单调性上来看，一致预期估值因子、分红的单调性较差，估值、一致预期估值 、波 动类因子的多空收益主要由空头贡献。反转、成长、盈利、流动性 中的换手率因子单调性 较好，并且有一定的多头收益。

 
由于很多 Smartbeta 产品使用指数基金或者 ETF 的形式跟踪特定指数，并且指数的调 仓频率一般在季度、半年度或者年度，因而我们使用样本期内的季度数据对上述因子库中 的因子再次进行有效性测试，共有 28 期样本参与测试，剔除下一个季度始终停盘的股票， 平均每期的股票数量为 377 只。从下表的结果来看，成长、盈利和流动性中的换手率因子 依旧保持较高的选股有效性，反转因子对下期收益的预测能力有一定程度的降低。估值与 一致预期估值的有效性稍弱，市值因子的   IC_IR  较低，有效性最低的维度依旧是分红。

 
从单调性上来看，结果与月度因子单调性比较类似。 一致预期估值因子、分红的单调 性较差，估值、一致预期估值、波动类 因子的多空收益主要由空头贡献。成长、盈利、 反 转和流动性中的换手率因子单调性较好，并且有一定的多头收益。

 
根据以上测试结果，在基本面因子中，成长和盈利都是比较有效的因子 。使用因子库 中的因子构建单维度的因子组合。每期排除 过去半年自由流通市值最低的 20%的股票，然 后选取单一因子维度得分最高 20%的股票构建等权组合，调仓频率为季度 。如果单一维度 的因子数量大于  1，则将各个因子等权加总 。
 
获得盈利和成长维度的策略净值如下。在 2012070 1-20190630 的样本期内，成长维度 年化超额创业板综 10.04%，信息比为 1.47 。盈利维度年化超额创业板综 6.58%，信息比为 1.17。

 
市值因子虽然  RankIC  比较高，但不够稳定，因而  IC_IR  略低，并且胜率不高。估值、 一致预期估值中一致预期  PEG  因子的选股能力更强，其他因子的表现相对较弱。这很可能 与创业板股票的高成长性有关，对于一些成长性比较高的企业，投资者可以给出更高的估 值。