因子分域检验

概述

因子分域构建器

Pay Skill 范式：鉴权型（agent_local）

鉴权型：履约在本机执行（需读取本地因子面板 / 调用取数脚本），远端网关只做支付鉴权，支付通过后返回 fulfillment: "agent_local"，Agent 再跑 scripts/ 下的脚本产出结果。

Overview

这是一个「因子分域」研究工具，不是选股工具。

传统多因子模型把全市场股票按因子值一视同仁地排序打分，隐含假设是「同一因子对所有股票的作用方式和强度相同」。这个假设通常不成立：低估值大盘蓝筹与高估值小盘成长的可比性很差，同一个因子在两类股票里的方向与强度可以完全不同。因子分域就是把股票先切成若干子样本（域），在域内差异化地计算、评估与合成因子。

本工具回答四个问题：

1. 该不该分域——给一批候选分域变量（市值/流动性/波动/动量/估值……），逐个做「域间 Rank IC 差异的配对 t 检验」+

「域内 IC/ICIR 相对全域的提升」检验，输出 ADOPT / INCONCLUSIVE / REJECT 三档判定，并自带 Bonferroni 多重检验校正；

1. 怎么分域——截面离散型（按分位数切 N 域）、截面连续型（x = 1/D，w = x^n / mean(x^n) 加权，n 网格扫描看敏感性）、

时序分域（阈值极值修正 / 按分域变量挑高 K 低 K 期）三条路径各自给出可复现实现与对比口径；

1. 分域后怎么用——域内各自标准化再合成，与全域等权合成做 ΔIC 配对检验，判断分域合成究竟带来增量还是只引入噪声；
2. 会不会是过拟合——内置样本量闸门、域数敏感性扫描、前后半段稳定性（域漂移）检查三重体检，

把「只在某个特定参数下才显著」的伪结构挡在门外。

方法来自因子分域建模框架（研报《因子分域初探：确定分域方式》），本 Skill 把其中可迁移的判定链条与三条分域范式沉淀为纯 Python 标准库的零依赖实现，数值口径与原文公开结果可交叉校验。

三条分域范式对照

边界（明确不做）

• ❌ 不输出股票名单、不做因子打分排序、不给买卖建议——只做统计归因；
• ❌ 不预测涨跌、不做择时；
• ❌ 不自动联网抓取行情。面板由用户提供（CSV），或用包内 scripts/fetch_tencent_monthly.py

拉取公开月线自行构造（纯标准库，可离线核对源码）；

• ❌ 不替代合规披露与实盘决策。

When to Use（触发条件）

• 用户说「我这个因子 IC 只有 0.02，是不是该分域看看」「不同股票池里因子表现差很多，怎么量化」时；
• 用户说「市值/流动性/波动/行业，哪个拿来分域最有效」「帮我扫一遍候选分域变量」时；
• 用户说「按 ROE 同比把股票分两组后，反转因子在小组里明显更强，这个结论显著吗」时；
• 用户说「我想按市值给估值因子加权，但不想硬切成大小市值两组，有没有连续的做法」时；
• 用户说「因子在极端行情（暴涨暴跌日）里的表现和平时相反，怎么处理」时；
• 用户说「多因子等权合成太粗，能不能分域合成、和等权比有没有增益」时；
• 用户说「我扫了十几个分域变量挑出一个显著的，这能信吗」时（多重检验与过拟合体检）；
• 用户已经有 date,ticker,factor,ret 面板，想量化「分域到底带来多少增量」。

排除项：「按这个因子给我一份股票池」「哪只票值得买」→ 属选股与投资建议，不做。

Workflow（工作流）

付费前置：本 Skill 为鉴权型。必须先按文末「Pay Skill 模式」完成 X402 支付鉴权，拿到 paid: true

后才执行下面的 Step 1 及之后。支付未确认前不读取任何数据文件、不输出任何结果。

Step 0 澄清输入（不要凭空假设）

Step 0.5 环境自检（建议首次使用时跑一次）

python3 scripts/run_local.py demo --out demo.md

用合成面板跑通「分域 → 判定 → 输出」全链路：对照组应全部 REJECT/INCONCLUSIVE，实验组的 liquidity 应判为 ADOPT 且 |t| 显著大于其他变量。结论无投资含义，仅排查环境。

Step 1（扫描候选分域变量）

python3 scripts/run_local.py scan 
    --input panel.csv --domains mktcap,liquidity,vol12,mom12 
    --n-domains 2 --min-stocks 30 --min-periods 24 --out scan.md

输出：全域基准 + 每个候选变量的判定（ADOPT / INCONCLUSIVE / REJECT）、ΔIC、t 值、前后半段稳定性、已按候选个数收紧的 Bonferroni 阈值，按 |ΔIC t| 降序排列。

Step 2（深评入选的分域变量）

python3 scripts/run_local.py eval --input panel.csv --domain liquidity 
    --n-domains 5 --out eval.md

输出：逐域 IC/ICIR/t、域内分位数组合多空年化与夏普、域间 ΔIC 配对检验、两域 IC 同期相关系数、前后半段稳定性、域数敏感性（2/3/5/10）。

Step 3（连续型分域加权，可选）

python3 scripts/run_local.py weight --input panel.csv --domain mktcap 
    --transform inv --n-grid 0,0.5,1,2,3,4,5,6,8 --out weight.md

输出：每个 n 下的 Rank IC / ICIR / 多空年化 / 多空夏普 / 月度胜率，n=0 即原始因子基准。

Step 4（时序分域，可选）

python3 scripts/run_local.py tssplit --input ret_panel.csv --mode flip 
    --window 12 --threshold 0.15 --thr-grid 0.05,0.10,0.15,0.20,0.30 --out ts.md

python3 scripts/run_local.py tssplit --input ret_panel.csv --mode domain 
    --domain volume --window 12 --k-pick 6 --out ts2.md

输出：原始因子 vs 改进因子的 IC/夏普/胜率对比 + ΔIC 配对检验 + 阈值敏感性网格。

Step 5（多因子分域合成，可选）

python3 scripts/run_local.py compose --input multi.csv 
    --factors f_rev,f_vol,f_sue --domain liquidity --n-domains 2 --out compose.md

输出：单因子基准、全域等权合成基准、分域合成结果，以及 ΔIC（分域 − 等权）配对检验。

Output（输出规范）

• 默认输出中文 Markdown 报告（--out 指定路径，不指定则打印到 stdout）；
• 数字口径：收益率与占比用百分比（2 位小数），IC / ΔIC 保留 4 位小数，ICIR / t / 夏普保留 2 位；
• 显著性标记：|t| ≥ 3 记 ***，|t| ≥ 阈值 记 **，|t| ≥ 1 记 *，否则不标记；

阈值为 max(2.0, Bonferroni 校正后的 z)，多候选扫描时自动收紧；

• 缺失处理：取不到的数据一律写「未获取」并说明原因（列名不匹配 / 期数不足 / 单域股票数不足），

绝不因为用户已付费而推测补造；

• 结论纪律：
  • 域间差异不显著时必须明确说「该分域变量未提供增量信息」，不包装成「有一定效果」；
  • 出现「|IC| 略降但夏普、胜率明显上升」时，如实描述为更稳健而非更强，不夸大成分域成功；
  • 只描述统计事实，不评价「该用/不该用」，不输出任何股票名单或标的排序。

Notes / Constraints（约束）

• 免责声明：本 Skill 产出的是因子研究的统计结果，不构成投资建议，不预测未来收益。

每份报告末尾固定带风险提示（因子拥挤、过拟合、样本外失效）。

• 样本量底线：默认单域单期 ≥ 30 只、共同期数 ≥ 24 期，否则判为「证据不足」而非硬算；

分域会把样本切小，样本量不足时分域检验的功效会急剧下降，这是分域研究最主要的失效来源。

• 前视偏差：分域变量必须与因子、收益同期已知。用全样本统计量（如全样本中位数）切分域会引入前视，

本工具的分域阈值按每期截面分位数滚动计算，已规避该问题。

• 域漂移：分域变量的分布会随时间漂移，固定绝对阈值会让「域」的构成逐渐变质。

eval 子命令输出前后半段 ΔIC 检验，两段符号相反或一显著一不显著即提示域漂移。

• 多重检验：扫描 K 个候选分域变量时，即使全部无效，也有约 1-(1-0.05)^K 的概率至少挑中一个「显著」的。

工具已内置 Bonferroni 校正与域数敏感性检查，但样本外复核仍不可替代。

• 因子方向：Rank IC 的正负决定多头端在因子高值还是低值侧；评价引擎自动判定方向，无需用户指定。

估值类因子（PE/PB）传入前应先取倒数，使「低估值」落在因子高值端，否则分域结论失真。

• 规模不变量：连续型加权默认 inv 变换（x = 1/D）是尺度无关的（(cD)^-n 归一化后常数抵消）；

invlog（1/ln(D)）是研报原式，要求分域变量 > 1（如以元为单位的市值）；rank 变换抗极值，适合分布厚尾的分域变量。

• 被误当成选股工具时：用户问「那我买什么」时，如实说明本 Skill 是因子研究工具，

不具备选股能力，不要拿分域结果反向拼凑标的推荐。

Pay Skill 模式（鉴权型，按次付费，已接入 X402）

本 Skill 为付费技能（Pay Skill），按次收费，已通过腾讯 SkillHub + 微信支付 Agent Pay X402 协议接入。不存在免费运行模式——未完成支付授权前，不得执行本地履约脚本、不得输出任何付费内容；鉴权型只由服务端返回的 paid: true 解锁本机履约。

使用者须已安装并开通 weixinpay_pay 插件（微信 AI 支付 / AI 专属卡）。

Step 0 检查不通过时不发起付费调用，直接引导开通后重试。

鉴权型：履约在本机执行（需读取本地因子面板 / 调用本地取数脚本），远端网关只负责订单鉴权与支付状态确认，支付通过后返回 fulfillment: "agent_local"，不返回业务结果；Agent 收到 paid: true 后才在本地跑 scripts/ 下的脚本产出结果。

• 统一网关主接口：POST https://pay.zerone-iteration.com/api/invoke

（请求体 {"skill": "factor-domain-split", "skill_version": "1.0.1", "query": "...", "amount": 500}）

• 兼容入口：POST https://pay.zerone-iteration.com/api/resource（等价于默认 Skill）
• 支付回调：POST https://pay.zerone-iteration.com/api/pay/notify
• 退款回调：POST https://pay.zerone-iteration.com/api/refund/notify
• 实现：透明网关（nginx + Java 17 / Spring Boot + WechatPay-Java，微信支付公钥模式）；

skill/skill_version 仅做格式校验后透传进 X402 预下单，不查 SkillHub（不查注册表、不反查是否真实存在/已发布/版本匹配）；无本地白名单，新增 Skill 免 Java 注册、免改 JAR、免重启，直接 POST /api/invoke 传正确 slug+版本即可

• 状态：✅ **DEV_MODE 402 结构冒烟已通过；本机履约链路已跑通（demo + 真实 A 股月线面板）；

⚠️ 生产真实扣费链路尚未实测，不可声称已通。**

• 已验证（1）本机履约链路：python3 scripts/run_local.py demo 跑通「合成面板 → 分域扫描 →

三档判定」全链路；scan / eval / weight / tssplit / compose 五个子命令在真实A 股月线面板上均跑通并产出结论（详见交付的实测报告）。

• 已验证（2）DEV_MODE 402 结构冒烟（pay/server.py 内存起服，5 步全绿）：

① 首调 /api/invoke 未支付 → HTTP 402 + 响应头 WeixinPay-Required + X-Out-Trade-No +body WeixinPay.Required 嵌套结构（code=PAYMENT_REQUIRED）；② /api/pay/notify 模拟回调置位支付成功；③ 带 X-Out-Trade-No 重试 → HTTP 200 + fulfillment=agent_local + paid=true 鉴权回执；④ 同 payment_code 再调 → 幂等 already_fulfilled=true；⑤ amount 缺失 → HTTP 400 INVALID_AMOUNT。

• 未验证：X402 真实扣费链路（真实微信商户 + SkillHub 开发者私钥预下单）尚未做生产实测。
• 发布前必做：按 PAY_SKILL_UPGRADE.md 第五节，切真实密钥跑 1 元真扣，通过后回填本条为「已实测」。

Agent 侧调用规范（含付费前置插件检查）

Step 0 付费前置插件检查（必须，缺失则不得发起付费调用）

1. 检测当前环境中 weixinpay_pay 插件（微信支付 Agent Pay / AI 专属卡）是否已安装并已开通；
2. 若不存在或未开通：不调用 /api/invoke，改为提示用户先安装/开通微信 AI 支付，完成后再继续；
3. 若可用：继续 Step 1。

Step 1 调用统一网关：POST /api/invoke，请求体：

{
  "skill": "factor-domain-split",
  "skill_version": "1.0.1",
  "query": "用户原始需求（用于订单留痕，不作为履约输入）",
  "amount": 500
}

• skill：必填，固定为本 Skill 的 slug factor-domain-split（与 SkillHub 已发布的一致；透明网关下传错 slug 时错误延后到 SkillHub/微信预下单环节才返回）；
• skill_version：必填，当前版本号 1.0.1（缺失返回 400 MISSING_SKILL_VERSION）；
• amount：必填，单位分，服务端校验为大于 0 的整数（小数/布尔/零/负数一律 400 INVALID_AMOUNT，不静默截断）；

区间不强制，价格由 SkillHub 产品定价约束。

Step 2 支付触发（X402 预下单 → 402）：未支付时服务端依次执行——

1. 生成订单号 out_trade_no（402 响应头 X-Out-Trade-No 与响应体 out_trade_no 均会返回，Agent 须记下）；
2. 调用微信支付 Native 下单，获取 code_url；
3. 用 SkillHub 开发者私钥（SHA256withRSA）对 X402 AI 预下单请求签名；
4. 调用 POST https://payapp.weixin.qq.com/palmpayminiapp/clawagentpay/preorder 换取 payment_code；
5. 返回 HTTP 402，响应头 WeixinPay-Required 与 body WeixinPay 块中

同时携带 X402 预下单返回的 payment_code（必须是 X402 的 payment_code，不能直接把微信 code_url 当作 payment_code 返回），并回显本单 amount 与 out_trade_no。⚠️ body 的 WeixinPay 嵌套结构最易遗漏：缺失时 weixinpay 插件从 body 解析不到payment_code，会报「当前支付订单已过期」，该报错常被误判为「返回了 code_url」。

Step 3 用户支付授权：Agent 将 WeixinPay-Required 头（或 body WeixinPay 块）中的payment_code 作为 paymentCode 交给 weixinpay_pay 插件，向用户申请支付授权。

Step 4 二次调用鉴权：用户完成支付后，Agent 再次调用 POST /api/invoke（请求体同 Step 1，带请求头 X-Out-Trade-No: <402 返回的订单号>）；服务端按订单号主动向微信查单验证支付成功（不依赖回调到达）后返回：

{"ok": true, "paid": true, "fulfillment": "agent_local",
 "skill": "factor-domain-split", "out_trade_no": "...", "already_fulfilled": false}

Step 5 本地履约（本 Skill 的关键差异）：Agent 收到 paid: true 且fulfillment: "agent_local" 后，在本机执行 scripts/ 下的脚本产出结果（见 scripts/README.md），再把结果交付给用户。支付未确认前，不读取用户数据文件、不输出任何付费内容（未支付重试返回 402 {"code":"NOT_PAID"}）。

幂等说明：already_fulfilled: true 表示同一订单此前已鉴权通过；

此时直接复用上次已产出的结果，不重复跑脚本（同一份面板重跑结果一致，避免无谓等待）。

异常处理说明（Agent 与服务端两侧）

核心原则（SkillHub 官方教程 FAQ）：支付失败/未确认时必须如实告知用户，绝不据此推进后续流程。

核心特征对照表（供审核查验）

包内 pay/server.py 为 Python 参考实现（含 APIv3 签名、X402 预下单、回调验签解密、主动查单、幂等鉴权、透明网关无需注册表），部署说明见 PAY_SKILL_UPGRADE.md 与 pay_skill.yaml。

注意：本 Skill 涉及两套独立密钥/证书——

• 微信支付 API 证书（wechat_pay）：用于微信 Native 下单与主动查单；
• SkillHub 开发者密钥（skillhub）：用于 X402 预下单签名。

私钥均不得写入 Skill 包或仓库，须通过环境变量注入服务端。