Quant Factor Screener
- 337 installs
- 267 repo stars
- Updated March 5, 2026
- geeksfino/finskills
quant-factor-screener is a Claude Code skill that ranks A-share stocks using a six-factor quantitative framework for developers and quants who need systematic equity screening beyond manual watchlists.
About
quant-factor-screener is a geeksfino/finskills agent skill that acts as a quantitative equity analyst for China's A-share market. It scores stocks across six academic factors—value, momentum, quality, low volatility, size, and growth—with equal default weights and percentile-based composite rankings. Developers configure universes such as CSI 300, CSI 500, CSI 1000, or full A-shares, apply optional industry-neutral constraints, and receive a default top-20 ranked list with macro factor-timing context. The skill suits engineers building quant research assistants, fintech dashboards, or automated screening pipelines that need repeatable multi-factor scoring rather than ad-hoc stock picks. Install via npx skills add geeksfino/finskills --skill quant-factor-screener.
- quant-factor-screener
- Development
Quant Factor Screener by the numbers
- 337 all-time installs (skills.sh)
- Ranked #1,193 of 4,347 Backend & APIs skills by installs in the Skillselion catalog
- Data as of Aug 4, 2026 (Skillselion catalog sync)
npx skills add https://github.com/geeksfino/finskills --skill quant-factor-screenerAdd your badge
Show developers this skill is listed on Skillselion. Paste this into your README.
| Installs | 337 |
|---|---|
| repo stars | ★ 267 |
| Last updated | March 5, 2026 |
| Repository | geeksfino/finskills ↗ |
How do you screen A-shares with multi-factor scoring?
For development and infrastructure management.
Who is it for?
Quant developers and fintech engineers building A-share screening workflows who need repeatable six-factor ranking with configurable universes and weights.
Skip if: Developers seeking US or European equity screening, live brokerage execution, or infrastructure deployment guidance.
When should I use this skill?
A developer asks to screen A-share stocks, rank equities by value/momentum/quality factors, or run a multi-factor quant screener on CSI indices.
What you get
Ranked A-share stock lists with six-factor composite scores, industry-neutral filters, and macro factor-timing assessments.
By the numbers
- Scores stocks across 6 quantitative factors with equal default weights
- Default output returns top 20 ranked stocks from configurable universes
Files
量化因子筛选器
扮演量化权益分析师。使用基于学术因子研究的系统化多因子框架筛选A股——对价值、动量、质量、低波动、规模和成长因子进行评分和排名。
工作流程
第一步：确定参数
与用户确认：
| 输入 | 选项 | 默认 |
|---|---|---|
| 选股池 | 沪深300 / 中证500 / 中证1000 / 全A / 自定义 | 中证800 |
| 因子 | 全部6个或特定因子 | 全部 |
| 因子权重 | 等权或自定义 | 等权 |
| 行业约束 | 行业中性或不约束 | 行业中性 |
| 结果数量 | 前N只 | 前20只 |
| 宏观研判 | 当前因子择时评估 | 自动判断 |
| 排除项 | 行业、概念、特定个股 | 无 |
第二步：计算因子得分
对选股池中每只股票计算各因子得分。详细定义参见 references/factor-methodology.md。
| 因子 | 主要指标 | 默认权重 |
|---|---|---|
| 价值 | 盈利收益率、PB倒数、FCF收益率、EV/EBITDA | 1/6 |
| 动量 | 12-1月价格动量、盈利预期修正动量 | 1/6 |
| 质量 | ROE、盈利稳定性、低杠杆、应计质量 | 1/6 |
| 低波动 | 已实现波动率（1年）、Beta、下行偏差 | 1/6 |
| 规模 | 市值（越小得分越高） | 1/6 |
| 成长 | 营收增速、盈利增速、利润率扩张 | 1/6 |
对每个因子： 1. 计算每只股票的原始指标 2. 在行业内（行业中性时）或全选股池内排名 3. 将排名转换为百分位得分（0–100） 4. 将子指标合成为综合因子得分
第三步：合成得分
综合得分 = Σ (因子权重 × 因子得分)按综合得分从高到低排列所有股票。
第四步：因子择时评估
评估当前宏观环境及其对因子表现的影响。参见 references/factor-methodology.md。
| 宏观环境 | 利好因子 | 不利因子 |
|---|---|---|
| 经济复苏初期 | 规模、动量 | 低波动 |
| 经济扩张中期 | 动量、成长 | 价值 |
| 经济扩张末期 | 质量、价值 | 规模 |
| 经济下行 | 低波动、质量 | 动量、规模 |
| 经济触底 | 价值、规模、动量 | 低波动 |
基于当前研判，提供因子择时叠加以调整权重。
第五步：因子拥挤度分析
评估热门因子是否过度拥挤：
| 信号 | 拥挤 | 不拥挤 |
|---|---|---|
| 估值价差 | 因子内高低分组估值差收窄 | 估值差扩大 |
| 因子收益相关性 | 高（许多人跟随相同信号） | 低 |
| ETF/基金资金流入 | 因子相关产品大量净申购 | 净赎回 |
| 媒体/分析师关注 | 被广泛讨论 | 被忽视 |
标记拥挤的因子——收益可能被压缩。
第六步：呈现结果
格式参见 references/output-template.md：
1. 宏观环境研判 — 当前阶段和因子择时观点 2. 因子拥挤度面板 — 哪些因子拥挤/不拥挤 3. 精选个股表 — 前N只股票的各因子得分和综合得分 4. 行业分布 — 精选结果的行业分布 5. 因子暴露汇总 — 精选列表的整体因子特征 6. 个股简介 — 每只精选个股的简要画像 7. 风险提示 — 因子回撤历史和当前风险 8. 免责声明
数据增强
如需实时市场数据支撑分析，请使用金融数据工具包技能（findata-toolkit-cn）。该工具包提供A股实时行情、财务指标、董监高增减持、北向资金、宏观数据等功能，所有数据源免费，无需API密钥。
重要注意事项
- 因子不是万能的：因子有长期跑输的时候。A股的价值因子在2019–2020年严重跑输。动量因子会周期性崩溃。设定合理预期。
- 行业中性很重要：不做行业约束的因子筛选常常产出伪装成因子赌注的行业集中赌注。
- A股因子特殊性：低波动异象在A股非常显著；动量因子因散户主导的市场结构而表现不同；小盘因子溢价受壳价值和流动性溢价影响。
- 换手率因子：A股中换手率是一个独特且有效的负向因子（低换手率→高收益），这在成熟市场中不那么显著。
- 多因子更稳健：没有单一因子永远有效。组合因子可降低回撤、平滑收益。
- 交易成本：动量策略换手率高。需考虑现实的交易成本（印花税0.05%+佣金）。
- 非个人化建议：因子筛选是分析工具，不构成投资建议。个人情况各异。
Copyright 2025 FinoGeeks Technology Ltd
Licensed under the Apache License, Version 2.0 (the "License");
you may not use this file except in compliance with the License.
You may obtain a copy of the License at
http://www.apache.org/licenses/LICENSE-2.0
Unless required by applicable law or agreed to in writing, software
distributed under the License is distributed on an "AS IS" BASIS,
WITHOUT WARRANTIES OR CONDITIONS OF ANY KIND, either express or implied.
See the License for the specific language governing permissions and
limitations under the License.
因子方法论
A股多因子模型的详细因子定义、计算方法、学术基础和因子择时框架。
目录
1. 因子定义 2. 评分方法 3. 因子择时框架 4. 因子拥挤度评估 5. A股因子历史表现 6. 因子交互与相关性 7. A股因子特殊性
因子定义
价值因子
学术基础：Fama-French HML（高减低），1993
| 子指标 | 公式 | 权重 | 理由 |
|---|---|---|---|
| 盈利收益率 | EBIT / 企业价值 | 30% | 经营盈利相对总成本 |
| 市净率倒数 | 每股净资产 / 股价 | 20% | 经典价值指标 |
| 自由现金流收益率 | FCF / 企业价值 | 30% | 现金创造相对成本 |
| EV/EBITDA倒数 | EBITDA / 企业价值 | 20% | 经营价值指标 |
排除项：负盈利或负净资产→排除出价值因子评分 行业处理：在申万一级行业内评分，避免行业偏差
动量因子
学术基础：Jegadeesh和Titman, 1993；Carhart四因子模型, 1997
| 子指标 | 公式 | 权重 | 理由 |
|---|---|---|---|
| 价格动量（12-1月） | 第2–12个月总收益（跳过最近1个月） | 50% | 经典横截面动量 |
| 盈利预期修正 | 3个月一致预期EPS变化 / 起始EPS绝对值 | 30% | 基本面动量，不易崩溃 |
| 换手率动量（负向） | 近3月平均换手率排名（低→高分） | 20% | A股独特的低换手率溢价 |
跳过最近月：始终排除最近1个月收益——它反映的是短期反转而非动量。 A股动量特殊性：纯价格动量在A股的表现不如美股稳定，加入盈利修正和换手率可显著改善。
质量因子
学术基础：Asness, Frazzini和Pedersen（QMJ），2019
| 子指标 | 公式 | 权重 | 理由 |
|---|---|---|---|
| 盈利能力（ROE） | 归母净利润 / 股东权益 | 30% | 盈利能力 |
| 盈利稳定性 | 1 −（5年EPS增速标准差） | 20% | 一致性 |
| 财务稳健 | 1 −（有息负债 / 总资产） | 25% | 低杠杆 |
| 应计质量 | 经营现金流 / 净利润 | 25% | 盈利质量 |
低波动因子
学术基础：Baker, Bradley和Wurgler, 2011
| 子指标 | 公式 | 权重 | 理由 |
|---|---|---|---|
| 已实现波动率 | 日收益率标准差（1年） | 40% | 直接风险衡量 |
| Beta | 相对沪深300的CAPM Beta（2年周频） | 30% | 系统性风险 |
| 下行偏差 | 仅负收益的半偏差 | 30% | 下行风险 |
评分：取反——波动率越低得分越高。 A股低波动异象：A股的低波动异象比美股更显著，低波动股票长期大幅跑赢高波动股票。
规模因子
学术基础：Fama-French SMB, 1993
| 子指标 | 公式 | 权重 |
|---|---|---|
| 总市值 | 股价 × 总股本 | 100% |
评分：取反——市值越小得分越高。 注意：需与质量因子结合，避免"小而差"陷阱。小市值+高质量的组合更优。A股的小盘溢价部分来自壳价值，注册制推进后壳价值下降。
成长因子
| 子指标 | 公式 | 权重 | 理由 |
|---|---|---|---|
| 营收增速（3年CAGR） | (营收_现/营收_3年前)^(1/3) − 1 | 30% | 顶线增长 |
| 归母净利润增速（3年CAGR） | (净利_现/净利_3年前)^(1/3) − 1 | 30% | 底线增长 |
| 利润率扩张 | Δ营业利润率（3年） | 20% | 盈利能力改善 |
| 一致预期营收增速 | 分析师一致预期下年营收增速 | 20% | 前瞻性 |
评分方法
百分位排名
对每个子指标： 1. 剔除缺失数据 2. 在2.5和97.5百分位处缩尾处理（去极端值） 3. 在行业内（行业中性）或全选股池内排名 4. 转换为百分位得分：得分 = 排名 / N × 100
综合因子得分
因子得分 = Σ (子指标权重 × 子指标百分位得分)多因子综合得分
多因子得分 = Σ (因子权重 × 因子得分)默认：等权（各1/6）。用户可自定义。
因子择时框架
经济周期因子图谱
| 阶段 | GDP | 通胀 | 利率 | 利好因子 | 不利因子 |
|---|---|---|---|---|---|
| 复苏初期 | ↑ 加速 | 低/上升 | ↓ 然后→ | 规模、动量、成长 | 低波动 |
| 扩张中期 | ↑ 稳定 | → 适度 | → | 动量、质量 | 价值 |
| 扩张末期 | → 减速 | ↑ 上升 | ↑ | 质量、价值 | 规模、成长 |
| 下行/衰退 | ↓ 收缩 | ↓ 下降 | ↓ | 低波动、质量 | 动量、规模 |
| 触底回升 | ↑ 企稳 | 低 | ↓ 低 | 价值（深度）、规模 | 低波动 |
A股宏观研判指标
| 指标 | 来源 | 信号含义 |
|---|---|---|
| 官方制造业PMI | 国家统计局（月度） | > 50扩张，< 50收缩 |
| 社会融资规模增速 | 央行（月度） | 信用扩张/收缩 |
| 信用利差 | 债券市场 | 扩大=压力，收窄=信心 |
| M1-M2剪刀差 | 央行 | 正且扩大=资金活化 |
| CPI / PPI | 统计局（月度） | 通胀/通缩信号 |
| 央行货币政策取向 | MLF/LPR调整 | 宽松/中性/紧缩 |
因子择时权重调整
| 环境 | 价值 | 动量 | 质量 | 低波 | 规模 | 成长 |
|---|---|---|---|---|---|---|
| 复苏初期 | 15% | 20% | 10% | 5% | 25% | 25% |
| 扩张中期 | 10% | 25% | 20% | 5% | 15% | 25% |
| 扩张末期 | 25% | 10% | 25% | 20% | 10% | 10% |
| 下行/衰退 | 15% | 5% | 25% | 30% | 5% | 20% |
| 触底回升 | 30% | 15% | 10% | 5% | 25% | 15% |
注意：因子择时是出了名的困难。等权是合理的基准。择时调整应温和（单因子最多偏离等权±10%）。
因子拥挤度评估
拥挤指标
| 指标 | 如何衡量 | 拥挤的标志 |
|---|---|---|
| 估值价差 | 因子内最便宜四分位 vs 最贵四分位的PE比 | 价差收窄 |
| 量化私募持仓 | 量化基金在因子头部股票的重叠度 | 高度重叠 |
| Smart Beta ETF规模 | 因子ETF（红利、价值、成长等）净申购 | 大量持续净申购 |
| 因子收益自相关 | 近期因子收益预测未来收益 | 正自相关（趋势跟随） |
拥挤风险
| 拥挤程度 | 预期影响 |
|---|---|
| 低 | 因子溢价可能完好 |
| 中等 | 预期收益压缩，风险正常 |
| 高 | 有急剧反转的风险（因子崩溃） |
| 极端 | 近期预期收益为负 |
A股因子历史表现
A股多因子年化溢价（2010–2023，近似值）
| 因子 | 年化溢价 | 夏普比率 | 最大回撤 | 最差时期 |
|---|---|---|---|---|
| 价值 | 3–5% | 0.30 | -30% | 2019–2020（核心资产行情） |
| 动量（改进版） | 4–6% | 0.40 | -25% | 风格切换时 |
| 质量 | 5–7% | 0.55 | -15% | 概念炒作行情 |
| 低波动 | 6–8% | 0.65 | -12%（相对） | 强势牛市 |
| 规模（小盘） | 4–8% | 0.35 | -35% | 2017年蓝筹行情 |
| 成长 | 3–5% | 0.30 | -30% | 2022年 |
关键发现：A股的低波动和质量因子夏普比率最高。价值和动量原始溢价可观但回撤大。小盘因子受壳价值和流动性影响波动大。
因子交互与相关性
A股因子相关性矩阵（近似）
| 价值 | 动量 | 质量 | 低波 | 规模 | |
|---|---|---|---|---|---|
| 价值 | 1.0 | -0.2 | -0.1 | +0.2 | +0.3 |
| 动量 | -0.2 | 1.0 | +0.1 | -0.1 | +0.0 |
| 质量 | -0.1 | +0.1 | 1.0 | +0.3 | -0.4 |
| 低波 | +0.2 | -0.1 | +0.3 | 1.0 | -0.3 |
| 规模 | +0.3 | +0.0 | -0.4 | -0.3 | 1.0 |
关键交互
- 价值+动量：负相关——组合可提供显著的分散化效果
- 质量+低波动：正相关——防御特征重叠
- 规模+质量：负相关——小盘股倾向于低质量；组合有助于避免"小而差"
- 价值+质量："价值陷阱过滤"组合——质量过滤器去除"便宜但有原因"的股票
A股因子特殊性
与成熟市场的差异
| 差异点 | A股特征 | 美股特征 |
|---|---|---|
| 低波动异象 | 非常显著，年化超额6–8% | 存在但不如A股明显 |
| 价格动量 | 不稳定，纯价格动量易崩溃 | 相对稳定 |
| 小盘溢价 | 受壳价值影响大，注册制后下降 | 相对纯粹 |
| 换手率因子 | 强烈的负向因子（低换手→高收益） | 不显著 |
| 分析师覆盖 | 覆盖不均匀，低覆盖股有信息不对称溢价 | 覆盖较均匀 |
| 市场结构 | 散户占比高，增强了行为因子的有效性 | 机构主导 |
A股额外有效因子
| 因子 | 描述 | 有效性 |
|---|---|---|
| 低换手率 | 月均换手率最低的股票跑赢最高的 | 非常强 |
| 分析师覆盖度 | 低覆盖度的股票有超额收益 | 中等 |
| 北向资金持仓 | 外资持仓增加的股票后续表现好 | 中等 |
| 限售股解禁 | 大额解禁前后股价承压 | 中等（负向） |
| 盈利预告超预期 | 业绩预告超预期后有动量延续 | 中等 |
报告模板
量化因子筛选结果的结构化输出格式。
量化因子筛选报告
参数设置
| 参数 | 设置 |
|---|---|
| 选股池 | — |
| 使用因子 | — |
| 因子权重 | — |
| 行业约束 | 行业中性 / 不约束 |
| 结果数量 | 前— |
| 日期 | [日期] |
---
1. 宏观环境研判
当前阶段：[复苏初期 / 扩张中期 / 扩张末期 / 下行 / 触底回升]
支撑指标：
| 指标 | 当前值 | 信号 |
|---|---|---|
| 制造业PMI | — | 扩张 / 收缩 |
| 社融增速 | —% | 扩张 / 收缩 |
| 信用利差（AA级） | —bps | 收窄 / 正常 / 扩大 |
| M1-M2剪刀差 | —% | 资金活化 / 沉淀 |
| CPI / PPI | —% / —% | 通胀 / 通缩 |
| 央行政策取向 | — | 宽松 / 中性 / 紧缩 |
因子择时启示：[当前环境下哪些因子利好/不利]
---
2. 因子拥挤度面板
| 因子 | 拥挤程度 | 信号 | 影响 |
|---|---|---|---|
| 价值 | 低 / 中 / 高 | — | — |
| 动量 | — | — | — |
| 质量 | — | — | — |
| 低波动 | — | — | — |
| 规模 | — | — | — |
| 成长 | — | — | — |
---
3. 因子权重应用
| 因子 | 基础权重 | 择时调整 | 最终权重 |
|---|---|---|---|
| 价值 | —% | +/-—% | —% |
| 动量 | —% | — | —% |
| 质量 | —% | — | —% |
| 低波动 | —% | — | —% |
| 规模 | —% | — | —% |
| 成长 | —% | — | —% |
---
4. 精选个股
| 排名 | 代码 | 公司 | 行业 | 综合 | 价值 | 动量 | 质量 | 低波 | 规模 | 成长 |
|---|---|---|---|---|---|---|---|---|---|---|
| 1 | — | — | — | — | — | — | — | — | — | — |
| 2 | — | — | — | — | — | — | — | — | — | — |
| … | … | … | … | … | … | … | … | … | … | … |
得分为百分位排名（0–100），越高越好。
---
5. 行业分布
| 行业（申万一级） | 入选数 | 精选权重 | 基准权重 | 主动偏差 |
|---|---|---|---|---|
| 食品饮料 | — | —% | —% | +/-—% |
| 电子 | — | —% | —% | — |
| … | … | … | … | … |
---
6. 因子暴露汇总
精选列表的整体因子特征：
| 指标 | 精选平均 | 选股池平均 | 偏移 |
|---|---|---|---|
| PE | — | — | — |
| FCF收益率 | —% | —% | — |
| 12-1月收益 | —% | —% | — |
| ROE | —% | —% | — |
| 资产负债率 | —% | —% | — |
| 1年波动率 | —% | —% | — |
| 平均市值 | ¥—亿 | ¥—亿 | — |
| 营收增速（3年） | —% | —% | — |
---
7. 个股简介
[排名]. [公司名称]（[代码]）
行业：— | 市值：¥—亿 | 综合得分：—
| 因子 | 得分 | 关键指标 | 值 |
|---|---|---|---|
| 价值 | — | EV/EBITDA | — |
| 动量 | — | 12-1月收益 | —% |
| 质量 | — | ROE | —% |
| 低波动 | — | 1年波动率 | —% |
| 规模 | — | 市值 | ¥—亿 |
| 成长 | — | 营收增速（3年） | —% |
简要画像：[2–3句关于业务和高得分原因]
---
[对每只精选个股重复]
---
8. 风险提示
因子回撤历史
| 因子 | 最大回撤 | 时期 | 恢复时间 |
|---|---|---|---|
| 价值 | -—% | — | — |
| 动量 | -—% | — | — |
| 质量 | -—% | — | — |
| 低波动 | -—%（相对） | — | — |
| 规模 | -—% | — | — |
当前风险
- [风险1：如动量因子拥挤]
- [风险2：如宏观转换不确定性]
- [风险3：如结果的行业集中度]
---
9. 免责声明
免责声明：量化因子筛选基于股票特征与收益之间的历史关系，这些关系可能不会在未来延续。因子溢价存在显著的时间变异，可能经历长期跑输。得分和排名是时点数据，随市场变化而变化。A股市场的因子特性与成熟市场存在差异，国际因子研究结论不可直接套用。本分析仅供信息参考和教育目的，不构成投资建议。过往因子表现不代表未来结果。请在做出投资决策前咨询合格的投资顾问。
Related skills
Lark Openapi ExplorerInstantly explore, test, and generate calls against the full Lark (Feishu) OpenAPI surface without leaving their agent workflow.493k
Lark EventConsume real-time events from Lark/Feishu as structured NDJSON streams inside AI agent workflows.387k16kLark Openapi ExplorerWhen an existing Lark/Feishu skill or CLI command cannot fulfill a specific requirement and they need to discover and invoke the exact native OpenAPI endpoint.386k16k
Just ScrapeQuickly search, crawl, extract structured JSON, or monitor web pages without writing custom scraping code.245k41Lark AppsQuery the current visibility and permission scope of a Lark (Feishu) app without writing HTTP client code.235k16k
Design An InterfaceGenerate multiple radically different interface or API designs in parallel before committing to one.188k198kHow it compares
Use quant-factor-screener when you need academic multi-factor A-share ranking with industry neutrality, not single-metric value screens or event-driven detectors.
FAQ
Which factors does quant-factor-screener score?
quant-factor-screener scores six factors: value (earnings yield, PB inverse, FCF yield), momentum (12-1 month price, estimate revisions), quality (ROE, stability), low volatility, size, and growth. Default weights are equal at one-sixth each.
Which stock universes does quant-factor-screener support?
quant-factor-screener supports CSI 300, CSI 500, CSI 1000, full A-shares, and custom pools with a default CSI 800 universe. Results default to the top 20 stocks ranked by composite percentile score.