JoinQuant 因子预处理教程：如何对因子数据进行 Z-Score 标准化？

在聚宽（JoinQuant）平台中，对因子数据进行 Z-Score 标准化（即去均值后除以标准差，使数据均值为0，标准差为1），最直接且推荐的方法是使用 jqfactor 库中的 standardlize 函数。

Z-Score 标准化方法

1. 使用 jqfactor.standardlize 函数（推荐）

这是聚宽专门为因子处理提供的函数，能够自动处理 inf（无穷大）值，并支持按行（截面）或按列（时间序列）进行标准化。

函数说明：
standardlize(data, inf2nan=True, axis=1)

• data: 输入的 pd.Series 或 pd.DataFrame。
• inf2nan: 是否将 inf 替换为 NaN（默认为 True，推荐开启以避免计算错误）。
• axis:
  • 1：对每行做标准化（通常用于截面标准化，即同一时间点下不同股票间的标准化）。
  • 0：对每列做标准化（通常用于时间序列标准化，即同一股票在不同时间点间的标准化）。

2. 代码示例

以下代码展示了如何获取沪深300成分股的市值数据，并对其进行 Z-Score 标准化处理。

# -*- coding: utf-8 -*-
from jqdata import *
from jqfactor import standardlize
import pandas as pd
import numpy as np

def initialize(context):
    # 设定基准
    set_benchmark('000300.XSHG')
    # 运行函数
    run_daily(factor_process, '09:30')

def factor_process(context):
    # 1. 获取数据：以沪深300成分股的“总市值”为例
    stocks = get_index_stocks('000300.XSHG')
    
    # 获取市值数据 (market_cap)
    q = query(
        valuation.code,
        valuation.market_cap
    ).filter(
        valuation.code.in_(stocks)
    )
    
    df = get_fundamentals(q, date=context.previous_date)
    
    # 将股票代码设为索引，方便处理
    if not df.empty:
        df.set_index('code', inplace=True)
        
        # 获取因子序列 (Series类型)
        raw_factor = df['market_cap']
        
        # 2. 执行 Z-Score 标准化
        # 对于 Series，standardlize 会直接计算 (x - mean) / std
        std_factor = standardlize(raw_factor, inf2nan=True)
        
        # 打印结果对比
        print("--- 原始因子前5行 ---")
        print(raw_factor.head())
        print("\n--- Z-Score标准化后前5行 ---")
        print(std_factor.head())
        
        # 验证标准化结果（均值应接近0，标准差应接近1）
        print(f"\n标准化后均值: {std_factor.mean():.4f}")
        print(f"标准化后标准差: {std_factor.std():.4f}")
    else:
        print("未获取到数据")

补充说明：手动实现

如果你不想使用 jqfactor 库，也可以利用 pandas 原生方法实现 Z-Score 标准化，公式为 $z = \frac{x - \mu}{\sigma}$。

# 手动实现 Z-Score (针对 Series)
mean_val = raw_factor.mean()
std_val = raw_factor.std()
z_score_factor = (raw_factor - mean_val) / std_val

但在聚宽环境中，建议优先使用 jqfactor.standardlize，因为它额外处理了边界情况（如无穷大值），在量化回测中更加稳健。

Q&A

Q: 为什么要对因子进行 Z-Score 标准化？
A: 不同因子的量纲（单位）和数量级差异很大（例如股价可能是几十元，而市值可能是几百亿）。标准化可以将不同分布的因子转换为同一尺度（均值为0，标准差为1），从而使它们具有可比性，便于后续进行多因子合成或机器学习模型训练。

Q: standardlize 函数中的 axis=1 和 axis=0 有什么区别？
A: 当输入数据是 DataFrame 时：

• axis=1 表示截面标准化（Cross-sectional），即在同一时间点上，对所有股票的因子值进行标准化。这是多因子选股中最常用的方式。
• axis=0 表示时间序列标准化（Time-series），即对单只股票在一段时间内的因子值进行标准化。

Q: 标准化之前需要去极值吗？
A: 通常建议先去极值，再标准化。因为 Z-Score 使用均值和标准差，这两个统计量对异常值（Outliers）非常敏感。如果数据中存在极端的异常值，会拉大标准差，导致正常数据的标准化值被压缩在很小的范围内。可以使用 jqfactor.winsorize 先进行去极值处理。