多因子系列之六：寻找财务数据中的alpha信息( 三 )_来源：留富兵法报告摘要随着大量的财务

我们从寻找alpha因子的角度对上述问题进行描述。对于alpha因子的寻找即在进行假设检验，其中原假设H0为：该 alpha 因子的期望收益=0。一般来说，我们使用t统计量来判断H0是否被拒绝，如果t大于2，第一类错误出现的概率小于5%，则我们拒绝原假设，并认为该因子的是一个有效的alpha因子。如果我们找到了100个alpha因子，就不能再进行单变量检验，而需要进行多重检验（multiple test），在多重检验中，我们不是只单单控制单个检验犯第一类错误的概率，而是将多个检验看成一个整体，希望控制FWE（Family Wise Error），即至少有一个检验犯第一类错误的概率。除了FWE之外，常用的检验量还有FDR（FalseDiscovery Rate），即犯第一类错误的检验个数占比的期望值。在我们找到大量的因子之后，需要对其进行多重检验，从而筛选出较为显著的因子。

二、财务因子池构建

我们从wind的三张报表共计366个指标中，筛选满足如下要求的指标：

1. 2007年至2018年所有报告期中，指标的平均覆盖率大于40%