一、因子投资概述

1.1 因子投资的定义与起源

因子投资,说白了就是找到那些能解释股票涨跌的共同特征。我刚开始接触这个领域时,觉得它跟算命差不多——后来才发现,这其实是一门严谨的科学。

它的起源可以追溯到上世纪60年代。那时候,威廉·夏普提出了CAPM模型,告诉大家:股票的收益主要来自市场风险。嗯,这个想法在当时很先进,但后来大家发现,光靠市场风险解释不了所有问题。

到了90年代,法玛和弗伦奇搞出了三因子模型。他们发现,除了市场风险,小盘股和价值股长期表现更好。这就是因子投资的雏形。我个人习惯把这段历史称为「因子投资的启蒙时代」。

核心要点:因子投资不是玄学,而是基于统计规律的系统化投资方法。它试图用少数几个特征来解释大部分股票收益的差异。

1.2 因子投资与传统投资的区别

传统投资靠什么?靠基金经理的个人判断。你想想看,一个基金经理每天看财报、听电话会议、跟管理层聊天,然后拍脑袋决定买什么。这活儿我干过,说实话,很累,而且不稳定。

因子投资完全不同。它把投资决策变成了一个系统化的流程:

  • 规则驱动:所有买卖决策基于预先定义的规则,而不是主观判断
  • 可复制:同样的规则,不同人执行结果应该差不多
  • 可验证:你可以回测,可以检验,可以优化
  • 透明:因子是什么、怎么算、怎么用,全都清清楚楚

我在项目中遇到过一位老前辈,他做了20年主动投资,业绩一直不错。但他跟我说:「我这套方法,自己都说不清楚为什么赚钱。」这就是传统投资的痛点——你很难把经验系统化。

我的建议:如果你刚开始做量化,别急着搞复杂的模型。先把因子投资这套逻辑吃透,它比你想的要实用得多。

1.3 因子投资的核心理念与优势

因子投资的核心理念其实就一句话:系统性地获取风险溢价

为什么会这样?因为市场不是完全有效的。某些特征(比如低估值、高动量)长期来看能带来超额收益,这背后有行为金融学的解释,也有风险补偿的逻辑。

它的优势很明显:

  1. 分散化:不是赌一两只股票,而是赌一个因子,风险更分散
  2. 低成本:规则驱动,不需要养一个庞大的研究团队
  3. 可规模化:从几百万到几十亿,策略逻辑基本不变
  4. 透明可控:你知道自己在赚什么钱,亏也知道亏在哪

我曾经帮一家私募搭建因子投资框架,他们之前靠主观交易,规模做到5个亿就上不去了。换了因子投资后,两年时间规模翻了三倍。为什么?因为系统化的方法更容易复制和扩展。

1.4 因子投资策略的常见类型

常见的因子策略,我按重要性排个序:

因子类型 核心逻辑 典型指标 我的经验
价值因子 买入便宜股票 PE、PB、PS A股市场价值因子效果不错,但要注意陷阱股
动量因子 追涨杀跌 过去12个月收益 A股动量效应偏短期,中期容易反转
质量因子 买好公司 ROE、毛利率、负债率 质量因子在熊市特别管用
规模因子 买小公司 市值 小盘股长期跑赢,但波动大得吓人
低波因子 买波动小的股票 历史波动率、Beta 低波动异象,很多人不信,但数据支持

这里我要特别提醒一下:因子不是万能的。每个因子都有失效的时候,这叫「因子拥挤」或「因子衰减」。我曾经在2017年重仓价值因子,结果那年成长股涨得飞起,价值因子跌了15%。嗯,那段时间很难熬。

避坑指南:我曾经犯过一个错误——同时使用多个高度相关的因子。比如价值和低波,看起来是不同因子,但实际上低估值股票往往波动也低。这样搞,表面上是多因子分散,实际上还是赌一个方向。记住:因子之间要低相关,才能真正起到分散作用。

知识体系框架

下面这张图是我自己整理的因子投资知识体系,你可以把它当作学习地图:

因子投资知识体系 因子投资核心 理论基础 CAPM模型 Fama-French三因子 行为金融学解释 常见因子类型 价值因子 (PE/PB) 动量因子 (12M收益) 质量因子 (ROE) 规模/低波因子 策略构建流程 因子数据清洗 因子合成与加权 组合优化 回测与评估 风险管理 因子拥挤度监控 因子衰减检测 多因子相关性 风险预算 目标:系统性地获取风险溢价

这张图把因子投资的四个核心模块串起来了。我个人习惯先学理论基础,再研究常见因子,然后才是策略构建和风险管理。顺序别搞反了,否则容易走弯路。

学习建议:刚开始别贪多。先把价值因子和动量因子搞透,这两个是基础中的基础。我见过太多人一上来就搞机器学习选因子,结果连因子IC都不懂怎么算。嗯,步子迈大了容易扯着。


公众号:蓝海资料掘金营,微信deep3321