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:
- 分散化:不是赌一两只股票,而是赌一个因子,风险更分散
- 低成本:规则驱动,不需要养一个庞大的研究团队
- 可规模化:从几百万到几十亿,策略逻辑基本不变
- 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:
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