第一章：因子投资基础回顾
做量化这几年，我越来越觉得因子投资就像搭积木。你手里得有足够多、足够好的积木块，才能搭出漂亮的城堡。今天咱们就来聊聊这些积木块——因子。
因子到底是什么？
说白了，因子就是能解释股票收益差异的某种特征。比如为什么茅台涨了，中石油跌了？背后一定有原因。这个原因，可能就是某个因子在起作用。
我个人习惯把因子理解成「股票的基因」。每只股票都有很多基因片段，有些基因让它涨得快，有些让它跌得狠。因子投资就是找到那些能稳定赚钱的基因。
核心定义：因子是能够系统性地解释资产预期收益的、可观测的股票特征。它必须满足三个条件：
- 系统性：不是个别现象，而是影响一大片股票
- 可观测：能用数据量化，比如市盈率、换手率
- 有解释力：确实能区分涨跌
因子的三大门派
因子分类这事儿，我刚开始做的时候也犯过迷糊。后来踩了不少坑，才理清楚。其实就三大类：
1. 基本面因子
这类因子来自财务报表。比如市盈率、市净率、ROE、营收增长率。我记得2018年做A股回测时，低市盈率因子在熊市里表现特别好。说白了，市场恐慌时，大家更看重「便宜」。
- 价值因子：低PE、低PB、高股息率
- 质量因子：高ROE、低负债率、高毛利率
- 成长因子：营收增速、利润增速、盈余超预期
2. 技术因子
这类因子来自交易数据。价格、成交量、换手率这些。你想想看，一只股票连续放量上涨，是不是大概率有资金在推动？这就是技术因子的逻辑。
- 动量因子：过去N个月的累计收益
- 反转因子：短期超跌反弹
- 波动率因子：低波动股票长期跑赢高波动
避坑指南：我曾经在动量因子上吃过亏。2015年股灾前，动量因子表现特别好，结果一崩盘，动量直接变成「动量崩溃」。所以做技术因子一定要考虑市场状态切换。
3. 另类因子
这类因子比较新，数据来源五花八门。比如新闻情绪、卫星图像、信用卡消费数据。我去年帮一家私募做过电商评论情感分析，发现好评率变化能提前两周预测消费股业绩。
- 舆情因子：新闻情感得分、社交媒体热度
- 供应链因子：上下游企业的订单数据
- 宏观因子：利率、通胀、PMI等
因子生命周期：从发现到失效
每个因子都有寿命。就像手机，刚出来时惊艳全场，过两年就没人提了。因子也一样。
我总结了一个四阶段模型：
| 阶段 | 特征 | 收益表现 |
|---|---|---|
| 发现期 | 学术论文刚发表，少数人知道 | 极高，年化超额收益>10% |
| 扩散期 | 被量化机构采用，资金涌入 | 中等，5%-10% |
| 拥挤期 | 烂大街了，散户都知道 | 低，0%-5% |
| 衰减期 | 因子失效，甚至反向 | 负收益 |
注意：因子衰减不是突然发生的。它是个渐进过程。我见过最典型的例子是「市值因子」。2017年之前小盘股因子年年赚钱，2017年之后风格切换，小盘股跑输大盘好几年。很多人在那波里亏惨了。
Alpha衰减：为什么因子会失效？
为什么会这样？原因其实不复杂。
第一，套利者太多。 你发现一个因子能赚钱，别人也发现了。大家都去买，价格就被推高了，超额收益自然就没了。
第二，市场在进化。 十年前有效的因子，现在可能已经过时了。比如「低波动率因子」，以前大家觉得波动小的股票安全，现在机构都在做波动率套利，这个因子就变弱了。
第三，数据挖掘偏差。 有些因子纯粹是统计上的巧合。你回测了1000个因子，总能找到几个看起来不错的。但实盘一跑就露馅。嗯，这里要注意，多重假设检验是个大坑。
应对策略：
- 因子组合：别押注单一因子，多因子组合能平滑收益
- 动态调整：定期评估因子表现，失效了就换
- 另类数据：挖掘别人还没发现的因子来源
本章知识体系
下面这张图是我自己画的，把因子投资的整体框架串起来了。你看一遍应该就能记住。
这张图把因子投资的骨架画出来了。从三大分类到生命周期，再到Alpha衰减和应对策略，一条线串下来。你保存下来，以后做因子研究时对照着看，思路会清晰很多。
我的建议：刚开始做因子挖掘，别贪多。先吃透两三个经典因子，把数据清洗、回测框架、风险调整这些基本功练扎实。我见过太多人一上来就搞复杂模型，结果连因子IC值怎么算都搞不清楚。
好了，因子基础就聊到这儿。记住一句话：因子投资不是找圣杯，而是找概率优势。每个因子都有它的生命周期，关键是你得知道它现在处在哪个阶段。