因子分类体系：量价因子、基本面因子、另类因子、事件驱动因子
做量化研究这几年，我最大的体会就是：因子分类不是学术游戏，而是实战的起点。你想想看，面对几千只股票、几百个指标，如果没有一套清晰的分类框架，很容易陷入「东一榔头西一棒子」的窘境。
我个人习惯把因子分成四大类：量价因子、基本面因子、另类因子、事件驱动因子。这四类各有各的脾气，也各有各的坑。今天咱们就掰开揉碎了聊聊。
一、量价因子：最直接的「市场语言」
量价因子，说白了就是拿价格和成交量做文章。这是最古老、也是最活跃的一类因子。为什么？因为数据干净、频率高、回测方便。
常见的量价因子包括：
- 动量因子：过去N个月的收益率，追涨杀跌的量化版
- 反转因子：短期涨多了要跌，跌多了要涨
- 波动率因子：低波动股票往往跑赢高波动股票
- 换手率因子：换手率异常往往预示价格变动
- 量价背离因子：价格创新高但成交量萎缩，危险信号
实战经验：我在做A股动量因子时踩过一个坑——直接用过去12个月的收益率做因子，结果回测漂亮，实盘一塌糊涂。后来发现A股的动量周期只有3-6个月，超过6个月就变成反转了。这就是典型的「参数过拟合」问题。
量价因子的优势在于信号频率高，可以快速迭代。但缺点也很明显：拥挤度高。你想想看，全市场都在用同样的量价数据，策略容量自然有限。
二、基本面因子：慢变量中的确定性
基本面因子关注的是公司的财务数据和经营状况。这类因子更新频率低（季报、年报），但信号更持久、逻辑更清晰。
我常用的基本面因子包括：
- 估值因子：PE、PB、PS、PCF等，便宜是硬道理
- 盈利因子：ROE、毛利率、净利率，赚钱能力是关键
- 成长因子：营收增速、利润增速，成长是永恒的主题
- 财务质量因子：资产负债率、现金流覆盖率，别踩雷
- 分析师预期因子：盈利预测上调/下调，市场预期的变化
| 因子类别 | 典型指标 | 更新频率 | 信号持久性 |
|---|---|---|---|
| 估值因子 | PE、PB、PS | 季度 | 高（6-12个月） |
| 盈利因子 | ROE、毛利率 | 季度 | 中（3-6个月） |
| 成长因子 | 营收增速、利润增速 | 季度 | 中（3-6个月） |
| 财务质量因子 | 资产负债率、现金流 | 季度 | 高（6-12个月） |
避坑指南：我曾经在构建基本面因子时犯过一个低级错误——直接用原始财务数据，没有做行业中性化处理。结果发现银行股永远排在前面，因为PB天然低。后来加了行业中性化，效果才正常。记住：基本面因子一定要做行业和市值中性化。
三、另类因子：信息差的价值
另类因子是近年来最热的方向。说白了，就是利用非传统数据源来获取信息优势。这类因子的核心逻辑是：别人看不到的数据，就是你的alpha。
常见的另类数据源：
- 舆情数据：新闻情感分析、社交媒体热度
- 供应链数据：上下游企业的订单、物流信息
- 卫星数据：停车场车辆数、农田面积变化
- 支付数据：信用卡消费、电商交易流水
- 招聘数据：企业招聘岗位变化，预示业务扩张或收缩
另类因子的难点不在数据本身，而在数据清洗和信号提取。我见过太多团队花大价钱买了另类数据，结果做出来的因子还不如简单的量价因子。为什么？因为数据噪声太大，信号太弱。
注意：另类因子最大的风险是「数据过拟合」。你想想看，1000个另类指标里总能找到几个回测漂亮的，但实盘大概率失效。我的建议是：另类因子必须要有经济学逻辑支撑，不能纯靠数据挖掘。
四、事件驱动因子：捕捉「意外」
事件驱动因子关注的是公司层面的特定事件。这类因子的特点是：爆发力强，但持续性差。做得好可以吃大肉，做不好容易吃大面。
常见的事件驱动因子：
- 业绩预告因子：业绩超预期/低于预期
- 分红送转因子：高分红、高送转
- 股权激励因子：管理层激励计划
- 回购增持因子：公司回购、大股东增持
- 并购重组因子：资产注入、借壳上市
这类因子最考验的是事件窗口的把握。我记得有一次做业绩预告因子，发现公告前3天就有明显的超额收益，但公告后反而下跌。这说明什么？信息提前泄露了。所以事件驱动因子的核心是：比别人早半步。
五、因子分类的学术与实践视角
学术界和实战界对因子分类的理解，其实是有差异的。我简单说说我的观察。
学术视角：更关注因子的「风险解释能力」。比如Fama-French三因子模型、五因子模型，核心是解释为什么有些股票收益高。学术界的分类逻辑是：这个因子承担了什么风险？
实践视角：更关注因子的「预测能力」和「可操作性」。我们做量化投资的，不在乎因子能不能解释历史，在乎的是未来能不能赚钱。所以实战中的分类更偏向数据来源和信号频率。
我个人认为，两种视角都要兼顾。纯学术视角容易陷入「解释过去但预测不了未来」的困境；纯实战视角又容易「过拟合历史数据，实盘一塌糊涂」。
我的建议：构建因子库时，先用学术框架做逻辑筛选（排除那些没有经济学解释的因子），再用实战框架做回测验证（关注IC、IR、分组收益等指标）。两条腿走路，才能走得稳。
六、因子分类体系全景图
下面这张图是我自己整理的因子分类体系，涵盖了四大类因子的核心逻辑和典型代表。你可以把它当作因子研究的「地图」来用。
这张图里，我把事件驱动因子单独列出来，是因为它的逻辑和前三类完全不同。量价、基本面、另类因子都是「持续信号」，而事件驱动因子是「脉冲信号」。处理方式自然也不一样。
实战技巧：构建因子库时，我建议按「信号频率」和「逻辑强度」两个维度来分类。高频低逻辑的因子（如某些量价因子）适合做短期交易；低频高逻辑的因子（如基本面因子）适合做长期配置。两者搭配，效果更好。
好了，因子分类体系就聊到这儿。记住一句话：分类是为了更好地使用，不是为了分类而分类。下次你拿到一个新因子，先问问自己：它属于哪一类？它的信号频率是多少？它的逻辑支撑是什么？想清楚这三个问题，你就成功了一半。
公众号:蓝海资料掘金营，微信deep3321