1. 因子投资概述

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，觉得它跟玄学差不多——凭什么说低波动股票就一定涨得好？后来做了几年实盘，才慢慢理解这背后的逻辑。

嗯，咱们先从最基础的说起。

因子投资的定义与发展历史

因子投资，本质上是一种系统化的投资方法。它不靠基金经理拍脑袋，而是靠数据说话。你想想看，市场上几千只股票，为什么有的涨有的跌？因子投资认为，这是因为它们在某些「因子」上的暴露程度不同。

这个概念最早可以追溯到上世纪60年代。那时候威廉·夏普提出了CAPM模型，认为股票的收益只跟市场风险有关。但后来大家发现，光一个市场因子根本解释不了所有收益差异。

我记得2018年做的一个项目，当时用三因子模型回测A股，效果还不错。但换到港股市场就完全失灵了。这说明什么？因子不是万能的，它有很强的市场依赖性。

因子投资的哲学与逻辑

因子投资的底层逻辑其实很简单：寻找系统性、持续性的收益来源。

为什么会存在这些因子？学术界主要有两种解释：

1. 风险补偿理论：某些因子暴露会承担额外风险，所以需要更高的预期收益来补偿。比如价值股通常经营风险更高，所以长期回报也更高。
2. 行为金融学解释：投资者并非完全理性，会犯系统性错误。比如过度反应、锚定效应等，导致某些股票被错误定价，因子策略就是利用这些错误赚钱。

我个人更倾向于第二种解释。为什么？因为我在实盘中观察到，因子收益往往在极端行情后表现得最明显。比如2020年疫情暴跌后，动量因子就出现了明显的反转——这明显是投资者情绪在作祟。

常见因子分类

目前市场上主流的因子大概有这几类。我按自己的理解给你梳理一下：

因子类别	核心逻辑	典型指标	我的评价
价值因子	便宜的东西总会回归	PE、PB、PS、股息率	长期有效，但可能「价值陷阱」
动量因子	趋势会自我强化	过去6-12个月收益率	短期有效，但反转时很惨
质量因子	好公司就是好股票	ROE、毛利率、负债率	稳健，但估值通常不便宜
低波因子	低风险反而高回报	过去1年波动率、Beta	反直觉，但实证支持
规模因子	小公司有成长溢价	市值、流通市值	A股效果不错，但流动性差

这里我要特别说一下低波因子。很多人觉得「高风险高回报」是天经地义的，但低波因子恰恰打了这个脸。我曾经在2015年股灾时做过回测，低波组合的跌幅只有大盘的一半。为什么会这样？因为机构投资者有「彩票偏好」，总想搏一把大的，反而把低波动股票的价格压低了。

因子投资的学术与实践意义

从学术角度看，因子投资彻底改变了金融学的研究范式。以前大家研究股票，都是看公司基本面、行业前景这些「故事」。现在呢？直接上数据、跑回归、看因子载荷。这种量化思维，说白了就是把投资从「艺术」变成了「科学」。

从实践角度看，因子投资的意义更大：

• 系统化：不再依赖基金经理的个人判断，而是用规则驱动决策
• 可复制：同样的因子逻辑，不同人执行结果基本一致
• 可解释：赚了亏了都能找到原因，不像主观投资那样「说不清」
• 可优化：因子组合可以不断迭代，加入新因子、剔除失效因子

我2019年帮一家私募搭建因子库时，他们最初只有5个因子。后来我们不断加入新的候选因子，用IC分析、分层回测等方法筛选，最终保留下来12个有效因子。这个过程中，我最大的体会是：因子投资不是一锤子买卖，而是一个持续迭代的过程。

下面这张图是我自己总结的因子投资核心框架，你可以看看：

这张图展示了我做因子投资的完整流程。从数据层开始，到因子层构建和筛选，再到组合层优化，最后通过反馈循环不断迭代。说白了，这就是一个「数据→因子→组合→反馈」的闭环。

最后说一句：因子投资不是万能的，但它确实提供了一种更科学、更系统的方法来理解市场。你如果刚开始接触，建议先从一两个经典因子入手，跑通整个流程，再慢慢扩展。别贪多，嚼不烂。

---

公众号:蓝海资料掘金营，微信deep3321