多因子模型理论基础：从CAPM到五因子模型
做量化投资，绕不开一个核心问题：股票的超额收益到底从哪来？
我刚入行那会儿，也天真地以为只要找到好公司就能赚钱。结果被市场狠狠教育了一顿。后来才明白，收益的背后是风险，而多因子模型就是帮我们拆解这些风险的工具。
今天咱们就把这几个经典模型捋一遍。从最简单的CAPM开始，一步步看到五因子模型。你会发现，每个新模型都是在给老模型「打补丁」。
一、CAPM：一切的开端
CAPM（资本资产定价模型）是1960年代由Sharpe他们搞出来的。公式很简单：
E(Ri) = Rf + βi × (E(Rm) - Rf)说白了，一只股票的预期收益 = 无风险利率 + 市场风险溢价 × 这只股票对市场的敏感度。
核心思想就一句话：你承担的系统性风险越大，预期收益就应该越高。非系统性风险可以通过分散投资消除，市场不会为它买单。
我个人习惯把β理解为「股票的杠杆系数」。β=1，跟大盘同涨同跌；β=1.5，大盘涨1%，它涨1.5%；β=0.5，就是个防御型选手。
但CAPM有个硬伤——它假设市场是有效的，所有信息都反映在价格里。现实中呢？你想想看，小盘股和垃圾股经常跑赢大盘，这用CAPM根本解释不了。
避坑指南：我曾经用CAPM给一个私募做资产定价，结果发现很多股票的α显著不为零。这说明要么模型错了，要么市场存在套利机会。后来我改用多因子模型，拟合度明显提升。
二、Fama-French三因子模型：给CAPM打补丁
1993年，Fama和French两位大佬出手了。他们发现，CAPM解释不了的两个现象：
- 小市值效应：小盘股长期跑赢大盘股
- 价值效应：低市净率的股票跑赢高市净率的
于是他们加了两个因子：
E(Ri) - Rf = βi × (E(Rm) - Rf) + si × SMB + hi × HML其中：
- SMB（Small Minus Big）：小盘股组合收益减大盘股组合收益
- HML（High Minus Low）：高账面市值比（价值股）减低账面市值比（成长股）
这下拟合度好多了。我做过回测，加入SMB和HML后，R²从CAPM的0.6左右提升到了0.85以上。
实际应用：如果你发现某只股票的SMB因子载荷很高，说明它受小盘风格影响大。做多小盘股时，这类股票弹性更好。
三、Carhart四因子模型：动量效应来了
1997年，Carhart发现了一个让学术界头疼的现象——动量效应：过去涨得好的股票，未来一段时间还会继续涨；过去跌得惨的，还会继续跌。
这跟有效市场假说完全矛盾。但数据摆在那，你不服不行。
Carhart在三因子基础上加了动量因子：
E(Ri) - Rf = βi × (E(Rm) - Rf) + si × SMB + hi × HML + wi × WMLWML（Winner Minus Loser）就是动量因子——做多过去赢家，做空过去输家。
注意：动量策略在A股市场表现不太稳定。我做过测试，A股的动量效应大约持续3-6个月，之后会发生反转。所以用动量因子时，一定要控制持有期。
四、Fama-French五因子模型：再加两个维度
2015年，Fama和French又回来了。这次他们发现三因子模型还有遗漏：
- 盈利能力效应：高盈利能力的公司跑赢低盈利能力的
- 投资风格效应：保守投资的公司跑赢激进投资的
于是五因子模型诞生了：
E(Ri) - Rf = βi × (E(Rm) - Rf) + si × SMB + hi × HML + ri × RMW + ci × CMA新增的两个因子：
- RMW（Robust Minus Weak）：高盈利能力减低盈利能力
- CMA（Conservative Minus Aggressive）：保守投资减激进投资
说实话，五因子模型在A股的表现有点复杂。我跑过全A股的数据，发现RMW因子在A股效果不错，但CMA因子经常不显著。这可能跟A股的投资风格有关。
五、模型对比：一张表看懂
| 模型 | 因子数量 | 因子名称 | 核心逻辑 | A股适用性 |
|---|---|---|---|---|
| CAPM | 1 | 市场因子 | 只有系统性风险被定价 | 基础，但不够 |
| 三因子 | 3 | 市场+规模+价值 | 小盘和价值股有超额收益 | 较好 |
| 四因子 | 4 | 三因子+动量 | 趋势会延续 | 需谨慎 |
| 五因子 | 5 | 三因子+盈利+投资 | 好公司+保守经营有溢价 | 部分有效 |
六、知识体系总览
下面这张图帮你理清这几个模型的关系：
七、实战中的选择建议
说了这么多理论，到底该用哪个模型？我的建议是：
- 刚入门：从三因子模型开始。它简单、有效、解释力强。
- 做A股：三因子 + 动量（但要控制参数）。A股散户多，动量效应不稳定。
- 做美股：五因子模型更合适。美股机构化程度高，盈利和投资因子效果明显。
- 做对冲：多因子组合。用不同因子对冲，降低单一因子的回撤风险。
一个小技巧：我习惯在构建因子时，先跑一遍三因子模型，看看残差里还有没有规律。如果残差还有明显的趋势，说明还有遗漏因子，需要继续挖掘。
好了，这几个经典模型就聊到这儿。记住一句话：模型是工具，不是真理。市场在变，因子也在变。保持开放心态，不断验证和迭代，才是量化投资的生存之道。
公众号:蓝海资料掘金营，微信deep3321