一、因子投资概述

因子投资，说白了就是找规律。

市场里几千只股票，为什么有的涨有的跌？背后总有一些共同的原因在驱动。这些原因，就是因子。我个人习惯把因子理解成「股票的基因」——每只股票都带着不同的基因组合，有些基因让它涨得快，有些让它跌得狠。

1.1 因子投资的定义

因子投资是一种系统化的投资方法。它通过识别和捕捉那些能够解释资产收益的共同特征（也就是因子），来构建投资组合。

举个例子：

• 价值因子：便宜的股票长期跑赢贵的股票
• 动量因子：涨得好的股票还会继续涨
• 质量因子：盈利好、负债低的公司更稳健

因子投资的核心，就是把这些规律量化、系统化，变成可执行的策略。我在做第一个因子策略时，犯过一个低级错误——把两个高度相关的因子同时放进去，结果组合波动大得吓人。嗯，这里要注意，因子之间会互相影响，不是简单叠加就行的。

1.2 发展历史

因子投资不是凭空冒出来的。它的发展脉络，我简单梳理一下：

时间	里程碑	代表人物/理论
1952年	现代投资组合理论	马科维茨（均值-方差模型）
1964年	资本资产定价模型（CAPM）	夏普（市场因子）
1976年	套利定价理论（APT）	罗斯（多因子框架）
1993年	三因子模型	Fama-French（市场、规模、价值）
1997年	动量因子	Carhart（四因子模型）
2015年	五因子模型	Fama-French（加入盈利、投资）

你想想看，从CAPM的一个因子，到现在的上百个因子，这个领域发展得有多快。我记得2018年做量化比赛时，用的还是三因子模型，现在回测框架里不跑个五因子都不好意思跟人打招呼。

1.3 核心思想

因子投资的核心思想，其实就三句话：

1. 收益可以分解：任何资产的收益，都可以拆解成因子暴露和因子收益的乘积。
2. 因子是系统性的：因子不是运气，是长期存在的市场规律。
3. 暴露可以管理：你可以主动选择暴露在哪些因子上，从而控制风险和收益。

用公式表达就是：

R_i = α + β_1 * F_1 + β_2 * F_2 + ... + β_n * F_n + ε_i

其中：

• R_i 是资产 i 的收益
• β_j 是资产对因子 j 的暴露（敏感度）
• F_j 是因子 j 的收益
• α 是超额收益（选股能力）
• ε_i 是随机误差

我曾经见过一个团队，花了大半年时间找α，结果发现他们的α其实就是没控制好的因子暴露。说白了，你以为是选股能力强，其实是运气好撞上了某个因子的大行情。

1.4 与传统投资的区别

传统投资和因子投资，区别在哪？我列个表你就明白了：

维度	传统投资	因子投资
决策依据	主观判断、经验、直觉	数据驱动、统计验证
持仓数量	集中（10-30只）	分散（50-500只）
风险控制	依赖基金经理	系统化、可量化
可复制性	低（换个人就不一样）	高（代码跑出来一样）
成本	高（研究、交易、管理）	低（自动化、被动化）
透明度	黑箱（基金经理说了算）	白箱（因子暴露一目了然）

传统投资像中医，讲究望闻问切，靠的是老中医的经验。因子投资像西医，先做检查（数据分析），再开药方（构建组合）。两种方法各有优劣，但我个人更偏向因子投资——因为它可验证、可迭代、可优化。

1.5 因子投资的知识体系

下面这张图，是我自己整理的因子投资知识体系。你一看就明白整个框架长什么样：

这张图把因子投资的整个流程串起来了。从因子识别开始，到组合构建，再到持续管理，每一步都有对应的工具和方法。我个人建议你把这个框架记在脑子里，后面每一章都会围绕它展开。

---