一、因子投资概述：因子投资发展史、因子分类体系、因子投资在量化策略中的核心地位

大家好，欢迎来到《因子挖掘与IC分析实战技巧》的第一章。

说实话，每次开始讲因子投资，我都会想起自己刚入行那会儿。那时候我还在一个私募做实习生，每天的工作就是跑数据、画回测曲线。有一次，我跑了一个看起来特别漂亮的策略——夏普比3.0，最大回撤不到5%。我兴奋地拿给老板看，他扫了一眼，只问了一句：“你这个因子，逻辑是什么？”

我愣住了。那会儿我只知道因子是个“能赚钱的信号”，但完全不懂它背后的逻辑。后来我才明白，因子投资不是玄学，它是有历史、有体系、有逻辑的。

好，咱们今天就把这事儿聊透。

1.1 因子投资发展史：从CAPM到多因子模型

因子投资的历史，说白了就是人类对“股票为什么涨跌”这个问题的不断追问。

第一阶段：单因子时代（1960s-1970s）

最早的理论是CAPM（资本资产定价模型）。它说：股票的预期收益只跟一个东西有关——市场风险（Beta）。换句话说，你买股票赚的钱，本质上是你承担市场波动风险的补偿。

这个模型很优雅，但有个问题：它解释不了为什么有些低Beta的股票反而跑得比高Beta的好。我刚开始学的时候也觉得奇怪，后来在实盘中才发现，市场暴跌时低Beta的防御性股票确实更抗跌。

第二阶段：多因子觉醒（1990s）

1993年，Fama和French提出了三因子模型。他们在CAPM的基础上加了两个因子：市值（小盘股）和估值（低市净率）。这个模型一下子把解释力提高了一大截。

我记得第一次用Fama-French三因子做归因分析时，发现我自以为的“选股能力”，其实大部分都是小市值因子的贡献。嗯，那感觉挺扎心的。

第三阶段：因子爆炸（2000s至今）

后来因子就越来越多了。动量、质量、低波、分红、成长……学术界和业界加起来，文献里记载的因子少说也有几百个。你想想看，这么多因子，哪些是真金，哪些是沙子？

1.2 因子分类体系：把因子装进抽屉里

因子多了，就得分类。我个人习惯把因子分成四大类，这样在实战中好管理：

类别	典型因子	逻辑	我踩过的坑
风格因子	市值、估值、动量、低波	反映市场系统性偏好	市值因子在A股经常失效，别迷信小盘
基本面因子	ROE、毛利率、营收增长	公司经营质量	我曾经用单季度ROE做因子，结果被财务调节坑惨了
技术因子	换手率、波动率、资金流	市场交易行为	高频换手率因子在T+1市场里容易过拟合
另类因子	舆情、供应链、卫星图像	非传统数据源	另类数据清洗成本极高，别轻易上

这里有个重要的点：因子分类不是死的。同一个指标，在不同市场、不同时间窗口下，可能属于不同类别。比如换手率，在日频上是技术因子，在周频上可能就变成风格因子了。

1.3 因子投资在量化策略中的核心地位

因子投资到底有多重要？我直接说结论：因子是量化策略的“原材料”。

你想想看，一个量化策略无非就是三件事：

1. 信号生成——因子就是信号
2. 组合构建——因子加权就是权重
3. 风险控制——因子暴露就是风险来源

说白了，没有因子，量化策略就是空中楼阁。我见过太多人一上来就搞机器学习、深度学习，结果模型跑出来的信号根本解释不了，回测漂亮实盘就崩。为什么？因为底层没有有效的因子支撑。

举个例子，假设你有一个多因子模型，包含估值、动量、质量三个因子。那么你的策略收益可以分解为：

策略收益 = 估值因子收益 × 估值因子暴露
          + 动量因子收益 × 动量因子暴露
          + 质量因子收益 × 质量因子暴露
          + 特异性收益（Alpha）

这个分解有什么用？用处大了。你可以清楚地知道：

• 你的策略到底靠什么赚钱？
• 某个因子失效时，策略会不会崩？
• 能不能通过调整因子暴露来控制风险？

我曾经有一个策略，回测三年年化收益25%。结果一做因子归因，发现80%的收益都来自小市值因子。我当时就意识到：这个策略一旦遇到小盘股风格切换，就会出大问题。果然，后来中证500跑输沪深300的那半年，策略直接回撤了15%。

知识体系总览

下面这张图，是我自己整理的本章节知识结构。你可以把它当作一个“地图”，后面每一章都会在这个框架里展开。

这张图把本章的三个核心内容串起来了。你可以看到，发展史是“过去”，分类体系是“现在”，核心地位是“未来”。三者缺一不可。

好，第一章就到这里。记住一句话：因子投资不是选股工具，而是一套完整的投资哲学。后面我们会一步步深入，从因子挖掘到IC分析，再到实战策略构建。咱们慢慢来。

---

公众号:蓝海资料掘金营，微信deep3321