第一章：因子投资导论

1.1 什么是因子？

因子，说白了就是能解释资产收益的共同特征。我刚开始接触这个领域时，觉得这概念挺玄乎的。后来做多了才发现，它其实就是把复杂的市场现象，抽象成几个可量化的维度。

举个例子，你想想看：为什么小公司的股票长期跑赢大公司？为什么便宜（低估值）的股票比贵的股票表现好？这些规律背后，就是因子在起作用。

我个人习惯把因子分成三类：

• 宏观因子：比如GDP增速、通胀率、利率变化。这些影响整个市场。
• 风格因子：比如市值、估值、动量、波动率。这些是量化投资最常用的。
• 行业因子：不同行业的收益差异，比如科技vs消费。

嗯，这里要注意：因子不是万能的。我在项目中遇到过有人把几十个因子堆在一起，结果过拟合得一塌糊涂。记住，因子是工具，不是真理。

1.2 因子投资的历史与流派

因子投资不是凭空冒出来的。它的发展脉络，我梳理了一下：

年代	里程碑	代表人物
1960s	CAPM模型诞生，市场是唯一因子	Sharpe, Lintner
1970s	发现小市值效应、价值效应	Banz, Basu
1990s	Fama-French三因子模型	Fama, French
2000s	动量、质量、低波等因子涌现	Carhart, Asness
2010s至今	因子拥挤、机器学习因子	多位学者

流派上，主要有两派：

• 学术派：讲究理论推导，喜欢用严谨的统计检验。我曾经跟一位教授合作，他坚持要跑1000次bootstrap才肯确认一个因子有效。
• 实战派：更看重实际收益和交易成本。我见过一个对冲基金的朋友，他用的因子组合里居然有「公司名字长度」这种奇葩变量——但人家确实赚钱了。

说实话，两派都有道理。我个人习惯是：学术框架打底，实战经验调优。

1.3 因子收益的来源

这是最核心的问题：因子为什么能赚钱？

主要有两种解释：

风险补偿理论

说白了，因子收益是对承担额外风险的补偿。比如小市值因子，小公司经营风险大、流动性差，所以投资者要求更高的预期回报。这个逻辑很自洽，也是学术界的正统观点。

我记得有一次做归因分析，发现某个因子在牛熊市的表现差异巨大。当时我就想：嗯，这确实像风险暴露，不是纯粹的alpha。

行为偏差理论

这个流派认为，因子收益来自投资者的非理性行为。比如：

• 过度反应：投资者对好消息过度乐观，对坏消息过度悲观，导致价格偏离价值。
• 处置效应：投资者过早卖出盈利股票，死扛亏损股票，这反而创造了反转机会。
• 注意力偏差：投资者只关注热门股票，冷门股被低估，价值因子由此产生。

我曾经用Python做过一个实验：把A股所有股票按「新闻热度」分组，发现最冷门的10%股票，未来3个月平均跑赢最热门的10%约5%。这就是行为偏差的实证。

知识体系框架

下面这张图，是我自己梳理的本章知识结构。你可以把它当作一个思维导图来看：

好了，第一章就到这里。因子投资的世界很大，我们慢慢来。

---

公众号:蓝海资料掘金营，微信deep3321