一、因子投资导论：什么是因子投资？
说实话，我第一次接触因子投资这个概念时，也觉得它挺玄乎的。那时候我刚从物理转行做量化，满脑子都是随机过程、偏微分方程。结果前辈扔给我一句话：「你想想看，为什么有些股票就是比别的股票涨得好？」
这个问题，说白了就是因子投资要回答的核心问题。
1.1 什么是因子投资？
因子投资，本质上是一种系统化的投资方法。它不靠基金经理的直觉，也不靠内幕消息。它靠的是——找到那些能解释股票收益的共同特征。
这些共同特征，我们就叫它「因子」。
举个例子。你观察一下市场，会发现小市值的公司，长期来看往往比大市值的公司涨得好。这不是偶然，这是「规模因子」在起作用。再比如，便宜的股票（低市盈率）往往比贵的股票表现好，这是「价值因子」。
因子投资就是把这些规律提炼出来，然后系统性地去执行。
核心定义：因子投资是一种基于实证研究的投资策略，它通过识别和捕捉系统性风险溢价来源，构建投资组合以获得超额收益。
我在2015年刚入行时，带我的老交易员跟我说过一句话，我一直记着：「因子投资不是预测未来，而是理解过去。理解透了，未来自然就清楚了。」嗯，这话虽然有点玄，但确实有道理。
1.2 因子投资的起源与发展
因子投资不是凭空冒出来的。它的发展脉络，我梳理了一下，大致可以分为三个阶段：
第一阶段：理论奠基期（1950s-1970s）
这个阶段的主角是学术界。马科维茨的均值-方差模型（1952年）开了个头，告诉大家「不要把所有鸡蛋放在一个篮子里」。然后是夏普的资本资产定价模型（CAPM，1964年），第一次用数学语言说清楚了「风险」和「收益」的关系。
CAPM的核心思想其实很简单：
预期收益 = 无风险利率 + β × 市场风险溢价这里的β，就是第一个被广泛认可的因子——市场因子。
我记得读研时第一次推导CAPM，推导了整整三页纸，最后发现结论就是上面这一行公式。当时觉得有点失望，后来做实战才发现，越简单的公式往往越难用好。
第二阶段：多因子模型期（1980s-2000s）
CAPM虽然漂亮，但实战中解释力不够。为什么？因为市场因子只能解释股票收益的一小部分。
这时候，Fama和French出手了。1993年，他们提出了著名的三因子模型：
预期收益 = 市场因子 + 规模因子 + 价值因子这一下子把解释力提升了一大截。后来Carhart又加了动量因子，变成了四因子模型。再后来，Fama-French自己又扩展到了五因子。
这个阶段，因子投资从学术圈走向了华尔街。我2012年在纽约实习时，亲眼看到一家对冲基金的策略室墙上挂着一张巨大的因子表格，密密麻麻列了上百个因子。当时我就想，这条路走对了。
第三阶段：系统化投资期（2010s至今）
现在，因子投资已经进入了系统化、智能化的阶段。Smart Beta ETF、因子轮动策略、机器学习因子挖掘……各种新玩法层出不穷。
但说实话，核心逻辑没变。变的只是工具和速度。
我的经验：因子投资的发展史告诉我们一个道理——好的因子往往来自对市场规律的深刻理解，而不是数据挖掘。我曾经见过一个团队用机器学习挖了上千个因子，回测曲线漂亮得不得了，一上实盘就崩了。为什么？因为那些因子没有经济学含义，纯粹是过拟合。
1.3 因子投资的哲学基础
聊完了历史，咱们聊聊更底层的东西——因子投资的哲学基础。说白了，就是你凭什么相信因子投资有效？
我个人认为，因子投资的哲学基础有三个支柱：
支柱一：市场不是完全有效的
如果市场完全有效，所有信息都反映在价格里了，那因子投资就没戏了。但现实是，市场存在各种摩擦和偏差。
- 行为偏差：投资者会过度反应、反应不足、锚定、从众……这些行为偏差导致价格偏离价值
- 制度限制：有些机构不能买小盘股，有些不能做空，这些限制造成了定价扭曲
- 信息不对称：不是所有人都能同时获得所有信息
这些市场「不完美」的地方，就是因子赚钱的空间。
支柱二：风险溢价需要补偿
你想想看，为什么小盘股长期跑赢大盘股？一个主流解释是：小盘股风险更大，所以投资者要求更高的预期收益作为补偿。这就是风险溢价理论。
按照这个逻辑，每个因子背后都对应着某种系统性风险：
| 因子 | 背后的风险 |
|---|---|
| 规模因子 | 小公司经营风险更高、流动性更差 |
| 价值因子 | 价值股可能陷入「价值陷阱」，破产风险更高 |
| 动量因子 | 趋势可能突然反转，动量策略有尾部风险 |
| 质量因子 | 高质量公司可能被高估，存在估值回归风险 |
我在做因子归因分析时，经常跟团队说一句话：「如果一个因子赚的钱你解释不了它的风险来源，那这个因子大概率是假的。」
支柱三：规律具有统计稳定性
因子投资不是靠一两次运气。它靠的是统计上的显著性。一个有效的因子，应该在足够长的历史周期、足够多的市场环境下都表现出稳定的溢价。
举个例子，价值因子在美国市场从1926年到现在，接近100年的时间里，除了少数几个时期（比如互联网泡沫期间），都表现出了正溢价。这种稳定性，才是因子投资的底气。
注意：统计稳定性不等于永远有效。因子也会「失效」——比如某个因子被过度挖掘后，溢价会消失。我2018年就踩过这个坑，当时一个因子在A股表现特别好，结果全市场都开始用，半年后因子收益直接归零。所以，因子投资需要持续监控和迭代。
1.4 因子投资的知识体系
为了让大家对本章内容有个整体把握，我画了一张框架图：
这张图把因子投资的三个核心维度串起来了。你从定义出发，理解它的本质；然后看它的发展脉络，知道它从哪来到哪去；最后理解它的哲学基础，知道它为什么能赚钱。
这三块缺一不可。我见过太多人只盯着因子列表和回测曲线，忽略了背后的逻辑，结果亏得一塌糊涂。
给新手的建议：刚开始学因子投资，别急着跑代码。先把这三个哲学支柱想清楚。想明白了，后面的路就好走了。我当年就是先啃了半年学术论文，把Fama-French的原始论文读了三遍，才开始动手写策略的。虽然慢，但基础打得牢。
好了，这一章就到这里。因子投资的世界很大，我们才刚刚推开大门。后面的章节，我会带你一步步深入，从因子构建、回测框架到组合优化，把每个环节都讲透。
公众号:蓝海资料掘金营，微信deep3321