第三章：因子投资哲学

因子投资，说白了就是找规律。你想想看，为什么有些股票涨得好，有些就趴着不动？背后一定有原因。这个原因，就是我们说的「因子」。

我刚开始做量化那会儿，总觉得因子越多越好。后来吃过亏才明白——因子投资的核心，不是堆砌变量，而是理解市场背后的驱动力。

3.1 因子投资的核心思想

因子投资的核心思想其实很简单：用系统性的方式，捕捉市场上可解释的收益来源。

我个人习惯把因子投资比作「拆解收益」的过程。一只股票涨了10%，这10%是怎么来的？

• 一部分来自市场整体上涨（Beta）
• 一部分来自公司本身的价值（规模、估值等）
• 一部分来自运气（残差）

因子投资要做的，就是把运气去掉，把系统性的部分留下来。嗯，这里要注意——不是所有因子都值得投资。有些因子只是统计上的巧合，换个时间段就失效了。

3.2 风险因子与Alpha因子

因子分两类：风险因子和Alpha因子。这两者的区别，我在项目中遇到过很多次混淆。

风险因子，说白了就是「你承担了某种风险，市场给你的补偿」。比如小盘股因子——小公司风险高，所以长期来看收益更高。这是合理的。

Alpha因子则不同。它代表的是「超额收益」，是市场定价错误带来的机会。比如某个技术指标能预测短期价格波动，这就是Alpha。

为什么会这样？因为市场不是完全有效的。总有一些信息没有被充分反映到价格里。

类型	定义	例子	能否持续
风险因子	承担系统性风险获得的补偿	市场因子、规模因子、价值因子	长期存在
Alpha因子	市场定价错误带来的超额收益	动量因子、低波因子、质量因子	可能衰减

3.3 因子投资的学术起源

因子投资不是拍脑袋想出来的。它有扎实的学术根基。我建议你花点时间理解这些模型，因为它们是整个多因子体系的基石。

3.3.1 CAPM：一切的开端

CAPM（资本资产定价模型）是1960年代由Sharpe等人提出的。它的核心公式很简单：

E(Ri) = Rf + βi × (E(Rm) - Rf)

翻译成人话就是：一只股票的预期收益 = 无风险利率 + 它跟市场的联动程度 × 市场溢价。

CAPM最大的贡献，是第一次用数学语言解释了「风险与收益的关系」。但它有个致命问题——它假设只有一个风险因子（市场因子）。

我在项目中试过用CAPM做定价，结果发现很多股票的收益根本解释不了。嗯，这就是后来APT要解决的问题。

3.3.2 APT：多因子的理论框架

APT（套利定价理论）是Ross在1976年提出的。它的核心思想是：收益可以由多个因子共同解释。

公式长这样：

E(Ri) = Rf + βi1 × F1 + βi2 × F2 + ... + βik × Fk

APT没有告诉你具体用哪些因子，它只提供了一个框架。这就像给了你一套工具，但工具怎么用，你自己琢磨。

我个人觉得，APT最大的价值在于它打开了「多因子」的大门。从此以后，研究者们开始疯狂寻找各种可能的因子。

3.3.3 Fama-French三因子模型：里程碑

1993年，Fama和French发表了那篇著名的论文。他们发现，除了市场因子，还有两个因子能显著解释股票收益：

• SMB（规模因子）：小盘股 vs 大盘股
• HML（价值因子）：高账面市值比 vs 低账面市值比

三因子模型的公式：

E(Ri) - Rf = βi × (E(Rm) - Rf) + si × SMB + hi × HML

这个模型在当时引起了轰动。为什么？因为它解释了很多CAPM解释不了的现象。比如「小盘股溢价」——小公司长期跑赢大公司，CAPM解释不了，但三因子模型可以。

3.4 知识体系总览

下面这张图，是我自己整理的多因子投资知识体系。你可以把它当作本章的思维导图：

3.5 我的几点体会

做了这么多年因子研究，我有几点体会想分享给你：

1. 不要迷信学术模型。CAPM、APT、三因子模型都是很好的起点，但市场在变，因子也在变。我见过太多人拿着三因子模型直接上实盘，结果亏得很惨。
2. 理解因子背后的逻辑。一个因子为什么有效？是因为风险补偿，还是行为偏差？搞清楚这个，你才知道它能不能持续。
3. 因子组合才是王道。单一因子总有失效的时候。多因子组合，才能做到稳健。