多因子模型基础：因子定义、因子分类、多因子模型框架

各位同学好，我是老张。今天咱们聊聊多因子模型的基础。说实话，这个领域我摸爬滚打了六七年，踩过的坑比走过的路还多。但别担心，我会把最实用的东西掏出来给你。

什么是因子？

因子，说白了就是一个能解释资产收益的特征变量。你想想看，为什么有的币涨得多，有的币涨得少？背后一定有原因。这个原因，就是因子。

我习惯把因子比作「选币的筛子」。每个筛子过滤掉一部分币，留下符合条件的那批。多个筛子叠加使用，效果往往比单个筛子好得多。

举个例子。动量因子，就是看过去一段时间谁涨得好。价值因子，就是看谁被低估了。这些都能用数字算出来，也能拿历史数据验证。

因子分类：三大主流类型

做量化这些年，我见过的因子少说也有上百个。但真正好用的，其实就那么几类。我个人习惯把它们分成三大类：

1. 动量因子

动量因子是我最早接触的因子类型。它的逻辑很简单：强者恒强，弱者恒弱。

具体怎么算？看过去N天的收益率。比如过去20天涨了30%的币，动量因子值就高。

嗯，这里要注意。动量因子在趋势行情里特别好用，但在震荡市里容易吃瘪。我曾经在2019年用纯动量策略，三个月亏了15%。后来学乖了，加了其他因子做对冲。

2. 价值因子

价值因子看的是「便宜不便宜」。常用的指标有市盈率、市净率、市值与链上活跃地址比等等。

在数字货币市场，我比较喜欢用「市值/交易量」这个指标。为什么呢？因为币圈很多项目没有利润，传统估值方法用不上。

3. 波动率因子

波动率因子衡量的是资产价格的波动程度。低波动率的币往往更稳定，高波动率的币可能带来超额收益，但也伴随着高风险。

我常用的波动率指标包括：

• 历史波动率（过去30天收益率的标准差）
• 真实波动幅度均值（ATR）
• 最大回撤幅度

你可能会问：波动率因子到底该做多还是做空？说实话，这取决于市场环境。牛市中高波动率币表现更好，熊市中低波动率币更抗跌。

多因子模型框架

好了，因子讲完了。但单因子模型有个致命问题——不稳定。今天动量因子赚钱，明天可能就亏钱。所以我们需要多因子模型。

多因子模型的核心思想：把多个因子组合起来，形成一个综合评分。然后根据评分高低来选币。

下面这张图是我自己设计的框架，你可以看看：

框架看起来简单，但实际落地时有很多细节。我重点说三个：

第一步：因子计算与标准化

不同因子的量纲不一样。动量因子可能是百分比，波动率因子可能是小数。直接相加没有意义。所以要做标准化处理。

我常用的标准化方法有两种：

• Z-score标准化：减去均值，除以标准差
• 排序标准化：把所有币按因子值排序，然后映射到0-1之间

第二步：权重分配

权重怎么定？有三种常见方法：

方法	原理	优缺点
等权法	每个因子权重相同	简单稳定，但不够灵活
IC加权法	根据因子与收益的相关性分配权重	动态调整，但可能过拟合
优化法	用数学优化求解最优权重	理论上最优，但计算复杂

我个人习惯先用等权法做初版，然后根据回测结果逐步调整。别一上来就搞复杂的优化，容易过拟合。

第三步：综合评分与选币

综合评分 = 权重1 × 因子1 + 权重2 × 因子2 + ...

然后按评分从高到低排序，选前N个币建仓。

举个例子。假设我们选了三个因子：动量（权重0.4）、价值（权重0.3）、波动率（权重0.3）。某个币的因子值分别是0.8、0.6、0.7。那么综合评分就是：

综合评分 = 0.4 × 0.8 + 0.3 × 0.6 + 0.3 × 0.7
         = 0.32 + 0.18 + 0.21
         = 0.71

所有币都算一遍，然后排序选币。

写在最后

多因子模型的核心就这些。因子定义、因子分类、模型框架，三块内容串起来就是一个完整的选币系统。

说实话，刚开始做的时候我也觉得挺复杂。但慢慢你会发现，真正决定成败的不是模型有多花哨，而是你对因子的理解有多深。多花时间研究因子背后的逻辑，比整天调参数有用得多。

好了，今天就聊到这儿。有什么问题欢迎交流。

---

公众号:蓝海资料掘金营，微信deep3321