一、因子投资概述：基本面因子的定义、量化投资发展简史、因子投资的核心逻辑与收益来源

1.1 什么是基本面因子？——我个人的理解

说起基本面因子，很多人第一反应就是「PE、PB、ROE」。嗯，没错，这些确实是。但我想换个角度跟你聊聊。

我个人习惯把基本面因子定义为：能够解释股票收益率差异的、基于公司财务经营数据的特征变量。说白了，就是那些能帮你判断「这家公司到底值不值这个价」的硬指标。

举个例子。你想想看，为什么茅台能涨到2600，而有些白酒股连100都上不去？抛开市场情绪不谈，ROE、毛利率、现金流这些因子，早就给出了答案。

我在项目中遇到过不少新手，上来就搞高频量价因子，结果过拟合得一塌糊涂。后来我建议他们先从基本面因子入手——数据干净、逻辑清晰、不容易被市场噪音干扰。嗯，效果还不错。

1.2 量化投资发展简史：从手工到AI的进化

量化投资不是凭空冒出来的。我把它分成四个阶段，这样好记：

我记得刚入行时，前辈跟我说：「量化就是找规律。」当时觉得这话太简单，后来才明白——找规律容易，找能赚钱的规律难。

为什么会这样？因为市场在进化。你发现一个规律，别人也会发现，然后这个规律就失效了。这就是为什么因子投资需要不断迭代。

1.3 因子投资的核心逻辑：收益从哪来？

因子投资的核心逻辑，其实就一句话：找到系统性风险之外的超额收益来源。

你想想看，CAPM告诉我们，收益只来自市场风险。但现实中，有些股票就是跑得比大盘好。为什么？因为存在因子溢价。

我用一张图来展示这个逻辑：

这张图展示的就是因子投资的完整链条。从数据到因子，从因子到组合，最后到收益。每一步都有坑，我踩过不少。

1.4 收益来源：因子溢价到底从哪来？

这个问题我问过自己很多遍。后来总结出三个来源：

1. 风险补偿——有些因子承担了系统性风险，所以需要更高的收益来补偿。比如价值因子，买便宜股票其实是在承担「价值陷阱」的风险。
2. 行为偏差——市场参与者不理性。过度反应、反应不足、锚定效应……这些行为金融学的东西，在A股尤其明显。
3. 结构性约束——有些机构不能买小盘股、不能买ST股、不能做空。这些约束造成了定价偏差，给了我们套利空间。

我记得有一次做回测，发现某个因子在A股特别有效，但在美股却一般。后来分析发现，就是因为A股散户多、行为偏差大。嗯，这就是市场结构带来的机会。

1.5 基本面因子的分类：一张表说清楚

我习惯把基本面因子分成四大类：

你可能会问：这么多因子，哪个最好？说实话，没有最好的因子，只有最适合当前市场的因子。我个人习惯是：估值打底、质量筛选、成长增强。这个组合在A股历史上表现还不错。

1.6 一个小例子：用Python计算EP因子

光说不练假把式。我写个简单的代码，展示怎么算EP因子（Earnings Yield，即市盈率的倒数）：

import pandas as pd
import numpy as np

# 假设我们有股票数据
df = pd.DataFrame({
    'stock': ['A', 'B', 'C', 'D'],
    'market_cap': [100, 200, 150, 80],   # 市值（亿）
    'net_profit': [10, 15, 5, 12]        # 净利润（亿）
})

# 计算EP因子
df['EP'] = df['net_profit'] / df['market_cap']

# 排序：EP越高越好
df['rank'] = df['EP'].rank(ascending=False)

print(df)
# 输出：
#   stock  market_cap  net_profit    EP  rank
# 0     A         100          10  0.10   2.0
# 1     B         200          15  0.075  3.0
# 2     C         150           5  0.033  4.0
# 3     D          80          12  0.15   1.0

你看，D公司市值最小但利润不错，EP最高。如果只看PE（市盈率），D的PE是6.67倍，确实便宜。这就是EP因子的逻辑——用盈利去衡量估值，而不是用价格。

我在实际项目中，会把EP和其他因子组合起来用。比如EP + ROE + 营收增速，三个因子一起打分，效果比单因子好得多。

1.7 总结：因子投资的本质

说了这么多，我想总结一下：

因子投资的本质，就是用系统化的方法，去捕捉市场上那些持续存在的定价偏差。

它不是玄学，不是拍脑袋。它是基于数据、逻辑和统计的严谨过程。你想想看，如果市场完全有效，那我们做量化的人早就失业了。正因为市场有缺陷、有偏差、有非理性，因子投资才有了存在的意义。

嗯，这一章就到这里。记住一句话：因子是工具，逻辑是灵魂，风控是底线。

公众号:蓝海数据掘金营，微信deep3321