3、核心因子识别：价值因子、动量因子、质量因子、规模因子、低波动因子
聊到因子暴露控制，第一步得先搞清楚——你到底在暴露什么？
我见过不少同行，上来就搞一堆因子组合，结果回测漂亮，实盘一塌糊涂。为什么？说白了，连自己手里拿的是哪几把刀都没搞明白。
今天咱们就把五个最核心的因子掰开揉碎讲清楚。我个人习惯把这五个因子称为“量化投资的五根柱子”。你想想看，全球资产配置再怎么变，底层逻辑基本都绕不开它们。
3.1 价值因子：捡便宜货的学问
价值因子，本质上就是“买便宜货”。
怎么定义便宜？通常看市盈率（P/E）、市净率（P/B）、市销率（P/S）这些指标。低估值股票长期跑赢高估值股票，这个现象在多个市场都被验证过。
但这里有个坑——便宜不等于好。我在项目中遇到过一只银行股，P/B只有0.3，看着便宜得离谱。结果一查，坏账率爆表，股价跌了两年还没见底。这就是所谓的“价值陷阱”。
价值因子的核心逻辑是均值回归。市场情绪会把好公司砸到地板价，也会把垃圾股吹上天。你要做的，就是在低估时买入，等待价值回归。
3.2 动量因子：跟着趋势走
动量因子跟价值因子正好相反。价值因子是“逆势”，动量因子是“顺势”。
简单说：过去涨得好的股票，未来一段时间还会涨；过去跌得惨的，未来还会跌。这个现象在A股、美股、港股都挺明显。
我自己的经验是，动量因子在趋势市里特别好用。但一旦市场反转，动量策略会死得很难看。2020年3月那次熔断，我身边做动量策略的朋友，一周亏掉了半年的收益。
3.3 质量因子：好公司才是硬道理
质量因子，说白了就是“买好公司”。
怎么定义好？高ROE、低负债率、稳定的盈利增长、强大的现金流。这些指标综合起来，能筛出一批“抗造”的公司。
我记得2018年熊市那会儿，很多高杠杆的股票跌了50%以上，但那些高ROE、低负债的消费龙头，跌幅不到15%。质量因子在熊市里就是你的安全带。
| 质量指标 | 计算公式 | 说明 |
|---|---|---|
| ROE | 净利润 / 股东权益 | 越高越好，代表资本回报效率 |
| 负债率 | 总负债 / 总资产 | 越低越好，财务风险小 |
| 盈利稳定性 | 过去5年EPS标准差 | 越小越好，盈利可预测 |
| 现金流 | 经营现金流 / 净利润 | 大于1最好，利润有现金支撑 |
3.4 规模因子：小盘股的魅力
规模因子，就是“买小公司”。
学术研究早就发现，小盘股长期跑赢大盘股。原因也不复杂：小公司成长空间大，市场关注度低，定价效率差，容易产生超额收益。
但规模因子有个致命弱点——流动性差。我2015年做过一个小盘股策略，回测年化收益30%+，结果实盘时发现，有些股票一天都成交不了几手。你买进去容易，想出来？门都没有。
3.5 低波动因子：慢就是快
低波动因子，听起来有点反直觉——波动低的股票，收益反而更高？
嗯，确实如此。学术研究叫它“低波动异象”。原因可能是：高波动股票被散户追捧，价格被高估；低波动股票被机构忽视，价格被低估。
我自己的实盘经验是，低波动因子在震荡市和熊市里表现特别好。2022年那波下跌，我的低波动组合只跌了8%，而沪深300跌了21%。
3.6 因子之间的相关性
这五个因子不是独立的。它们之间有相关性，有的正相关，有的负相关。
比如，价值因子和低波动因子通常正相关——便宜的公司往往波动也低。动量因子和质量因子也正相关——好公司更容易走出趋势。
但价值因子和动量因子是负相关的——价值因子买跌，动量因子买涨，天然冲突。
# 因子相关性矩阵示例（基于A股数据）
import numpy as np
corr_matrix = np.array([
[1.0, -0.15, 0.20, 0.10, 0.35], # 价值
[-0.15, 1.0, 0.25, -0.10, -0.20], # 动量
[0.20, 0.25, 1.0, -0.05, 0.30], # 质量
[0.10, -0.10, -0.05, 1.0, -0.25], # 规模
[0.35, -0.20, 0.30, -0.25, 1.0] # 低波动
])
print("因子相关性矩阵（价值、动量、质量、规模、低波动）")
print(corr_matrix)
3.7 核心因子框架图
下面这张图，是我自己整理的核心因子关系框架。你可以看到，五个因子围绕“收益来源”和“风险来源”两个维度展开。
这张图我每次做资产配置都会拿出来看一眼。五个因子，每个都有它的脾气。你只有摸透了它们的性格，才能让它们乖乖为你干活。
公众号:蓝海资料掘金营，微信deep3321