一、因子投资入门：什么是因子？因子投资的发展历程、因子投资的核心逻辑

1.1 到底什么是“因子”？

说实话，我刚入行那会儿，也被“因子”这个词搞得云里雾里。听起来很高大上，对吧？

其实说白了，因子就是能解释股票收益率差异的某种特征。你想想看，为什么茅台涨得多，而某只垃圾股跌成狗？背后一定有原因。这个“原因”，就是因子。

我习惯用一个比喻来解释：
把股票想象成运动员。有的跑得快，有的跳得高。那“速度”和“弹跳力”就是因子。你选运动员时，会看这些指标。选股票也一样。

更学术一点的定义：
因子是系统性风险来源，也是超额收益的来源。它解释了为什么某些股票长期跑赢另一些股票。

1.2 因子投资的发展历程

这条路走了快60年。我把它分成四个阶段，每个阶段都有标志性人物。

阶段一：萌芽期（1960s-1970s）

CAPM模型出来了。夏普说，股票的收益只跟市场风险（Beta）有关。那时候大家觉得，嗯，挺有道理。

但我得说，这个模型太简单了。后来发现，光靠Beta根本解释不了现实中的收益差异。

阶段二：突破期（1980s-1990s）

这才是因子投资的真正起点。

• Fama-French三因子模型（1993）：加入了市值因子（小盘股）和价值因子（低市净率）。这是里程碑式的突破。
• 动量因子（1993）：Jegadeesh和Titman发现，过去涨得好的股票，未来还会涨一段时间。

我记得第一次读到Fama-French的论文时，心里想：原来市场不是有效的？这给了我很大的震撼。

阶段三：爆发期（2000s-2010s）

因子开始泛滥了。低波动、质量、红利、成长……各种因子被挖掘出来。学术论文一篇接一篇，对冲基金也开始大规模使用。

我那时候在量化私募，每天的工作就是跑因子回测。说实话，很多因子都是“数据挖掘”出来的，过段时间就失效了。

阶段四：成熟期（2010s至今）

因子投资成了主流。Smart Beta ETF 规模爆炸式增长。但问题也来了：因子拥挤、因子衰减、因子择时……

嗯，这些坑我们后面会详细讲。

1.3 因子投资的核心逻辑

核心逻辑其实就三句话：

1. 因子能解释收益：不同因子对应不同的风险溢价
2. 因子有持续性：历史上有效的因子，未来大概率继续有效
3. 因子可以组合：多因子组合能分散风险，提升收益

但这里有个关键点：因子为什么有效？

学术界有两种解释：

理论	核心观点	代表人物
风险补偿理论	因子代表某种系统性风险，承担风险就有超额收益	Fama, French
行为金融理论	投资者非理性行为导致定价偏差，因子捕捉了这些偏差	Shleifer, Vishny

我个人更倾向于两者兼有。比如价值因子，既有风险补偿（便宜的公司确实风险更高），也有行为因素（投资者过度反应）。

1.4 因子投资的知识体系

下面这张图是我自己整理的，把因子投资的整体框架画出来了。你看完应该能有个全局观。

1.5 一个简单的因子计算示例

光说不练假把式。我拿最常见的市净率（PB）因子举个例子。

因子值计算：

# 伪代码示例
def calculate_pb_factor(stock_data):
    """
    计算市净率因子
    PB = 总市值 / 净资产
    因子值 = -PB（低PB的股票，因子值更高）
    """
    stock_data['PB'] = stock_data['market_cap'] / stock_data['book_value']
    stock_data['factor_value'] = -stock_data['PB']  # 取负值，让低PB对应高因子值
    return stock_data

然后怎么做？

• 把所有股票按因子值从高到低排序
• 分成10组（十分位组）
• 看第1组（因子值最高，即PB最低）和第10组（因子值最低，即PB最高）的收益差异

如果第1组长期跑赢第10组，说明价值因子有效。

1.6 因子投资的常见误区（预告）

这一章是入门，但我想提前给你打个预防针。后面我们会详细讲这些坑：

• 误区一：因子回测好就一定能赚钱？—— 幸存者偏差、前视偏差会让你死得很惨
• 误区二：因子越多越好？—— 多重比较谬误，你挖的因子可能全是噪音
• 误区三：因子永远有效？—— 因子会衰减，会拥挤，会失效

我曾经在2018年踩过动量因子的坑。那年A股动量因子回撤超过20%，我硬扛着没止损，结果亏得很惨。后来才明白：因子也有“冬天”。

好了，这一章就到这里。因子投资的门已经打开了，接下来我们一步步深入。

---

公众号:蓝海资料掘金营，微信deep3321