因子投资基础：什么是因子？常见的单因子介绍
聊到Smart Beta，绕不开的一个概念就是「因子」。
很多人刚接触因子投资时，会觉得这东西很玄乎。其实没那么复杂。我习惯把因子理解成「股票的某种共同特征」。就像我们评价一个人，会看他的学历、工作经验、性格——这些就是「人因子」。股票也一样，有些特征能帮我们区分哪些股票更可能涨，哪些更可能跌。
到底什么是因子？
因子，说白了就是能解释股票收益差异的变量。学术上叫「风险溢价来源」。你想想看，为什么有的股票长期跑赢大盘，有的却一直趴着？背后一定有某种规律在起作用。因子就是这些规律的数学表达。
举个例子。我刚开始做量化那会儿，总想找「万能公式」。后来发现，市场没那么简单。但有些因子确实经得起时间考验——比如便宜的公司长期比贵的公司表现好，这就是价值因子在起作用。
核心要点：因子不是预测工具，而是对风险与收益的系统性解释。每个因子背后，都对应着某种未被充分分散的风险。
五大经典单因子详解
目前学术界和业界公认的、最常用的单因子，主要有五个。我一个个说。
1. 价值因子（Value Factor）
价值因子，就是买便宜的股票。衡量指标通常是市盈率（P/E）、市净率（P/B）、市销率（P/S）这些。逻辑很简单：市场有时候会过度悲观，把好公司错杀到地板价。这时候买入，等市场纠错，就能赚到估值回归的钱。
我在做A股策略时发现，单纯用市盈率选股，效果其实一般。为什么？因为A股很多周期股，市盈率低的时候反而是盈利高点，买进去容易接盘。后来我改用「综合估值分位数」，把P/E、P/B、P/CF三个指标结合起来，效果才稳定下来。
我的经验：价值因子在熊市末期表现最好，牛市末期容易跑输。别在大家都喊「价值投资已死」的时候放弃它。
2. 动量因子（Momentum Factor）
动量因子和趋势交易有点像——过去涨得好的股票，未来一段时间还会继续涨；过去跌得惨的，还会继续跌。听起来有点反直觉？但数据确实支持这一点。
动量因子的常见构建方式是：计算过去12个月（剔除最近1个月）的累计收益率，然后做多排名前30%的股票，做空排名后30%的股票。
# 动量因子计算示例（伪代码）
def calculate_momentum(price_series):
# 用过去12个月收益率，剔除最近1个月
past_12m_return = price_series[-252] / price_series[-21] - 1
return past_12m_return这里有个坑，我踩过。动量因子在A股有「短期反转」效应——就是过去1-3个月涨太多的股票，接下来反而容易跌。所以做动量策略时，一定要跳过最近1个月的数据。这个叫「1个月跳跃效应」，别问我怎么知道的……
注意：动量因子在牛熊转换期会剧烈回撤。2009年和2015年股灾后，动量策略都出现过超过30%的回撤。扛不住就别硬扛。
3. 质量因子（Quality Factor）
质量因子，就是买「好公司」。什么样的公司算好？盈利能力强、财务健康、成长稳定。具体指标包括ROE（净资产收益率）、毛利率、资产负债率、盈利稳定性等。
质量因子有个特点：它不像价值因子那样「便宜」，也不像动量因子那样「追涨」。它更像一个慢变量——好公司长期跑赢，但短期可能不温不火。
| 质量维度 | 常用指标 | 说明 |
|---|---|---|
| 盈利能力 | ROE、ROA、毛利率 | 越高越好，但要注意持续性 |
| 财务健康 | 资产负债率、流动比率 | 负债率不宜过高，尤其在经济下行期 |
| 盈利稳定性 | 过去5年ROE标准差 | 波动越小，质量越高 |
| 成长质量 | 经营性现金流/净利润 | 现金流和利润要匹配，防止「纸面富贵」 |
我个人习惯把质量因子作为「底仓」配置。它不会让你一夜暴富，但能帮你避开很多雷。2018年那波商誉暴雷潮，质量因子组合几乎毫发无损——因为那些暴雷的公司，财务指标早就露出马脚了。
4. 低波因子（Low Volatility Factor）
低波因子可能是最反直觉的一个。按常理说，高风险应该对应高收益。但低波因子告诉你：波动率低的股票，长期收益反而更高。这就是著名的「低波动异象」。
为什么会这样？我自己的理解是：很多投资者喜欢追逐高波动、高换手的股票，把这些股票的价格推得过高，导致未来预期收益下降。而低波动股票被冷落，反而有了安全边际。
构建低波因子时，通常用过去3年日收益率的标准差来衡量波动率。选波动率最低的20%-30%的股票构成组合。
关键点：低波因子不等于低Beta。低波看的是总波动，低Beta看的是市场相关性。两者有重叠，但不完全一样。
嗯，这里要注意。低波因子在牛市里容易跑输。因为大家都在追高波动股票，低波股票显得「太慢了」。但拉长到5-10年，低波因子的夏普比率往往是最高的。
5. 规模因子（Size Factor）
规模因子，就是小盘股效应。小市值公司的长期收益率，高于大市值公司。这个发现最早由Fama和French在1992年提出，后来成了三因子模型的核心之一。
规模因子的逻辑在于：小公司风险更高，流动性更差，信息不对称更严重。投资者要求更高的风险溢价作为补偿。同时，小公司成长空间更大，更容易实现业绩爆发。
不过，规模因子在最近十年表现不太好。尤其是2017年以后，A股和美股都是大盘股领涨。我见过不少量化团队，因为死磕小盘因子，连续三年跑输基准。
我的建议：规模因子单独使用风险较高。最好和其他因子结合，比如「小盘+价值」或「小盘+质量」。纯小盘策略，回撤起来很要命。
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，有些还比较强。比如价值因子和低波因子，在熊市里经常同时表现好。而动量因子和质量因子，相关性就比较弱。
我整理了一张因子相关性的示意图，帮你直观理解它们之间的关系。
从这张图能看出来，因子之间不是孤立的。构建组合时，如果选了相关性高的因子，分散效果会打折扣。比如价值和低波同时配置，其实没有想象中那么「分散」。
因子投资的核心逻辑
说了这么多，因子投资到底怎么用？我总结了三步：
- 选因子——根据市场环境和投资目标，选择2-4个低相关性的因子
- 打分——对每个股票，计算它在各个因子上的得分，然后加权汇总
- 构建组合——选得分最高的股票，按等权或市值加权，定期再平衡
举个例子。假设我想做一个「价值+质量」的Smart Beta组合。我会先计算每只股票的P/E分位数（价值得分）和ROE分位数（质量得分），然后各取50%权重，得到综合得分。最后选综合得分最高的50只股票，等权配置。
记住：因子不是圣杯。没有哪个因子能永远跑赢。组合构建的关键在于「低相关性」和「长期坚持」。我见过太多人，因子一回调就换策略，结果两头挨打。
好了，这一章的内容就到这里。因子投资的基础概念和五大单因子，你应该已经有个清晰的框架了。下一章我们会深入聊一聊，如何把这些因子组合起来，构建真正的Smart Beta策略。
公众号:蓝海资料掘金营，微信deep3321