4. 因子分类体系：按数据来源与投资逻辑
聊因子分类，其实是在聊我们怎么看待这个市场。
我个人习惯把因子分成两个维度来看：数据来源和投资逻辑。前者决定了你用什么原料做饭，后者决定了你做什么菜。两者缺一不可。
4.1 按数据来源分类
数据来源，说白了就是你从哪儿挖信息。我见过不少新手一上来就扎进价量数据里，觉得那才是“正统”量化。嗯，其实没那么简单。
4.1.1 价量数据因子
这是最传统、最基础的一类。包括开盘价、收盘价、最高价、最低价、成交量、成交额等。基于这些数据，我们可以衍生出各种技术指标。
- 动量因子：过去N天的收益率
- 反转因子：短期超买超卖信号
- 波动率因子：价格波动的剧烈程度
- 成交量因子：量价配合关系
核心优势：频率高、更新快、容易获取。
致命缺陷：信号衰减快，同质化严重。你想想看，大家都在用同样的K线数据，凭什么你能赚钱？
4.1.2 基本面数据因子
这类数据来自财务报表、公司公告等。包括PE、PB、ROE、营收增长率、资产负债率等。
我记得刚入行时，有个前辈跟我说：“价量数据是表象，基本面数据才是本质。”当时我不太理解，后来在实盘中吃了亏才明白——价量数据容易受情绪影响，而基本面数据反映的是公司真实价值。
| 因子类型 | 典型指标 | 更新频率 | 适用场景 |
|---|---|---|---|
| 估值因子 | PE、PB、PS | 季度 | 价值投资 |
| 盈利因子 | ROE、毛利率 | 季度 | 质量选股 |
| 成长因子 | 营收增速、利润增速 | 季度 | 成长投资 |
| 财务健康因子 | 资产负债率、现金流 | 季度 | 排雷 |
避坑指南：我曾经在构建基本面因子时，忽略了财报的滞后性。你以为Q1的ROE很好，实际上数据反映的是3个月前的情况。一定要做数据对齐，否则你的因子就是“看着后视镜开车”。
4.1.3 另类数据因子
这是近年来最火的方向。说白了，就是那些“非传统”的数据源。
- 舆情数据：新闻情感、社交媒体热度
- 供应链数据：上下游订单、物流信息
- 卫星数据：停车场车辆数、农田面积
- 用户行为数据：APP下载量、搜索热度
我有个朋友专门做另类数据，他跟我说：“价量数据是红海，另类数据才是蓝海。”但要注意，另类数据的清洗成本极高，而且容易踩到合规红线。
我的建议：如果你刚开始做因子研究，先别碰另类数据。把价量和基本面吃透，已经能跑赢大部分人了。另类数据是锦上添花，不是雪中送炭。
4.2 按投资逻辑分类
数据来源是“用什么”，投资逻辑是“为什么”。你想想看，一个因子如果只有统计显著性，没有逻辑支撑，你敢用它实盘吗？反正我不敢。
4.2.1 动量因子
核心逻辑：强者恒强，弱者恒弱。
动量因子是最经典的因子之一。我记得在A股市场，动量效应在日频和周频上表现不错，但在月频上就弱很多。为什么会这样？因为A股的散户占比高，短期情绪容易延续，但长期来看，均值回归的力量更强。
# 一个简单的动量因子计算
def momentum_factor(close, window=20):
"""
计算过去window天的累计收益率
"""
return close.pct_change(window)4.2.2 价值因子
核心逻辑：买便宜货。
价值因子是巴菲特的看家本领。用PE、PB等指标衡量股票是否被低估。但要注意，便宜有便宜的道理——可能是公司基本面确实差。
关键点：价值因子在牛市中往往跑输，但在熊市中能提供很好的防御性。我个人的经验是，价值因子更适合做“底仓”，而不是“进攻武器”。
4.2.3 质量因子
核心逻辑：好公司就是好股票。
质量因子关注的是公司的盈利能力、财务健康度、管理层质量等。ROE是最常用的指标，但光看ROE不够，还要看ROE的稳定性和可持续性。
| 质量维度 | 指标 | 说明 |
|---|---|---|
| 盈利能力 | ROE、ROA | 越高越好，但要稳定 |
| 财务健康 | 资产负债率、流动比率 | 负债率不宜过高 |
| 盈利质量 | 经营性现金流/净利润 | 比值>1为佳 |
4.2.4 低波因子
核心逻辑：低波动股票长期跑赢高波动股票。
这个因子听起来反直觉，对吧？但实证研究表明，低波动股票确实有超额收益。原因可能是：低波动股票被机构投资者忽视，存在定价偏差。
注意：低波因子在极端行情下可能失效。比如2020年疫情爆发时，低波股票照样暴跌。我曾经在回测中忽略了这一点，结果实盘时吃了大亏。
4.2.5 成长因子
核心逻辑：买未来。
成长因子关注的是公司的营收增速、利润增速等。高成长公司往往享受更高的估值溢价。但问题在于，高成长不可持续——这是成长因子最大的风险。
4.2.6 规模因子
核心逻辑：小市值公司有更高的风险溢价。
规模因子是最早被发现的因子之一。小市值公司因为流动性差、信息不对称，所以需要更高的预期收益来补偿投资者。但在A股，规模因子近年来表现不佳——注册制改革后，小市值公司的壳价值大幅缩水。
4.3 知识体系总览
下面这张图是我自己整理的因子分类体系，你可以把它当作一个“地图”来用。每次构建新因子时，先想想它属于哪个类别，逻辑是否自洽。
这张图里，我把因子分成了两大阵营。左边是数据来源，右边是投资逻辑。你构建因子时，最好两个维度都考虑——既要有数据支撑，也要有逻辑解释。
一个小技巧：我习惯在构建因子时，先问自己三个问题：
- 这个因子的数据来源可靠吗？更新频率够吗？
- 这个因子的投资逻辑是什么？能说服我自己吗？
- 这个因子和其他因子相关性高吗？会不会只是已有因子的“马甲”？
三个问题都回答清楚了，再开始写代码。
好了，因子分类体系就聊到这儿。记住，分类只是工具，不是目的。真正重要的是，你能否用这些分类去理解市场、构建策略。下一章我们会深入讨论因子的数学表达和统计检验，到时候见。
公众号:蓝海数据掘金营，微信deep3321