3、多因子模型：构建逻辑、权重分配与相关性处理

多因子模型，说白了就是给股票打分。你想想看，我们做量化投资，总不能拍脑袋买股票吧？得有个系统性的方法。多因子模型就是干这个的——把各种能预测收益的特征（因子）组合起来，形成一个综合评分，然后根据评分选股。

我在项目中遇到过不少团队，因子库建了一大堆，但模型效果就是不行。为什么？多半是因子权重没分好，或者因子之间相关性太高，互相打架。今天我就把这块的坑和经验，一次性说清楚。

3.1 多因子模型的构建逻辑

构建逻辑其实不复杂，就三步：

1. 因子挖掘：找到能预测收益的特征
2. 因子合成：把多个因子组合成一个综合因子
3. 选股应用：根据综合因子排序，买入高分股票

嗯，这里要注意，因子挖掘不是越多越好。我见过有人搞了200多个因子，结果过拟合得一塌糊涂。我个人习惯，核心因子控制在10-20个，足够了。

举个例子，假设我们只用三个因子：估值因子（PE倒数）、动量因子（过去12个月收益）、质量因子（ROE）。那么一只股票的综合得分就是：

score = 0.4 × zscore(1/PE) + 0.3 × zscore(momentum_12m) + 0.3 × zscore(ROE)

这里zscore是标准化处理，让每个因子都在同一量纲上。不然PE是几十倍，ROE是百分之几，直接相加就没意义了。

3.2 因子权重分配方法

权重分配是个技术活。我把它分成三类：

3.2.1 等权法

最简单，每个因子权重一样。适合因子数量少、质量都差不多的情况。但说实话，实战中很少用——因为因子质量不可能一样。

3.2.2 优化法

通过历史数据回测，找到让夏普比率最大化的权重。常用方法：

• 最大化IC加权：IC（信息系数）越高，权重越大
• 最大化夏普比率：考虑因子间的协方差
• 风险平价：让每个因子对组合风险的贡献相等

我曾经用最大化夏普比率的方法，跑出来一个权重组合。结果实盘三个月，效果还不如等权。为什么？因为历史最优权重，未来不一定最优。这就是过拟合的典型表现。

3.2.3 机器学习法

用模型自动学习权重。比如：

• 线性回归：用因子预测未来收益，回归系数就是权重
• 随机森林：特征重要性可以作为权重
• 神经网络：端到端学习，但解释性差

我个人更偏好线性回归+正则化（Lasso/Ridge）。既能学到权重，又能自动筛选因子。Lasso会把不重要的因子权重压到0，相当于自动做了因子选择。

# Python示例：用Lasso回归学习因子权重
from sklearn.linear_model import LassoCV
import numpy as np

# X: 因子矩阵 (样本数 × 因子数)
# y: 未来收益
lasso = LassoCV(cv=5, random_state=42)
lasso.fit(X, y)

# 权重就是回归系数
weights = lasso.coef_
print("因子权重:", weights)

3.3 因子相关性处理

这是多因子模型里最容易翻车的地方。因子之间高度相关，会导致什么问题？

• 多重共线性：权重估计不稳定，今天跑和明天跑结果不一样
• 冗余信息：两个相关因子等于重复投票，放大了某类风险
• 过拟合：模型记住了噪声而不是信号

我记得有一次，模型里同时放了市盈率（PE）和市净率（PB），相关性高达0.7。结果回测漂亮，实盘一塌糊涂。后来才发现，这两个因子本质上都在反映"便宜"这个维度，等于给估值因子投了两票。

3.3.1 相关性检测

第一步，先算因子间的相关系数矩阵。我一般设阈值0.6——超过这个值，就要处理了。

import pandas as pd
import numpy as np

# 假设factors_df是因子数据，每列一个因子
corr_matrix = factors_df.corr()

# 找出高相关对
high_corr_pairs = []
for i in range(len(corr_matrix.columns)):
    for j in range(i+1, len(corr_matrix.columns)):
        if abs(corr_matrix.iloc[i, j]) > 0.6:
            high_corr_pairs.append((corr_matrix.columns[i], 
                                    corr_matrix.columns[j], 
                                    corr_matrix.iloc[i, j]))

print("高相关因子对:", high_corr_pairs)

3.3.2 处理方法

处理方式有三种，我按推荐程度排序：

方法	原理	优点	缺点
因子正交化	用施密特正交化或PCA，去除因子间的相关性	保留所有因子信息，消除冗余	正交后的因子解释性变差
因子合并	把相关因子合成一个综合因子	简单直观，解释性强	可能丢失细节信息
只保留一个	从相关因子中选一个代表性最强的	最简洁，不易过拟合	可能丢失有效信息

我个人习惯用因子正交化。虽然解释性差一点，但信息保留最完整。具体做法：

1. 计算因子间的协方差矩阵
2. 用Cholesky分解或QR分解做正交化
3. 用正交后的因子重新建模

3.3.3 一个完整的处理流程

我一般按这个流程走：

1. 初筛：剔除缺失率超过30%的因子
2. 去相关：计算相关系数矩阵，对高相关对做正交化
3. 标准化：每个因子转成z-score
4. 权重分配：用Lasso回归或等权法
5. 回测验证：检查因子组合的IC序列和夏普比率

嗯，这里要特别提醒：处理相关性不是一次性工作。因子相关性会随时间变化。我建议每季度重新计算一次相关性矩阵，动态调整。

最后总结一下。多因子模型的核心就三件事：找好因子、分好权重、处理好相关性。权重分配别迷信历史最优，相关性处理别偷懒。我见过太多人在这两个地方翻车了。

你想想看，如果因子之间高度相关，权重又不稳定，那模型不就是个随机数生成器吗？所以，稳扎稳打，把基础打牢，比追求花哨的模型重要得多。

---

公众号:蓝海资料掘金营，微信deep3321