第三章：风险因子分类
好，咱们进入正题。风险因子怎么分类？
我个人习惯把因子分成三大类：宏观因子、风格因子、行业因子。这三类因子，说白了就是三个不同的视角去看市场风险。你想想看，一个股票的价格波动，既受宏观经济影响，也受自身风格特征影响，还受所属行业影响。嗯，就是这么回事。
3.1 宏观因子
宏观因子，就是那些影响整个经济大盘子的东西。利率、通胀、GDP，这三个是核心。
核心宏观因子：
- 利率因子：反映资金成本变化。利率上升，股票估值普遍承压。
- 通胀因子：反映物价水平变化。通胀超预期，消费类股票往往受伤。
- GDP增长因子：反映经济景气度。GDP增速下滑，周期性行业首当其冲。
我在项目中遇到过一个问题：宏观因子之间高度相关。比如利率和通胀，经常一起动。这时候如果你直接把三个因子都扔进模型，多重共线性会让你头疼。我当时的做法是——先做PCA（主成分分析），提取出独立的宏观风险源。
避坑指南：我曾经在构建宏观因子时，直接用CPI同比和PPI同比两个变量。结果模型跑出来，两个因子的载荷几乎一模一样。后来我才意识到，这两个指标本质上反映的是同一个通胀风险。所以，我建议你：宏观因子要精不要多，3-5个核心因子就够了。
3.2 风格因子
风格因子，说白了就是股票自身的“性格标签”。价值、动量、质量、规模，这四个是量化圈里最常用的。
| 风格因子 | 定义 | 常见代理变量 |
|---|---|---|
| 价值因子 | 股票是否被低估 | Book-to-Price, Earnings Yield |
| 动量因子 | 股票过去表现是否延续 | 过去12个月收益率（剔除最近1个月） |
| 质量因子 | 公司盈利能力与稳健性 | ROE, 资产负债率, 盈利稳定性 |
| 规模因子 | 公司市值大小 | 对数市值 |
这里有个坑，我必须要说。动量因子在A股市场，表现和美股完全不一样。美股动量效应很稳定，但A股经常出现“动量崩溃”——就是涨得猛的股票突然暴跌。为什么会这样？我个人觉得，这和A股散户占比高、情绪化交易多有关系。所以，你在用动量因子时，一定要做本土化调整。
注意：风格因子之间也存在相关性。比如小盘股往往也是高动量的。如果你不做正交化处理，因子收益率的估计会失真。我建议你每个月做一次因子正交化，把风格因子之间的相关性剥离掉。
3.3 行业因子
行业因子，这个最简单直接。同行业的股票，受同样的产业政策、原材料价格、技术变革影响，所以它们的收益率会一起波动。
行业分类怎么选？我个人习惯用申万一级行业分类，28个行业。为什么？因为它的颗粒度刚刚好——既不会太粗（比如只有金融、消费、周期三大类），也不会太细（比如申万二级有100多个行业，因子太多模型跑不动）。
嗯，这里要注意：行业因子通常用虚拟变量来表示。比如某只股票属于“电子行业”，那它在电子行业因子上的暴露就是1，其他行业因子上的暴露就是0。但这样会带来一个问题——所有行业虚拟变量加起来等于1，存在完全多重共线性。所以，我们通常要剔除一个行业作为基准。
行业因子处理小技巧：
- 使用市值加权行业指数作为行业因子收益率
- 或者使用行业虚拟变量，但剔除一个行业（比如“综合”行业）
- 行业因子数量一般控制在20-30个，太多会导致模型过拟合
3.4 三类因子的关系
你可能会问：这三类因子，到底哪个更重要？
说实话，没有绝对答案。我个人经验是：在牛市中，风格因子和行业因子的解释力更强；在熊市中，宏观因子的影响力会急剧上升。所以，一个稳健的风险模型，必须把三类因子都包含进去。
下面这张图，是我自己画的三类因子关系图，你可以直观感受一下：
3.5 实战中的因子选择
好了，理论说完了，咱们聊聊实战。
我记得有一次帮一家私募搭建风险模型，他们一开始选了50多个因子，觉得越多越全面。结果模型跑出来，因子收益率估计的方差大得离谱，根本没法用。后来我帮他们砍到15个核心因子——3个宏观、8个风格、4个行业——模型一下子就稳了。
我的建议：
- 宏观因子：3-5个，覆盖利率、通胀、增长三大维度
- 风格因子：5-10个，选那些有经济学逻辑支撑的
- 行业因子：20-30个，用申万一级或GICS行业分类
- 总因子数控制在30-40个以内，再多就容易过拟合
另外，因子不是选完就完事了。你需要定期做因子有效性检验。我一般每个月跑一次因子IC（信息系数）和因子收益率t统计量。如果某个因子连续3个月IC为负且不显著，我就会考虑把它替换掉。
嗯，这一章的内容就到这里。因子分类是风险模型的地基，地基打不好，上面盖的房子再漂亮也没用。下一章咱们聊聊因子暴露的计算，那又是另一门学问了。
公众号:蓝海资料掘金营，微信deep3321