第4章因子投资理论

因子投资理论：从CAPM到多因子模型的进化之路

说实话，因子投资这个领域，我研究了快十年。刚开始接触量化的时候，我以为选股就是看看市盈率、市净率这些指标。后来才发现，真正的因子投资，背后有一套完整的理论体系在支撑。

今天咱们就来聊聊这套体系。从最经典的CAPM开始，一步步走到多因子模型。嗯，这里面的坑，我踩过不少，希望能帮你绕过去。

资本资产定价模型，也就是CAPM，是因子投资的起点。它想回答一个问题：一只股票的预期收益，到底由什么决定？

CAPM给出的答案很简单：

预期收益 = 无风险利率 + β × 市场风险溢价

说白了，就是股票的收益只跟市场整体走势有关。β值衡量的是股票对市场的敏感度。β=1，意味着市场涨1%，它也涨1%。β=2，那就涨2%，但跌起来也加倍。

我在2015年刚入行时，用CAPM给一个FOF组合做风险归因。结果发现，很多股票的收益波动根本解释不了。当时我就纳闷：难道市场风险之外，还有别的因素在起作用？

后来我才明白，CAPM的假设太强了。它假设所有投资者都理性，市场没有摩擦，信息完全对称。现实中哪有这种事？

个人经验：CAPM虽然简单，但用来做基准对比还是很有价值的。我习惯用它作为"零模型"，看看多因子模型到底能多解释多少收益。

1992年，Fama和French发表了一篇论文，直接颠覆了CAPM的地位。他们发现，除了市场风险，还有两个因子能显著解释股票收益：

三因子模型的公式长这样：

R_i - R_f = α + β_mkt × (R_m - R_f) + β_smb × SMB + β_hml × HML + ε

你想想看，这个模型比CAPM多解释了大约30%的截面收益差异。我当时第一次跑这个回归时，看到R²从0.2跳到0.5，那种震撼感至今难忘。

不过要注意，三因子模型也有局限性。它解释的是美国市场1963-1990年的数据。换到A股市场，效果就大打折扣了。

避坑指南：我曾经直接把Fama-French的因子定义套用到A股，结果回测曲线惨不忍睹。后来才发现，A股的规模效应比美股弱很多，价值因子的换手率也完全不同。一定要做本土化调整。

如果说Fama-French是学术界的产物，那Barra模型就是工业界的标准。它由MSCI Barra公司开发，现在几乎成了量化机构的标配。

Barra模型的核心思想是：用多个风格因子来解释股票收益。常见的因子包括：

Barra模型最大的优势在于风险控制。它不仅能告诉你收益来源，还能精确度量风险暴露。我见过很多量化团队，策略收益不错，但一遇到市场风格切换就崩盘。原因就是没有用Barra做风险约束。

核心要点：Barra模型不是用来预测收益的，而是用来管理风险的。它的目标是把不可控的风险暴露降到最低，让策略收益纯粹来自选股能力。

这两个词，我刚开始学的时候经常搞混。咱们用个例子来说明：

假设你买了一只小盘价值股。它的因子暴露就是：对规模因子的暴露是0.8（偏向小盘），对价值因子的暴露是0.6（偏向价值）。而因子收益，就是这段时间内，规模因子和价值因子各自赚了多少钱。

用数学表达：

股票收益 = 因子暴露 × 因子收益 + 特异收益

举个例子：
某股票收益 = 0.8 × 2% + 0.6 × 1.5% + 0.3%
           = 1.6% + 0.9% + 0.3%
           = 2.8%

你看，2.8%的收益里，1.6%来自规模因子，0.9%来自价值因子，只有0.3%是股票自己的特异收益。这就是因子归因的核心逻辑。

我的习惯：每周跑一次因子暴露矩阵，看看组合的因子暴露有没有漂移。如果发现某个因子的暴露突然变大，就要警惕是不是策略逻辑出了问题。

说了这么多，咱们用一张图来梳理一下整个知识体系：

这张图清晰地展示了因子投资理论的演进路径。从CAPM到三因子，再到Barra模型，每一步都是对前者的补充和完善。而因子暴露与因子收益，则是贯穿始终的核心概念。

因子投资理论，说白了就是一套拆解收益、管理风险的方法论。CAPM给了我们起点，Fama-French拓展了视野，Barra提供了工具。但真正用好它们，还需要大量的实践和本土化调整。

我记得刚开始做因子归因时，总想着找到"万能因子"。后来才明白，没有哪个因子能永远有效。市场在变，因子也在变。保持敬畏，持续迭代，才是量化投资的生存之道。

核心总结：