一、因子投资概述：定义、发展历程、核心逻辑与主流因子介绍

1.1 到底什么是因子投资？

因子投资，说白了就是「找规律」。

我们做量化交易，本质上是在寻找那些能持续解释股票收益差异的「共性特征」。这些特征，就是因子。

我个人习惯把因子投资理解成「拆解收益」的过程。你想想看，一只股票涨了，原因可能有很多：大盘涨了、行业火了、公司业绩好、或者仅仅是运气。因子投资要做的，就是把收益拆开，看看哪些是市场给的，哪些是风格给的，哪些是真正的alpha。

举个例子。你发现过去三年里，低市盈率的股票平均跑赢了高市盈率的股票。这个「市盈率低」就是一个因子。因子投资就是系统性地利用这类规律来构建组合。

1.2 发展历程：从CAPM到多因子模型

因子投资的发展，其实是一部「从简单到复杂」的历史。

第一阶段：单因子时代（1960s-1970s）

最早是CAPM（资本资产定价模型），夏普他们搞出来的。那时候只有一个因子——市场风险。说白了就是：你承担了市场风险，就应该获得市场收益。我在刚入行时觉得CAPM挺完美的，直到后来发现很多现象它解释不了。

第二阶段：多因子觉醒（1980s-1990s）

Fama和French在1992年那篇论文，可以说是因子投资的里程碑。他们发现除了市场风险，市值大小和估值高低也能解释收益差异。这就是著名的三因子模型：市场、规模、价值。

我记得第一次读这篇论文时，心里想的是：「原来这么多年我们都在用错误的方式理解市场。」

第三阶段：因子爆炸（2000s至今）

后来因子就越来越多了。动量、质量、低波、红利……学术界和业界都在疯狂挖掘新因子。我统计过，目前文献中记载的因子已经超过300个。嗯，这里要注意，很多因子其实是「数据挖掘」出来的，实际效果并不稳定。

年代	代表人物	核心模型	因子数量
1960s	Sharpe, Lintner	CAPM	1个
1990s	Fama, French	三因子模型	3个
2000s	Carhart	四因子模型	4个
2010s	Asness, Frazzini	多因子模型	5+个

1.3 核心逻辑：因子投资的「三驾马车」

因子投资的核心逻辑，我总结为三个关键词：暴露、溢价、分散。

第一，暴露。你得知道自己持有哪些因子。是偏价值？还是偏成长？还是偏小盘？我曾经见过一个组合，名义上是「量化选股」，结果一分析，90%的收益来自小盘因子暴露。这其实就是在赌小盘风格。

第二，溢价。因子之所以能赚钱，是因为它承担了某种系统性风险。比如价值因子，买便宜股票意味着你可能要承受「价值陷阱」的风险。这个风险溢价，就是因子收益的来源。

第三，分散。单一因子会有长期回撤。比如2018年到2020年，价值因子就惨不忍睹。但如果你同时持有价值、动量、质量等多个因子，效果会好很多。我建议至少配置3-5个低相关的因子。

1.4 主流因子介绍

下面我介绍几个最常用的因子。这些因子经过了数十年的检验，相对靠谱。

1. 价值因子（Value）

买便宜的股票。常用指标：市盈率、市净率、市销率。我在项目中遇到过一个问题：A股的价值因子效果不如美股稳定。原因可能是A股散户多，估值修复的周期更长。

2. 规模因子（Size）

买小市值的股票。小盘股长期跑赢大盘股，这个现象在全球市场都存在。但要注意，小盘股的波动也更大。

3. 动量因子（Momentum）

买过去涨得好的股票。动量效应是行为金融学的经典案例——投资者对信息反应不足。我曾经用动量因子做过一个策略，回测年化收益18%，但2015年股灾时一个月亏了25%。嗯，动量因子的尾部风险很大。

4. 质量因子（Quality）

买盈利能力强的公司。常用指标：ROE、毛利率、资产负债率。质量因子在熊市中表现特别好，因为它有「防御属性」。

5. 低波因子（Low Volatility）

买波动率低的股票。你可能觉得低波动应该收益低，但事实恰恰相反——低波动股票长期跑赢高波动股票。这就是著名的「低波动异象」。

1.5 因子投资的知识体系

下面这张图展示了因子投资的整体框架。你可以看到，从因子定义到策略构建，再到绩效评估，是一个完整的闭环。

1.6 我的几点建议

最后，分享几个我在实战中总结的经验：

• 不要过度优化。因子越多，过拟合风险越大。我一般控制在5-8个因子以内。
• 关注因子逻辑。如果一个因子没有经济学或行为金融学的解释，即使回测再好，我也不会用。
• 做好压力测试。因子在极端行情下可能失效。比如2020年3月，几乎所有因子都崩了。
• 定期复盘。我每季度会做一次因子归因分析，看看组合的因子暴露是否还在预期范围内。