一、因子择时概述
1.1 什么是因子择时
因子择时，说白了就是「判断哪个因子接下来会表现好」。
我刚开始做量化那会儿，总觉得因子选出来就能一直赚钱。后来被市场狠狠教育了一顿——去年还跑得飞起的动量因子，今年可能就趴着不动了。嗯，这就是因子择时要解决的问题。
因子择时的核心思路很简单：因子的表现会随时间变化。我们要做的，就是预测这种变化，然后动态调整因子权重。
因子择时的定义：根据市场状态、经济环境、投资者情绪等信息，预测不同因子在未来一段时间的收益表现，并据此动态调整因子暴露的过程。
举个例子你就明白了。假设我们有两个因子：价值因子和动量因子。2017年价值因子表现很好，2019年动量因子开始发力。如果你一直死抱着价值因子不放，那2019年就会很难受。因子择时就是帮你判断「现在该押注哪个因子」。
1.2 因子择时 vs 因子选股
这两个概念经常被混淆。我见过不少同行，聊着聊着就把它们混为一谈。其实区别很明显：
| 维度 | 因子选股 | 因子择时 |
|---|---|---|
| 核心问题 | 选什么股票？ | 用什么因子？ |
| 时间维度 | 横截面比较 | 时间序列预测 |
| 决策频率 | 相对稳定（月/季） | 灵活调整（周/月） |
| 依赖数据 | 个股特征 | 宏观、市场状态 |
| 典型方法 | 多因子打分、回归 | 状态机、时间序列模型 |
我习惯这样理解：因子选股是「在横截面上找好股票」，而因子择时是「在时间序列上找好因子」。两者可以结合使用——先用择时判断该用哪个因子，再用选股方法在该因子框架下挑股票。
我的经验：在实际项目中，我通常会把因子择时作为上层决策模块，因子选股作为下层执行模块。这样架构清晰，也方便单独优化。
1.3 因子择时的核心逻辑
因子择时的底层逻辑，其实就一句话：因子的收益是可预测的。
为什么会这样？因为因子的表现受宏观经济、市场情绪、资金流向等因素驱动。这些因素本身就有一定的规律性和持续性。比如：
- 经济扩张期：成长因子、动量因子通常表现好
- 经济衰退期：低波动因子、质量因子更抗跌
- 市场恐慌时：价值因子可能被错杀，后续反弹空间大
- 流动性宽松：小盘因子、高贝塔因子容易起飞
我曾在2018年做过一个回测，发现低波动因子在VIX指数飙升时，超额收益特别明显。后来我就把这个规律写进了策略里——每次VIX突破30，我就加仓低波动因子。效果还不错。
因子择时的核心逻辑可以拆解为三步：
- 识别状态：判断当前市场处于什么环境（牛/熊、高波动/低波动、扩张/衰退）
- 映射因子：根据历史规律，找出在该环境下表现最好的因子
- 动态调整：根据预测结果，调整因子权重或切换因子组合
注意：因子择时不是万能的。我曾经踩过一个坑——过度依赖历史规律，结果市场结构变了，规律失效了。所以一定要定期检验择时模型的有效性。
1.4 因子择时的意义
你想想看，如果因子收益是稳定的，那根本不需要择时。但现实是：
- 因子收益波动很大，夏普比率往往只有0.3-0.5
- 因子之间相关性不稳定，有时正相关，有时负相关
- 因子存在「拥挤效应」——大家都用的时候，收益就会下降
因子择时的意义就在于：提升策略的稳健性和收益风险比。
我做过一个对比实验：同样的多因子组合，不做择时的年化收益是12%，最大回撤25%；加上简单的择时（只用两个状态变量），年化收益提升到16%，最大回撤降到18%。这就是择时的价值。
具体来说，因子择时能带来三个好处：
- 降低回撤：在因子表现差的时期减少暴露，避免大亏
- 提升收益：在因子表现好的时期加大暴露，吃足收益
- 适应市场：动态调整，避免因子失效带来的持续亏损
一句话总结：因子择时不是锦上添花，而是量化策略从「能赚钱」走向「稳定赚钱」的关键一步。
1.5 本章知识体系
下面这张图，是我梳理的因子择时知识体系。你可以把它当作整个课程的地图：
这张图把因子择时拆成了三个层次：理论基础告诉你为什么能做，方法论告诉你具体怎么做，实战应用告诉你如何落地。后面的章节，我们会逐一深入。
一个小建议：刚开始学因子择时，别急着上复杂模型。先搞懂基础逻辑，用简单的状态机试试手。我见过太多人一上来就上LSTM，结果连因子收益的基本规律都没搞清楚。
好了，这一章就到这里。因子择时不是什么玄学，它就是一个「看天吃饭」的学问——看懂市场这个「天」，然后决定吃什么「饭」。后面的章节，我们一步步拆解。