第1章因子投资概述

一、因子投资概述

大家好，我是你们这堂课的主讲人。今天咱们聊聊因子投资的基础。说实话，这个领域我摸爬滚打了快十年，踩过的坑比吃过的盐还多。不过别担心，我会把那些血泪史都转化成干货，让你少走弯路。

因子，说白了就是能解释资产收益的共同特征。你想想看，为什么有些股票涨得好，有些就趴着不动？背后一定有某种规律在驱动。这个规律，就是因子。

我个人习惯把因子理解成「资产的基因」。就像人有高矮胖瘦，股票也有自己的属性——有的公司规模小但增长快，有的公司估值低但分红高。这些属性，就是因子。

核心定义：因子是能够系统性地解释资产预期收益和风险的共同特征。它必须满足三个条件：

我在项目中遇到过不少新手，上来就问「哪个因子最赚钱？」。嗯，这个问题本身就暴露了认知偏差。因子不是万能钥匙，它更像是一把手术刀——用对了地方，精准切割；用错了，反而伤到自己。

因子投资的发展，其实是一部从「拍脑袋」到「算概率」的进化史。我把它分成四个阶段：

阶段	时间	代表人物/事件	核心贡献
萌芽期	1930s-1960s	格雷厄姆、巴菲特	价值投资理念，但缺乏统计验证
奠基期	1960s-1990s	Markowitz、Sharpe、Fama-French	CAPM、三因子模型，量化框架建立
爆发期	1990s-2010s	Carhart、Asness、AQR	动量、质量等新因子涌现，对冲基金大规模应用
成熟期	2010s-至今	机器学习、大数据	因子挖掘自动化，但面临过拟合和衰减挑战

我记得刚入行时，前辈们还在争论「价值因子到底死没死」。现在回头看，这种争论本身就挺有意思的——因子没有死，只是它的超额收益在衰减。为什么会这样？因为知道的人多了，套利空间自然就小了。

避坑指南：我曾经以为找到一个高收益因子就能躺赢，结果回测曲线漂亮得像假的一样。后来才明白，因子投资的核心不是「找到最好的因子」，而是「理解因子的生命周期」。每个因子都有它的黄金期和衰退期，关键是要知道现在处于哪个阶段。

因子分类的方法很多，我习惯把它们分成三大类。这就像武林门派，各有各的招数：

这是最常用的一类，直接跟股票特征挂钩。比如：

你想想看，这些因子背后都有经济学逻辑支撑。比如价值因子，说白了就是「市场先生偶尔会犯错，好公司被低估了，迟早会涨回来」。

这类因子跟宏观经济变量挂钩，比如：

宏观因子有个特点——它不像风格因子那样可以直接交易，但它是所有因子的「背景音乐」。利率一涨，成长股就难受；通胀一高，价值股反而受益。我在做多因子模型时，一定会把宏观因子作为风险控制层。

这类因子纯粹从数据中挖掘，没有经济学含义。常用的方法包括：

警告：统计因子看着很酷，但容易过拟合。我曾经用PCA提取了10个因子，回测效果惊艳，结果实盘一跑就崩了。为什么？因为统计因子没有经济含义，它只是拟合了历史数据中的噪声。所以我的建议是：统计因子可以用于降维和探索，但不要直接用于投资决策。

因子投资不是一锤子买卖，而是一个完整的流程。我把它画成了一张流程图，方便你理解：

这张图我画了好几次才满意。你看，流程是环环相扣的——从因子定义开始，到数据准备、因子计算、有效性检验，最后才是组合构建。很多人一上来就跳到第5步，结果发现因子根本无效，白白浪费了时间。

我个人习惯在「有效性检验」这一步花最多时间。为什么？因为这是整个流程的「质检关」。因子有没有用，不是靠感觉，而是靠统计检验说话。后面的课程我们会详细讲IC/IR分析、分组回测、Fama-MacBeth回归等方法，这些都是检验因子有效性的核心工具。

小技巧：刚开始做因子投资时，我建议你先从风格因子入手。价值、动量、质量这些因子有成熟的理论支撑，数据也容易获取。等积累了经验，再尝试宏观因子和统计因子。记住一句话：先求稳，再求奇。

好了，这一章的内容就到这里。因子投资的世界很大，我们只是开了个头。下一章开始，我们会深入每个环节，用代码和统计工具把因子有效性检验这件事做到极致。