1. 因子投资概述
大家好，我是你们的老朋友。今天咱们聊聊因子投资——这个在量化圈里被说烂了、但真正吃透的人其实不多的概念。
先说说我自己的经历。2015年我刚入行那会儿，听到「因子」两个字就觉得高大上。后来自己动手做策略，才发现这东西说白了就是找规律。你想想看，股票为什么涨？为什么跌？背后总有些共同的原因在驱动。把这些原因量化出来，就是因子。
1.1 因子投资的定义
因子投资，简单讲就是：用可量化的特征来解释和预测资产收益。
举个例子。你发现「市盈率低的股票长期跑赢市盈率高的」——这就是一个因子。再比如「过去一个月涨得多的股票，下个月往往继续涨」——这也是一个因子。
我个人习惯把因子分成三类：
- 基本面因子：比如估值、盈利、成长性
- 技术面因子：比如动量、反转、波动率
- 另类因子：比如舆情、供应链数据、卫星图像
核心要点：因子投资不是玄学，而是用统计方法找到「风险溢价」的来源。每个因子背后，都应该有经济学或行为金融学的解释。
1.2 发展历史：从学术到实战
因子投资的历史，其实是一部「学术理论→量化实践」的演进史。
| 年代 | 里程碑 | 代表人物/理论 |
|---|---|---|
| 1960s | CAPM模型诞生 | Sharpe, Lintner |
| 1970s | 发现规模效应 | Banz |
| 1990s | Fama-French三因子模型 | Fama, French |
| 2000s | 动量因子被广泛接受 | Jegadeesh, Titman |
| 2010s至今 | 多因子组合、机器学习因子 | 学术界+业界 |
我记得刚学CAPM的时候，觉得这个模型太完美了。后来在实盘中才发现，单靠市场因子根本解释不了收益。你想想看，如果CAPM完全正确，那巴菲特凭什么长期跑赢大盘？
这就是Fama-French三因子模型出现的原因。他们发现：小盘股、价值股长期有超额收益。这两个因子加上市场因子，解释力一下子从70%提升到了90%以上。
一个小经验：我在做因子研究时，从来不只看一个因子。单因子策略回撤太大，扛不住。多因子组合才是王道。
1.3 核心思想：风险溢价与市场异象
因子投资的核心思想，说白了就两句话：
- 承担特定风险，获得相应回报
- 市场存在可预测的规律（异象）
举个例子。价值因子为什么有效？因为买便宜股票需要承担「价值陷阱」的风险——你买的股票可能真的就是烂公司。这个风险需要溢价来补偿。
再比如动量因子。为什么追涨杀跌长期有效？行为金融学解释是：投资者反应不足和反应过度。嗯，这里要注意，动量策略在A股和美股的表现差异很大。我在A股做动量因子时，发现反转效应比动量效应更明显——这跟散户占比高有关系。
避坑指南：我曾经犯过一个错误——把回测中表现好的因子直接上线。结果实盘三个月就亏了15%。后来才明白，很多因子是「数据挖掘」出来的，没有真正的经济学逻辑支撑。这叫「伪因子」。
1.4 与传统投资的区别
传统投资和因子投资的区别，我打个比方：
- 传统投资：像中医，靠经验、直觉、定性分析
- 因子投资：像西医，靠数据、检验、定量分析
具体来说，有这几个关键差异：
| 维度 | 传统投资 | 因子投资 |
|---|---|---|
| 决策依据 | 基金经理主观判断 | 量化模型+统计检验 |
| 持仓数量 | 通常20-50只 | 可覆盖数百只 |
| 风险控制 | 分散化+止损 | 因子暴露度管理 |
| 可复制性 | 低（依赖个人能力） | 高（规则明确） |
| 成本 | 管理费高（1-2%） | 管理费低（0.1-0.5%） |
你想想看，传统投资最大的问题是什么？是「人」的不确定性。基金经理今天心情好，可能多买点；明天被老板骂了，可能清仓。因子投资把规则写死，机器执行，情绪干扰降到最低。
但也不是说因子投资就完美。我在项目中遇到过一个问题：因子拥挤。当一个因子被太多人使用时，它的超额收益会迅速衰减。2019年的低波因子就是典型例子——大家都去买低波动股票，结果低波动变成了高波动。
1.5 知识体系总览
下面这张图，是我自己梳理的因子投资知识体系。建议你保存下来，后面每个章节都会对应到这张图的某个部分。
我的建议：刚开始学因子投资，别贪多。先把「因子定义」和「因子检验」这两个模块吃透。组合构建是后面的事。我见过太多人一上来就搞复杂的多因子模型，结果连IC是什么都没搞明白。
1.6 本章小结
因子投资不是什么神秘的东西。它就是一套系统化的方法论：
- 找到能解释收益的规律（因子）
- 用统计方法验证它是否可靠
- 把多个因子组合起来构建投资组合
- 持续监控和调整
嗯，这一章就到这里。记住一句话：因子投资不是预测未来，而是管理风险暴露。后面我们会一步步深入每个环节，从因子挖掘到组合优化，把整个流程走一遍。
公众号:蓝海资料掘金营，微信deep3321