风险因子模型的理论基石

做量化投资这些年，我越来越觉得，风险因子模型就像金融市场的「元素周期表」。你想想看，化学家靠元素周期表理解物质构成，我们量化人靠因子模型理解收益来源。今天咱们就来聊聊这个体系里的几个核心理论——从最经典的CAPM，到后来的多因子模型。

说实话，我刚入行那会儿，觉得CAPM就是个教科书上的老古董。直到有一次做组合归因分析，发现一个看似完美的策略，Beta暴露高得吓人，市场一跌就崩。嗯，从那以后我再也不敢小瞧这些基础理论了。

CAPM模型：一切的开端

CAPM（资本资产定价模型）是1960年代由Sharpe、Lintner等人提出的。它的公式很简单：

E(Ri) = Rf + βi × [E(Rm) - Rf]

其中：

• E(Ri) 是资产i的预期收益率
• Rf 是无风险利率
• βi 是资产i对市场组合的敏感度
• E(Rm) - Rf 是市场风险溢价

说白了，CAPM认为只有一种风险需要被定价——市场风险。其他风险都能通过分散化消除掉。我个人习惯把这个模型叫做「单因子模型的鼻祖」。

APT理论：从单因子到多因子

CAPM有个硬伤——它假设投资者只关心市场风险。但现实中呢？油价波动、利率变化、行业政策……这些都会影响资产价格。Ross在1976年提出的APT（套利定价理论）就解决了这个问题。

APT的核心思想是：

E(Ri) = Rf + βi1 × F1 + βi2 × F2 + ... + βik × Fk

这里F1到Fk代表不同的风险因子。APT没有告诉你具体该选哪些因子，它只提供了一个框架。我遇到过很多同行，一上来就堆几十个因子，结果过拟合得一塌糊涂。APT的精髓其实是「少而精」——找到真正能解释收益的少数几个因子。

Fama-French三因子模型：实战利器

1993年，Fama和French干了一件漂亮事——他们发现CAPM解释不了两个现象：小公司股票长期跑赢大公司（规模效应），高市净率股票跑赢低市净率股票（价值效应）。于是他们提出了三因子模型：

E(Ri) - Rf = βi × (Rm - Rf) + si × SMB + hi × HML

三个因子分别是：

• 市场因子（Rm-Rf）：和CAPM一样，市场超额收益
• 规模因子（SMB）：小市值股票减大市值股票的收益
• 价值因子（HML）：高账面市值比减低账面市值比的收益

我记得第一次用三因子模型做归因分析时，发现一个策略的Alpha从CAPM下的显著为正变成了不显著。这说明什么？说明这个策略的收益来源其实就是暴露在小市值和价值因子上，并没有什么真正的「选股能力」。

Carhart四因子模型：动量因子的加入

三因子模型火了之后，大家发现还有一个现象解释不了——过去涨得好的股票，未来往往继续涨（动量效应）。Jegadeesh和Titman在1993年发现了这个现象，Carhart在1997年把它正式纳入模型：

E(Ri) - Rf = βi × (Rm - Rf) + si × SMB + hi × HML + wi × WML

新增的WML（赢家减输家）就是动量因子。我自己的经验是，动量因子在A股市场表现不太稳定，经常出现「动量崩溃」——就是涨得猛的突然暴跌。这一点和美股差异很大。

知识体系总览

下面这张图梳理了从CAPM到四因子模型的演进逻辑。你会发现，每一步都是在修补前一个模型的漏洞：

模型对比一览

为了方便你快速对比，我把四个模型的核心要素整理成了表格：

模型	因子数量	核心因子	主要贡献	局限性
CAPM	1	市场风险	首次量化风险-收益关系	无法解释规模、价值等异象
APT	多个	未指定	提供多因子理论框架	未给出具体因子选择
Fama-French 3	3	市场、规模、价值	实证发现两大异象因子	忽略动量效应
Carhart 4	4	市场、规模、价值、动量	纳入动量因子	动量因子不稳定

我的实战心得

做了这么多年量化，我总结了几条关于因子模型的体会：

1. 没有完美的模型。每个模型都有它的适用场景和局限性。我见过有人死磕四因子模型，结果在震荡市里亏得底朝天。
2. 因子会失效。当一个因子被广泛认知和使用后，它的超额收益就会消失。这就是所谓的「因子拥挤」。
3. 本土化很重要。美股有效的因子，在A股不一定有效。我建议你拿到一个新市场，先用CAPM做基准，再逐步加入其他因子测试。
4. 不要过度拟合。因子越多，模型越容易过拟合。我个人习惯控制在3-5个核心因子。

好了，这一章的内容就到这里。这些理论看起来简单，但真正用好了，能帮你避开不少坑。下一章咱们聊聊如何用这些模型做实际的组合构建，到时候我会分享一些具体的代码实现和回测案例。

---