第二章：因子投资哲学
说实话，很多人一上来就问我：「因子到底是怎么赚钱的？」
这个问题背后，其实藏着整个量化投资的哲学根基。我做了这么多年因子模型，越来越觉得——不懂哲学，你写出来的因子大概率是废的。
2.1 有效市场假说与因子投资
先聊一个老生常谈的概念：有效市场假说（EMH）。
这个理论说，市场价格已经反映了所有公开信息。你想想看，如果这是真的，那我们做因子投资还有什么意义？
嗯，现实没那么简单。
核心观点：有效市场假说分三个层次——弱式、半强式、强式。我个人认为，市场在大部分时间是「半强式有效」的，但总有那么一些「缝隙」可以钻。
因子投资本质上就是在找这些「缝隙」。比如：
- 弱式有效：技术分析失效，但基本面因子可能还有用
- 半强式有效：公开信息已被消化，但另类数据可能还有机会
- 强式有效：内幕信息都没用——这基本不存在
我在项目中遇到过一件事：2018年做A股回测，一个简单的价值因子（PB倒数）居然能跑出年化15%的超额收益。你说市场有效吗？有效。但有效不等于完美。
2.2 风险溢价与行为金融
因子为什么能赚钱？两个解释：
2.2.1 风险溢价解释
说白了，你承担了别人不愿意承担的风险，所以获得补偿。
比如小盘股因子——小公司波动大、流动性差，投资者要求更高的回报。这就是风险溢价。
| 因子 | 风险来源 | 溢价逻辑 |
|---|---|---|
| 价值因子 | 公司经营困境风险 | 便宜货有「价值陷阱」风险 |
| 动量因子 | 趋势反转风险 | 追涨可能被「割韭菜」 |
| 低波因子 | 流动性风险 | 低波动股票流动性差 |
2.2.2 行为金融解释
这个角度更有意思。行为金融说：投资者不是理性的，他们会犯系统性错误。
举个例子：过度反应偏差。大家看到坏消息就恐慌抛售，导致股价跌过头。这时候你反向买入，等市场恢复理性——这就是价值因子的行为金融解释。
我的经验：做因子研究时，我习惯同时从「风险溢价」和「行为金融」两个角度去解释。如果一个因子两个角度都说得通，那它大概率是靠谱的。
2.3 因子的分类
因子怎么分类？我一般分三类：风格因子、宏观因子、另类因子。
2.3.1 风格因子
这是最常用的，也是大家最熟悉的。比如：
- 价值因子：PE、PB、PS 等
- 动量因子：过去3-12个月收益率
- 质量因子：ROE、毛利率、资产负债率
- 低波因子：过去1年波动率
- 规模因子：市值大小
我刚开始做多因子模型时，就只用了这五个风格因子。说实话，效果还不错。
2.3.2 宏观因子
这类因子跟经济周期相关。比如：
- 利率因子：国债收益率变化
- 通胀因子：CPI、PPI
- 信用利差因子：企业债与国债利差
- 经济增长因子：GDP、PMI
宏观因子有个特点——它们对大类资产配置特别有用，但对个股选择帮助有限。
2.3.3 另类因子
这才是现在最热门的领域。我最近就在研究这个。
- 舆情因子：新闻情感分析、社交媒体热度
- 供应链因子：上下游关系、客户集中度
- 专利因子：专利数量、引用次数
- 卫星数据因子：停车场车流量、农作物长势
避坑指南：我曾经在另类因子上栽过跟头。2019年搞了一个「微博情感因子」，回测效果特别好，但实盘一跑就崩。为什么？因为回测时用了未来数据——情感分析模型是用后来的数据训练的。嗯，这个坑我踩过，你们别踩。
2.4 知识体系总览
下面这张图，是我自己整理的多因子投资哲学框架。你看一眼，基本就明白整个体系了。
这张图其实就讲了一件事：因子投资不是凭空想出来的，它建立在有效市场假说、风险溢价和行为金融这三个理论支柱上。然后我们把这些理论落地成具体的因子分类，再细化到可计算的指标。
我的建议：刚开始做因子研究时，别急着搞复杂的另类因子。先把风格因子吃透——价值、动量、质量、低波、规模这五个，足够你做出一个不错的模型了。
好了，这一章的内容就到这里。因子投资哲学听起来很虚，但它是你所有策略的根基。下一章我们会开始动手——从数据获取到因子计算，一步步来。