第三章 Alpha策略原理：多因子模型基础、因子挖掘方法论、因子合成与权重优化

好，我们直接进入正题。这一章聊的是Alpha策略的核心——多因子模型。说白了，就是怎么找到那些能预测股票涨跌的“信号”，然后把它们组合起来，形成一个稳定的赚钱策略。

我个人习惯把多因子模型拆成三个部分来看：因子从哪来、因子怎么用、因子怎么组合。咱们一个一个说。

3.1 多因子模型基础

多因子模型的理论根基，其实来自套利定价理论（APT）。它告诉我们，股票的预期收益可以被多个共同因子解释。你想想看，如果只用一个市场因子（比如沪深300涨跌），那跟CAPM有什么区别？多因子模型的魅力就在于，它能捕捉到市场之外的结构性收益来源。

我在项目中遇到过最典型的例子：2017年之前，小市值因子在中国市场几乎是“无敌”的。但2017年之后，大盘蓝筹股开始跑赢，很多只押注小市值因子的产品就崩了。这就是单一因子策略的脆弱性。

一个完整的多因子模型，通常包含这几类因子：

• 估值因子：PE、PB、PS等，衡量股票是否便宜
• 成长因子：营收增速、利润增速，看公司是否在扩张
• 质量因子：ROE、毛利率、资产负债率，判断公司质地
• 动量因子：过去3-12个月的收益，趋势延续性
• 情绪因子：换手率、分析师预期调整，市场情绪指标
• 另类因子：供应链数据、舆情数据、卫星图像等

嗯，这里要注意：不是因子越多越好。因子之间如果高度相关，反而会引入噪音。

3.2 因子挖掘方法论

因子挖掘，说白了就是“找规律”。但找规律这件事，很容易掉进过拟合的坑里。我曾经见过一个团队，用1000多个因子做回测，结果实盘跑出来一塌糊涂。为什么？因为大部分因子都是“数据挖掘出来的巧合”。

我个人把因子挖掘分成三个层次：

3.2.1 基于金融逻辑的因子

这是最靠谱的。比如低波动率异象——低波动股票长期跑赢高波动股票。这个现象有行为金融学的解释：投资者过度追捧高波动股票，导致其价格被高估。这类因子，你不需要太多数据，逻辑自洽就行。

3.2.2 基于统计挖掘的因子

用机器学习方法从海量数据中找规律。比如用遗传规划（Genetic Programming）自动生成因子表达式。我建议的做法是：先用逻辑筛选一轮，再用统计方法做精细化。不要一上来就全自动挖掘，那很容易挖出一堆“伪因子”。

3.2.3 基于另类数据的因子

这块是近几年的热点。比如用卫星图像监测停车场车辆数量来预测零售股业绩，用招聘网站数据判断公司扩张情况。我在做这类因子时，最头疼的是数据清洗——原始数据噪音太大，一个异常值就能把因子IC值拉崩。

3.3 因子合成与权重优化

因子挖出来了，怎么合成？这是门手艺活。我见过最简单的做法是等权合成，也见过用机器学习做动态权重的。但说实话，复杂的方法不一定更好。

3.3.1 因子标准化

不同因子的量纲不同，必须先标准化。常用的方法有：

• Z-score标准化：减去均值除以标准差
• 排序标准化：将因子值转为百分位排名
• MAD截尾法：用中位数代替均值，对异常值更鲁棒

我个人习惯用排序标准化。为什么？因为Z-score对极端值太敏感，一个极端值就能把整个分布拉偏。排序标准化虽然损失了一些信息，但胜在稳健。

3.3.2 因子权重优化

权重优化的目标，通常是最大化组合的IC（信息系数）或IR（信息比率）。常用的方法包括：

你想想看，如果因子之间的相关性很低，等权法其实就够用了。但如果因子之间有明显的强弱之分，我会用IR加权法——它既考虑了因子的预测能力，又考虑了因子的稳定性。

3.3.3 因子正交化

因子之间往往存在相关性。比如估值因子和成长因子，很多时候是负相关的。如果不做正交化，合成后的因子会存在“重复计算”的问题。

我常用的方法是施密特正交化（Gram-Schmidt），或者用PCA提取主成分。但要注意：正交化后的因子，经济含义可能会变模糊。比如你正交化后得到一个“剔除成长后的估值因子”，这个因子还能不能叫估值因子？嗯，这是个值得思考的问题。

3.4 知识体系框架

为了让你更直观地理解这一章的内容，我画了一张框架图。它展示了多因子策略从因子挖掘到组合优化的完整流程。

这张图把整个流程串起来了。你会发现，因子挖掘只是第一步，后面的处理、合成、组合构建，每一步都可能让策略“翻车”。

好了，这一章的内容就到这里。多因子模型的核心，说白了就是“找到靠谱的信号，用靠谱的方式组合起来”。别被那些花哨的模型迷了眼，先把基础打牢，比什么都重要。