因子分类体系：基本面因子、技术因子、另类因子、高频因子的划分与特点
做因子投资这些年，我最大的体会就是：因子分类搞不清楚，后面全白搭。你想想看，如果把动量因子当成基本面因子去分析，或者把高频因子用日频数据去回测，那结果能对吗？
今天咱们就把这四类因子掰开揉碎了讲清楚。我个人习惯把因子分成四个篮子：基本面、技术、另类、高频。每个篮子里的因子，它们的数据来源、更新频率、逻辑基础、适用场景都不一样。
一、基本面因子：慢变量，大逻辑
基本面因子，说白了就是看公司"值不值钱"。这类因子依赖的是财务报表、宏观经济数据。更新频率通常是季度或年度。
常见的包括：
- 估值类：市盈率（PE）、市净率（PB）、市销率（PS）
- 盈利类：ROE、毛利率、净利率
- 成长类：营收增长率、净利润增长率
- 财务质量：资产负债率、现金流比率
核心特点：
- 数据稳定，不易被操纵（相对而言）
- 逻辑清晰，容易解释
- 换手率低，适合大资金
- 但——反应慢，等财报出来黄花菜都凉了
我在项目中遇到过一件事：用PE因子做沪深300增强，回测效果特别好。但实盘时发现，有些周期股在行业低谷时PE反而高，结果我们买在了山顶上。嗯，这里要注意——基本面因子一定要做行业中性化处理，不然会被行业结构带偏。
二、技术因子：快变量，看情绪
技术因子关注的是价格和成交量本身。这类因子不关心公司赚不赚钱，只看"市场在干什么"。
常见的技术因子：
- 动量因子：过去N个月的收益率（经典中的经典）
- 反转因子：短期超跌反弹
- 波动率因子：低波动异象
- 成交量因子：量价配合、换手率
| 因子名称 | 计算方式 | 逻辑基础 |
|---|---|---|
| 动量因子 | 过去12个月收益率（剔除最近1个月） | 趋势延续 |
| 反转因子 | 过去1个月收益率取负 | 过度反应后的修复 |
| 低波因子 | 过去60日收益率标准差 | 投资者偏好彩票型股票 |
避坑指南：我曾经用日频数据算动量因子，结果发现A股里短期反转效应特别强。后来改成周频，效果就好多了。不同市场、不同周期，技术因子的表现天差地别。
三、另类因子：非传统，挖信息
另类因子是最近十年火起来的。数据来源五花八门：卫星图像、电商评论、招聘数据、专利数量……说白了，就是从非传统渠道挖掘Alpha。
我常用的另类因子：
- 舆情因子：新闻情感分析、社交媒体热度
- 供应链因子：上下游企业的关联交易
- 专利因子：专利申请数量、被引用次数
- 招聘因子：某公司招聘岗位数量的变化
为什么会有人用另类因子？因为信息优势。当所有人都盯着财报时，你从卫星图看到某工厂的停车场车流量暴增——这就是Alpha的来源。
注意：另类因子最大的坑是数据质量。我曾经用爬虫抓取招聘数据，结果发现某招聘网站的数据有严重偏差——它只覆盖了互联网行业。用这种数据做因子，选出来的全是科技股，行业暴露太大了。
四、高频因子：微结构，抓瞬间
高频因子用的是Tick级数据，或者分钟级数据。这类因子捕捉的是市场微观结构——订单流、买卖价差、订单簿不平衡等。
典型的高频因子：
- 订单流不平衡：主动买盘 vs 主动卖盘的差值
- 买卖价差：流动性指标
- 成交量分布：大单 vs 小单的占比
- 价格冲击：每单位成交量引起的价格变动
高频因子的特点：
- 信号衰减极快——几分钟甚至几秒钟就失效
- 对交易成本极其敏感
- 需要高性能计算和低延迟交易系统
- 容量有限——资金量大了就做不动
我记得有一次做高频因子回测，年化收益看着有30%。结果一算交易成本——印花税、佣金、冲击成本全加上——直接变成负收益。所以做高频因子，一定要把交易成本算清楚，不然就是纸上富贵。
五、四类因子的对比与选择
下面这张图是我自己整理的因子分类框架，帮你快速理解它们之间的关系：
六、实际应用中的组合策略
做宽基指数增强，我个人建议不要只押注一类因子。你看那些做得好的量化团队，基本都是多因子混合。
举个例子，沪深300增强组合可以这样配：
- 50% 基本面因子：ROE + 估值，保证底仓质量
- 30% 技术因子：动量 + 低波，捕捉趋势
- 20% 另类因子：舆情 + 供应链，获取超额
高频因子一般不用于指数增强，因为换手率太高，冲击成本吃不消。但如果你做的是中证500或者中证1000的增强，适当加入一些日内信号，效果会不错。
一个小技巧：不同因子之间要做相关性分析。如果两个因子相关系数超过0.7，那它们其实在说同一件事。我一般会保留逻辑更清晰的那个，去掉另一个。
好了，因子分类体系就讲到这里。记住一句话：没有最好的因子，只有最合适的因子。关键看你的资金规模、换手率限制、还有数据获取能力。