一、因子投资概述：什么是因子？因子投资的起源与发展、多因子模型的核心逻辑
1.1 到底什么是“因子”？
先问大家一个问题：为什么有的股票涨得多，有的股票涨得少？
你可能会说，因为公司业绩好、因为行业风口来了、因为庄家炒作……这些都没错。但作为量化从业者，我们需要把这些“原因”抽象成可量化、可回测、可复制的变量。这个变量，就是因子。
我个人习惯把因子理解为：能够解释股票收益率差异的某种特征。比如：
- 估值因子：市盈率低的股票，长期是否跑赢市盈率高的？
- 动量因子：过去涨得好的股票，未来是否继续涨？
- 规模因子：小盘股是否比大盘股有超额收益？
- 质量因子：高ROE、低负债的公司，是否更值得持有？
说白了，因子就是一把尺子。我们用这把尺子去量每一只股票，然后选出“尺子读数”最高的那些股票来构建组合。
核心观点：因子不是预测工具，而是风险暴露的度量。你持有某类因子，本质上是在承担某种系统性风险，并期望获得相应的风险溢价。
1.2 因子投资的起源与发展
因子投资不是凭空冒出来的。它的发展脉络，我简单梳理一下：
1.2.1 从CAPM到Fama-French三因子
最早的时候，大家觉得股票收益只跟市场整体涨跌有关——这就是CAPM模型。但后来学者发现，光看市场不够。比如小盘股长期跑赢大盘股，这个现象CAPM解释不了。
1992年，Fama和French发表了那篇著名的论文，提出了三因子模型：
- 市场因子（Market）：大盘涨跌带来的系统性收益
- 规模因子（SMB）：小盘股 vs 大盘股
- 价值因子（HML）：高账面市值比 vs 低账面市值比
这个模型一出，基本奠定了因子投资的理论基础。我在2015年刚入行时，第一个实盘策略就是基于三因子模型做的。说实话，当时回测曲线漂亮得让我不敢相信，结果实盘第一周就回撤了5%。嗯，这里要注意——回测和实盘之间，永远隔着一条叫“交易成本”的河。
1.2.2 因子家族的扩张
三因子之后，学术界和业界开始疯狂“挖因子”。到现在，已知的因子有几百个。比较主流的包括：
| 因子类别 | 典型因子 | 逻辑简述 |
|---|---|---|
| 估值类 | 市盈率、市净率、股息率 | 便宜的东西长期有溢价 |
| 动量类 | 过去12个月收益率（剔除最近1个月） | 趋势会延续，但小心反转 |
| 质量类 | ROE、毛利率、资产负债率 | 好公司值得多给钱 |
| 低波类 | 过去24个月波动率 | 低波动股票长期跑赢高波动 |
| 成长类 | 营收增长率、利润增长率 | 高增长公司有想象空间 |
你想想看，如果只用一两个因子，选出来的股票可能不够分散。但因子太多又会过拟合。所以，多因子模型的核心，就是如何把多个因子有效地组合起来。
1.3 多因子模型的核心逻辑
多因子模型，说白了就是“不要把所有鸡蛋放在一个因子的篮子里”。它的核心逻辑可以拆成三步：
- 因子计算：对每只股票，计算它在各个因子上的暴露值（比如市盈率、动量值等）
- 因子合成：把多个因子的暴露值，通过某种方式合并成一个综合得分
- 组合构建：根据综合得分，选出得分最高的股票，构建投资组合
下面这张图，是我自己画的多因子模型核心流程，你看一眼就明白了：
1.4 因子投资的“避坑”指南
做因子投资这些年，我踩过不少坑。挑几个典型的说说：
我曾经犯过的错：
- 过度挖掘因子：有一段时间我沉迷于挖“新因子”，结果挖出来的大部分都是数据挖掘的噪音。后来我给自己定了个规矩：没有经济学逻辑支撑的因子，坚决不用。
- 忽略因子衰减：一个因子被广泛报道后，它的超额收益会迅速消失。比如小盘股因子，在A股2017年之前很有效，但之后风格切换，小盘股跌得很惨。
- 因子共线性：把估值因子和股息率因子同时放进去，结果两个因子高度相关，模型变得不稳定。我现在的做法是：先做相关性分析，保留代表性最强的那个。
我的个人建议：
刚开始做多因子模型时，别贪多。先选3-5个逻辑清晰、经过长期验证的因子（比如价值、动量、质量、低波），把流程跑通。等你对数据、对市场有了感觉，再慢慢扩展因子库。
记住一句话：因子不是越多越好，稳定才是王道。
1.5 小结
这一章我们聊了因子的定义、因子投资的发展史，以及多因子模型的核心逻辑。说白了，因子投资就是用系统化的方法，把那些能赚钱的“规律”提炼出来，然后反复使用。
下一章，我们会深入讲因子的分类与选择标准——哪些因子值得用，哪些因子是陷阱。到时候我会拿几个真实的因子案例，带大家一步步分析。
公众号:蓝海资料掘金营，微信deep3321