一、因子投资基础：从概念到实战
大家好，我是老张。在量化投资这个行当摸爬滚打了十几年，今天咱们聊聊因子投资。说实话，这玩意儿是量化策略的基石，搞不懂因子，后面的模型都是空中楼阁。
因子是什么？简单说，就是能解释股票收益差异的那些特征。你想想看，为什么茅台涨得多，而某只垃圾股跌成狗？背后一定有原因。这些原因，就是因子。
1.1 因子的定义与分类
我个人习惯把因子分成三大类：基本面因子、技术面因子、另类数据因子。咱们一个一个说。
基本面因子
这类因子来自公司财务报表。比如市盈率、市净率、盈利增长率、ROE等等。我在项目中遇到过最典型的例子：2018年A股大跌，但低市盈率组合回撤明显小于高市盈率组合。说白了，便宜货在熊市里更抗跌。
核心逻辑：基本面因子反映的是公司内在价值。你买股票，本质上买的是公司未来的现金流。
技术面因子
这类因子来自价格和成交量数据。比如动量因子（过去涨得好的股票未来继续涨）、反转因子（涨多了会跌）、波动率因子等等。
嗯，这里要注意：技术面因子在A股的有效性跟美股不太一样。我记得2015年股灾后，A股的动量因子失效了整整两年。为什么？因为市场结构变了，散户主导变成了机构主导。
另类数据因子
这是最近五年火起来的方向。包括卫星图像、电商数据、招聘数据、舆情数据等等。说白了，就是传统数据之外的任何能预测股价的信息。
我的经验：另类数据因子最大的坑是数据质量。我曾经用爬虫抓取招聘数据做因子，结果发现某公司招聘信息全是假的——人家在刷KPI。从那以后，我养成了先做数据清洗再建模的习惯。
下面这张图展示了因子投资的整体框架：
1.2 因子投资的发展历程
因子投资不是凭空冒出来的。它经历了从简单到复杂、从单因子到多因子的演变过程。我把它分成三个阶段：
第一阶段：CAPM（资本资产定价模型）
1960年代，夏普等人提出了CAPM。核心思想就一句话：股票的预期收益只跟市场风险（Beta）有关。你想想看，如果这个模型是对的，那所有股票的超额收益都来自承担市场风险。但现实呢？显然不是。
我曾经踩过的坑：刚入行时，我用CAPM算预期收益，结果发现很多股票的实际收益跟模型预测差得离谱。后来才明白，CAPM假设太强了——它假设市场是有效的，投资者是理性的。但现实世界哪有那么完美？
第二阶段：Fama-French三因子模型
1993年，Fama和French发现，除了市场风险，还有两个因子能解释股票收益：规模因子（小盘股比大盘股收益高）和价值因子（低市净率股票比高市净率股票收益高）。
这个模型在业界影响巨大。我2010年做A股量化时，三因子模型在A股的解释力能达到70%以上。但后来随着市场变化，解释力逐渐下降。为什么？因为知道这个模型的人太多了，大家都在用，因子就失效了。
第三阶段：多因子模型的爆发
进入21世纪，研究者发现了越来越多的有效因子。比如动量因子、质量因子、低波动因子等等。现在主流的量化机构，用的都是几十甚至上百个因子的组合。
下面这个表格总结了因子投资的发展脉络：
| 阶段 | 时间 | 核心模型 | 关键因子 | 我的评价 |
|---|---|---|---|---|
| 第一阶段 | 1960s | CAPM | 市场因子（Beta） | 太理想化，实战效果差 |
| 第二阶段 | 1990s | Fama-French三因子 | 市场、规模、价值 | 里程碑式的突破 |
| 第三阶段 | 2000s至今 | 多因子模型 | 动量、质量、低波动等 | 百花齐放，但因子拥挤 |
1.3 因子投资的实战要点
说了这么多理论，咱们聊聊实战。我个人总结了几条经验：
- 因子不是越多越好。我见过有人用200个因子做模型，结果过拟合得一塌糊涂。其实20-30个高质量的因子就够了。
- 因子会失效。这是最残酷的现实。一个因子被发现后，随着资金涌入，超额收益会逐渐消失。所以需要不断挖掘新因子。
- 因子组合比单因子更稳定。单个因子可能忽好忽坏，但多个因子组合在一起，收益曲线会平滑很多。
核心观点：因子投资的本质是寻找系统性的定价错误。你不需要预测市场涨跌，只需要找到那些被错误定价的股票，然后等待价值回归。
好了，这一章就到这里。因子投资是个大话题，后面我们会深入每个因子的具体挖掘方法。记住，理论是基础，实战才是检验真理的唯一标准。