一、因子投资概述

大家好，我是你们这门课的主讲人。在量化投资这个行当摸爬滚打了十几年，我见过太多人一上来就追着问「哪个策略赚钱」，却很少有人先问一句「赚钱的逻辑到底是什么」。

因子投资，说白了就是回答这个问题的。它不是玄学，也不是黑箱。它是一套严谨的、可复现的、有经济学逻辑支撑的投资方法论。

1.1 因子投资的定义

先给个定义。因子投资，是指通过识别和捕捉驱动资产收益的、系统性的、可解释的共同特征，来构建投资组合的一种方法论。

嗯，这句话有点绕。我换个说法：

你想想看，为什么有些股票涨得好，有些就趴着不动？背后一定有原因。可能是这家公司赚钱能力强（盈利因子），可能是它价格便宜（价值因子），也可能是它最近势头正猛（动量因子）。这些「原因」，就是因子。

举个例子。我在2015年做过一个回测，把A股所有股票按市盈率排序，买入最便宜的20%，卖出最贵的20%。你猜怎么着？长期下来，这个简单的「价值因子」组合，年化超额收益超过8%。

当然，后来这个策略失效过一段时间。但那是后话了，我们后面章节会详细讲因子失效的问题。

1.2 发展历史：从CAPM到多因子模型

因子投资不是凭空冒出来的。它的发展脉络，我梳理成了一张图，你先看看：

这张图很清楚地展示了因子投资的演进路径。我挑几个关键节点说说：

• 1964年 · CAPM诞生：夏普提出，股票的收益只跟一个东西有关——市场风险（Beta）。这是因子投资的「始祖」。但后来大家发现，光靠Beta解释不了所有收益差异。
• 1993年 · Fama-French三因子模型：这是里程碑。Fama和French发现，除了市场风险，小盘股（规模因子）和便宜股（价值因子）也能带来超额收益。我当年读这篇论文时，真的有种「原来如此」的感觉。
• 1997年 · 动量因子：Carhart加入动量因子，变成四因子模型。动量因子说白了就是「追涨杀跌」——过去涨得好的，未来一段时间还会涨。
• 2015年 · Fama-French五因子：又加入了盈利因子和投资因子。模型越来越精细，但说实话，因子越多，共线性问题就越头疼。这个我们后面会讲。

1.3 因子投资在量化投资中的地位

因子投资在量化投资里是什么位置？我打个比方：

如果把量化投资比作盖房子，因子投资就是「地基」和「砖块」。没有因子，你那些复杂的机器学习模型、高频交易策略，都是空中楼阁。

具体来说，因子投资有三大作用：

作用	说明	我的体会
解释收益来源	搞清楚你的钱到底是怎么赚的	我见过太多人赚了钱却不知道为什么，亏了钱也不知道为什么。因子分析能帮你「归因」
控制风险暴露	主动选择你想承担的风险，避开不想承担的风险	2018年那次回撤，就是因为我没有控制好价值因子的暴露。后来我学乖了
构建投资组合	把多个因子组合起来，实现分散化	单一因子就像一把刀，多因子组合才是一套工具箱

1.4 一个简单的因子投资流程

说了这么多理论，来点实际的。一个标准的因子投资流程，大致分五步：

1. 因子挖掘：找到有逻辑支撑的候选因子。比如市盈率、市净率、过去6个月收益率等。
2. 因子测试：回测验证因子的有效性。看IC（信息系数）、IR（信息比率）、分组收益等指标。
3. 因子组合：把多个有效因子合成一个综合因子。常用的方法有等权加权、IC加权、优化加权等。
4. 组合构建：根据综合因子得分，选出得分最高的股票，构建投资组合。
5. 风险控制：控制行业暴露、市值暴露、换手率等，防止组合出现意外风险。

嗯，这个坑我踩过，希望你别再踩一次。

1.5 因子投资的核心理念

最后，我想强调三个核心理念。这些是我做了这么多年因子投资，最想告诉你的：

• 因子要有经济学逻辑：别搞「数据挖掘」。一个因子如果讲不出为什么能赚钱，那它大概率是过拟合的产物。你想想看，如果连你自己都不信这个因子，你怎么敢重仓它？
• 因子会失效：这是最残酷但最真实的一点。没有永远有效的因子。价值因子在2018-2020年就失效了三年。所以，因子组合需要动态调整，需要不断迭代。
• 因子投资不是圣杯：它只是一套方法论。它能帮你系统性地赚钱，但不能保证你每次都赚钱。接受这一点，你才能真正用好因子投资。

好了，第一章就到这里。因子投资的世界很大，我们后面会一步步深入。记住今天讲的：因子是解释收益的「最小公因数」，是量化投资的基石。

---