一、因子到底是什么？
说实话，我刚入行时也被「因子」这个词唬住了。听起来很高大上，对吧？
其实没那么玄乎。因子，说白了就是能解释资产收益率的东西。
你想想看，为什么有的股票涨得多，有的涨得少？为什么有时候债券表现好，有时候黄金表现好？背后一定有原因。这些原因，就是因子。
我个人习惯把因子想象成「菜谱里的调料」。一道菜好不好吃，取决于盐、糖、辣椒这些调料的搭配。资产收益也一样——它是由多个因子共同决定的。
因子的两个关键特征
- 系统性： 因子影响的不只是一两只股票，而是整个群体。比如利率上升，几乎所有债券都会受影响。
- 可解释性： 因子背后得有逻辑支撑。不能光靠数据挖掘找个相关性就完事。
我在项目中遇到过不少新手，上来就搞几百个因子，结果回测漂亮，实盘一塌糊涂。为什么？因为那些因子没有经济含义，纯粹是数据噪音。
二、因子投资的起源
因子投资不是凭空冒出来的。它的根，扎在经典的金融理论里。
2.1 CAPM：一切的开端
1960年代，威廉·夏普提出了资本资产定价模型（CAPM）。这个模型说：股票的预期收益，只跟一个因子有关——市场风险。
公式很简单：
E(Ri) = Rf + βi × [E(Rm) - Rf]其中：
- E(Ri) 是股票i的预期收益
- Rf 是无风险利率
- βi 是股票对市场的敏感度
- E(Rm) - Rf 是市场风险溢价
CAPM 在当时是革命性的。它第一次用数学语言告诉我们：承担风险，才有回报。而且只有系统性风险才被定价，非系统性风险可以通过分散化消除。
但问题来了——CAPM 解释不了很多市场现象。比如：
- 为什么小盘股长期跑赢大盘股？
- 为什么低估值股票比高估值股票收益更高？
CAPM 说这些超额收益不应该存在。但现实就是存在。嗯，这说明模型有问题。
2.2 Fama-French 三因子模型：里程碑式的突破
1992年，尤金·法玛和肯尼斯·弗伦奇发表了那篇著名的论文。他们发现，除了市场因子，还有两个因子能显著解释股票收益：
- 规模因子（SMB）： 小市值股票 vs 大市值股票
- 价值因子（HML）： 高账面市值比 vs 低账面市值比
三因子模型长这样：
E(Ri) - Rf = βi × (Rm - Rf) + si × SMB + hi × HML这个模型比 CAPM 的解释力强太多了。我记得第一次跑这个模型时，R² 从 CAPM 的 0.3 直接跳到了 0.8 以上。当时我就想：这才对嘛！
三、因子与宏观因子的区别
这个问题，我经常被问到。很多人以为因子就是宏观因子，其实不是一回事。
| 维度 | 传统因子 | 宏观因子 |
|---|---|---|
| 数据来源 | 个股特征（市值、估值、动量等） | 宏观经济变量（GDP、CPI、利率等） |
| 频率 | 月度/周度 | 季度/年度 |
| 覆盖范围 | 横截面（股票之间比较） | 时间序列（经济周期变化） |
| 典型例子 | 规模、价值、动量、质量 | 经济增长、通胀、利率、信用 |
| 投资方式 | 多空组合（做多某些股票，做空另一些） | 资产配置（调整股债比例） |
说白了，传统因子回答的是「买哪只股票」的问题，而宏观因子回答的是「买股票还是买债券」的问题。
举个例子：
- 如果你用价值因子，你会买入低估值股票，卖出高估值股票。这是选股层面的操作。
- 如果你用经济增长因子，你会判断经济处于扩张期还是衰退期，然后决定多配股票还是多配债券。这是配置层面的操作。
我个人习惯把宏观因子叫做「顶层的因子」。它们决定了整个资产类别的走势，而传统因子则是在这个框架下做精细化选股。
四、本章知识体系
下面这张图，是我自己梳理的本章知识结构。建议你保存下来，后面学习时随时对照。
五、本章小结
聊了这么多，我帮你把核心要点捋一遍：
- 因子是解释资产收益的变量，它必须有系统性和可解释性。别被花哨的名字唬住。
- 因子投资起源于CAPM，但真正爆发是从Fama-French三因子模型开始的。这个模型至今仍是业界标准。
- 传统因子和宏观因子是两码事。前者帮你选股，后者帮你配置。两者结合，才是完整的因子投资框架。
嗯，这一章就到这里。记住：因子投资不是魔法，它只是用系统化的方式，把那些长期有效的投资逻辑变成了可执行的策略。下一章，我们聊聊如何构建第一个因子组合。