4、因子投资入门：什么是因子？因子溢价从何而来？单因子与多因子模型简介（CAPM、Fama-French三因子、五因子）
好，咱们进入正题。这一章聊的是因子投资的底层逻辑。说白了，就是搞清楚「凭什么这个股票能涨」。
我刚开始做量化那会儿，也跟很多人一样，天天盯着K线图，觉得涨跌全靠运气。后来踩了不少坑，才明白——市场是有规律的。这些规律，就是因子。
4.1 什么是因子？
因子，你可以理解成「解释股票收益的共同特征」。它不是一个股票的名字，而是一类股票的共性。
举个例子：
- 价值因子：低市盈率、低市净率的股票，长期表现更好。
- 动量因子：过去涨得好的股票，未来一段时间还会涨。
- 规模因子：小市值公司，长期跑赢大市值公司。
每个因子，都代表一种「系统性风险」或「行为偏差」。你想想看，如果市场是完全有效的，那这些规律应该早就被套利套没了。但它们还在，说明背后有更深层的原因。
核心观点：因子不是玄学，是统计学上显著、经济学上有解释的收益来源。
4.2 因子溢价从何而来？
这个问题，学术界吵了几十年。我个人习惯把它分成两派：
- 风险补偿派：因子溢价是对承担额外风险的补偿。比如小盘股波动大、流动性差，所以长期回报更高。
- 行为金融派：因子溢价来自投资者的非理性行为。比如过度反应、羊群效应、锚定效应。
我在项目中遇到过一件事：2018年A股大跌，价值因子表现极差。很多人说「价值投资失效了」。但后来复盘发现，那只是短期风格切换。拉长到3年，价值因子依然有效。
避坑指南：我曾经以为因子是万能的，后来发现——因子也有「失效期」。关键是理解它为什么失效，而不是盲目抛弃。
4.3 单因子模型：CAPM
CAPM（资本资产定价模型）是因子模型的鼻祖。它说：股票的预期收益 = 无风险利率 + β × 市场风险溢价。
说白了，就是「市场涨你就涨，市场跌你就跌」。β衡量的是你对市场的敏感度。
但CAPM有个大问题——它解释不了很多现象。比如：
- 为什么小盘股长期跑赢大盘股？
- 为什么低市盈率股票表现更好？
这些「异常收益」，CAPM统统解释不了。于是，Fama和French出手了。
4.4 Fama-French三因子模型
1993年，Fama和French在CAPM基础上加了两个因子：
- SMB（规模因子）：小市值减大市值
- HML（价值因子）：高账面市值比减低账面市值比
模型变成：
R = Rf + β_mkt × (Rm - Rf) + β_smb × SMB + β_hml × HML + α这个模型一出，解释力大幅提升。我记得第一次跑这个模型时，R²从CAPM的0.6直接跳到0.9以上。那种感觉，就像突然戴上了眼镜，世界清晰了。
关键点：三因子模型不是完美的，但它提供了一个「基准」。任何超额收益（α），都要先扣除这三个因子的贡献。
4.5 Fama-French五因子模型
2015年，Fama和French又加了两个因子：
- RMW（盈利能力因子）：高盈利减低盈利
- CMA（投资风格因子）：保守投资减激进投资
五因子模型长这样：
R = Rf + β_mkt × (Rm - Rf) + β_smb × SMB + β_hml × HML + β_rmw × RMW + β_cma × CMA + α为什么要加这两个？因为三因子模型发现，有些高盈利、低投资的股票，收益异常高。说白了，就是「好公司+不乱花钱」的组合，长期表现更好。
嗯，这里要注意：五因子模型不是三因子的替代品，而是补充。在实际项目中，我通常先用三因子做基准，如果发现α显著，再拆解到五因子看看。
4.6 知识体系图
下面这张图，帮你理清本章的核心逻辑：
4.7 实际应用中的注意事项
最后，分享几个实战经验：
- 因子不是越多越好：我见过有人用50个因子做选股，结果过拟合得一塌糊涂。记住，奥卡姆剃刀——简单有效才是王道。
- 因子会失效：2019-2020年，动量因子在A股几乎失效。如果你死扛，会亏得很惨。要学会动态调整。
- 因子组合优于单因子：单因子波动大，多因子组合可以平滑收益曲线。我习惯用3-5个低相关因子做组合。
警告：不要迷信因子回测结果。回测是后视镜，未来才是方向盘。因子投资的核心是理解逻辑，而不是追求统计显著性。
好了，这一章就到这里。因子投资的门，已经为你打开了。接下来，咱们会深入每个因子的实战细节。
公众号:蓝海资料掘金营，微信deep3321