一、因子投资概述

因子投资，说白了就是找到那些能解释股票涨跌的共同特征。我刚开始接触这个领域时，觉得它特别玄乎——怎么几个数字就能预测市场？后来做了几年实盘，才明白这背后是有逻辑支撑的。

1.1 因子投资的定义与发展历史

因子投资的核心思想很简单：寻找能够系统性地解释资产收益的共同特征。这些特征，就是我们说的「因子」。

这个概念最早可以追溯到上世纪60年代。那时候威廉·夏普提出了CAPM模型，认为股票的收益只跟市场风险有关。嗯，这个模型太理想化了。后来Fama和French在1992年提出了三因子模型，加入了规模和估值因子，一下子把解释力提升了一大截。

我记得2015年刚入行时，国内量化圈还在争论「因子到底有没有用」。现在你再看，哪家量化私募没有自己的因子库？这十年变化太大了。

你想想看，从1个因子发展到5个因子，这背后是学术界和业界几十年的博弈。每个新因子的提出，都意味着有人发现了市场的新规律。

1.2 因子投资在量化交易中的核心地位

现在做量化交易，因子就是你的武器库。没有因子，你拿什么去分析股票？

我个人习惯把量化策略分为三层：

1. 数据层：原始行情、财务数据、另类数据
2. 因子层：从数据中提取的有效信号
3. 策略层：基于因子信号构建交易组合

因子层是承上启下的关键。数据再丰富，提炼不出有效因子也是白搭。我在项目中遇到过不少团队，数据仓库建得特别漂亮，但因子研究做得一塌糊涂，最后策略表现惨不忍睹。

为什么会这样？因为因子研究需要你对市场有深刻理解，不是跑个回归就能搞定的。

1.3 常见因子分类

因子分类有很多种方式，我按最常用的来介绍：

因子类别	核心逻辑	典型指标	我的经验
价值因子	便宜的东西总会涨	PE、PB、PS、股息率	A股价值因子经常失效，需要结合其他因子
动量因子	强者恒强，弱者恒弱	过去12个月收益（剔除最近1个月）	A股动量效应偏短期，1-3个月效果更好
质量因子	好公司就该有好回报	ROE、毛利率、资产负债率	质量因子在熊市特别抗跌
低波因子	低风险股票反而收益更高	过去1年日收益率标准差	这个因子在国内效果出奇的好
规模因子	小公司成长性更好	总市值、流通市值	2017年后小盘股表现一般，但近期又回来了

这里要特别说一下，因子不是独立存在的。它们之间会相互影响。比如小盘股往往估值也低，这时候你很难分清收益是来自规模因子还是价值因子。

1.4 因子投资的收益来源与风险暴露

因子为什么能赚钱？这个问题我思考了很久。说白了，因子收益来源于两个方面：

• 风险溢价：承担某种特定风险获得的补偿。比如价值因子，买便宜股票意味着你可能要承受公司基本面恶化的风险。
• 行为偏差：市场参与者的非理性行为。比如动量因子，投资者对好消息反应不足，导致趋势延续。

你想想看，如果因子收益完全来自风险溢价，那它应该是长期稳定的。但如果来自行为偏差，那随着市场效率提升，因子可能会逐渐失效。

我个人更倾向于认为，大多数因子是两者的混合体。比如低波因子，既有风险溢价（低波动股票通常有稳定的现金流），也有行为偏差（投资者过度追逐高波动股票）。

关于风险暴露，这里有个重要概念：因子暴露度。简单说就是你的组合在某个因子上的「敞口」有多大。比如你买了很多银行股，那你的组合在价值因子上的暴露度就很高。

我记得2018年做回测时，价值因子在A股连续18个月失效。那段时间很多同行都放弃了，但坚持下来的人，在2019年都赚得盆满钵满。这就是因子投资的本质——用耐心换取超额收益。

知识体系总览

下面这张图展示了本章的核心逻辑：

这张图把本章的核心内容串起来了。从因子投资的定义出发，延伸到它的历史、地位、分类和收益来源。你仔细看会发现，这四个分支其实是相互关联的——理解了历史才能明白分类，理解了收益来源才能把握核心地位。

好了，第一章的内容就到这里。因子投资是个大话题，后面我们会一步步深入，从因子构建到回测，再到组合优化，把每个环节都讲透。

---

公众号:蓝海资料掘金营，微信deep3321