1、Alpha因子概述：什么是Alpha因子、因子投资的历史、因子与策略的关系、Alpha因子的分类体系
1.1 到底什么是Alpha因子？
说实话，Alpha因子这个词在量化圈里被用得太多了。很多人一开口就是「我要挖Alpha因子」，但真要问他们什么是Alpha，反而说不清楚。
我个人的理解很简单：Alpha因子，就是能预测股票未来收益的某种特征或信号。它可以是市盈率、动量、换手率，甚至是你家楼下超市的客流量——只要它跟未来收益有稳定的相关性，理论上就能成为Alpha因子。
嗯，这里要注意一点：Alpha因子跟Beta因子不一样。Beta因子解释的是市场整体的涨跌，而Alpha因子解释的是个股超越市场的部分。说白了，Beta让你跟上大盘，Alpha让你跑赢大盘。
核心定义：Alpha因子 = 能够产生超额收益（Excess Return）的预测性信号。
数学上，Alpha就是回归方程 R_i - R_f = α + β(R_m - R_f) + ε 中的截距项α。
我在项目中遇到过不少新手，上来就问我：「能不能给我一个万能的Alpha因子？」我的回答永远是：没有。Alpha因子有生命周期，会衰减，会失效。你想想看，如果真有万能因子，那市场早就被一个人赚光了。
1.2 因子投资的历史：从直觉到科学
因子投资不是凭空冒出来的。它的发展史，其实就是人类对市场认知不断深化的过程。
| 年代 | 里程碑 | 代表人物/事件 |
|---|---|---|
| 1950s | 现代投资组合理论 | Markowitz 提出均值-方差模型 |
| 1960s | CAPM 模型 | Sharpe 等人提出市场Beta因子 |
| 1970s | 多因子模型萌芽 | Fama 提出三因子模型雏形 |
| 1990s | Fama-French 三因子模型 | 规模因子、价值因子正式登场 |
| 2000s | 量化因子爆发 | 动量、质量、低波等因子被广泛研究 |
| 2010s至今 | 机器学习+另类数据 | 高频因子、舆情因子、图像因子涌现 |
我记得刚入行时，前辈跟我说过一句话：「因子投资的历史，就是一部不断发现新规律、又不断被市场抹平规律的历史。」这话我到现在都觉得特别对。
为什么会这样？因为市场是动态的。当一个因子被公开后，大量资金涌入套利，这个因子的收益就会迅速衰减。我曾经跟踪过一个经典的「低波动异象」因子，2015年之前表现极好，但2017年后几乎失效——说白了，知道的人太多了。
1.3 因子与策略的关系：别搞混了
很多初学者会把「因子」和「策略」混为一谈。我建议你记住一句话：因子是策略的砖瓦，策略是因子的建筑。
一个典型的量化策略流程是这样的：
- 因子挖掘：找到有预测能力的Alpha因子
- 因子合成：将多个因子组合成综合信号
- 策略构建：基于综合信号制定买卖规则
- 回测与风控：验证策略的有效性和稳健性
你想想看，单因子就像一把螺丝刀，能拧螺丝但盖不了房子。只有把螺丝刀、锤子、电钻（多个因子）组合起来，才能搭出完整的策略框架。
个人经验：我早期犯过一个错误——找到一个高IC的因子就急着上实盘。结果呢？因子在样本外表现一塌糊涂。后来我学乖了：单因子再强，也要做组合、做正交化、做风险暴露控制。
这里有一个避坑指南：因子和策略之间，隔着「鲁棒性」这道坎。一个因子在回测里表现好，不代表它在实盘里也能赚钱。我曾经见过一个因子，回测夏普比3.0，实盘直接变成0.5——原因是回测时没考虑交易成本和冲击成本。
1.4 Alpha因子的分类体系
Alpha因子怎么分类？说实话，业界没有统一标准。但我个人习惯按数据来源和逻辑类型两个维度来划分。
先看一张我画的分类图，帮你建立整体认知：
下面我展开讲讲几个主流分类：
1.4.1 按数据来源分类
- 价格/量因子：基于历史价格和成交量计算。比如动量因子（过去N日收益率）、反转因子（过去N日跌幅）、换手率因子等。这类因子计算简单，但容易拥挤。
- 基本面因子：基于财务报表数据。比如市盈率、市净率、ROE、毛利率等。我个人的经验是，基本面因子在A股的中低频策略中效果不错，但要注意财报的滞后性。
- 另类数据因子：包括卫星图像、信用卡流水、供应链数据等。这类因子门槛高、容量大，但清洗难度也大。我曾经处理过一份卫星停车场的图像数据，光清洗就花了两周。
- 舆情/文本因子：从新闻、研报、社交媒体中提取的情绪信号。比如正面新闻占比、分析师评级调整等。
1.4.2 按逻辑类型分类
| 因子类型 | 核心逻辑 | 经典例子 |
|---|---|---|
| 动量因子 | 强者恒强，弱者恒弱 | 过去12个月收益率（剔除最近1个月） |
| 反转因子 | 涨多了会跌，跌多了会涨 | 过去5日跌幅 |
| 价值因子 | 便宜的股票长期跑赢 | 市盈率倒数、市净率倒数 |
| 质量因子 | 好公司有溢价 | ROE、毛利率、资产负债率 |
| 低波因子 | 低波动股票长期收益更高 | 过去60日收益率标准差 |
| 成长因子 | 高增长公司受追捧 | 营收增长率、净利润增长率 |
注意：同一个因子可能同时属于多个类别。比如「低波价值因子」既属于低波类，也属于价值类。分类只是为了方便理解，实际建模时不要被分类框死。
最后说一句：Alpha因子的世界很大，别指望一篇文章就能吃透。我做了这么多年，每次以为自己懂了，市场就会给我上一课。但正是这种不断探索的过程，才让量化投资变得如此迷人。
公众号:蓝海资料掘金营，微信deep3321