1. 因子投资概述
1.1 因子投资的定义
因子投资（Factor Investing）是一种系统化的投资方法论，通过识别并暴露于能够解释资产收益横截面差异的、具有风险溢价或行为偏差的共性特征（即“因子”），来构建投资组合并获取超额收益。其核心思想在于：资产的收益并非完全随机，而是可以被少数几个关键驱动因素所解释。
核心公式： 因子投资的理论基础源于套利定价理论（APT）与多因子模型。一个典型的线性多因子模型可表示为：
E(R_i) = R_f + β_i1 * F_1 + β_i2 * F_2 + ... + β_ik * F_k + ε_iE(R_i) 为资产 i 的预期收益，R_f 为无风险利率，β_ik 为资产 i 在因子 k 上的暴露度，F_k 为因子 k 的预期溢价，ε_i 为特质收益。
1.2 发展历史
因子投资的发展经历了从学术理论到量化实践的演进过程，以下表格梳理了关键里程碑：
| 时期 | 代表人物/事件 | 核心贡献 |
|---|---|---|
| 1960s | Sharpe, Lintner | 资本资产定价模型（CAPM），提出市场因子（Beta） |
| 1970s | Ross | 套利定价理论（APT），允许多个系统性因子 |
| 1980s | Fama & French | 三因子模型（市场、规模、价值），奠定多因子框架 |
| 1990s | Jegadeesh & Titman | 动量因子的系统性发现与验证 |
| 2000s | Carhart, Novy-Marx | 四因子模型（加入动量）、质量因子研究 |
| 2010s至今 | 量化对冲基金、Smart Beta ETF | 因子投资的工业化、因子库搭建与机器学习融合 |
1.3 主流因子分类
根据学术研究与业界实践，主流因子通常被划分为以下几大类。每个因子代表一种独特的收益来源或风险暴露。
- 价值因子（Value）： 买入相对于其基本面（如账面价值、盈利、现金流）被低估的股票，卖出被高估的股票。常见指标：
Book-to-Price (BP)、Earnings Yield (EP)、Cash Flow Yield。 - 动量因子（Momentum）： 买入过去一段时间（通常6-12个月）表现优异的股票，卖出表现差的股票。常见指标：
过去12个月收益率（剔除最近1个月）、过去6个月收益率。 - 质量因子（Quality）： 买入具有高盈利能力、稳定增长、低财务杠杆和高质量治理的公司。常见指标：
ROE、毛利率、资产负债率、盈利稳定性。 - 低波因子（Low Volatility）： 买入历史波动率较低的股票，卖出高波动股票。常见指标：
过去1年日收益率标准差、Beta、最大回撤。 - 规模因子（Size）： 买入小市值公司股票，卖出大市值公司股票。常见指标：
总市值。 - 成长因子（Growth）： 买入具有高营收或盈利增长预期的股票。常见指标：
营收增长率、盈利增长率、分析师预期增长。
实践提示： 在因子库搭建初期，建议优先覆盖价值、动量、质量、低波这四大核心因子。它们在不同市场周期中表现出较强的互补性，是构建多因子策略的基石。
1.4 因子库在量化策略中的核心地位
因子库是量化策略的“原材料仓库”，其质量直接决定了策略的上限。一个完整的量化策略流程中，因子库处于承上启下的枢纽位置。
因子库的核心地位体现在以下三个层面：
- 信号生成层： 因子库将原始行情、财务、另类数据转化为可交易的信号（Alpha信号），是策略收益的直接来源。
- 风险分解层： 通过因子暴露分析，可以精确度量投资组合在价值、动量、规模等维度上的风险敞口，实现风险归因与控制。
- 策略迭代层： 因子库的IC分析（信息系数）与因子衰减监控，为策略的持续优化和失效预警提供了数据基础。
常见误区： 许多初学者认为因子越多越好，盲目堆砌数百个因子。实际上，因子库的核心在于“有效”与“正交”。冗余因子不仅增加计算成本，还会引入多重共线性，降低策略的稳健性。建议从20-30个经过严格IC检验的核心因子起步。
1.5 因子投资的核心逻辑框架
为了更直观地理解因子投资的运作机制，下图展示了从数据到收益的完整逻辑链条。