2、因子投资基础：因子定义、因子分类（风格、宏观、另类）、多因子模型简介
因子是量化投资中最核心的概念之一。简单来说，因子 是一种能够系统性地解释资产收益率横截面差异或时间序列波动的特征变量。一个有效的因子，必须能够将股票池按照预期收益的高低进行区分，并且这种区分能力在统计上显著、在经济上稳健。
核心直觉： 因子 = 风险溢价来源。投资者承担某种特定风险（如小公司经营风险、价值股困境风险），市场给予相应的超额回报作为补偿。
2.1 因子的正式定义
在学术与业界，因子通常通过以下两种方式定义：
- 定价因子（Pricing Factor）： 能够解释资产预期收益率截面差异的变量。例如 CAPM 中的市场因子、Fama-French 三因子中的规模因子与价值因子。
- 异象因子（Anomaly Factor）： 在实证中发现能够预测未来收益，但尚未被主流定价模型完全解释的变量。例如低波动异象、动量异象。
从数学角度看，因子通常被构造为多空组合（Long-Short Portfolio）的收益率序列。例如，规模因子 SMB（Small Minus Big）就是做多小市值股票、做空大市值股票的零投资组合收益率。
因子收益率 vs. 因子暴露： 因子收益率是因子组合本身的回报；因子暴露（Factor Loading）是单个股票对因子收益率的敏感度。在 IC 分析中，我们通常用因子暴露（即因子值）与未来一期股票收益计算截面相关系数。
2.2 因子分类体系
为了系统性地管理因子库，业界通常将因子分为三大类：风格因子、宏观因子 和 另类因子。下表展示了各类因子的典型代表与核心逻辑：
| 大类 | 子类 | 典型因子 | 核心逻辑 |
|---|---|---|---|
| 风格因子 | 价值 | Book-to-Price, Earnings Yield | 低估值股票相对高估值股票有溢价 |
| 动量 | 过去 12 个月收益率（剔除最近 1 个月） | 强者恒强，弱者恒弱（短期反转除外） | |
| 质量 | ROE, 毛利率, 资产负债率 | 高盈利能力、低财务风险的公司表现更优 | |
| 低波 | 过去 60 个月日收益率标准差 | 低波动股票长期风险调整后收益更高 | |
| 宏观因子 | 经济增长 | GDP 增速、PMI 变化 | 顺周期资产在经济扩张期表现更好 |
| 利率 | 国债收益率变化、期限利差 | 利率敏感型资产（如银行、地产）受利率影响 | |
| 通胀 | CPI 同比、大宗商品价格 | 通胀预期影响实物资产与名义资产相对收益 | |
| 另类因子 | 情绪 | 换手率、融资余额变化、期权隐含波动率 | 市场情绪极端时往往预示反转 |
| 供应链 | 客户集中度、专利引用网络 | 产业链地位决定议价能力与盈利稳定性 |
下图展示了三类因子在投资决策中的层级关系与数据来源差异：
2.3 多因子模型简介
单因子模型（如 CAPM）假设市场因子是唯一解释资产收益的来源。然而，大量实证研究表明，市场因子无法完全解释收益的横截面差异。因此，多因子模型 应运而生，它同时纳入多个因子来解释和预测资产收益。
最经典的多因子模型包括：
- Fama-French 三因子模型（1993）： 市场因子 + 规模因子 (SMB) + 价值因子 (HML)。
- Carhart 四因子模型（1997）： 三因子 + 动量因子 (WML)。
- Fama-French 五因子模型（2015）： 三因子 + 盈利能力因子 (RMW) + 投资风格因子 (CMA)。
- Barra 风险模型（MSCI）： 包含国家因子、行业因子、风格因子（如价值、动量、波动、流动性等），广泛应用于投资组合风险归因。
多因子模型的数学形式：
E(R_i) - R_f = β_i1 * F1 + β_i2 * F2 + ... + β_ik * Fk + α_i下图展示了多因子模型从因子构造到组合优化的完整工作流：
实战提醒： 多因子模型并非因子越多越好。因子之间可能存在高度共线性（例如，价值因子与低波因子在某些市场环境下高度相关），导致模型过拟合或因子溢价被稀释。在后续章节中，我们将通过 IC 分析来量化每个因子的独立预测能力，并剔除冗余因子。
2.4 因子投资的核心假设
因子投资策略的有效性建立在以下三个核心假设之上：
- 系统性风险溢价： 因子暴露对应着不可分散的系统性风险，投资者承担该风险理应获得长期补偿。
- 行为偏差： 部分因子（如动量、低波）可能源于投资者的系统性行为偏差（如过度反应、彩票偏好），这些偏差在长期中难以被套利消除。
- 市场非完全有效： 因子溢价的存在本身就是市场非完全有效的证据，量化投资的目标就是系统性地捕获这些溢价。