1. 因子投资概述
1.1 因子投资的定义
因子投资是一种系统化的投资方法论，其核心思想是通过识别和捕捉能够解释资产收益差异的、可量化的共同特征（即“因子”），构建投资组合以获取超越市场的风险调整后收益。与传统的主动投资依赖基金经理的个人判断不同，因子投资建立在严谨的实证研究和统计检验之上，强调透明、规则化和可重复的投资流程。
核心公式： 资产预期收益 = 无风险利率 + Σ(因子暴露 × 因子溢价)
因子投资将复杂的市场行为拆解为若干关键驱动因素，使得投资者能够精准地暴露于特定风险源或行为偏差，从而实现精细化的风险管理和收益增强。
1.2 发展历史：从CAPM到多因子体系
因子投资的发展经历了从单因子模型到多因子体系的演进过程，以下表格梳理了关键里程碑：
| 时期 | 代表人物/模型 | 核心贡献 |
|---|---|---|
| 1960s | Sharpe, Lintner (CAPM) | 提出市场因子（Beta）是唯一解释收益的系统性风险因子 |
| 1970s-80s | Banz (1981), Basu (1977) | 发现市值（Size）、价值（Value）等市场Beta之外的异象 |
| 1993 | Fama-French 三因子模型 | 正式将市值因子（SMB）和价值因子（HML）纳入定价模型 |
| 1997 | Carhart 四因子模型 | 加入动量因子（MOM），解释短期趋势延续效应 |
| 2015 | Fama-French 五因子模型 | 新增盈利因子（RMW）和投资因子（CMA），提升解释力 |
| 2010s至今 | 学术界与业界融合 | 低波、质量、分红等因子涌现；机器学习用于因子挖掘 |
关键转折： Fama-French 三因子模型（1993）被公认为因子投资从学术研究走向量化实践的里程碑。它首次系统性地证明了除市场风险外，市值和价值是解释股票收益差异的独立因子。
1.3 主流因子分类体系
为了便于研究和应用，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。以下SVG图展示了因子投资的整体分类框架：
1.4 风格因子详解
风格因子是因子投资中最核心、应用最广泛的类别。以下表格对比了六大经典风格因子的定义、逻辑与常见代理变量：
| 因子名称 | 投资逻辑 | 常见代理变量 |
|---|---|---|
| 价值 (Value) | 买入价格相对于基本面被低估的股票 | Book-to-Price, Earnings Yield, Cash Flow Yield |
| 动量 (Momentum) | 过去表现好的股票未来继续表现好 | 过去12个月收益率（剔除最近1个月） |
| 市值 (Size) | 小市值股票长期跑赢大市值股票 | 总市值对数 |
| 低波 (Low Volatility) | 低波动率股票具有更高的风险调整后收益 | 过去3年日收益率标准差 |
| 质量 (Quality) | 高盈利能力、稳定增长、低杠杆的公司表现更优 | ROE, 毛利率, 资产负债率, 盈利稳定性 |
| 分红 (Dividend) | 高股息率股票提供稳定现金流和防御属性 | 股息率 (Dividend Yield) |
1.5 因子投资的实践意义
理解因子分类是进行因子有效性检验的前提。在后续章节中，我们将围绕IC分析（Information Coefficient）和分箱技术，系统讲解如何从数据层面验证一个因子是否真正有效。以下是因子投资实践的标准流程：
- 因子生成：基于金融理论或数据挖掘构建候选因子。
- 因子检验：通过IC分析、分组回测、回归分析等方法评估因子预测能力。
- 因子组合：将多个有效因子通过加权或优化方式合成多因子模型。
- 组合构建：根据因子暴露构建投资组合，控制风险敞口。
- 绩效归因：定期分析组合收益来源，区分因子贡献与随机波动。
注意： 因子投资并非“圣杯”。因子存在失效期、拥挤交易和结构性变化的风险。严格的IC分析和分箱检验是识别因子是否“活着”的关键工具，也是本课程的核心内容。
1.6 因子生命周期与IC分析的关系
一个因子从被发现到最终失效，通常经历以下阶段。IC分析（即因子值与未来收益的截面相关系数）是衡量因子在每个阶段预测能力的关键指标：