1. 因子研究基础：因子定义、分类与核心地位

1.1 因子的定义与本质

在量化金融中，因子（Factor） 是指能够系统性地解释和预测资产预期收益的某种特征或变量。因子的本质是风险溢价或市场异象的量化表达——它捕捉了不同资产在横截面上收益差异的共性来源。

一个有效的因子通常满足以下条件：

• 显著性： 因子收益率在统计上显著不为零（t-statistic > 2.0）。
• 持续性： 因子在多个市场周期中保持有效，而非数据挖掘的偶然结果。
• 可解释性： 因子背后有经济学或行为金融学逻辑支撑。
• 可投资性： 因子暴露可以通过实际交易组合实现。

1.2 因子分类体系

因子按照数据来源和逻辑基础，通常分为三大类：基本面因子、技术面因子和另类因子。下表对比了这三类因子的核心特征：

1.3 因子研究在量化投资中的核心地位

因子研究是量化投资体系的基石。从策略开发到风险管理的全流程，因子都扮演着不可替代的角色。下图展示了因子研究在量化投资中的核心位置：

因子研究的核心地位体现在以下三个层面：

1. 收益来源： 因子是超额收益（Alpha）的主要来源。多因子模型通过组合多个低相关性的有效因子，实现收益来源的分散化。
2. 风险归因： 因子暴露分析可以解释组合收益的90%以上波动，帮助基金经理理解风险敞口并进行主动管理。
3. 策略迭代： 因子研究提供了系统化的策略改进路径——通过IC分析、因子衰减监测、新因子挖掘，持续优化策略表现。

1.4 因子研究的核心流程

一个完整的因子研究流程通常包含以下步骤，这些步骤构成了本课程后续章节的骨架：

1.5 因子研究的评价指标

在后续章节中，我们将深入探讨IC分析。这里先列出因子研究中最核心的四个评价指标：