1. 量化因子概述
1.1 什么是量化因子
量化因子（Quantitative Factor）是能够解释或预测资产价格变动、收益差异的标准化可度量特征。在量化投资中，因子将市场规律、投资者行为、公司基本面等信息转化为数值信号，是构建多因子模型、选股策略和风险归因的最小原子单元。
核心定义：因子 = 可计算的、具有经济解释力的、能产生稳定风险溢价或超额收益的资产特征。
一个有效的量化因子通常满足以下条件：
- 可量化：能够通过公开数据（价格、财务、另类数据）计算为连续或离散数值。
- 可复现：同一算法在不同时间、不同数据集上能稳定输出一致结果。
- 有解释力：因子与未来收益之间存在统计显著的相关性或因果逻辑。
- 可交易：基于因子构建的投资组合能产生扣除成本后的正收益。
1.2 因子在量化交易中的作用
因子在量化交易全生命周期中扮演多重角色，从信号生成到风险控制均离不开因子体系：
| 应用环节 | 因子作用 | 典型场景 |
|---|---|---|
| 选股/选资产 | 对资产排序打分，筛选多头/空头组合 | 多因子打分选股、行业轮动 |
| 风险模型 | 识别共同风险暴露，计算协方差矩阵 | Barra 风险模型、波动率分解 |
| 绩效归因 | 分解收益来源，区分 alpha 与 beta | Brinson 归因、因子贡献分析 |
| 组合优化 | 约束因子暴露，控制风格漂移 | 风险平价、因子中性化 |
| 策略研发 | 挖掘新因子，构建因子库，回测验证 | 因子 IC 分析、分层回测 |
实践要点：因子不是越多越好。因子库管理的核心在于因子的正交性、稳定性和可解释性。冗余因子会引入多重共线性，降低模型泛化能力。
1.3 常见因子分类
根据经济逻辑和学术研究，量化因子通常分为以下四大类：
除上述四大经典分类外，实际因子库中还包含以下重要类别：
| 因子类别 | 经济逻辑 | 常见指标 | 适用市场 |
|---|---|---|---|
| 动量因子 | 趋势延续、反应不足、投资者关注度滞后 | 过去 12 个月收益率（剔除最近 1 个月）、RSI、MACD | 股票、期货、外汇 |
| 价值因子 | 市场过度悲观、均值回归、安全边际 | PE、PB、PS、PCF、股息率 | 股票（尤其成熟市场） |
| 质量因子 | 盈利能力、财务健康、低违约风险 | ROE、毛利率、资产负债率、盈余稳定性 | 股票、信用债 |
| 低波因子 | 博彩偏好、杠杆限制、机构资金偏好 | 历史波动率、Beta、最大回撤 | 股票、ETF |
| 规模因子 | 小公司溢价、流动性补偿、信息不对称 | 总市值、流通市值、自由流通市值 | 股票（小盘股效应） |
| 成长因子 | 高增长预期、盈利扩张、行业景气 | 营收增长率、净利润增长率、分析师预期 | 成长股、新兴行业 |
注意：因子分类并非绝对。同一指标在不同市场环境下可能归入不同类别。例如，股息率既可作为价值因子（低估值信号），也可作为质量因子（稳定现金流信号）。因子库管理时需根据策略目标灵活定义。
1.4 因子生命周期与评分接口定位
一个量化因子从诞生到退役通常经历以下阶段：
- 因子挖掘：基于学术文献、市场经验或机器学习发现候选因子。
- 因子验证：通过 IC 分析、分层回测、相关性检验评估因子有效性。
- 因子入库：将验证通过的因子标准化、文档化，存入因子库。
- 因子评分：对因子进行综合评分，包括收益预测能力、稳定性、容量、衰减速度等维度。
- 因子监控：持续跟踪因子表现，检测衰减、拥挤度、风格漂移。
- 因子退役：因子失效或被更优因子替代时，从活跃库中移除。