2. 风险因子体系：宏观因子、风格因子与行业因子

风险因子是投资组合收益与波动的根本驱动力。在量化风控中，我们通常将因子分为三大类：宏观因子（利率、通胀、经济增长）、风格因子（价值、动量、规模）和行业因子。这三类因子共同构成了风险归因的底层坐标系。

2.1 宏观因子：系统性风险的源头

宏观因子刻画了整体经济环境的变化，是所有资产共同面临的风险来源。在风险模型中，宏观因子通常作为不可分散风险的代理变量。

2.2 风格因子：横截面收益的驱动力

风格因子解释了同一时间截面上，不同股票之间收益率的差异。它们是量化策略构建超额收益（Alpha）的核心来源。

• 价值因子： 买入低估值（低P/E、低P/B、高股息率）股票，卖出高估值股票。长期存在溢价，但在极端市场下可能遭遇“价值陷阱”。
• 动量因子： 过去12个月（剔除最近1个月）涨幅较高的股票，未来1-6个月倾向于继续跑赢。趋势跟踪策略的核心驱动力。
• 规模因子： 小市值股票长期跑赢大市值股票。但小盘股流动性差、交易成本高，在风险归因中需单独考虑流动性风险。

在实际风险模型中，风格因子通常通过因子模拟组合（Factor-Mimicking Portfolio）来构建，例如Fama-French的SMB（规模）和HML（价值）因子。

2.3 行业因子：板块轮动与集中度风险

行业因子捕捉了特定产业内部的共同风险。即使宏观和风格敞口相同，不同行业的股票表现也可能大相径庭。

行业因子的划分粒度通常为GICS一级或二级行业（如金融、科技、医疗、能源等）。在风险归因中，行业因子用于衡量组合的板块集中度风险。

2.4 三类因子的层级关系

下图展示了风险因子体系的完整层级结构，以及它们如何共同作用于投资组合的收益与风险。

2.5 因子暴露的计算与标准化

在量化风控系统中，每个资产对因子的敏感度称为因子暴露（Factor Exposure）。计算流程如下：

1. 数据准备： 收集资产收益率序列（日频/周频）与因子收益率序列。
2. 时间序列回归： 对每只股票，以收益率做因变量，因子收益率做自变量，进行多元线性回归：
   R_i = α + β_1·F_macro + β_2·F_style + β_3·F_industry + ε
3. 暴露标准化： 将原始β系数转换为Z-score，使其在不同因子之间可比：
   Z_i = (β_i - μ_β) / σ_β
4. 组合暴露聚合： 按持仓权重加权平均，得到组合层面的因子暴露向量。

2.6 因子体系在归因决策中的角色

完整的因子体系是风险归因的“语言”。在后续章节中，我们将基于此体系进行：

• 风险分解： 将组合总风险拆解为宏观、风格、行业和特异风险四部分。
• 绩效归因： 判断超额收益来自因子择时还是个股选择。
• 压力测试： 模拟宏观因子突变（如加息200bp）对组合的冲击。
• 风险预算： 设定各因子维度的风险上限，优化权重配置。

下表总结了三类因子在归因决策中的不同用途：