因子库构建与A B测试指南 - 第1节
1.1 因子投资的定义与核心逻辑
因子投资（Factor Investing）是一种系统化的投资方法论，其核心思想是：资产的预期收益可以由少数几个可解释、可度量的共同风险因子所驱动。与传统的主动选股或纯粹的被动指数投资不同，因子投资试图通过暴露于特定的、经过实证检验的因子来获取超额收益（Alpha），同时通过分散化降低非系统性风险。
从数学角度看，因子投资建立在多因子定价模型之上。最经典的表达形式为：
E(R_i) = R_f + β_i1 × Factor_1 + β_i2 × Factor_2 + ... + β_ik × Factor_k + ε_i其中，E(R_i) 为资产 i 的预期收益，R_f 为无风险利率，β_ij 为资产 i 对因子 j 的暴露度，Factor_j 为因子 j 的风险溢价，ε_i 为特质收益（Alpha 的来源）。
关键区别： 因子投资 ≠ 传统多因子模型打分选股。因子投资强调对因子暴露的事前控制与风险管理，而不仅仅是事后归因。
1.2 发展历史：从 CAPM 到因子动物园
因子投资的发展经历了四个关键阶段：
| 阶段 | 时间 | 核心贡献 | 代表模型/因子 |
|---|---|---|---|
| 奠基期 | 1960s – 1970s | 资本资产定价模型（CAPM）提出市场因子是唯一风险源 | Sharpe (1964), Lintner (1965) |
| 拓展期 | 1980s – 1990s | 发现市场因子无法解释的异象，提出规模、价值等新因子 | Fama-French 三因子 (1993) |
| 爆发期 | 2000s – 2010s | 动量、质量、低波等因子被广泛验证，因子投资产品化 | Carhart 四因子 (1997), Novy-Marx (2013) |
| 成熟期 | 2010s – 至今 | 因子拥挤、因子择时、机器学习因子挖掘成为前沿 | Fama-French 五因子 (2015), 另类数据因子 |
里程碑事件： 1993 年 Fama 和 French 发表的三因子模型，正式将规模因子（SMB）和价值因子（HML）引入主流学术界，标志着因子投资从单因子走向多因子时代。
1.3 主流因子分类与特征
目前学术界与业界公认的五大核心因子体系如下：
| 因子名称 | 核心逻辑 | 典型代理变量 | 经济解释 |
|---|---|---|---|
| 价值 (Value) | 买入被低估的股票，卖出被高估的股票 | Book-to-Price, E/P, CF/P | 风险补偿 vs 行为偏差（过度反应） |
| 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） | 信息扩散缓慢、投资者锚定效应 |
| 质量 (Quality) | 盈利能力高、财务稳健、低风险的公司 | ROE, 毛利率, 资产负债率, 盈利稳定性 | 特许经营权价值、低破产风险 |
| 低波 (Low Volatility) | 低波动率股票长期收益高于高波动率股票 | 过去 3 年日收益率标准差、Beta | 杠杆限制、彩票偏好、机构约束 |
| 规模 (Size) | 小市值公司长期收益高于大市值公司 | 总市值（对数） | 流动性溢价、信息不对称、增长期权 |
注意： 规模因子在近 20 年（尤其在美国市场）表现显著弱化，甚至出现反转。因子投资并非静态，需要定期进行因子时效性检验。
1.4 因子投资在量化策略中的核心地位
在量化投资体系中，因子投资处于策略研发与风险管理的枢纽位置。其核心作用体现在以下三个层面：
- 策略构建的基石： 绝大多数量化选股策略（多因子模型、统计套利、机器学习预测）都以因子作为输入特征。因子库的质量直接决定了策略的上限。
- 风险归因与控制的工具： 通过 Barra 模型或 Axioma 等风险模型，投资组合的风险可以分解为因子风险与特质风险。因子投资提供了对组合进行“外科手术式”风险调整的能力。
- 业绩评价的基准： 任何量化策略的 Alpha 都需要在剥离了常见因子暴露之后才能被认定为真正的超额收益。因子模型是衡量基金经理能力的“公平标尺”。
下图展示了因子投资在量化策略全流程中的位置：
1.5 因子投资的挑战与未来方向
尽管因子投资已成为量化领域的标准范式，但实践中仍面临以下挑战：
- 因子拥挤（Factor Crowding）： 当过多资金追逐同一因子时，因子溢价会被压缩甚至消失。
- 因子衰减（Factor Decay）： 因子收益随时间呈现非线性衰减，尤其在被广泛发表之后。
- 数据挖掘偏差（Data Snooping）： 大量因子来自对历史数据的过度挖掘，样本外表现往往不及预期。
- 因子共线性与组合复杂性： 多因子之间的相关性导致组合权重不稳定，需要更精细的优化方法。