多因子组合：把几个信号拧成一根绳

单因子都有失效期。价值可能连续几年跑输，动量在震荡市反复打脸，低波在利率上行时回撤。多因子的目标不是「每个阶段都赢」，而是让组合不依赖某一个信号。

一、最小流程

一个可复查的多因子流程，通常有六步：

1. 股票池。 剔除 ST、停牌、上市不足一定天数、流动性太差的股票。
2. 因子计算。 价值、质量、动量、低波等，每个因子给出一个原始值。
3. 标准化。 去极值、转百分位或 Z-score，让不同量纲可比。
4. 中性化。 剔除行业、市值等不想暴露的影响。
5. 合成。 等权、IC 加权、风险平价或机器学习，选一种并固定。
6. 组合与约束。 选前 N 只，设单票上限、行业上限、换手上限。

每一步都要写进回测记录。否则结果变差时，你无法判断是因子失效，还是某一步改了。

二、标准化与中性化

不同因子的分布差别很大。PE 的倒数是小数，动量是百分比，波动率也是百分比。直接相加，量纲大的因子会主导结果。常见做法是转成截面百分位，再映射到 0 到 1。

中性化是另一个关键。市值因子几乎和所有因子相关：小市值股票往往估值高、波动大、流动性差。如果不做市值中性，你的「价值组合」可能只是「小市值组合」。

三、权重怎么定

常见有三种：

• 等权。 最简单，假设每个因子同样重要。适合因子数量少、历史不长的情况。
• IC 加权。 按因子历史信息系数分配权重。问题是 IC 不稳定时会追涨杀跌。
• 风险平价。 按因子的风险贡献分配，让每个因子对组合波动的贡献接近。

没有一种权重永远最好。等权最不容易过拟合，IC 加权更贴近近期表现，风险平价更稳但计算复杂。回测里要比较，但不要为了多 0.1 的夏普反复调权重。

四、相关性与拥挤

多因子的前提是因子之间低相关。价值和低波经常重叠，质量和低波也经常重叠。如果三个因子相关性都在 0.7 以上，组合并没有更分散，只是把同一个信号算了三遍。

拥挤是另一个隐形风险。当某个因子被大量资金使用，估值会被推高，未来收益下降；一旦资金撤离，回撤会比历史更大。2024 年初小盘股的流动性危机，就是拥挤交易遇到负反馈的例子。

回测记录要写到「可复现」的程度：股票池怎么筛、因子怎么算、去极值用什么分位、中性化回归了哪些变量、权重怎么定、调仓频率和成本假设是什么。只写「多因子策略」四个字，等于没有记录。

上线后还要监控因子失效：滚动 IC 是否持续为负、因子收益是否被市值或行业解释、换手和成本是否超出假设。监控指标要在回测阶段就定好，不能等亏了再找原因。

五、常见错误

• 因子越多越好。 因子多但相关性高，只会增加过拟合。
• 不做中性化。 结果被行业或市值主导，却以为是因子有效。
• 用全样本选因子。 先看结果再挑因子，样本外一定难看。
• 忽略换手和成本。 多因子调仓频繁，成本会吃掉大部分超额。
• 没有容量评估。 小资金能跑，大资金买不进也卖不出。