什么是因子？理解量化的一半
如果你翻过任何一本量化书，一定会被「因子」这个词反复轰炸。它是量化的核心概念，理解它，你就理解了量化的一大半。
因子分层：单调性就是它的价值
一、因子，就是「能预测收益的特征」
先说人话：因子是一个可衡量的特征，它在历史上和股票的收益有稳定的关系。
举个例子。你发现「市值小的股票，长期平均收益比市值大的股票高」。那么「市值」就是一个因子——它像一个筛子，帮你把股票分门别类，然后你只买历史上表现好的那一类。
一句话定义
因子 = 一个可量化的特征（市值、估值、动量……），历史上它和收益存在稳定关系，可以被用来选股。
二、常见的因子有哪些？
经过几十年研究，学界公认比较靠得住的因子主要有这几类：
| 因子 | 含义 | 方向 |
|---|---|---|
| 市值因子（Size） | 公司市值大小 | 小市值历史上跑赢大市值 |
| 价值因子（Value） | 估值高低（如 PB、PE） | 低估值跑赢高估值 |
| 动量因子（Momentum） | 过去一段时间的涨幅 | 过去涨的短期继续涨 |
| 盈利因子（Profitability） | 盈利能力（如 ROE） | 赚钱的公司跑赢 |
| 投资因子（Investment） | 资产扩张速度 | 扩张慢的公司跑赢 |
| 低波动因子（Low Vol） | 股价波动率 | 低波动股票风险调整后更优 |
三、Fama-French 模型：把因子说成「模型」
你可能听过「三因子」「五因子」，这来自诺贝尔经济学奖得主尤金·法玛和肯尼斯·弗兰奇的研究。
三因子模型（1993）
他们发现，光用「市场」一个因子（CAPM 模型）解释不了股票收益，于是加了两个：
- 市场因子（MKT）：大盘整体的涨跌
- 规模因子（SMB）：Small Minus Big，小市值减大市值
- 价值因子（HML）：High Minus Low，高账面市值比减低账市值比
公式长这样：股票收益 = 无风险利率 + β×市场 + s×规模 + h×价值 + 残差。其中 β、s、h 是这只股票对每个因子的「暴露度」。
五因子模型（2015）
后来又加上了两个：
- 盈利因子（RMW）：Robust Minus Weak，高盈利减低盈利
- 投资因子（CMA）：Conservative Minus Aggressive，低投资减高投资
有意思的是，加入这两个因子后，原来的价值因子（HML）在很多市场变得不再显著——因为它的一部分解释力被盈利能力解释掉了。
四、因子在 A 股市场成立吗？
不完全是照搬。国内有大量实证研究，结论大致是：
- 规模和价值效应在 A 股历史上较为显著（小市值、低估值长期占优）。
- 盈利和投资因子的显著性在不同时期不稳定。
- 五因子模型在 A 股的 R²（解释力）通常高于三因子，但仍无法完全解释收益。
- 动量因子在 A 股表现尤其「飘忽」，有时甚至反转——这和市场结构、散户占比高有关。
划重点
因子不是「物理定律」，而是统计规律。它可能因为市场结构变化而失效，甚至反转。海外成立的因子，搬到 A 股不一定成立。
五、多因子策略：把因子组合起来
既然单一因子都有失效风险，实践中普遍用的是多因子模型：
- 选因子：挑几个逻辑上互补、相关性低的因子（比如价值 + 动量 + 质量）。
- 算因子值：对每只股票算它在每个因子上的得分。
- 标准化：把不同量纲的因子统一（如做 z-score 标准化）。
- 合成综合分：加权得出每只股票的总分。
- 选股建仓：买综合分最高的 N 只，定期调仓。
多因子的好处是分散风险——一个因子失效时，其他因子可能还在起作用。
六、因子为什么会失效？
这是必须理解的现实：
- 拥挤（Crowding）：一个因子被发现后，所有人都用它，超额收益被抹平。
- 市场结构变化：注册制改革、退市新规，都会改变小市值、价值因子的表现。
- 流动性冲击：极端行情下，因子组合可能因为持仓过于集中而遭遇踩踏。
- 过拟合：很多「新因子」只是数据挖掘出的巧合，样本外就失效（参考《什么是回测》那篇）。
一个真实案例
2024 年初，A 股大量量化产品因「抱团小微盘」遭遇历史级回撤。原因是量化持仓普遍偏向小微盘，导致该风格极度拥挤；当小微盘出现流动性危机时，量化策略集体踩踏。这说明：一个因子再好，拥挤到极致就会变成风险。
七、给入门者的话
- 因子是工具，不是信仰。别指望找到「永远有效的因子」。
- 先理解逻辑，再看数据。讲不出经济逻辑的因子，大概率是巧合。
- 注意拥挤度。太热门的因子，往往意味着收益已被透支。
- 多因子 > 单因子，但因子不是越多越好，低相关才重要。