接触量化投资，一定经常听到这些词：

"多因子模型""因子失效""风格因子轮动"

很多人搞不懂：因子到底是公式？是数据？还是神秘选股技巧？

咱们这就把"因子"讲清楚。

因子是什么？

在量化投资里，"因子"可以理解成一个"观测维度"，用它来解释、预测资产未来收益的某类规律。

简单以选股的"因子"为例，就是"从哪个角度去看一只股票好不好"。比如：

"这股票是不是太贵了？" → 对应"估值因子"（PE、PB……）

"它最近是不是涨得太猛、势头很强？" → 对应"动量因子"（过去N天收益率……）

"这家公司赚钱能力行不行？" → 对应"质量因子"（ROE、利润率、现金流……）

为什么很多量化策略离不开因子？

量化的核心是"用数据+模型定下投资纪律，代替感觉和经验"。

对很多量化策略来说，纪律要能被机器执行，就得先把投资规律拆成一个个"因子"，再据此建立模型。

因子有几个特点：

1、可量化：所有判断都落到具体数据上，不模糊、不主观；

2、可回测验证：一个规律到底有没有用，不是靠感觉，而是放到历史数据里回测检验——有效的留下，无效或已失效的淘汰；

3、可复制执行：规则固定后，机器要能持续拿到相应数据，严格执行；

4、可组合分散：多个因子可一起搭配使用，能降低单一因子失效的冲击。

说到底，对这类量化策略来说，赚钱靠的不是运气和消息，而是持续挖掘、验证、迭代有效的因子。

当然，量化家族里也有部分策略（如高频交易、统计套利等）走的是另一套逻辑，并不完全以"因子"为核心，但"因子"仍是大家了解量化时绕不开的一个高频词。

常见的量化因子有哪些？

既然因子是量化的"基本功"，那实战里常用的因子有哪些？大致分四类：

1、基本面因子——看"公司本身怎么样"。

基于宏观经济、公司财报、竞争格局等构建，如估值水平、盈利能力、成长性指标等；

2、量价技术因子——看"市场交易怎么样"。

基于市场交易数据等构建，如价格动量、成交金额、换手率等；

3、风险因子——看"波动大不大"。

基于主要风险水平构建，如波动率、Beta等；

4、其他另类因子——看"市场怎么看它"。

如分析师关注度、一致性和预期变化、投资者行为等。

因子组合怎么用——多因子模型

单个因子，就像体检报告里的一项指标，只能反映股票的某一维度。要把多个维度拼起来看，量化投资最常用的办法，就是构建一个"多因子模型"——

把基本面、量价技术、风险、分析师等因子放一起，给股票综合打分、排序、选股，或是优化投资组合。

举个简单直接的选股例子：

一只股票：估值合理（基本面因子加分）+ 流动性充足（量价技术因子加分）+ 波动可控（风险因子加分）= 综合高分，纳入持仓。

反之，有明显估值泡沫、业绩持续走弱、走势疲软的股票，会被模型直接剔除。

（仅为示例，实际模型运用以各基金为准）

在多因子模型下，不同因子综合发挥作用，既能全面评估，又能分散单一因子失效的风险。另外，哪些因子当下更有效、如何组合、该给多大权重，还需要人工结合市场变化和因子实际表现，不断判断、适时调整，让模型适应新的环境。

看到这里，"因子"是不是没那么神秘了？

下一期，我们聊聊普通投资者最关心的问题：不懂代码、数学也不拿手，还能做量化投资吗？

声明：本资料仅用于投资者教育，不构成任何投资建议。我们力求本资料信息准确可靠，但对这些信息的准确性、完整性或及时性不作保证，亦不对因使用该等信息而引发的损失承担任何责任，投资者不应以该等信息取代其独立判断或仅根据该等信息做出决策。基金有风险，投资须谨慎。

本资料版权为易方达基金所有，所载文字、数据和图表等未经易方达基金书面许可，任何单位或个人不得以转载、复制、改编、二次创作等任何形式使用本资料。对于任何侵犯本资料版权的行为，易方达基金将保留依法追究侵权者法律责任的权利。