STAGE 12 市场生态与主力资金全景 ← 返回笔记
投资笔记 约 13 分钟阅读 阶段 12 · 第 16 篇

量化因子库：六大主流因子深度解析

从 Fama-French 学术经典到 A 股实战派单——本文把"选股标准"翻译成可被回测、可被验证的数字语言，让你看清量化世界最底层的乐高积木。

一句话核心

量化因子 = 把主观选股翻译成可被历史验证的数字标准。从 Fama-French 的三因子（市场 / 规模 / 价值）到 2015 年的五因子（+ 盈利 / 投资），学术界已经用半个世纪的回测确认了一组长期有效的定价规律；实战派则在六大因子（价值 / 成长 / 质量 / 动量 / 规模 / 低波）之间组合调仓。真正值得警惕的不是"因子无效"，而是把单因子当成万能钥匙——拥挤交易、周期切换、数据挖掘偏差会让任何因子失效 3-5 年，5-7 个因子的多因子组合 + 严格定期再平衡，才是普通人够得着的量化入门姿势。

什么是量化因子：从"我觉得好"到"满足 X 条件"

在所有量化策略的底层，都有一个最朴素的概念：因子（Factor）。

它的定义非常朴素——任何可以数字化的、可被历史验证的"选股标准"，都是一个因子：

一句话本质：因子做的事情就是把"我觉得这只股好"翻译成"这只股满足 X、Y、Z 条件"。一旦条件可量化，就可以被回测、被验证、被组合。

为什么因子这件事如此重要？

⚠️ 常见误解

很多人把"看一个指标"当成"用因子投资"。区别在于：指标只是一个数字，因子是一套完整的逻辑——包含定义、计算方式、排序规则、调仓周期、风险控制。没有这五件套的指标，不能算因子。

学术界经典：Fama-French 三因子 / 五因子模型

聊因子就绕不开两位祖师爷：Eugene Fama（尤金·法马）和 Kenneth French（肯尼斯·弗伦奇）。

1993 年：三因子模型横空出世

Fama 和 French 在 1993 年用美国市场几十年数据回测发现，股票的超额收益可以被三个共同因子解释：

📐 Fama-French 三因子模型

Ri - Rf = α + β₁·(Rm - Rf) + β₂·SMB + β₃·HML + ε

Rm - Rf：市场风险溢价（市场因子 MKT）· SMB：Small Minus Big，规模因子（小盘减大盘）· HML：High Minus Low，价值因子（高账面市值比减低账面市值比）

2015 年：扩展为五因子模型

随着数据积累，Fama 和 French 发现仅靠"价值 + 规模"无法解释所有超额收益，于是在 2015 年追加了两个因子：

学术荣誉：Fama 因其在有效市场假说上的开创性贡献，于 2013 年获得诺贝尔经济学奖。French 虽未获奖，但因子库的搭建几乎是两人的共同工作——业内常将"Fama-French 因子"视为整体。

这一组因子之所以重要，是因为它们经受了多市场、多周期、跨数十年的检验，几乎所有后来的多因子模型都可以看作是 Fama-French 框架的扩展版。

实战派六大主流因子：含义、指标与风险

学术界给的是骨架，实战中还要看血肉。下面六个因子是当前全球量化机构最常用的"工具箱"，散户也能照葫芦画瓢。

① 价值因子 Value
买入被低估的股票，期待估值修复
指标：PE、PB、PS、EV/EBITDA、股息率
优势：长期有效，百年回测每年 1-2% 超额收益
风险：价值陷阱——看似便宜实则恶化，越跌越买越亏
② 成长因子 Growth
买入高增长的股票，期待增速消化估值
指标：营收增速、净利增速、ROE 增长
优势：牛市中表现优异，爆发力强
风险：增长率均值回归，高增长难持续
③ 质量因子 Quality
买入高盈利质量的股票，拥抱"好生意"
指标：ROE、ROA、毛利率、现金流质量、负债率
优势：熊市抗跌、长期复利稳定
风险：估值偏高，好公司通常不便宜
④ 动量因子 Momentum
买入过去涨得多的股票，跟随趋势
指标：12 月-1 月动量、6 月动量
优势：短期爆发力强，趋势市场里非常有效
风险：反转风险、波动大，黑天鹅易被埋
⑤ 规模因子 Size
买小盘股，押注小公司成长溢价
指标：市值排名、自由流通市值
优势：A 股小盘股长期有溢价（壳价值等）
风险：流动性差、退市风险高
⑥ 低波因子 Low Vol
买入波动率低的股票，求稳健的"安静钱"
指标：日收益标准差、β 值、最大回撤
优势：风险调整后收益好，夏普比率高
风险：牛市时跑输指数，错过主升浪
机构间的"三因子共识"：虽然上面列了 6 个，但全球主流量化机构普遍把价值 + 质量 + 动量当作长期最稳健的核心三因子。规模、低波是辅助层；成长因子争议最大，原因是"增长"难以稳定测量。

A 股因子有效性研究：单因子 vs 多因子

美国市场有效的因子，搬到 A 股还灵吗？学术界（特别是中泰、华泰、申万等研究所）用 2010-2024 年数据做了大量回测，整体结论如下：

因子A 股有效性备注
质量（ROE） ★★★★★ 过去 10 年最稳定，是 A 股最值得重仓的因子
价值（PE/PB） ★★★★ 长期有效，但 2021 年起弱化（核心资产牛市冲击）
规模（小盘） ★★★★ 长期有溢价，但波动大、与壳价值绑定
动量 ★★★ 短期有效，建议季度调仓；A 股反转效应也很强
低波 ★★★ 熊市跑赢、牛市跑输，是熊市保护层
成长 ★★ 在 A 股有效性偏弱；增速造假 + 周期波动导致难稳定
关键提醒：A 股的散户结构（交易占比 60%+）让动量因子的回撤更剧烈，而政策驱动让价值因子的"价值陷阱"比美股更深。这张表是 14 年的平均结果，单一年度看可能有 2-3 个因子排名与表里截然相反。

单因子策略：简单但脆弱

单因子策略指只用一组指标选股：

多因子模型：稳健但复杂

多因子模型把多个维度综合打分（例如 30% 价值 + 30% 质量 + 20% 动量 + 20% 低波）：

📋 实战示例：30 只股月度多因子策略

每月底按以下四步走：

  1. 剔除：排除 ST 股、停牌股、上市不满 1 年的新股
  2. 打分：对每只股票计算 6 大因子得分（标准化到 0-100 分）
  3. 加权：综合得分 = 30% 质量 + 25% 价值 + 20% 动量 + 15% 低波 + 10% 规模
  4. 调仓：得分最高的 30 只等权买入，每月最后一个交易日换仓

这是入门级多因子的最简版本，实盘还需考虑交易成本、行业中性化、市值中性化等。

因子失效的 4 大原因与 3 个最常见误区

因子为什么会失效？四大原因

  1. 过度拥挤：当太多人用同样因子，超额收益会被竞争抹平。2018 年后 A 股"高 ROE 策略"的拥挤就是典型例子。
  2. 市场环境变化：利率周期、政策周期、产业周期都会让"过去有效"的因子短期失灵。比如利率下行期，价值股通常跑输成长股。
  3. 数据挖掘偏差：基于历史样本反复测试找出来的因子（学术上叫 multiple testing bias），外推到未来大概率失效——这是"伪因子"的最大来源。
  4. 经济结构性变化：行业格局、商业模式、监管框架的深层变迁，会让某些因子的逻辑根基不复存在。
失效期有多长？学术研究统计，因子失效周期通常持续 3-5 年。这意味着即使你押对了因子，也可能要扛过漫长的"看起来完全错"的阶段。

三个最常见的认知误区

误区 1：因子越多越好

错。5-7 个因子是最优区间。因子越多越容易过拟合、相关性升高、实盘表现远差于回测。

误区 2：单因子一定有效

错。没有"永远有效"的单因子，要看周期、看市场环境、看资金面。任何单因子在某些年份都可能跑输大盘。

误区 3：用了因子就稳赚

错。因子失效期可能连续 3-5 年，期间回撤 30%+ 很正常。因子只是工具，不是不亏钱的护身符。

因子是放大镜，不是水晶球。
它放大你理解的α，也放大你承受的β。
没有对市场和周期的敬畏，再多因子也救不了你。

散户实战：3 种普通人用得上的玩法

看完上面这些理论，普通人怎么用起来？下面三条路径，门槛从低到高排列。

路径一 · 直接购买指数基金（门槛最低）

很多 Smart Beta ETF 本身就是一个"打包好"的因子组合：

优势：省心、不用选股、自动调仓、费率低
劣势：策略不透明、增强有限、熊市也会亏

路径二 · 使用选股工具（中等门槛）

不少平台已经把因子库封装成可视化工具：

这些工具适合"懂一些金融、但不会写代码"的投资者，能直接看到回测曲线。

路径三 · 自己编程回测（高门槛）

真正想掌握因子思维，最彻底的方式还是自己写：

🛠️ 散户量化三件套

数据：akshare / tushare / wind
回测：backtrader / vectorbt / zipline
下单：easytrader / qstock

Python 入门即可上手，半年内能跑出第一套自己的多因子策略。建议从"复制公开策略"开始，逐步修改参数、加自己的因子。

本节要点

📚 相关笔记导航