因子与 Alpha：量化选股的底层逻辑
你买股票靠什么？凭感觉？听消息？看 K 线画线？不管你用什么方法，本质上你都在做同一件事——用某些标准来筛选股票。这些标准，在量化投资里有个统一的名字，就叫因子。
搞懂因子，你就搞懂了所有选股方法的底层逻辑。而搞懂 Alpha 和 Beta，你就能分清——你赚的钱，到底是市场给的，还是你自己挣的。
这是什么
因子（Factor），就是影响股票收益的、可以量化的特征。
打个比方。你去水果摊挑西瓜，你会怎么选？看纹路清不清楚，敲一敲听声音脆不脆，掂一掂重量够不够沉。每一个判断标准——纹路、声音、重量——就是一个"因子"。你其实已经在做"多因子综合评估"了，只是没意识到。
放到 A 股 里也一样。你觉得低 PE（市盈率）的票安全，PE 就是一个因子。你觉得高 ROE（净资产收益率）的公司牛，ROE 就是一个因子。你觉得 换手率 高的票活跃，换手率也是一个因子。
一句话总结：你用来选股的每一个可量化的指标，都是一个因子。
Alpha（阿尔法） 和 Beta（贝塔） 则是把你的收益拆成两部分：
- Beta = 跟大盘一起涨跌的部分，是市场给你的"顺风车"
- Alpha = 你多赚（或少赚）的部分，是你自己的能力（或失误）
想象你在一栋楼里往上走。你站在电梯里，电梯本身在往上运行，这是 Beta——不管你做什么，电梯带着你往上。但如果你同时在电梯里爬楼梯，你比电梯多走的那几层，就是 Alpha——这是你自己努力的结果。反过来，如果你在电梯里往下走，那你比别人少到的层数，就是负 Alpha。
用数学公式表达就是：
其中 是你持有的股票收益， 是 市场 收益（比如沪深300指数）， 是这只股票对市场的敏感度， 就是超额收益， 是随机误差。
翻译成人话：总收益 = Alpha + Beta × 市场涨跌 + 运气。
为什么它重要
第一，让你知道自己在赚什么钱。 很多散户牛市赚了钱以为自己股神附体，其实全是 Beta。市场涨了你跟着涨，这不叫本事。只有 Alpha 才是你的真本事。搞懂这个区分，你才不会在熊市来临时一脸懵——"怎么我的方法突然不灵了？"
第二，把模糊的"感觉"变成清晰的规则。 "我觉得这票不错"是不可复制的。但"我选 PE 低于 15、ROE 高于 20% 的票"是可量化的、可回测的、可改进的。因子思维就是把你脑子里模糊的直觉变成明确的数字。
第三，理解为什么分散比集中好。 一个因子可能失效，但多个因子组合在一起，就像鸡蛋放在不同的篮子里。价值因子不管用的时候，动量因子可能管用。多因子模型的本质就是分散你的判断来源。
第四，认识学术界几十年的研究成果。 因子投资不是什么新鲜玩意，从 1992 年 Fama 和 French 发表他们的三因子模型开始，学术界已经研究了三十多年。你不需要重新发明轮子，站在巨人肩膀上就行。
案例
老吴的双因子选股
老吴是个老股民，做了十几年 散户，最近开始学量化。他的策略不复杂——低 PE + 高 ROE 双因子选股。
具体怎么操作呢？每个季度财报公布后，他把全 A 股的股票按 PE 从低到高排序，取最低的 30%；再按 ROE 从高到低排序，取最高的 30%。两个条件同时满足的票，就是他的候选池。然后从中选 20 只等权买入，持有三个月再换仓。
2023 年那波震荡市里，老吴这个简单策略跑赢了沪深 300 大约 8 个百分点。这 8 个百分点就是他的 Alpha——不是市场给的，是两个因子共同贡献的超额收益。
小郑的单因子翻车
小郑刚入市半年，听人说"低 PE 就是好票"，于是只看 PE 一个指标选股。他买了一只 PE 只有 3 倍的钢铁股，结果拿了半年跌了 20%。
为啥？因为那只票 PE 低是有原因的——行业下行周期，市场预期 EPS 会大幅下滑，所以价格已经提前反映了。低 PE 的表象下藏着"价值陷阱"。
老吴和小郑的区别在哪？ 老吴用了两个因子互相验证（低 PE 要配上高 ROE 才靠谱），小郑只看一个因子，没有交叉验证。这就是多因子思维的价值——单个因子容易骗你，多个因子一起看，骗你的概率就小多了。
常见因子类型
量化研究里，最常用的因子大概分这几类：
价值因子： 低 PE、低 PB 的票，长期来看倾向于跑赢高估值的票。逻辑很简单——市场经常过度反应，把好公司砸到很便宜，你趁机买入，等市场回过神来就赚了。
动量因子： 过去一段时间涨得好的票，短期内倾向于继续涨。这在 A 股也很明显——趋势一旦形成，往往有惯性。但要注意，动量因子在中长期会反转，追涨追太久容易被埋。
质量因子： 高 ROE、低负债率、稳定现金流的公司，长期表现往往更好。这很好理解——好公司的股票大概率也是好股票。质量因子看的是公司的"体检报告"，健康的公司更值得持有。
波动因子： 低波动的票长期收益并不差，甚至经常跑赢高波动票。这和很多人直觉相反——"波动大机会大"其实是个误区。低波动策略赚的是"波动率溢价"的反面，适合稳健型投资者。
规模因子： 小盘股长期有超额收益（相对于大盘股），这在 A 股尤为明显。小公司成长空间大，但风险也大，流动性差，容易被游资操控。规模因子赚的是小公司的成长溢价和流动性折价补偿。
流动性因子： 成交量大、换手率高的票，短期往往有更强的价格动量，但长期可能表现不佳。流动性因子和规模因子经常纠缠在一起——小票往往流动性也差。
每个因子背后都有一个朴素的经济逻辑，不是拍脑袋想出来的。
多因子模型：别只看一个指标
单因子选股就像只用"纹路"挑西瓜——有纹路的不一定甜，没纹路的也可能很好吃。只有把纹路、声音、重量综合起来判断，准确率才高。
多因子模型的思路就是这样：给每只股票打一个综合分，分数来自多个因子的加权求和。
比如一个简单的三因子打分模型：
其中 是 PE 的排名分（越低越好，排名越高）， 是 ROE 的排名分（越高越好）， 是动量的排名分。 是你给每个因子的权重。
这个模型不需要什么高深数学，核心操作就是三步：排名、加权、求和。然后选综合分最高的 20-30 只票买入。
Fama-French 三因子模型
说到多因子，绕不开学术界的经典——Fama-French 三因子模型（1992 年）。Eugene Fama 和 Kenneth French 发现，只靠市场一个因子（即 CAPM 模型的 Beta）解释不了股票收益的差异。于是他们加了两个因子：
- 规模因子（SMB）：Small Minus Big，小盘股减大盘股的收益差
- 价值因子（HML）：High Minus Low，高账面市值比减低账面市值比的收益差
模型写成：
后来又发展出五因子模型（加了盈利因子和投资因子），但核心思想不变：股票收益不能只用市场风险来解释，还有规模、价值、盈利等其他系统性因素。
你不需要记住这些公式，只需要理解一个道理——多个因子共同决定收益，别只押注一个维度。
因子暴露与因子衰减
因子暴露
因子暴露是指你的策略到底在哪些因子上有敞口。比如你买了 20 只低 PE 的票，你就有很大的价值因子暴露。如果价值因子这段时间表现好，你就赚；表现差，你就亏。
搞清楚自己的因子暴露很重要——你以为自己在"精选个股"，其实你只是在赌价值因子。很多散户亏钱不是因为选错了票，而是不知道自己在赌什么因子，碰上那个因子失效的年份就傻眼了。
因子衰减
因子衰减是指一个因子随着时间推移，超额收益逐渐缩小的现象。原因很多：
- 用的人太多了，套利空间被压缩（低 PE 策略用的人越多，低 PE 票的价格就被买得越高，超额收益就越小）
- 市场结构变了（比如 A 股注册制全面推行后，壳价值崩塌，小盘因子失效了一阵子）
- 宏观环境变了（通胀高的时候价值因子强，流动性宽松的时候成长因子强）
没有永远有效的因子。 这是因子投资最重要的一句话。
新手容易亏在哪
第一，只看单因子。 就像小郑一样，只看 PE 买在价值陷阱里。任何单因子都有失效的时段和场景，孤注一掷就是赌博。
第二，过度优化。 有些人回测发现"PE 介于 8-12 倍、ROE 大于 18%、换手率在 2%-5% 之间"这个组合过去五年年化 30%，然后就觉得找到了圣杯。大概率是过拟合——你把参数调得越精准，对未来越不适用。
第三，忽略交易成本。 因子策略经常需要定期调仓，A 股的双边交易成本（佣金 + 印花税 + 滑点）大概 0.3%-0.5%。如果你每月调一次仓，一年光交易成本就吃掉 3%-6% 的收益，很多小因子根本覆盖不了。
第四，不理解因子的逻辑就敢上。 看到别人回测某个因子有效就跟着用，但完全不知道这个因子为什么有效。一旦因子失效，你既不知道它为什么失效，也不知道该不该继续坚持。
新手最容易踩的坑
DANGER
把因子当万能药。 因子是统计规律，不是物理定律。PE 低的票"平均来说"跑赢，不代表"每只"低 PE 票都会跑赢。统计学讲的是概率，不是确定性。用因子选股，你做的是概率优势，不是精确预测。
DANGER
迷信复杂模型。 有些量化课程上来就教你机器学习、深度学习选股，搞得好像模型越复杂越厉害。事实上，学术界和业界大量研究表明，简单的多因子模型（3-5 个因子等权）往往不输给复杂模型。复杂模型更容易过拟合，更难理解，出问题了更难排查。
WARNING
忽视因子的时效性。 每个因子都有"好年景"和"坏年景"。价值因子 2017-2020 年在 A 股被成长股吊打，2021 年又王者归来。如果你在 2019 年回测价值因子，结论是"完全没用"，那你就错过了一整个周期。评价因子至少看 5-10 年的数据。
实战里怎么用
TIP
从 2-3 个简单因子开始。 推荐新手用"低 PE + 高 ROE + 低负债率"这三个因子。这三个互相验证：低 PE 说明便宜，高 ROE 说明赚钱能力强，低负债说明风险可控。三个条件一起满足的票，踩雷概率大幅降低。
TIP
用排名而不是绝对值。 不要说"PE 低于 15"，而要说"PE 排名在全市场前 20%"。因为市场整体估值水平会变，PE 15 在牛市可能算贵，在熊市可能算便宜。排名是相对的，更稳定。
TIP
每个季度调仓一次就够了。 财报每季度更新，因子数据也是季度频率。更频繁的调仓只会增加交易成本，对收益没什么帮助。A 股 T+1 的制度下，高频调仓更是没意义。
TIP
先回测再实盘，回测至少看 5 年。 免费的回测工具有很多（聚宽、米筐、优矿都能用），把你的因子策略跑一遍历史数据，看看最大 回撤、年化收益、夏普比率。如果历史表现就不好，实盘大概率也好不了。
操作前先想清楚
WARNING
问自己三个问题再动手：
- 我用的每个因子，能不能用一句话说清楚它为什么有效？说不清楚就别用。
- 我的策略在历史上的最差年份亏了多少？如果最大回撤超过 30%，你能不能扛得住？
- 如果这个策略连续亏损 6 个月，我还信不信它？如果不信，说明你对因子的理解还不够深，还需要继续学习。
总结
因子不是什么高深的东西——你选股用的每一个标准，本质上都是因子。 关键在于：
- 把模糊的感觉变成清晰的数字
- 不要只依赖一个因子，多因子互相验证
- 理解每个因子背后的逻辑，而不是机械地套公式
- Alpha 是你的真本事，Beta 是市场给你的顺风车
- 因子会衰减，没有永远有效的策略
- 从简单开始，2-3 个因子足够起步
个人量化不需要搞复杂模型。一个简单的低 PE + 高 ROE 双因子策略，长期跑赢 大盘 的概率就不低。难的不是模型复杂，而是长期坚持。
本章新学到：因子是量化选股的原子单位；Alpha 和 Beta 把收益拆成"自己的"和"市场的"；多因子优于单因子；因子会衰减需要持续评估；个人量化从简单因子组合开始即可。
股市有风险，入市需谨慎。本文不构成任何投资建议。