多因子投资：思想与框架
为什么单因子看着都不怎么样，合起来反而有效？ 多因子该如何组合？指导思想是什么？
一、一个核心困惑
当我们逐一测试单因子时，发现：
| 因子 | IC方向 | IC绝对值 | 3年回测收益 |
|---|---|---|---|
| total_mv（小市值） | 负 ✅ | ~1.5% | -23.50% |
| ROE | 正 ✅ | ~0.8% | -21.15% |
| dv_ratio（股息率） | 正 ✅ | ~2.5% | +4~6% |
结论看起来令人沮丧：没有一个因子在2023-2026年表现得好。
但实践中，将这些因子合在一起的多因子策略，效果却往往没那么差。这中间的矛盾是很多入门量化者最大的困惑。
二、核心认知：因子是”概率”，不是”确定性”
2.1 IC的绝对值并不低
成熟市场的主流因子，IC绝对值长期在 1%~5% 之间。
| 因子 | 典型IC（成熟市场） |
|---|---|
| 价值 | 2~4% |
| 动量 | 1~3% |
| 质量 | 1~3% |
| 低波动 | 1~2% |
| 小市值 | 1~3% |
IC对错和IC大小是两回事。 IC 1~3%在这个行业里是常态，不是缺陷。
2.2 单因子回测亏钱 ≠ 因子失效
2023-2026年是A股基本面因子的寒冬期——高股息、高ROE、小市值全都在亏。但这不意味着因子逻辑错了，而只是3年样本太短，遇到了因子回撤期。
- 因子投资本质是站在期望值为正的一侧下注
- 每一把都可能输，但玩足够多次后赢
- 单因子亏钱 ≠ 因子无效，可能只是”运气不好赶上了回撤期”
三、为什么合起来会更好？
3.1 核心机制：降低噪音
设：
- 因子A：10次判断对6次，错4次（胜率60%）
- 因子B：10次判断对6次，错4次（胜率60%）
- A和B独立（相关性≈0）
则：
- A和B同时错的概率 = 0.4 × 0.4 = 16%
- A和B同时对的概率 = 0.6 × 0.6 = 36%
组合不是”叠加收益”，而是降低极端错误的概率。 多因子组合是把每一期的判断从”一个信号”变成”N个独立信号的投票”，减少单因子被噪声欺骗的概率。
3.2 夏普率的数学原理
组合的夏普率 ≈ √(因子数量) × 单因子平均夏普率
（假设因子间不相关）
这意味着：
- 1个因子：夏普 0.3
- 3个不相关因子：夏普 ≈ 0.3 × √3 ≈ 0.52
- 5个不相关因子：夏普 ≈ 0.3 × √5 ≈ 0.67
组合不是为了提高收益，而是为了在同等收益下降低波动，或在同等波动下提高收益。
四、因子之间”不相关”才值钱
这是多因子组合最容易被忽视的一点。
如果 A 和 B 完全正相关 (r≈1.0) → 组合 ≈ 单因子（毫无意义）
如果 A 和 B 不相关 (r≈0) → 组合噪声减半
如果 A 和 B 负相关 (r<0) → 组合效果最好（涨跌互补）
4.1 常见因子的相关性判断
| 因子对 | 相关性 | 组合价值 |
|---|---|---|
| total_mv × roe | 低 | ✅ 高价值（大小盘+质量互补） |
| total_mv × turnover | 较高 | ⚠️ 部分重叠 |
| roe × dv_ratio | 中等 | ⚠️ 部分重叠 |
| roe × netprofit_margin | 高(~0.64) | ❌ 基本重复 |
| dv_ratio × pe_ttm | 高( | ~0.58 |
选因子的时候，逻辑上的独立性比单因子IC大小更重要。
4.2 好的因子组合应该是什么结构？
以经典的 Fama-French 五因子为例：
市场因子（β） → 大盘/小盘不影响
规模因子（SMB） → 和估值无关
价值因子（HML） → 和盈利无关
盈利因子（RMW） → 和投资无关
投资因子（CMA） → 和规模无关
每个因子捕捉不同的风险溢价来源，之间逻辑正交。
六、指导思想总结
原则一：因子的价值由”方向”决定，不是由”大小”决定
一个IC 1%的因子，只要方向稳定正确，就是有用的信号。不要在单因子上过度优化——接受它就是个弱信号，靠组合来增强。
原则二：相关性管理是组合的核心
不相关因子 × N → 组合夏普 ≈ √N × 单因子夏普
高度相关因子 × N → 组合夏普 ≈ 单因子夏普
花更多精力找”逻辑独立的新因子”，而不是在同一类因子里反复微调。
原则三：多因子不是为了提高收益，而是为了降低回撤
| 场景 | 单因子 | 多因子 |
|---|---|---|
| 因子顺风期 | 收益更高 | 收益中等 |
| 因子逆风期 | 回撤很大 | 回撤较小 |
| 长期复合 | 波动剧烈 | ✅ 更稳定 |
更低的回撤 = 更高的杠杆空间 = 最终更高的复合收益。 多因子的根本优势不是”涨更多”，而是”跌更少，让你拿得住”。
原则四：警惕样本内完美，接受样本外平庸
所有量化策略都有”好几年”和”不好的几年”。如果回测10年每年都赚钱，要么样本内过拟合了，要么因子已经充分暴露被市场耗尽。
因子投资不是找圣杯，而是建立一套在概率上站得住脚的决策系统。
七、参考
- Fama & French (1993), “Common risk factors in the returns on stocks and bonds”
- Asness, Moskowitz, Pedersen (2013), “Value and Momentum Everywhere”
XM Finance 量化交易员 | 小财 📈