證券時報網
曾劍
2024-10-22 21:50
投資者可能經常聽到這樣的描述：“挖掘因子”“對因子庫的持續豐富和迭代”等，那“因子”究竟是什么？如何界定“因子”以及分類？
Q17：什么是因子？
在量化選股中，因子是指“對個股收益差異有解釋作用的特征”，能夠解釋投資組合的收益或幫助進行資產定價。因子的有效性主要看預測能力。一個因子被驗證為有效，是在某歷史時間段內的數據所呈現出來的規律，并不意味著該規律在未來的市場中可以持續有效。
Q18：因子有哪些類型？
因子的種類很多，不同類別的因子能從不同的維度對個股收益差異進行解釋。在量化選股模型中，一般可分為“風險因子”與“阿爾法因子”。前者更強調風險來源，解釋能力還是很強，但已經缺乏預測能力；后者更強調回報來源，更注重是否能預測未來個股相對收益。
風險因子早期也屬于阿爾法因子，只不過很早就被學術界挖掘并公開發表論文，尤其在美股，其收益風險比快速下降——但這些因子還是能夠解釋很多收益，只是預測能力幾乎消失，所以被稱為“風險因子”。常見的風險因子包括市值、市盈率、市凈率、流動性、殘差波動率等。
“阿爾法因子”，一般指能較為穩定貢獻超額收益的這類因子，其構建相對較為復雜，或數據來源比較獨特。一般來說每家機構的阿爾法因子都有所不同，呈現低相關性。
以美股為代表的海外市場和A股市場在運行機制、發展階段、投資者結構、融資成本及約束等方面都存在較大差異，因而在如何處理阿爾法因子和風險因子方面有所不同。比如海外量化產品以“市場中性+杠桿”為主，考慮到風險因子通常會帶來較大波動但不能同時帶來顯著收益，所以資管機構在建模過程中會盡量減少風險因子的暴露；國內量化產品中則是各類量化多頭產品線規模占比最高，對多頭產品來說，放開風險因子約束并未顯著增加凈值波動，嚴控風險因子反而會對阿爾法因子的發揮有一定制約。
Q19：阿爾法因子具體有哪些種類？
阿爾法因子按數據來源可分為價量因子、基本面因子、事件驅動因子、另類數據因子等。
（1）價量因子
價量因子又可按照預測周期分為短周期價量因子和中長周期價量因子，短周期多指高頻和日內因子，中長周期一般持倉周期在1-20天左右。目前，中周期價量因子在A股的配置占比較高。
（2）基本面因子&事件驅動因子
根據引發股價反應的時間跨度差異，又可以分為偏短周期的“事件驅動因子”與偏長周期的“基本面因子”——前者包括財報發布、盈利預增、預計扭虧、突發事件等，后者一般包括估值、成長性、盈利質量等。
目前基本面因子占比也在逐步提高。但對量化私募來說，進一步大幅提升基本面因子配置比例仍有待時機。目前國內量化私募總體管理規模在整體市場的占比仍較小，價量為主的策略還能貢獻較好的收益風險比；私募商業模式收費整體高于公募，要求私募管理人提供更好的收益風險比產品以獲得投資者的青睞。
（3）另類數據
另類數據因子在海外發展較為成熟，但在國內目前仍屬藍海。頭部量化私募除了與多家數據第三方保持聯動外，自己也在收集并持續探索以獲得更多突破。
Q20：如何看待因子同質化的問題？
“因子同質化”現象并不普遍存在，量化投資的盈利來源非常多樣化。如上所述，既有微觀結構數據驅動的高頻因子（國內屬于非主流）、交易數據驅動的價量因子、基本面數據驅動的基本面因子，又有事件驅動因子，以及另類數據因子。由于各家量化機構在方法論、模型、團隊架構等方面均存在差異，投資組合優化及最終實盤交易行為都非常多樣化。
從A股主流量化機構的超額數據分析可知，去掉交易量、波動率、離散度等影響量化超額的共同因子后，各家機構的超額相關性并不高，更不普遍存在所謂的“因子同質化”——海外市場的數據也支持這一結論。主要原因是各家alpha的交集部分大多用來克服印花稅、傭金和沖擊成本，而體現業績的往往是各家比較獨特的阿爾法因子。此外，從邏輯上說，如果各家機構交易趨同，一定會導致過度交易的股票偏離合理價格，反而給市場上其他參與者提供反向交易的機會，從而導致“交易趨同”不成立。
當然，量化私募管理人仍需持續開發和豐富底層因子，提升策略進化效率和加深對市場的理解，在投資組合層面持續優化模型，挖掘培養優秀人才。目前，各家量化管理人圍繞加速融合量化基本面、重視另類數據的應用、基于阿爾法策略微觀結構做進一步解構、全周期多策略多品種等方向深入探索，取得了不錯的進展和效果。
（CIS）
校對：冉燕青
