多因子组合是一个基础的模型，可以通过对冲，组合构建，指数追踪等调整衍生出alpha中性，指数增强，smart beta等策略。

Q2：什么叫做因子？

理论上说，任何与股票有关的数据指标或衍生指标都可以被称为是因子，但是，显然并不是所有因子都是对实际投资有正面贡献的，一般我们用得上的因子，都是所谓“定价因子”，也就是与股票价格之间有显著的相关性，对股价的变化有较强的解释力度，并且通过测试发现长期有效的那些数据指标。一般我们会将定价因子分为阿尔法因子和风险因子两种。阿尔法因子可以显著区分股票收益，可以用来选股以获得稳定的超额收益，风险因子是在统计上对股票收益有较强的解释能力，但是用于选股没有明显的超额收益。

Q3：多因子模型是怎么赚钱的？

股票的预期收益是对股票持有者所承担的各种风险的回报，即我们所熟知的“高风险、高收益”，多因子模型就是将风险和收益进行量化，发现各类数据指标和股票价格之间的关系，优化这些指标的组合，尽可能分散风险、获得收益。

Q4：多因子模型的理论基础？

马科维茨的现代投资组合理论是最早用数学方法，创造性地对收益、风险的组合进行了定量分析的。

马科维茨的投资组合理论认为，单只股票的风险由系统性风险和非系统性风险构成，系统性风险即市场风险，不是分散投资所能化解的。例如利率变动、经济衰退，战争等；非系统性风险即特定风险，比如“黑天鹅事件”等，这种风险对单只股票影响尤为突出。假定“最优组合理论”是“”在给定投资组合预期收益的情况下，最小化投资组合的风险；在给定投资组合的风险，最大化投资的预期收益率”的组合，随着组合内股票数量的增多，投资组合的非系统性风险是逐步下降的，但是风险降低的效果存在边际效益递减的规律，即增加股票数量初期非系统性风险下降较快，越到后面下降越慢。

之后发展出了CAPM（Capital Asset Price Model）模型、Fama-French三因子模型、APT（Arbitrage Pricing Theory）等一系列理论。大家有兴趣可以找几本入门书看看。

Q5：常见的因子有哪些？

比较成熟的因子包括成长因子、价值因子、盈利因子、动量因子、规模因子、技术因子、大数据因子、风险因子等等。

Q6：多因子模型是怎样搭建的？

这个只能说一个简单粗暴的搭建逻辑，差不多分为五个步骤：

一、相关数据准备：包括数据的获取、数据的储备清洗、数据相关性的构建；

二、单因子开发：包括单因子开发、因子分类、因子效用测试；

三、收益模型搭建：包括因子共线性分析、因子筛选、组合预期收益率测试；

四、风险模型搭建：包括搭建因子协方差矩阵；

五、模型组合优化：确立组合优化目标，减小数据的跟踪误差，尽量达成风险因子中性、行业中性，尽量优化组合。

Q7：多因子模型面临着哪些困难？

最难的可能你想不到，数据的准备工作其实是最难的。说实话，数据的获取和清洗是所有做量化的人最头疼的，也是所有的困难中最难以克服的，所谓garbage in garbage out，没有高质量的数据，就很难论证。

网上免费的数据源非常少，优秀的数据很少，雪球、新浪、搜狐、大智慧等网站有一些，但是如果要大批量的数据需要手工爬取，追踪和清洗起来很麻烦，而且可以回溯的时间很短，基本上只有1-3年，也不是很够用。有些量化平台，比如X宽、X筐、X矿，会提供一些开源的数据，但是这些量化平台的数据只能在平台上用，不能提供下载，历史数据的时间不够长，数据的种类的字段不够充分，数据的接口不好用，Bug比较多的问题也没有得到解决。

当然，你也可以用万得、同花顺之类的收费软件，但是毕竟人家是靠卖数据赚钱的，试用期比较短，限制也比较多，真的是高精度的收费数据很贵，动辄几万几十万的，但是，及时收了费用，部分无量平台的数据质量和接口质量维护也不怎么到位，用户体验不好也很常见。淘宝上也可以买一些数据，相对便宜，但是良莠不齐，有些数据质量差到怀疑人生。

还有一些数据是经济数据，比如公司的财报数据，当然，A股的财报数据的质量你懂的，而且有些公司为了财务报表好看，会对财务统计的逻辑进行调整，例如2015年，公司调整了会计准则，对2012-2015年的数据进行更正，计算2011年之前的算法和2012年之后的算法进行调整。公司还会有停牌、退市、借壳上市等种种问题，隔几个月更正一些财务报表项目都算是很简单就更新一下的小bug了。

Q8：怎么看待近年来很多股票多因子产品的收益表现不佳？

其他人的策略是怎么做的我不太里了解，只能说一些猜测吧。多因子选股，本质上，是把基本面数据、经济财务类数据等一些数据，作为市场参与者对价格运行要素的描述工具，更加标准化、定量化分析，来评价股票的价值和价格。这种模型对于成长性的股票、分散性的投资效用会更加显著，这两年的A股市商，基本上就是一些市值很高的白马股领跑市场，中证500整个市值一直没上去，加上公司财务造假多，中小板上一堆壳公司，模型构建难度还是很大的。同时，大家策略也比较同质化，几个有效的因子被论证了，就一窝蜂所有人都用，策略使用超过了策略容量，有效因子就变成无效因子了。

量化毕竟是一种方法论，量化的好处是，每一个分析都是定量的，每一笔收益都是可以解释的，持续优化一定会带来正面的效用的，量化赛道的竞争也是个大浪淘沙的过程，真正优秀的团队，也只有经历过牛熊市，经历过不同风格才会真正显现出水平，从这个角度，未来的市场是更值得期待的。