面向小白的多因子组合策略入门指南

在本周的学习中，已经进入到实质性的内容，之前都是在为今天的课程内容做铺垫。在整个流程中，先将想法变成可量化的因子，组合之后形成多因子策略，再运行策略，再查看回测报告，研究是再否可再优化。

整个流程可以概括为：将想法转化为可量化的因子 → 组合形成多因子策略 → 运行策略 → 查看回测报告 → 研究优化空间。

从最初理解什么是因子，到掌握各类因子的特点，再到学会将多个因子组合并调整权重，每一步都在为最终的策略构建打下基础。当我们完成策略搭建并运行回测后，通过分析各项指标（如年化收益、夏普比率、最大回撤等），就能判断策略的有效性，并找到进一步优化的方向。

量化投资的核心不在于一次性的完美构建，而在于持续迭代、不断验证与改进的过程。本周的学习，让我们真正迈出了从理论到实战的关键一步。

一、什么是因子？为什么需要多因子？

在量化投资中，“因子”可以理解为一种用来解释或预测资产收益的指标或特征。比如过去20天涨幅、成交量变化、估值水平等，都可以作为因子。

简单来说：
👉 因子 = 用数据描述股票“好不好”的方式

那为什么不只用一个因子，而是要用“多因子”？

原因很简单：

• 单一因子容易失效（市场风格会变化）
• 不同因子关注不同维度（趋势、估值、情绪等）
• 多因子组合可以分散风险，提高稳定性

👉 类比：判断一个人优秀与否，不只看成绩，还看能力、性格、经验等

二、因子的类型

常见的因子可以从多个维度进行分类，以下是几种主流的分类方式：

1. 按构建方式分类

2. 按逻辑来源分类（主流框架）

这是学术界和业界最常用的分类方式，源自 Fama-French 等经典研究：

3. 按数据来源分类

4. 按投资逻辑分类

5. 按因子数量分类

6. 分类全景图

                    因子分类
                        │
        ┌───────────────┼───────────────┐
        ↓               ↓               ↓
   按构建方式       按逻辑来源       按数据来源
        │               │               │
   ┌────┴────┐    ┌─────┴──────┐    ┌───┴───┐
   ↓         ↓    ↓            ↓    ↓       ↓
线性因子  非线性  价值因子     量价因子  基本面
          因子    动量因子   宏观因子  另类数据
                  质量因子
                  规模因子
                  波动率因子
                  情绪因子
                  成长因子
                  流动性因子

💡 对于初学者来说，最需要掌握的是“价值、动量、质量、规模”这四大经典因子类型，它们是构建多因子策略的基石。

上面是对因子做了比较详细的说明，下面通过对pandai的工作流将多因子组合的策略运行起来：

从官方的模板中选中多因子模板（快速的运行策略）

三、编写因子与权重调整

下面给出几个简单的动量因子例子：

因子1

RANK((CLOSE / DELAY(CLOSE, 20)) - 1)
👉 含义：过去20天的收益率，并进行排名

因子2

RANK((OPEN / DELAY(CLOSE, 20)) - 1)
👉 含义：用开盘价计算的20天收益率

因子3

也可以用 Python 写成策略形式：

class MomentumFactor(Factor):`     
    def calculate(self, factors):` 
        close = factors['close']`      - 获取收盘价
        returns = RETURNS(close, 20)`  - 计算20日收益率
        return RANK(returns)`          - 对收益率进行排名

四、因子组合与权重调整

当我们有多个因子时，可以进行组合：

综合因子 = w1 * 因子1 + w2 * 因子2 + w3 * 因子3

这里的 w1, w2, w3 就是权重。

为什么要调整权重？

• 不同因子效果不同（有的更稳定，有的更激进）
• 市场环境变化（趋势市场 vs 震荡市场）
• 控制风险和收益的平衡

👉 举例：

• 动量因子在牛市表现好 → 提高权重
• 价值因子在震荡市稳定 → 增加配置

常见方法：

• 等权重（最简单）
• 根据历史表现加权
• 使用优化算法（如最大夏普）

五、策略结果与核心指标

在构建好因子组合后，我们需要评估策略表现。下面是一些常见指标：

1. 收益类指标

2. 风险与收益比

3. 因子有效性指标

4. 统计显著性

5. 胜率相关

6. 信息比率

7. 单调性

8. 分组

从上面这些分组，可以看出，所有的股票被随机分面了5组，每组不同的收益反馈是不一样的

六、如何使用你的因子

当你的多因子策略表现不错时，可以：

1. 将组合后的因子保存
2. 添加到“因子大赛”的节点中
3. 后续直接调用该因子参与比赛或策略构建

👉 好处：

• 避免重复计算
• 提高策略开发效率
• 便于复用与优化

总结

多因子策略的核心思路是：

构建多个有效因子 → 通过权重组合增强稳定性 → 用指标评估策略优劣 → 持续优化与迭代

对于初学者来说，可以从简单动量因子 + 等权组合开始，逐步理解各类指标，再慢慢提升复杂度。

量化投资不是一蹴而就，而是一个不断验证与改进的过程 🚀