3.3 多因子选股策略：横截面上的定价误差修复

3.3 多因子选股策略：横截面上的定价误差修复

本节摘要：多因子策略不问"这只股票会不会涨"，而问"这一批股票里，哪些相对便宜、哪些相对贵"。它把选股逻辑拆解为一个个可度量的因子，再用组合的方式把数百次微小的定价误差修复汇聚成收益。本节讲因子的生命周期、合成之争与拥挤问题——四派对照的第三站，也是周期最长、最考验耐心的一派。

视角的切换：从时间轴到横截面

前三节的所有策略都在时间轴上做文章：同一段价格历史，判断方向或偏离。多因子策略把镜头横过来：在某一个时刻，把全市场几千只股票并排放好，按某个可度量的特征排序——估值、质量、动量、市值——买入排名靠前的一篮子，卖空或低配靠后的一篮子。单个特征就是一个因子。它的收益押注是一种朴素的市场现象：定价误差在横截面上系统性存在，且会随时间修复。修复的驱动者是被第一章 1.3 点过名的各类参与者：风险溢价让特征组合长期获得补偿，行为偏差让特征组合出现可捕食的错价。

一个因子的完整生命周期

一个因子从想法到实盘要走五步，每一步都有明确的否决点。

第一步，经济叙事。先讲清"为什么这个特征该有溢价"：是承担了某种风险（价值股的困境风险），还是利用了某种行为偏差（动量的反应不足），还是承接了某种制度约束（投资者的月历效应）。没有叙事的因子，大概率是对样本数据的抢劫。

第二步，构造与清洗。定义指标口径、做行业与市值中性化、处理极端值——同一逻辑不同口径，样本内表现可能天差地别，这也是因子研究里最容易"无意识造假"的环节。

第三步，历史检验。分层回测：按因子值把股票分五到十层，看顶层与底层的收益差是否单调、稳定、跨时段成立。收益差集中在个别年份或个别行业，都算不合格。

第四步，增量检验。新因子是否在已有因子之外提供了新的信息？把它对现有因子组做回归，残差收益显著为正才值得纳入。这一步拦截的是"换了件衣服的旧因子"。

第五步，成本与容量。因子组合的换手率决定交易成本，持仓分散度决定容量。许多样本内漂亮的因子死在这一步——月度换手一次的收益差，被双边成本吃掉一半后所剩无几。

图 3-2：单因子从想法到实盘的五步漏斗

合成之争：因子怎么加总

单一因子噪音大，实践中总要把几十上百个因子合成为一个综合打分。合成的权重之争有三个流派。等权：每个因子一票，朴素但对因子质量差异视而不见。IC 加权：按各因子历史预测力（因子值与下期收益的相关系数）加权，反应快但对近期噪音敏感。最优化加权：把因子暴露当作协方差矩阵里的风险来源做均值方差优化，理论优雅但对估计误差极其敏感——协方差矩阵估不准时，优化会精确地把权重压到错误的位置上。实践中没有公认的赢家，多数成熟团队取折中：粗粒度的 IC 加权打底，风险模型做约束，再靠换手惩罚把所有方法拉回现实。争论的真正要点不在方法名，而在合成权重本身也是一个待验证的参数——它同样适用第二章的过拟合纪律。

拥挤：这一代因子的头号敌人

因子收益随资金涌入而衰减，是 1.3 节讲过的规律在多因子世界的具体化。拥挤的可观察迹象包括：因子估值价差处于历史极端（价值因子的"便宜股票比贵股票贵"）、多空两端换手同步放大、公开披露的同类产品规模快速上升。拥挤不改变因子的长期逻辑，但显著放大回撤：一旦某个因子进入回撤期，拥挤仓位同向踩踏，回撤的深度与时长都会超过历史样本。应对方式保守而有效：把因子估值价差纳入监控（第六章清单的一项）、控制单一因子的权重上限、接受"因子配置本质上需要以年为单位的耐心"这个现实。

深入一步：跟踪一个因子的估值价差

把拥挤监控做成可操作的读数。以价值因子为例：在任意时点，计算因子多头组合（最便宜一端）与空头组合（最贵一端）的估值指标差，比如两者的市净率中位数之比。把这个比值画成时间序列，它就是价值因子的"估值价差"。读法与个股估值同理：价差处于历史高位，说明便宜股相对贵股格外便宜——因子未来的修复空间大，但当前持有体验往往糟糕（价差高位常伴随因子已经回撤很深）；价差被压缩到历史低位，说明市场已经把"便宜"重新定价——拥挤程度高，因子红利被提前支取。实操上给价差画上历史分位的警戒线：进入极端区间不立刻动作，但触发预设的降仓阶梯与复核流程。这套读数的原理来自最朴素的均值回归直觉，它不预测因子的短期涨跌，只回答一个问题：此刻押注这个因子，赔率处于历史的什么位置。

常见疑问

问：因子数量是不是越多越好？ 不是。因子数量的边际价值递减极快，而估计误差与过拟合风险随之上升——几十个彼此相关的因子，大部分信息是重复的，剩下的独立性不足以摊薄新增的噪音。多数成熟组合的核心因子在个位数到十几个之间，其余因子作为卫星与监控用途。因子组合讲究的是互补与正交，不是堆数量。

问：中性化做到什么程度合适？ 取决于你想赚什么钱。若故事是"纯粹的估值溢价"，就做足行业与市值中性，把风格暴露剥干净；若你明确想赚风格暴露的钱，那就不中性，但要按 1.3 节的框架把它如实归类为风格策略并管理相应风险。危险的不是暴露本身，是账算不清——拿着风格暴露的收益讲阿尔法的故事。

问：小资金做因子策略有意义吗？ 有，而且有独特优势：容量约束对小资金几乎不构成限制，交易成本模型可以按更乐观（但要诚实）的冲击假设计算。小资金的真正短板是研究与运维的固定成本占比高——务实做法是从简化的双因子组合起步，把流程跑通再扩。

本节要点回顾

• 多因子是横截面游戏：押注定价误差在截面上系统性存在并随时间修复；
• 因子要有经济叙事：没有叙事的因子是对历史数据的抢劫，样本外必还；
• 五步漏斗各有否决点：叙事、构造、检验、增量、成本，绝大多数因子倒在后两步；
• 合成权重也是参数：等权、IC 加权、最优化各有软肋，同样适用过拟合纪律；
• 拥挤是这一代的头号敌人：衰减逻辑叠加踩踏放大，监控与耐心缺一不可。

💡 关键直觉：多因子策略的产品不是某只股票的判断，而是一个分散化的"定价误差修复器"。它的力量来自 law of large numbers——单次修复微不足道，千百次修复构成收益。

族谱的最后一站进入微秒世界：高频与做市，把流动性本身变成商品的一派。