量化研究 · 第 2 章 多因子模型基础
文档摘要
量化研究 · 第 2 章 多因子模型基础 章节摘要:本章是全教程的方法论基石。多因子模型是量化选股最经典、最基础的框架——用多个「因子」共同解释和预测股票收益。本章讲透五块:因子如何分类(估值/成长/动量/质量/情绪/技术等)及其背后逻辑;单个因子的标准测试流程;评估因子好坏的核心指标 IC/IR 与分层回测;如何把多因子合成为综合因子;以及 Barra 结构化多因子风险模型。素材主要来自华泰多因子系列 13 篇与海通选股因子系列 93 篇的方法论部分。本章共 5 节,前置依赖为「第 1 章」。 学习目标 阅读完本章,你应当能够: 说清因子的定义与分类体系(估值/成长/动量/质量/情绪/技术)。 描述单因子测试的标准流程(预处理→分组→统计)。
量化研究 · 第 2 章 多因子模型基础
章节摘要:本章是全教程的方法论基石。多因子模型是量化选股最经典、最基础的框架——用多个「因子」共同解释和预测股票收益。本章讲透五块:因子如何分类(估值/成长/动量/质量/情绪/技术等)及其背后逻辑;单个因子的标准测试流程;评估因子好坏的核心指标 IC/IR 与分层回测;如何把多因子合成为综合因子;以及 Barra 结构化多因子风险模型。素材主要来自华泰多因子系列 13 篇与海通选股因子系列 93 篇的方法论部分。本章共 5 节,前置依赖为「第 1 章」。
学习目标
阅读完本章,你应当能够:
- 说清因子的定义与分类体系(估值/成长/动量/质量/情绪/技术)。
- 描述单因子测试的标准流程(预处理→分组→统计)。
- 用 IC/IR 评估因子预测能力,用分层回测看单调性。
- 掌握几种因子合成方法(等权/回归/IC 加权)。
- 理解 Barra 风险模型的结构化思路。
核心概念速览
多因子的闭环:原始因子 → 预处理 → 测试评估 → 合成 → 风险建模。
子章节导航
01 因子分类与逻辑
估值/成长/动量/换手率/波动率/资金流/质量/预期/技术因子的定义与经济学逻辑。素材:华泰多因子 2-9、11、13。
02 单因子测试流程
因子预处理(去极值/标准化/行业市值中性化)、分组、收益计算。素材:海通系列方法论。
03 IC/IR 与分层回测
信息系数 IC、信息比率 IR、分层回测与单调性、多空收益。素材:华泰多因子 1、海通系列。
04 因子合成方法
等权、IC 加权、回归合成、主成分;华泰多因子 10。
05 Barra 结构化风险模型
风险因子与收益因子、风险拆解、华泰多因子 12。
子章节之间的逻辑关系
本章第 01 节(分类) ──► 第 02 节(测试) ──► 第 03 节(IC/IR) ──► 第 04 节(合成) ──► 第 05 节(Barra) │ ▼ 下一章(第 3 章 经典技术指标体系)
前置知识与后续延伸
前置知识:
- 第 1 章(量化研究概览)
- 基本统计(相关系数、回归)
后续延伸:
- 第 4~6 章用机器学习/深度学习做更复杂的因子组合
- 第 9 章深入组合优化与风险模型