3.1 什么是因子
因子（Factor） = 能解释或预测股票收益的特征变量。
类比：选篮球运动员看身高、弹跳、投篮命中率——这些是"因子"。选股票看市盈率、动量、波动率——这些是选股的"因子"。
核心问题：这个因子值和未来收益率有稳定关系吗？
3.2 因子分类
| 大类 | 因子示例 | 基本逻辑 |
|---|---|---|
| 动量因子 | 过去N日收益率 | 过去涨的会继续涨 |
| 反转因子 | 短期收益率（反向） | 短期涨多了会回调 |
| 波动率因子 | 历史波动率 | 低波动异象：低波动股票风险调整收益更优 |
| 价值因子 | PE、PB、EP | 便宜的可能被低估 |
| 质量因子 | ROE、毛利率 | 好公司长期涨得更好 |
| 情绪因子 | 换手率、成交量 | 异常交易量暗示信息变化 |
| 规模因子 | 市值 | 小盘股效应 |
3.3 动量因子（Momentum）
常用周期：21日（1个月）、63日（3个月）、126日（6个月）、252日（1年）
Jegadeesh & Titman (1993) 发现过去 3-12 个月赢家组合未来继续跑赢输家组合。是金融学中最稳健的异象之一。
3.4 低波动率异象（Low Volatility Anomaly）
金融学中最稳健的异象之一：低波动股票经风险调整后的收益往往优于高波动股票。
理论上高波动应该有高收益（CAPM），但实证发现恰好相反。可能原因：杠杆限制、彩票偏好、机构委托代理问题。
3.5 规模因子与小盘股效应
A 股历史上存在显著的小盘股溢价。Fama-French 三因子模型将 SMB（Small Minus Big）作为核心因子之一。可能原因：小盘股风险更高（需要补偿）、研究覆盖不足（定价效率低）。
3.6 IC（Information Coefficient）
衡量因子值和未来收益的相关性：
- Rank IC = Spearman 秩相关（更稳健，不受极端值影响）
- IC 均值 > 0.03 且 t 统计量显著 → 因子有效
- ICIR（IC 的信息比率）= IC 均值 / IC 标准差。> 0.5 表示因子稳定
- IC 衰减：因子 IC 随时间推移下降的速度。衰减越快，因子越拥挤
3.7 因子从何而来
因子可以来自：
- 学术文献（Fama-French 三/五因子，动量因子）
- 市场直觉（"市盈率低的股票可能被低估"）
- 数据挖掘（用统计方法从大量数据中发现规律——但需要严格的样本外验证）
- 行为金融（投资者的系统性偏差可以被量化）