15.1 多因子模型介绍
15.1.1 背景
积极管理型基金的收益可以分为两部分：一部分来自市场的收益(Beta)；另一部分则来自基金经理的投资技巧，即超越市场的超额收益(Alpha)。我们知道，来自市场的收益比较容易获得(例如采用跟踪市场的投资方式即可获得)，但是要获取超越市场的Alpha则不是一件容易的事情，而这也正是我们最为关注的部分。
多因子研究的目的就是找到那些能够获得Alpha的驱动因子，根据这些有效因子构造组合，从而期待在未来能够获取持续稳定的收益。因此，我们将沿着Alpha的足迹，寻找、筛选和跟踪可能的Alpha来源。
15.1.2 因子种类
可以把因子分成三大类：基本面因子、统计类因子和舆情大数据因子。
基本面因子是比较传统的因子，包括宏观经济、产业环境和公司经营方面的数据。
统计类因子基于统计模型，是一种衍生计算的因子，如各种根据价量计算的技术分析因子。
舆情大数据因子最近几年比较流行，能反映市场的情绪和关注度，如单只股票的搜索量。
15.1.3 因子库
1.因子来源
驱动因子的来源有三种：传统因子、寻找新因子和对已有因子的改造。
1) 传统因子
己有的卖方分析报告己经对传统的因子做了大量的测试，在广泛阅读这些报告的基础上，归纳总结出传统因子列表。
2) 寻找新因子
总有一些因子还没有被挖掘，寻找新的投资逻辑是获取新因子的有效途径。
3) 对己有因子的改造
由于因子的有效性是不断变化的， 对己有因子进行改造和重构，也是获取因子的重要方式。
2. 因子数值
考虑到不同情景下因子数值的可比性， 除了原始的因子数值外，还需要对因子值进行调整。
1) 原始因子值
这是因子最初的数值，没有经过任何修正和调整。
2) 因子得分
对因子值进行排序，按其分位数对因子进行打分。
3) 行业调整因子得分
利用所属行业的均值和标准差对因子值进行调整，用调整后的因子值计算分位数得分。
4) 风格调整因子得分
利用所属风格的均值和标准差对因子值进行调整，用调整后的因子值计算分位数得分。
5) 市值调整因子
以流通市值为权重调整因子值，用调整后的因子值计算分位数得分。
15.1.4 全局参数
1. 测试区间
测试区间决定多因子选股模型的起始日和终止日。可以选择从2005年开始，这样测试区间包含完整的牛市、熊市和震荡市：也可以从2010年开始，这样可以加入E进行对冲：还可以在牛市、熊市和震荡市分别进行测试，这样可以考察不同市场形态因子的表现。
2. 成本费用
包含费用、印花税和冲击成本，一般设为单边0.25%。
3. 初始资金
初始资金即最初的权益资本， 可以设定为1亿元人民币。
4. 持有周期
对于固定持有周期的静态模型，每个月或者每周换仓一次。
15.1.5 初始股票池
1. 涨跌停
建仓时，如果股票一开盘就涨停并死死封住涨停板，则实际无法买入，测试中会忽视这些股票。
平仓时，如果股票一开盘就跌停并死死封住跌停板，则实际无法卖出，测试中会继续持有，直到下一个换仓日(或者直到能卖出时就立即卖出，不用等到换仓日)。
2. 停牌
建仓时停牌的，实际中无法买入，所以会在测试中忽略这些股票。
平仓时停牌的，实际中无法卖出，会持续持有，直到下一个换仓日(或者直到复牌时就立即卖出，不用等到换仓日)。
3. ST/PT
当正常股票被ST或PT时，移除该股票：当恢复正常时，重新纳入该股票。
4. 新股
剔除新股(上市不足半年/三个月，即120/60个交易日)。
5. 异常值和缺失值
有一些特殊情况，例如长期停牌股票复牌后，股票价格可能会大幅变化，这时计算出来的因子值及收益率会失真。为了处理这些异常值，采用3sigma原则识别异常值，然后剔除异常值。对于那些因子或者价格数据有缺失值的股票，应该剔除。
15.1.6 股票组合
1. 组合数量
根据因子的数值，可以将原始股票池分成10组，每组中的股票数量大致相等。
2. 组合情景
1) 普通分法
即在整个初始股票池， 按照因子的大小分位数分组。
2) 情景分法
即在不同的情景下按照因子大小进行分组， 然后构成整个股票池的分组结果。例如，在不同的行业下分成10组，然后进行合并，构成整个初始股票池的分组，这样就使得从数目上看，各个行业是均匀分布的。
3. 组合权重
1) 等权重
即组合中的每只股票具有相同的权重。
2) 市值加权
即组合中的股票权重取决于股票流通市值的大小。
3)情景加权
即组合中的股票权重由股票所属情景在指数中所占的权重及市值(或等权重)共同决定，以达到情景中性。这些情景包括行业、风格、价值和成长。
4. 因子权重
对于多因子模型，因子之间的权重可以由以下方式确定。
1) 等权重
即多个因子具有相同的权重。
2) 主观确定
人为主观确定因子权重。
3) 指标确定
根据IC、收益率等指标确定。
15.1.7 情景分析
在不同的情景下进行因子分析，可以研究不同情景下因子的有效性。这些情景包括但不限于行业、风格、指数成分、阶段、估值和成长。
15.1.8 测试流程
1. 单因子测试
以所有A股等权重为例，单因子测试的具体流程如下。
回原始股票池。
在组合构建时点，确定原始的股票池。具体方法为: 在所有A股中，剔除所有特别处理和特别转让的股票，纳入当天从特别处理恢复正常的股票，剔除新股，剩余的股票作为原始待选股票池。
固构造组合。
根据选股逻辑对原始股票池中的因子进行排序(升序或者降序)，将原始待选股票池中的股票按因子值分成10组，等权重构造投资组合，并在下一个交易日买入组合。
囚调整组合。
对组合进行M日调整(扣除交易成本和冲击成本)。即持有组合M个交易日，然后利用更新后的数据重新确定组合，在下一个交易日对股票账户进行调整。
2. 多因子测试
多因子模型综合考虑L个统计因子，从多个维度对个股进行评价，筛选出综合得分最高的股票。具体步骤如下(以所有A股等权重为例) 。
回原始股票池。
在组合构建时点，确定原始的股票池。具体方法为: 在所有A股中，剔除所有特别处理和特别转让的股票，纳入当天从特别处理恢复正常的股票，剔除新股，以剩余的股票作为原始待选股票池。
固构造组合。
提取每只股票L个因子的值，每个因子等权重计算每只股票的综合得分。根据统计得分对原始股票池中的股票进行排序，将原始待选股票池中的股票按因子值分成10组，等权重构造股票组合， 并在下一个交易日买入组合。
固调整组合。
对组合进行M日调整(扣除交易成本和冲击成本)。即持有组合M个交易日， 然后利用更新后的数据重新确定组合，在下一个交易日对股票账户进行调整。
15.1.9 评价体系
1. 基本评价
基本评价包括:
(1) 业绩表现，即超额收益等指标。
(2) 收益率分析，即收益率分布、回撤、月度收益、年度收益和简单线性分析。
(3) 风险收益指标: 包括Alpha、Beta、夏普比率、信息比率等指标。
2. 深度评价
深度评价包括：
(1) 换手率分析，包括换手率时序图等。
(2) 自回归分析，展示当期收益和若干历史收益率的关系。
(3) 行业分析、展示组合内不同行业占比情况。
(4) 风格分析，展示组合内不同风格占比情况。