多因子模型是市场上量化选股模型中主流的、应用广泛的模型。多因子模型中的因子是指能够刻画股票在某些方面的特征，并对股票收益的相对大小具有预测能力的指标。对股票收益的相对大小具有预测能力是指，因子值大的股票的收益应该比因子值小的股票的收益高。比如，用市盈率的倒数（EP）代表价值因子，EP 值越大表示估值越小、价值越高。长期或者在某一段时间内来看，EP 越大的股票，未来的收益可能越高，也就是 EP 这个指标对股票收益的相对大小具有预测能力。
因子刻画了股票某一方面的特征，因此在构造因子时，应首先确定该因子要代表股票的哪个方面的特征。比如，动量因子表示的是股票价格的趋势性特征，通常可以用最近一段时间的涨跌幅来计算。
每个因子都代表股票某一个侧面的特征，背后都是一条投资逻辑，代表成长性、估值、盈利质量等，并且都具有一定的预测能力。因子的数量可以有几十上百个甚至上千个，在因子数量很多的情况下，如果单独分析每个因子，不仅难以操作，而且效果不一定好。如果能综合考虑这些因子，将其整合为一个数值，就是通常说的 Alpha 因子，用这个 Alpha 因子代表多因子模型对股票收益的预测，并且使得 Alpha 因子对股票收益的预测比每个单独的因子更加准确和稳定。因此，多因子模型的目标就是整合许许多多的对股票收益具有一定预测能力的因子，取长补短，形成最终的 Alpha 因子代表模型对股票收益的预测，并且这个 Alpha 因子的预测能力比模型中的每个单因子都要好。最简单的整合方法就是直接相加，当然现在也可以通过机器学习等各种算法实现对多个因子的整合。
（本章节完结）
正在加载...