第 85 节 如何不断叠加新的因子

在已有 Alpha 因子的基础上，如何不断叠加新的因子？

股票每个方面的特征，都对股票收益的相对大小具有一定的预测参考价值，一个有效的多因子模型应该含有数量较多的因子，且这些因子所刻画的股票特征之间的相关性应该是比较小的。

多因子模型的优势就在于能够综合考虑股票方方面面的特征，取长补短，获取整合优势。因此，不同的因子之间的相关性要低，否则如果两个具有高相关性的因子实际上就等价于一个因子重复多次，对 Alpha 因子预测能力的提升不但没有帮助，反而会增加 Alpha 因子在股票某个特征上的暴露，从而丧失多因子模型的整合优势，增加风险。

因此，如果已经有了一个比较成熟的多因子模型，在叠加新因子时，就相当于组织要接纳新成员，既要考察这个新因子本身的预测能力，也要看新因子与已有多因子模型中的因子的相关性，最重要的考量是要能提供增量信息，比如带来了新的投资逻辑或者新的数据处理方式。在新因子 IC 值不低的情况下，如果与原有因子的相关性比较低，就可以作为新的成员直接加入；如果与某个因子的相关性比较高，可以与已有的因子组合，甚至可以直接替换已有的因子。

 
（本章节完结）