因子（Factors） 量化投资（Quantitative Investing）


因子是“原料”和“方法论”，
是解释资产收益、构建投资策略的基本元素。

量化投资是“厨房”和“流程”，
是系统性、纪律性地使用包括因子在内的多种工具进行投资决策的体系。


量化投资的实践高度依赖于因子。
可以说，现代量化投资（尤其是股票多因子模型）是建立在因子研究之上的。

收益来源的解释：
量化投资需要回答“为什么赚钱/亏钱”。
因子模型（如Fama-French三因子、五因子模型）提供了理论框架，
将投资组合的收益分解为因子暴露带来的收益和个股特异性收益。
这帮助量化投资者理解其收益是源于承担了哪些系统性风险,
如市场风险、规模风险、价值风险等

策略构建的核心：
绝大多数量化策略 的核心，
无论是主动选股、Smart Beta还是风险平价, 
都是在有目的地暴露或规避某些因子。
例如，一个“价值策略”就是在主动增加对价值因子（如低市净率）的暴露。
一个“质量因子策略”则是在增加对盈利质量因子（如高ROE、稳定现金流）的暴露。

风险管理的工具：
量化投资通过监控投资组合对各种因子的暴露，来管理风险。
例如，确保投资组合没有在行业、风格（价值/成长）或 宏观因子上过度集中，
以避免不可控的风险敞口。

绩效归因的依据：
量化投资结束后，需要通过绩效归因分析来评估策略成功与否。
因子分析是归因的核心，
它区分出收益有多少是来自基金经理的选股能力（Alpha），
有多少只是简单地买了某些因子（Beta）。

量化投资是“器”，因子是其所用的“道”与“术”。
没有因子的量化投资如同无米之炊；
没有量化方法的因子研究则缺乏系统性的实现手段。

因子为量化投资提供了理论依据和策略素材；
量化投资为因子的检验、组合和应用提供了科学化、规模化的实践框架

因子投资是量化投资的一个最重要子集。但量化投资的外延更广，它还包括：
高频交易（更依赖微观结构因子、订单流数据）。
量化CTA（使用商品、期货市场的趋势、期限结构等因子）。
套利策略（如统计套利、ETF套利）。
使用另类数据（卫星图像、社交媒体情绪、信用卡数据）构建的非传统因子模型。

因子可以是非量化的吗？ 
理论上，因子概念本身是通用的。
基本面分析中的“护城河”、“管理团队质量”也是因子，
但它们难以被量化（标准化、数值化）。
量化投资所依赖的因子，必须是可量化的指标。

发展路径：
学术研究识别因子（如三因子模型） 
-> 被量化投资者验证和应用 
-> 形成广泛的因子投资策略 
-> 因子拥挤导致衰减 
-> 量化投资者继续寻找新因子或更复杂的因子组合方式（机器学习）


核心区别：概念层次与应用范畴不同

维度	因子	量化投资
1. 本质	
1.1 特征、属性、风险源。
是解释资产价格变动或预测未来收益的变量。	

1.2 方法论、过程、体系。
是一种基于数据、模型和系统规则进行投资决策的方法。


2. 范畴	
2.1 更偏理论和微观。是金融学术研究和实证分析的基本对象。

2.2 更偏实践和宏观。是一个完整的投资流程，
包括数据获取、因子研究、模型构建、组合优化、交易执行、风险管理等。


3. 目标	
3.1 识别能够持续、稳定带来超额收益或解释风险的特征。	
3.2 利用包括因子在内的各种工具，构建能持续产生风险调整后超额收益的投资组合。

4. 构成元素	
4.1 单个或多个具体的指标，如：价值（P/B）、动量（过去12个月收益）、质量（ROE）、波动率等。	
4.2 包含但不限于：因子模型、统计/机器学习算法、交易系统、风控系统、IT基础设施、数据管道等。

5. 独立性	
5.1 因子研究可以独立于量化投资存在（例如，基本面投资者也会看PE、ROE）。	
5.2 量化投资必须使用某种形式的因子（即使是简单的动量或价格指标），但不仅限于使用传统财务因子。