Alphalens是一个用于因子分析的开源Python库。
它是Quantopian公司旗下三大开源包之一，其余两个分别是Zipline(策略回测)， Pyfolio(策略分析)。
Alphalens最主要的功能就是展示与alpha因子最为相关的统计量：
收益分析，IC分析，换手分析，分组分析

因子轮动
价值因子的回报率 2006年第一，2008年倒数第一。
动量因子的回报率2016年垫底，2017年变成了冠军。

Andrew Berkin和Larry Swedroe撰写的《Your Complete Guide to Factor-based Investing》书中，
形象的将因子比喻成动物，因子投资这个动物园正在不断扩大。
一旦因子被发现，它能带来的超额回报会随着越来越多的投资者追捧它而消失，
这就需要投资者不停的寻找新的因子来保持投资组合的超额回报。这个现象叫Alpha-fading .
美股在过去五年间生动的证明了市值（规模）因子的Alpha-fading：大盘股的回报要远远优于小盘股

常用七大类因子
低波动率因子 Low Volatility
市值因子 Size
价值因子 Value
盈利水平因子 Profitability
质量因子 Quality
成长因子 Growth
动量因子 Momentum
分红比例因子 Dividend Payout

1992年，Fama和French提出了著名的三因子投资模型。
在CAPM的基础上，引入了市值敏感度因子和价值敏感度因子。
股票的回报率由三个因素决定：
1 相对市场组合的回报变动越敏感的股票，其回报率越高；
2 市值越小的公司，其回报率越高；
3 具有越高的账面价值/市值比的公司，其回报率越高。

1972年，Haugen和Heins两位博士发表了名为“On the Evidence Supporting the Existence of Risk Premiums in the Capital Market”的文章。
文章提出了一个新的因子：低波动率（Low Volatility）。
他们发现，持有一篮子波动率低的股票所获得的的回报比持有一篮子波动率高的股票所获得的回报要高。
从长期来看，每个月持有价格变动/方差较小的投资组合所获得的平均回报高于持有方差较大的投资组合。
这个现象被称为低波动率异象（Low Volatility Anomaly）

预期回报 = 无风险回报 + 贝塔 * 市场风险溢价
Expected return = Risk-free return + Beta * (Market return - Risk-free return)

上班最大的意义不是那点工资，而是工作能让你有规律的生活，
有见人的机会，有稳定的社交圈子，还有来自客户同事或多或少的压力。
一来可以锻炼心智，二来能促进你不断前进，不至于生活越来越堕落。

常用因子
规模因子   小盘股长期收益更好。
价值因子   价格便宜的股票长期收益更高。
低波动因子 波动程度比较小的股票回报更高。
红利因子   高分红的股票长期表现更好。
质量因子   质地好的公司长期回报会更好。
动量因子   过去一段时间股价表现好的股票，接下来表现会更好。

传统的资产定价理论认为，风险高的资产应有更高的收益补偿，
风险低的资产应有更低的收益补偿，即“高风险、高收益，低风险、低收益”。
衡量股票风险的常用指标是贝塔值（beta或β）。
然而，《因子投资：方法与实践》一书，以及众多的量化研究实证数据表明，
高贝塔股票并不能带来高收益，反而是低贝塔股票能够带来高收益。
这种与传统认知相悖的投资现象，被称为“低贝塔异象”。