第五章：因子模型
第五章：因子模型
CAPM 用一个市场因子解释所有资产的预期收益，但大量实证结果显示，单一 beta 很难解释横截面收益差异。因子模型把问题扩展为：资产收益是否由多个共同风险源或系统性特征驱动？如果一个资产在某些共同因子上暴露更高，它是否应该获得更高预期收益？
本章是从“理论资产定价”走向“实证资产定价”和“量化因子投资”的桥梁。读这一章时，要同时保持两种视角：因子可能代表经济风险，也可能只是统计上有预测力的特征；两者在投资实践中都重要，但解释力度和可持续性不同。
本章路线
| 课次 | 核心问题 |
|---|---|
| 5.1 APT | 少数系统冲击怎样约束横截面预期收益？ |
| 5.2 统计基础 | 暴露、溢价与 alpha 分别由哪一维数据识别？ |
| 5.3—5.5 经典模型 | 规模、价值、动量、盈利与投资因子解释什么？ |
| 5.6 因子动物园 | 多重检验和模型选择怎样制造偶然因子？ |
| 5.7 因子投资 | 统计溢价扣除换手、容量和成本后还剩什么？ |
学习成果
通过本章学习，你将掌握：
- APT的理论基础和与CAPM的关系
- 如何构建和估计因子模型
- 主要的经典因子模型及其经济含义
- 因子动物园问题和因子筛选
- 因子投资的实践策略
读完本章后，你应能完成以下任务：
- 写出线性因子模型，并解释 alpha、beta、因子收益和残差的含义。
- 区分时间序列回归和横截面回归在资产定价检验中的作用。
- 解释 APT 与 CAPM 的共同点和差异。
- 说明 Fama-French、Carhart 和五因子模型各自增加了什么经济信息。
- 识别因子研究中的数据挖掘、拥挤交易和交易成本问题。
金融与经济动机
如果两个股票市场 beta 都接近 1，但一个是小盘价值股，一个是大盘成长股，它们长期平均收益可能明显不同。CAPM 把这种差异放进 alpha，但因子模型会进一步追问：这是不是因为它们暴露于不同的系统性风险？还是因为投资者行为、机构约束或市场摩擦造成了可持续异象？
| 现象 | 因子模型的处理 |
|---|---|
| 小盘股平均收益更高 | SMB 因子或规模特征 |
| 价值股平均收益更高 | HML 因子或账面市值比 |
| 赢家股票短期继续上涨 | 动量因子 |
| 盈利能力高的公司表现更好 | 盈利能力因子 |
| 因子数量越来越多 | 因子动物园与多重检验问题 |
模型设置与直觉
线性因子模型通常写成：
其中 是资产 的超额收益， 是第 个因子收益， 是资产对该因子的暴露。
直觉上，因子模型把资产收益拆成三部分：
- 因共同风险或特征获得的收益；
- 模型无法解释的平均收益 alpha；
- 个体资产自己的噪声。
如果模型足够好，alpha 应该接近 0；如果大量资产仍有显著 alpha，说明模型遗漏了重要风险、定价错误或检验设计有问题。
关键定义与定理
线性因子模型
资产收益由一组共同因子线性解释的模型。
中文解释：它假设很多资产一起涨跌，不是巧合，而是因为它们共同暴露于同一些风险源或特征。
因子暴露 beta
资产对某个因子的敏感度。
中文解释：价值因子 beta 高的资产，通常在价值股组合相对成长股表现好时也表现好。
因子风险溢价
承担某个因子暴露所获得的预期补偿。
中文解释：如果某因子代表坏状态风险，那么投资者要求正溢价；如果只是统计特征，它的溢价是否可持续需要额外验证。
APT
套利定价理论说明：若资产收益由少数共同因子驱动，且特质风险可被充分分散，则不存在套利时预期收益应近似为因子 beta 的线性函数。
中文解释：APT 不要求所有人持有市场组合，但要求不能存在大规模、低风险、正收益的套利组合。
因子动物园
文献中被提出的大量收益预测因子。
中文解释：因子太多时，显著性可能来自反复试验。真正有用的因子应有经济逻辑、稳健样本外表现和可交易性。
例子：三因子收益归因
某基金月度超额收益回归结果为：
当月市场因子收益 2%，SMB 为 -1%，HML 为 1.5%。模型解释的超额收益为：
若基金实际超额收益为 3.0%，当月残差为 0.325%。解释时不要直接说经理创造了 3.0% alpha，因为其中大部分来自市场、规模和价值因子暴露。
可运行例题：暴露、平均 alpha 与单月残差要分开
回归截距 0.20% 是样本期平均的条件外异常收益估计；某个月实际收益与拟合值的差是残差，不是“当月 alpha”。
Python：三因子收益归因
若要判断经理是否持续创造 alpha，需要整段样本、推断方法和可交易成本；单月残差只说明该月还有未被模型解释的部分。
学习顺序建议
| 小节 | 先抓住的问题 | 需要特别留意 |
|---|---|---|
| 5.1 APT | 无套利如何支持多因子定价 | 因子结构、充分分散、近似定价 |
| 5.2 统计基础 | 因子模型如何估计和检验 | 回归、标准误、多重共线性 |
| 5.3 FF3 | 市场、规模、价值如何解释收益 | SMB、HML 构造逻辑 |
| 5.4 Carhart | 动量为什么需要单独建模 | 动量收益与换手成本 |
| 5.5 FF5 | 盈利能力和投资因子的加入 | 与 HML 的解释重叠 |
| 5.6 因子动物园 | 如何筛选可信因子 | 数据挖掘、样本外、经济机制 |
| 5.7 因子投资 | 因子如何进入组合 | 暴露控制、交易成本、拥挤 |
常见错误与考试陷阱
- 把因子收益当成资产收益：因子通常是多空组合或特征排序组合，不是单只资产。
- 把显著 alpha 当成投资机会：alpha 可能来自遗漏因子、幸存者偏差或交易成本未计入。
- 忽略因子相关性：多个因子高度相关时，单个 beta 和 t 值可能不稳定。
- 把特征和风险混为一谈：账面市值比等特征可以预测收益，但是否代表风险需要额外论证。
- 用样本内表现选择因子：这会高估因子有效性，必须看样本外和跨市场稳健性。
自测题
- APT 与 CAPM 都是线性预期收益模型，它们的核心差异是什么？
- 为什么一个基金有正收益不代表有正 alpha？
- 若某股票对 HML 的 beta 为 0.8，HML 当月收益为 -2%，这个因子对股票当月收益贡献多少？
- 判断一个新因子是否可信，应检查哪些证据？
答案指引
- CAPM 依赖市场组合和均衡假设，只有一个市场因子；APT 基于因子结构和无套利，可以有多个共同因子。
- 正收益可能来自市场上涨或已知因子暴露。alpha 是扣除模型解释部分之后的平均超额收益。
- 贡献为 。
- 至少检查经济机制、样本外表现、跨市场稳健性、是否经受多重检验调整、交易成本和容量约束。
小结与过渡
因子模型把资产定价从单一市场 beta 扩展到多维风险与特征暴露。下一章进入跨期资产定价，用消费、状态价格和随机贴现因子把 CAPM、因子模型与更一般的动态定价框架连接起来。