多因子模型

Multi-Factor Model（MFM）。量化交易的经典框架：用多个因子（价值、动量、质量、波动、规模等）线性组合预测股票收益。BARRA、Fama-French 是经典代表。中国传统量化机构（2010-2020）的核心方法论，2024 后逐步被深度学习替代。

定义

多因子模型把股票收益拆解为多个因子（factor）的线性组合：

R_i = α + β1·F1 + β2·F2 + ... + βn·Fn + ε

其中 F1-Fn 是因子暴露（如 PB、PE、动量、波动率等），β1-βn 是因子收益。

技术细节

经典因子分类

• 风格因子：价值（Value）、动量（Momentum）、质量（Quality）、规模（Size）、波动（Volatility）
• 行业因子：行业归属
• 国家因子：国别配置
• 统计因子：PCA 主成分

代表模型

• CAPM（1964）：单因子市场模型
• Fama-French 三因子（1992）：市场 + 规模 + 价值
• Fama-French 五因子（2015）：+ 盈利 + 投资
• BARRA 多因子（商业化）：30+ 因子

主要玩家

• 国内量化私募：幻方量化 早期、九坤投资、明汯投资
• 海外：MSCI BARRA、Axioma

在 AI 产业链中的角色

多因子模型是 AI 量化的"前 AI 时代"基础。其线性框架在 2020 后被深度学习全面超越，但仍是：

1. 投资归因分析的基础工具
2. 中低频量化策略的起点
3. AI 模型的对比基准

演进历史

• 1964：CAPM 提出
• 1976：Ross 提出 APT（套利定价理论）
• 1992：Fama-French 三因子
• 2010-2020：中国量化私募黄金期
• 2020+：被深度学习替代

相关概念

• 量化交易 / 强化学习交易

∈ belongs_to::5-09-AI金融-量化交易

已废弃叙述