多因子策略中的因子正交化.docxVIP

多因子策略中的因子正交化

一、多因子策略与因子相关性困境

（一）多因子策略的核心逻辑

多因子策略是量化投资领域的核心方法之一，其核心思想是通过挖掘多个能解释资产收益的关键因素（即“因子”），构建综合评分体系，进而筛选出预期收益更高的投资标的。这些因子通常涵盖价值、成长、动量、质量、波动率等维度，例如市盈率（反映价值）、净利润增长率（反映成长）、过去一年收益率（反映动量）等。多因子策略的优势在于通过分散化降低单一因子失效的风险，同时通过多维度信息整合提升收益预测的准确性（FamaFrench,1993）。

（二）因子相关性的现实表现与潜在风险

然而，实际应用中因子间普遍存在的相关性往往削弱策略效果。这种相关性可能源于经济逻辑的内在联系——例如，高成长的公司通常伴随较高的估值（如市盈率与净利润增长率正相关）；也可能源于数据统计的偶然性——如不同计算方式的动量因子（短期动量与中期动量）可能因市场惯性特征呈现共变关系。

因子相关性会引发两大核心问题：其一，统计层面的“多重共线性”，导致回归模型中因子系数估计的方差增大，参数稳定性下降，甚至出现符号与经济意义相悖的情况（如本应代表“价值”的低市盈率因子系数为负）；其二，策略层面的“信息冗余”，相关因子重复反映同一类市场特征（如同时纳入市盈率和市净率），不仅增加计算成本，还可能放大特定风险敞口（如市场风格切换时，相关因子同时失效）（Cam