1.2.3 多因子模型的實踐框架

多因子框架體系可以歸結為“道”和“術”兩個層面。在上面一小節中，我們簡單介紹了多因子模型背后的底層原理，可以說是“道”的層面，簡單理解即可；而在這一小節中，我們要講解一下“術”的層面，也就是實際操作過程中是怎么將“道”這一層面的思想體現出來的。先看一下多因子模型框架結構圖，如圖1-2所示。

多因子模型的具體構建分為3個子部分：單因子測試與篩選、因子合成和組合構建。在進入實盤之后，還應當增加“歸因分析”的部分。本書由于篇幅有限，只討論前面三個部分。

第一部分是單因子測試與篩選，如圖1-3所示。

先構建自己的因子池，并通過測試模板和特定的指標不斷地測試這些因子，把目前市場下可行、有效的因子納入入選因子池，這個過程就叫作“因子篩選”，這一過程以因子池和因子測試為基礎。

因子測試與篩選的詳細內容將會在本書第4章介紹。

第二部分是因子合成。

因子合成的過程很簡單，就是對上一步篩選出來的因子進行加權求和變成一個合成因子，如圖1-4所示。但其加權的過程有很多種方法，有傳統的指標加權方法，也有比較復雜的機器學習和深度學習的加權方法，還可以完全不依賴于數量模型，單純依靠投資者對當前市場的理解和經驗進行加權，甚至可以將多種模型相結合。

目前在整個股票多因子體系中，這一部分可研究、挖掘的點是最多的，而且也是主觀投資者與量化投資者可以相互結合的環節。

第三部分是組合構建。

當我們通過一定的手段獲得合成因子后，其實就獲得了每一只股票的一個總的因子分值。我們可以按照從小到大的順序給股票池中的股票排序，接下來根據合成因子的打分來計算哪只股票買多少比例，這就是股票組合的構建，如圖1-5所示。

股票組合的構建方法：最簡單的方法是選出得分前20%的股票，然后等權買入；也可以采用復雜的數學方法，例如將優化算法結合馬科維茲的組合理論進行組合優化，最終得到一個優化器計算出來的組合結果。

所謂的組合，簡單來看其實就是每只股票的占比權重，如表1-2所示。

上面我們分了三個部分靜態介紹了多因子模型的操作框架，下面我們從時間維度，動態理解一下這一模型具體是如何進行股票調倉的。

假設現在是T時刻，而我們的調倉周期是t，那么依賴于現在可以獲得的數據計算出T時刻的合成因子值，并通過組合構建方法計算出一個組合，記為P_T，如表1-3所示。

調倉周期可以是數分鐘也可以是數個交易日甚至是數個月。在一個調倉周期（t）后，我們可以依賴新的數據計算出T+t時刻的股票組合，即P_T+t，如表1-4所示。

T+t時刻的新的組合可以與前一個組合進行軋差，在對比差異之后，進行調倉，確認需要買入和賣出的股票數量，如表1-5所示。如果調倉方向為負數，那么就是賣出特定比例的股票；如果為正數，那么就是買入特定比例的股票，最終使得組合P_T變成P_T+t。