概念进阶组合风险与收益金融理论与学说
多因子模型
也叫：Multi-factor Model、多因素模型
多因子模型用宏观、基本面等多个因子来解释资产的预期收益率。
核心讲解
收益率生成模型研究的是资产的系统性风险与合理预期收益率的关系，本质上是为风险定价。一个资产的预期收益率可能受多个因素影响，用多个因素建立起来的收益率模型就叫多因子模型。它的形式是把资产的预期超额收益表示为若干因子预期值的加权之和：E(Ri) − Rf = βi,1·E(因子1) + … + βi,k·E(因子k)，其中每个 βi,k 是资产 i 超额收益对该因子的敏感性。
这些因子通常分为三类：宏观经济因子，如 GDP 增长、利率、通货膨胀率；基本面因子，如利润、利润增长、广告投入、研发费用、专利等；统计因子，即通过统计研究历史收益率找出的因子。统计因子在统计上可能显著，却未必有现实意义，还容易出现数据挖掘的问题。
它为什么重要？因为它把单一市场因素的影响扩展到多重风险来源，能更细致地解释资产收益的差异。现实中，机构常用多因子模型做风险归因和组合构建，找出收益究竟来自哪些风险暴露。
需要注意，多因子模型中的单因子模型是它的特例：当只保留市场这一个因子时，多因子模型就退化为单因子模型。
费曼版：用大白话再讲一遍
解释一个学生成绩好坏，可以只看一次模拟考（单因子），也可以同时看他的作业、出勤、课外班、睡眠（多因子）。看的方面越多，解释得越细，但也更要小心别把无关的巧合当成原因。
要点
- 多因子模型用多个因子解释资产预期超额收益。
- 形式：E(Ri) − Rf = βi,1·E(因子1) + … + βi,k·E(因子k)。
- 因子分宏观、基本面、统计三类。
- 统计因子可能出现数据挖掘问题。
- 单因子模型是多因子模型的特例。
常见误区
- 以为因子越多模型越好，忽略了统计因子可能只是数据巧合。
- 把多因子模型当成可以直接预测涨跌的水晶球，其实它解释的是风险与收益的对应关系。
编者注
- 补充教材对多因子模型只要求简单了解，重点在单因子模型与其应用；统计因子的“数据挖掘”风险提示读者在使用因子模型时留意。