多因子 Alpha 模型

1. 风险调整因子、标准化与线性组合#

• 风险调整因子（Risk-adjusted Factor）：在决策时点可得、已经相对指定行业与风险暴露做横截面残差化的股票预测分数；它描述风险模型之外的相对排序，不是已实现的因子收益。
• 多因子 alpha 模型（Multifactor Alpha Model）：按预先确定的规则把两个以上因子分数组合为股票预测的模型；本章只讨论权重固定、线性的模型。
• 因子标准化（Factor Standardization）：在每个决策时点按同一股票池对因子分数中心化并缩放，使不同因子具有统一方向、位置和横截面离散度。
• 横截面离散度（Cross-sectional Dispersion）：同一时点、同一股票池内某个变量的标准差，记为 $\operatorname{dis}(\cdot)$；它度量股票之间的分散，不是该变量跨期波动率。

设 $M$ 个因子的标准化分数组成矩阵 $\mathbf S_t$，线性**复合分数（Composite Score）**为：

其中：

• $t$：形成预测的决策时点；预测只能使用该时点已经发布的数据。
• $N_t$：时点 $t$ 的可投资股票数。
• $M$：模型中的因子数。
• $\mathbf S_t\in\mathbb R^{N_t\times M}$：股票乘因子的分数矩阵，第 $j$ 列为 $\mathbf s_{j,t}$。
• $\mathbf v=(v_1,\ldots,v_M)'\in\mathbb R^M$：跨期固定的因子权重列向量。
• $\mathbf s_{c,t}\in\mathbb R^{N_t}$：复合预测列向量，数值越大表示预期风险调整收益越高。

每个因子在组合前应统一方向、股票池、风险调整口径和预测期限，并在当期横截面中心化为零、缩放为单位离散度。标准化只统一单位，不会修复厚尾、缺失值、行业遗漏或前视偏差。若原始分数离散度为 $d_{j,t}$，标准化后的固定权重 $v_j$ 等价于对原始分数使用 $v_j/d_{j,t}$；离散度变化会隐含改变原始因子权重并产生换手。

2. 复合 IC 与主动收益#

信息系数（Information Coefficient, IC） 是决策时点的因子分数与随后同一预测期限内风险调整收益之间的横截面相关。以下解析式采用 Pearson 相关；若评价的是 Spearman 秩相关，应先形成复合分数、重新排序并直接计算复合 IC，不能套用线性协方差恒等式。

复合 IC（Composite IC） 是复合分数与随后风险调整收益的同一期横截面相关。令 $\mathbf i_t=(IC_{1,t},\ldots,IC_{M,t})'$，因子分数相关矩阵为 $\boldsymbol\Phi_t$，则单位离散度因子的复合分数与复合 IC 分别为：

其中：

• $IC_{j,t}=\operatorname{corr}_{cs}(\mathbf s_{j,t},\widetilde{\mathbf r}_{t+1})$：因子 $j$ 在时点 $t$ 的单期 Pearson IC。
• $\widetilde{\mathbf r}_{t+1}\in\mathbb R^{N_t}$：与预测期限一致的下一期风险调整实现收益。
• $\boldsymbol\Phi_t\in\mathbb R^{M\times M}$：时点 $t$ 的因子分数相关矩阵，元素 $\phi_{jk,t}=\operatorname{corr}_{cs}(\mathbf s_{j,t},\mathbf s_{k,t})$。
• $d_{c,t}$：复合分数的横截面离散度；分母防止把统一放大权重误写成技能提高。

若因子没有标准化，分子中的第 $j$ 项须改为 $v_jIC_{j,t}\operatorname{dis}(\mathbf s_{j,t})$，分母使用因子分数协方差矩阵。两种写法不能混用。

在第 4 章的无约束、风险调整且按模型目标跟踪误差缩放的组合中，单期主动收益近似为：

其中：

• $r_{A,t}$：组合相对指定基准的单期主动收益。
• $\sigma_{model}$：事前设定的单期模型跟踪误差。
• $d_{r,t}=\operatorname{dis}(\widetilde{\mathbf r}_{t+1})$：当期风险调整收益的横截面离散度。

该近似把复合 IC 与组合结果连接起来，但依赖股票数和机会离散度较稳定、风险模型适用、头寸无约束且没有交易成本。它不能把预测相关直接变成成本后收益保证。

例：两因子的单期复合 IC

假设两个因子已经标准化，权重各为 $0.5$，分数相关系数为 $0.5$，单期 IC 分别为 $0.03$ 和 $0.05$。则：

复合 IC 不是两个 IC 的简单加权平均；分数相关越高，复合分数提供的横截面分散化越少。这里的数字只验证公式，不代表总体技能或未来参数。

3. 因子分数相关不等于 IC 相关#

• 因子分数相关（Factor-score Correlation）：同一时点跨股票计算的两个预测向量之间的相关系数 $\phi_{jk,t}$；它影响复合分数尺度、持仓重叠和单期 IC。
• IC 相关（IC Correlation）：在多个决策期上，两个因子的单期 IC 序列之间的时间序列相关系数 $\rho_{jk,IC}$；它衡量两个因子的预测成效是否在相同时期增强或失效。

两者不能互换，也并非毫无约束。对两个标准化因子和同一期收益，三者构成的相关矩阵必须半正定，因此：

给定 $\phi_{12,t}$ 后，两个单期 IC 只能落在一个椭圆内。$\phi_{12,t}=1$ 时两个分数相同，必有 $IC_{1,t}=IC_{2,t}$；$\phi_{12,t}=-1$ 时两者方向相反。中间情形只施加可行域约束，不决定两个 IC 跨期如何共同波动。

在横截面独立同分布、多元正态、股票数固定且真实相关稳定的教材近似下：

其中：

• $\mu_j$：因子 $j$ 的 IC 跨期均值。
• $\sigma_{IC,j}$：因子 $j$ 的 IC 跨期标准差。
• $\bar\phi_{12}$：两个因子分数相关的跨期均值。
• $N$：各期固定的股票数。

只有在平均 IC 很小且 $\sigma_{IC,1}=\sigma_{IC,2}=1/\sqrt N$ 时，$\rho_{12,IC}\approx\bar\phi_{12}$。真实股票相关、厚尾、状态切换和技能时变会破坏这些条件，故实务中应从按时点形成的 IC 序列直接估计 IC 相关。

1. IC 的均值—协方差优化#

固定分数标准化方法，并假设 $\boldsymbol\Phi_t=\boldsymbol\Phi$ 近似不随时间变化，则 $d_c=\sqrt{\mathbf v'\boldsymbol\Phi\mathbf v}$ 是常数，会在复合 IC 的跨期均值与标准差中相消。定义：

其中：

• $\boldsymbol\mu_{IC}\in\mathbb R^M$：各因子单期 IC 的总体均值或事前估计向量。
• $\boldsymbol\Omega_{IC}\in\mathbb R^{M\times M}$：IC 序列的时间序列协方差矩阵。
• $IR_{IC}$：复合 IC 的均值—波动比；只有上一节主动收益近似中的其他乘数稳定时，它才近似组合 IR。

若 $\boldsymbol\Omega_{IC}$ 正定且允许任意正负权重，无约束最优权重方向与最大稳定性为：

任意正比例缩放不改变 $IR_{IC}$，所以权重和为 1 只是识别尺度的一种约定，不是最优性的来源。样本期短、因子多或 IC 高度共线时，样本逆矩阵会放大均值与协方差误差；应检查条件数和正定性，并采用均值收缩、协方差收缩、符号边界或权重上限。若收益期限重叠或 IC 有自相关，分母应改用与调仓频率匹配的长期协方差，年化不能机械乘平方根频率。

把 $T$ 期 IC 排成 $\mathbf C_{IC}\in\mathbb R^{T\times M}$，可以运行无截距回归：

其中 $\mathbf1_T$ 是 $T$ 维全 1 列向量，$\boldsymbol\varepsilon$ 是跨期回归残差。所得系数与 $\boldsymbol\Omega_{IC}^{-1}\boldsymbol\mu_{IC}$ 同方向，并可用于估计权重不确定性。该回归组合的是跨期 IC 序列，不是逐期股票横截面的 Fama–MacBeth 回归。

2. 最大平均 IC 与最大多期稳定性#

若目标只是最大化固定相关矩阵下的平均复合 IC，权重方向为：

最大化多期 $IR_{IC}$ 则使用 $\boldsymbol\Omega_{IC}^{-1}\boldsymbol\mu_{IC}$。$\boldsymbol\Phi$ 描述同一期预测在股票上的重叠，$\boldsymbol\Omega_{IC}$ 描述预测成效跨期的不稳定性；两个目标一般不会给出相同权重。高平均 IC 模型可能只在少数时期有效，而平均 IC 稍低、与既有模型错峰生效的因子可能提高多期稳定性。

3. IC 相关的分散化与负权重#

对两个因子，令 $q_j=\mu_j/\sigma_{IC,j}$ 为各自未年化的 IC 均值—波动比，则无约束最优稳定性为：

IC 相关较低时，两个预测成效错峰出现，组合稳定性提高。相关较高且两因子自身稳定性不同，无约束解会做多较强因子、做空较弱因子，以交易两者很小的估计差；这类权重对样本误差极敏感，也可能违背因子的经济方向。

图中 $q_1=1.0$、$q_2=0.5$。当 $\rho_{12,IC}=0.5=q_2/q_1$，较弱因子的最优权重降至零；再提高相关性时，无约束公式只能靠给第二个因子负权重获得理论改善，而非负权重模型会退回单独使用因子 1。优化报告应同时给出无约束解、可实施约束解和权重对输入误差的敏感性。

4. 时变分数相关与 Gram–Schmidt 正交化#

Gram–Schmidt 正交化（Gram–Schmidt Orthogonalization） 是按指定顺序，把每个后续因子对之前已经正交化的因子做横截面投影并保留残差，再将残差缩放为单位离散度的过程。对因子 $j$：

其中：

• $\mathbf I_{N_t}$：$N_t\times N_t$ 单位矩阵。
• $\mathbf P_{j-1,t}$：向前 $j-1$ 个正交因子张成空间的横截面投影矩阵。
• $\mathbf u_{j,t}$：因子 $j$ 无法被先前因子解释的残差分数。
• $\mathbf s_{j,t}^{o}$：单位离散度的正交因子分数。

每期执行该过程会使正交分数相关矩阵恒为单位矩阵，因此：

此时多期优化不再依赖“原始分数相关恒定”的近似。代价是顺序决定共同信息归谁：先进入的因子保留全部分数，后进入的因子只保留增量分数。若原始相关结构恒定，原始因子与残差因子之间是固定可逆线性变换，两套最优复合预测相同；若变换随时间变化，固定残差权重对应时变原始权重，等价性不再成立。主成分分析可消除人工先后顺序，但成分符号、排序和经济解释在相关结构变化时也可能不稳定。

1. 横截面 OLS 系数属于残差因子#

横截面普通最小二乘回归（Cross-sectional Ordinary Least Squares, OLS） 在一个时点上，用股票特征解释随后实现收益的横截面差异。每期回归写为：

其中：

• $\widetilde r_{i,t+1}$：股票 $i$ 下一期的风险调整实现收益。
• $i$：当期股票池中的股票索引。
• $\mathbf s_{i,t}\in\mathbb R^M$：股票 $i$ 在决策时点的标准化因子分数。
• $a_t$：当期横截面截距。
• $\boldsymbol\gamma_t\in\mathbb R^M$：当期多元回归系数。
• $\varepsilon_{i,t+1}$：模型没有解释的股票收益。

若只有一个单位离散度因子，$\gamma_{j,t}=IC_{j,t}d_{r,t}$，系数等于 IC 乘收益横截面离散度。存在多个相关因子时：

这里 $\boldsymbol\Phi_t$ 是当期 $M\times M$ 因子分数相关矩阵，$\mathbf i_t$ 是当期 $M$ 维单因子 IC 向量，$d_{r,t}=\operatorname{dis}(\widetilde{\mathbf r}_{t+1})$ 是收益横截面离散度。该式要求 $\boldsymbol\Phi_t$ 可逆；高度共线时应删除重复信息、正交化或使用正则化估计。

第 $j$ 个系数衡量因子 $j$ 剔除其他因子可解释部分后的边际关系，不是原始因子 $j$ 的单独收益。残差 IC（Residual IC） 是某因子先剔除其他因子可解释部分、再标准化所得残差分数与随后收益的横截面相关。以两个标准化因子为例：

其中 $\widetilde{\mathbf e}_{2\mid1,t}$ 是因子 2 对因子 1 残差化后的单位离散度分数，$\widetilde{IC}_{2\mid1,t}$ 是该残差分数的 IC。

假设 $IC_{1,t}=0.20$、$IC_{2,t}=0.10$、$\phi_{12,t}=0.80$，则 $\widetilde{IC}_{2\mid1,t}=(0.10-0.80\times0.20)/0.60=-0.10$。两个原始 IC 均为正，第二个因子在控制第一个因子后的增量 IC 仍可为负；这不表示第二个原始因子独立运行时贡献为负，也不能据此做原始因子绩效归因。

2. Fama–MacBeth 推断不自动生成最优权重#

Fama–MacBeth 回归（Fama–MacBeth Regression） 是逐期运行横截面多元回归，再对系数时间序列取均值并估计均值标准误的两步程序。它检验某特征在控制其他特征后是否具有平均增量定价或预测关系；预测研究还必须保证 $\mathbf s_{i,t}$ 在收益实现前真实可得。

对第 $j$ 个系数，第二步统计量为：

$T$ 是横截面回归期数；非重叠且跨期独立时，$\widehat{\operatorname{SE}}(\bar\gamma_j)=s(\gamma_{j,t})/\sqrt T$。收益期限重叠、系数自相关或异方差时，应改用与重叠长度匹配的长期方差标准误。

回归系数的 $t$ 统计量基于时间期数，不以每期股票数冒充独立样本数。显著的平均系数既不证明因果，也不等于稳定的原始因子 IC、最优组合权重或成本后 alpha。

用回归构造多因子模型时有三种不同对象：

• 先逐期正交化分数，再回归收益；系数可映射到正交因子的 IC，权重应施加在相同顺序生成的正交因子上。
• 不正交化分数，直接使用多元回归系数；系数和残差 IC 属于“因子剔除其余因子后的残差”，组合时必须先生成同口径残差，不能把系数直接乘回原始分数。
• 先按给定权重形成一个复合分数，再与风险控制变量共同回归；复合系数的稳定性可评价该给定模型，但寻找最优权重仍需在训练期优化并在样本外验证。

3. 从估计到可实现组合#

固定权重多因子模型的样本外流程按信息时间推进：

1. 在训练期固定股票池规则、数据可用日、预测期限、风险中性化、极值处理和标准化方法，生成没有回填的逐期因子分数与 IC。
2. 估计 $\boldsymbol\mu_{IC}$、长期 $\boldsymbol\Omega_{IC}$ 和分数相关的时变程度；记录均值、协方差和权重的估计误差，并选择收缩方法。
3. 在验证期选择因子符号约束、权重上限、再估计频率和正交顺序；所有候选模型使用相同股票池、风险目标和成本口径。
4. 在测试期锁定方法，只使用当期可得的 $\boldsymbol\Phi_t$ 形成并标准化复合预测，再经股票风险模型、持仓约束和成本模型映射为目标持仓。
5. 分别报告复合 IC、实际主动收益与跟踪误差、约束损耗、换手、交易成本和容量；用真实组合 IR 检查 $IR_{IC}$ 代理是否失效。

分数相关、IC 相关和最优权重都存在估计误差。市场状态改变、因子拥挤、数据定义漂移或执行成本上升时，样本内最优权重可能比等权或收缩权重更差；模型失效规则应依据滚动样本外证据，而不是用期末全样本相关矩阵回填历史。