1.2.3 多因子模型的实践框架

多因子框架体系可以归结为“道”和“术”两个层面。在上面一小节中，我们简单介绍了多因子模型背后的底层原理，可以说是“道”的层面，简单理解即可；而在这一小节中，我们要讲解一下“术”的层面，也就是实际操作过程中是怎么将“道”这一层面的思想体现出来的。先看一下多因子模型框架结构图，如图1-2所示。

多因子模型的具体构建分为3个子部分：单因子测试与筛选、因子合成和组合构建。在进入实盘之后，还应当增加“归因分析”的部分。本书由于篇幅有限，只讨论前面三个部分。

第一部分是单因子测试与筛选，如图1-3所示。

先构建自己的因子池，并通过测试模板和特定的指标不断地测试这些因子，把目前市场下可行、有效的因子纳入入选因子池，这个过程就叫作“因子筛选”，这一过程以因子池和因子测试为基础。

因子测试与筛选的详细内容将会在本书第4章介绍。

第二部分是因子合成。

因子合成的过程很简单，就是对上一步筛选出来的因子进行加权求和变成一个合成因子，如图1-4所示。但其加权的过程有很多种方法，有传统的指标加权方法，也有比较复杂的机器学习和深度学习的加权方法，还可以完全不依赖于数量模型，单纯依靠投资者对当前市场的理解和经验进行加权，甚至可以将多种模型相结合。

目前在整个股票多因子体系中，这一部分可研究、挖掘的点是最多的，而且也是主观投资者与量化投资者可以相互结合的环节。

第三部分是组合构建。

当我们通过一定的手段获得合成因子后，其实就获得了每一只股票的一个总的因子分值。我们可以按照从小到大的顺序给股票池中的股票排序，接下来根据合成因子的打分来计算哪只股票买多少比例，这就是股票组合的构建，如图1-5所示。

股票组合的构建方法：最简单的方法是选出得分前20%的股票，然后等权买入；也可以采用复杂的数学方法，例如将优化算法结合马科维兹的组合理论进行组合优化，最终得到一个优化器计算出来的组合结果。

所谓的组合，简单来看其实就是每只股票的占比权重，如表1-2所示。

上面我们分了三个部分静态介绍了多因子模型的操作框架，下面我们从时间维度，动态理解一下这一模型具体是如何进行股票调仓的。

假设现在是T时刻，而我们的调仓周期是t，那么依赖于现在可以获得的数据计算出T时刻的合成因子值，并通过组合构建方法计算出一个组合，记为P_T，如表1-3所示。

调仓周期可以是数分钟也可以是数个交易日甚至是数个月。在一个调仓周期（t）后，我们可以依赖新的数据计算出T+t时刻的股票组合，即P_T+t，如表1-4所示。

T+t时刻的新的组合可以与前一个组合进行轧差，在对比差异之后，进行调仓，确认需要买入和卖出的股票数量，如表1-5所示。如果调仓方向为负数，那么就是卖出特定比例的股票；如果为正数，那么就是买入特定比例的股票，最终使得组合P_T变成P_T+t。