金融工程专题报告：如何压缩因子动物园？.pdf

金融工程专题报告：如何压缩因子动物园？le_Summary] 本篇是学海拾珠系列第二百五十篇。本文针对日益膨胀的“因子动物 园”问题，提出了一种迭代因子选择策略进行有效压缩。核心发现是，仅 需约 15 个关键因子即可解释美国市场 153 个因子的绝大部分收益信号， 表明多数因子存在冗余。该方法的核心在于通过 GRS 统计量系统评估新 增因子对解释剩余因子 Alpha 的贡献，从而以最少的因子数量捕捉核心 定价信息。实证表明，因子加权方案影响显著，等权因子因其 Alpha 更强 且更多样，需要超过 30 个因子才能覆盖因子动物园。此外，因子创新具 有持续性，新因子会替代旧定义，但核心因子风格（如质量、低波动）长 期稳定，跨风格分散化至关重要。该方法的有效性在全球数据中也得到验 证，为投资者精简模型提供了实用框架。

迭代因子选择与 GRS 统计量评估

本文提出的迭代因子选择策略是压缩因子动物园的核心方法。该方法 从 CAPM 模型开始，在每一步迭代中，从剩余因子里选择一个能最大程 度提升当前模型解释力的因子加入模型，其提升效果通过 GRS 统计量的 下降幅度来衡量。该统计量用于检验所有测试资产的 alpha 是否联合为 零，其显著下降意味着模型解释力增强。最终，当新增因子无法使剩余因 子的 alpha 在统计上显著异于零时，迭代停止。此过程能以最少的因子数 量，系统性地捕捉因子动物园中的绝大部分有效信息。

因子冗余性与关键驱动因素

庞大的因子动物园存在高度冗余。仅需 10 到 20 个精心选择的因子， 就能有效解释美国市场 153 个因子的整体表现，这同时表明传统多因子 模型（通常含 3-6 个因子）可能过于简化。研究发现，因子加权方式影响 显著，等权加权因子比上限市值加权因子展现出更强、更多样的 alpha， 但也需要更多因子（超过 30 个）来覆盖因子动物园。此外，因子创新具 有持续性，新发布的因子有时会替代旧因子定义，但核心的因子风格集群 （如质量、低波动）长期保持稳定。将方法应用于全球数据也得到了与美 国市场相似的核心因子集，表明其结论具有一定的普适性，但全球模型对 美国因子解释力更强，暗示国际因子蕴含更丰富的 alpha 信息。