因子是什麼？從 Alpha、Beta 到多因子模型入門

如果你開始接觸量化交易或因子投資，很快就會碰到一個關鍵詞：因子（Factor）。

很多人第一次看到這個詞會覺得很抽象，但其實它可以理解成：一種用來解釋報酬差異的特徵或規則。

因子可以怎麼理解？

假設你把市場裡所有股票攤開來看，會發現有些股票有共同特徵，例如：

漲得比較快
估值比較低
品質比較穩定
規模比較小
波動比較低

如果某一類特徵長期和報酬有穩定關聯，我們就常把這種特徵稱為因子。

換句話說，因子是在回答這個問題：什麼樣的股票特徵，可能和未來報酬有關？

常見的因子有哪些？

量化研究最常見的幾個大類包括：

動能因子
價值因子
品質因子
規模因子
低波動因子

每一種因子，都代表一種不同的市場邏輯。

例如：

動能認為強勢可能延續
價值認為低估標的有均值回歸空間
品質認為穩定獲利公司值得更高配置

Alpha 和 Beta 是什麼？

談因子時，也常會看到 Alpha 和 Beta。

Beta

Beta 通常可以理解成：你因為暴露在某種系統性風險上，而得到的報酬來源。

最常見的例子就是市場 Beta。當整體市場上漲時，多數股票都可能跟著受益，這種隨市場共同波動的部分，就是一種 Beta 暴露。

Alpha

Alpha 則更接近：在控制一般風險來源之後，策略額外創造的超額報酬。

也就是說，如果 Beta 是你搭上市場列車自然得到的結果，那 Alpha 就比較像你額外做對了某些事，產生超越基準的報酬。

因子投資和選股有什麼不同？

傳統選股常常是逐家公司深入研究。

因子投資則更偏向：

先定義特徵
再用一致規則去篩選
用組合方式持有一群符合條件的標的

這樣的好處是：

規則更清楚
研究更容易量化
可以降低單一標的的偶然性

什麼是多因子模型？

單一因子有時在某些市場環境下表現很好，但在另一段時間可能失效。

因此很多量化策略不只依賴一個因子，而是把多個因子結合起來，形成多因子模型。

例如同時考慮：

動能
價值
品質
低波動

這樣做的目的通常不是讓報酬變得神奇，而是希望：

分散單一因子的失效風險
提升策略穩定性
讓選股邏輯更完整

因子不是魔法公式

這點很重要。

因子並不是找到某個欄位排序之後，就能永久穩定賺錢。真正的研究還要處理很多問題：

因子定義是否合理
訊號是否過度擬合
是否有資料探勘偏誤
是否能跨市場或跨期間成立
扣掉交易成本後是否仍有效

所以做因子研究時，看的不只是「回測有沒有賺」，還要看結果是否有經濟邏輯支撐。

新手該怎麼開始理解因子？

一個很好的方式，是先把因子想成「市場會不會持續獎勵某種特徵」。

例如：

市場是否願意長期給高品質公司更好報酬？
市場是否經常低估便宜股票的反轉機會？
市場是否存在趨勢延續現象？

當你從這個角度思考，因子就不再只是技術名詞，而是一種有邏輯的報酬來源假說。

小結

因子，是量化交易與系統化投資裡非常核心的概念。

它幫助我們用更一致的方式理解市場：

哪些特徵可能和報酬有關
哪些報酬來自市場風險暴露
哪些部分可能屬於真正的超額能力

對量化研究者來說，因子不是終點，而是研究市場結構與報酬來源的重要起點。