从对资产绝对价值的估计到对资产收益率的研究，即将资产的收益率分解为可由共有因素即因子解释的部分以及无法被解释的特异性收益部分。从资产收益到因子收益的映射，极大地降低了研究难度并赋予其更多的解释意义。

因子模型与资产定价理论的随机折现因子（SDF）以及投资组合理论中的有效前沿有着紧密的联系。从CAPM 到Fama—French 多因子模型，一方面是研究的基础方法论，另一方面启发我们探索并挖掘更有解释意义或预测意义的因子。

在实践中通常考虑两种因子模型，第一种是Fama—French 类型的多因子模型，先分层求得因子收益，再时序回归得到因子暴露。另一种是Barra类型的多因子模型，将标准化后的因子值作为因子暴露，再截面回归得到因子收益。两种模型各有优势。

多因子模型的应用通常在于两个方面，包括收益模型与风险模型。收益模型本质上是通过具有预测意义的alpha 因子来预测收益率进行选股；风险模型本质上是利用具有解释意义的beta 因子来度量风险，从而进行风险管理与组合优化。

因子检验的流程包括因子数据预处理、IC 分析、分层回测与回归分析。

其中，数据处理主要包括对因子的去极值、标准化、中性化、正交化等方法。IC 分析聚焦于下期收益率与当期因子值的相关性，IC 序列可以看出因子在过去一段时间的表现。分层回测在每期按因子值大小进行分层，统计各层组合的净值序列。回归分析主要考察单因子在加入行业、市值因素时的回归系数显著性水平。

从全A 股10 年回测区间因子检验情况来看，在我们测试的因子中对数市值、12 月波动率、换手率、倒数市盈率、倒数市净率、1 月反转以及投入资本回报率因子有着较好的表现。反映出A 股在长期具有小市值、低波动、非流动性、低估值以及反转等效应。过去一个月中，从最新一期IC 值上看，有不错表现且较为稳定的因子有12 月波动率、换手率、倒数市净率和1 月反转。

风险提示：以上分析基于模型结果和历史测算，存在模型失效风险。