上周的内容中，小叮当提到了目前市场上使用得比较多的量化选股模型，也就是多因子模型，多因子模型是希望构建”解释变量”来解释最终收益，因此在构造模型的过程中，会存在一些前提条件。想象这样一个场景：过去买了好多股票【股票的组合】，每天都会有当天的损益，最终形成收益曲线图。
1，
因子的来源有一个专业术语【因子挖掘】，挖掘出的因子可以被拿来解释个股或组合的收益，目前因子挖掘体系相对成熟，也是入门量化必备的技能。
一般根据因子的性质将因子分为以下几类：
- 盈利因子：净利率、毛利率、ROE、ROA、……
- 成长因子：EPS增长率、ROE增长率、总资产增长率、……
- 杠杆因子：资产负债率、流动负债率、……
- 流动因子：成交额、成交量、换手率、……
- 技术因子：股价反转、最高点距离、……
- 规模因子：流通市值、总资产、……
- 质量因子：存货周转率、固定比、营业费用比率、……
- 估值因子:：PCF、PE、PS、PB、PD……
- 一致预期因子：一致预期EPS、一致预期PEG、一致预期ROE
2，
常见因子的牛熊表现：
- 盈利因子：ROE(+)、ROA(+)、……
- 成长因子：ROE增长率(+)、总资产增长率(+)
- 流动因子：换手率(-)
- 技术因子：股价反转 (-)
- 规模因子：流通市值 (-)
- 质量因子：存货周转率(-)、固定比(-)、营业费用比率(+)
- 估值因子：PCF(-)、PE(-) 、PB(-) 、PD(-) ……
红色:牛市，绿色: 熊市，蓝色: 震荡市，黄色:全市场。
3，
基于多因子的策略通用流程：
因为多因子模型的“因子”通常是用来解释资产价格变动的解释变量，至于能否盈利需要根据确定的因子来测算，通常构造基于因子的策略流程是：
1、确定因子后，将因子的取值(标准变化、归一化处理)按从小到大(或从大到小)排序
2、根据值域，使用数据分箱处理因子的值，将股票对应的因子归类到十分位之后的类别中
3、做多排名最高的一组中的全部股票(或者等权重做多排名最高的几组股票)，有路子的话也同时做空排名最低的一组，每月调整一次仓位。
