金融工程深度：多因子量化投资框架梳理-20240222-浙商证券-21页_1mb

报告总结

核心观点

量化投资的收益主要由风格收益(β)、选股收益(α)和交易收益构成，但由于风格收益难以预测，构建策略的关键在于产生Alpha收益。多因子模型是目前主流Alpha策略，通过多个预测因子构建投资组合，组合的有效性和风险模型是关键。

量化投资流程

流程包括数据处理（收集、处理、存储）、因子构建（价量因子、基本面因子、另类因子和机器学习因子）、因子加权（等权重、收益率加权、ICIR加权和机器学习加权）、组合优化（风险模型和约束条件）、执行系统（算法优化和程序化交易）以及策略评价（业绩归因和监控）。

当前量化策略特征

当前策略特征包括使用海量因子（万级别），采用机器学习加权但可能导致小市值偏好；部分策略主动押注风格以提升Beta收益，但风格切换时波动性高；竞争领域扩展到数据和执行优化等环节。

未来展望

未来发展趋势包括端到端投资框架（从数据到因子或到权重）和AI参与（数据处理、代码开发和全流程AI决策），AI的逻辑推理能力可能提升效率并实现自动化投资。

风险提示

报告结果基于历史模型计算，无法外推未来；内容根据可查资料和调查整理，可能遗漏或简化；部分文献翻译可能有误差，需参考原始来源。

其他关键点

报告涵盖CTA策略，涉及趋势、套利和高频交易，但与主流量化策略相关性低。整体框架演化从理论起步到现代实践，AI和端到端系统将推动未来发展。