知識片段

什麼是因子？
我覺得直到我開始非常積極地交易它們之前，我從未真正理解這個概念。
因子並沒有什麼特別的，它們只是重要的阿爾法——僅此而已。
你用因子來說：
嘿，這些阿爾法解釋了大量的變異，我不想再找到它們。在加密貨幣中，這可能是一個動量因子，所以為了避免找到20個版本的同一效果，我們使用 xs 回歸來移除我們的動量特徵對回報的影響，然後可以用特定因子的回報來測試(回報減去由因子解釋的回報，基本上)。
第一個因子總是市場，因此在股票中，我們取S&P500的β，然後從資產中移除S&P的回報*β。這樣得到的是特殊回報（idiosyncratic return）。從這裡，我們可以進一步移除其他因子。
最終，因子只是一個你認為能解釋大量變異的阿爾法，除了它非常核心於你發現的很多事物之外，沒有什麼“基本”或特殊的。
阿爾法取決於你的研究內容。如果你在研究高頻交易（HFT）並預測1分鐘前的走勢，你仍然可以有因子。最著名的是訂單簿不平衡。如我所說，因子只是解釋大量變異的阿爾法，而且眾所周知，訂單簿不平衡在很大程度上解釋了變異，就像過去的回報* -1在1小時時間框架中解釋了大量變異一樣。這也是你經常會意外發現的阿爾法。在HFT的背景下，訂單簿不平衡並不代表任何風險調整後的回報，它只是一個我們經常在其他阿爾法中發現的效果，因此很重要將其從回報中剝離，避免將因子暴露(誤讀為我們已找到的因子暴露)，用於新阿爾法。
如果你將持倉向量乘以特定因子的回報向量，你會得到一條平坦的線，代表訂單簿阿爾法，因為它已經被解釋了，但對特殊或原始回報來說，這是一條很棒的線——基本上它展示了超出你已知的表現！非常有用！
它們也用於投資組合構建作為正則化技術，以及其他一些應用，但我想解釋的是，阿爾法和因子其實沒有那麼不同。因子只是我們最相信、解釋最多變異的那些(，並且最有可能在其他阿爾法中被發現)。