知识片段

什么是因子？
我觉得，直到我开始非常积极地交易它们之前，我一直没有真正理解这个概念。
因子并没有什么特别的，它们只是重要的阿尔法——仅此而已。
你用因子来说：
嘿，这些阿尔法解释了很大一部分方差，而我不想再去找到它们。 在加密货币里，这可能是一个动量因子，所以为了避免找到20个版本的同一个效应，我们使用xs回归来把我们的动量特征从回报中移除，然后就可以用特定因子的回报来测试(回报减去由因子解释的回报，本质上)。
第一个因子总是市场，所以在股票里，我们取S&P500的贝塔，然后从资产中减去S&P * 贝塔的回报。 这就得到了特异性回报。从这里我们还可以进一步去除因子。
最终，因子只不过是你认为能解释大量方差的阿尔法而已，除了它与许多你会发现的事物非常核心之外，它并没有什么“基本”的或特殊的地方。
阿尔法取决于你研究什么。如果你在研究高频交易（HFT）并预测1分钟之后，你仍然可以有因子。最著名的是订单簿不平衡。正如我所说，因子只是一个能解释大量方差的阿尔法，而且众所周知订单簿不平衡占了很多方差，就像过去的收益 * -1在1小时时间框架内占了很多方差一样。它也是你经常会在不经意间发现的阿尔法。在HFT的语境下，订单簿不平衡并不是说它能解释任何风险调整后的回报，它只是我们在其他阿尔法里经常会发现的一个效应，因此把它从回报中剔除很重要，这样我们不会把因子暴露(读作因子暴露 = 我们已经找到的阿尔法)用于新的阿尔法。
如果你把仓位向量乘以特定因子的回报向量，你会得到一条平直的线——对于订单簿阿尔法，因为它已经被解释了；但对于特异性或原始回报则是一条很好的线——基本上它展示的是超出你所已知部分的表现！真的很有用！
它们也被用在投资组合构建中，作为一种正则化技术，以及还有一些其他应用，但我想解释的是：阿尔法和因子其实没有那么不同。因子只是那些我们最相信、也最能解释最多方差的(，而且也是最有可能在其他阿尔法中被发现的)。