□大摩华鑫基金公司

　多因子模型俨然已成为量化投资领域的一个标配工具，但要想将多因子模型玩好玩转却并不容易。一方面在于多因子模型在建模过程中具有相当程度的复杂性，任意环节有所疏漏都可能导致投资业绩偏离预期，另一方面则在于多因子模型所依赖的指标体系可能阿尔法来源不足。前者需要研发人员在多因子模型的开发初期投入大量精力以求完美，后者则需要对各因子进行持续跟踪、完善，乃至不断挖掘更多和更有效的因子，进而提高投资收益。

　价值投资会在每一次市场大跌后被重新予以重视，因为这些所谓“便宜的”股票虽然涨势萎靡，但其跌势同样踯躅，这也是格雷厄姆所谓安全边际的直观表现。究其原因，股票就像市场上的任何一件商品一样，都是有价值的，所以一旦股票价格低于其所承载的投资价值，其在未来上涨的概率将远远大于下跌的概率。然而对投资者而言，要对2000多只股票的价值进行横向比较并不十分容易，因为除了市盈率、市净率、股息率等估值指标外，在股票价值中还往往包含了企业文化、品牌认知度等不可量化的信息，这就使得自下而上的价值投资变得十分繁琐。

　回到多因子模型，似乎价值投资可以变得十分简单，因为我们只需要在每一期给予低市盈率或者低市净率的股票以更高得分就可以分享价值投资的收益，事实上也正是如此，低估值的股票在历史上总是能够大概率跑赢高估值的股票，但同样不能忽视的是，低估值股票所能够带来的超额收益并不明显。

　要想对多因子模型进行改善，持续挖掘更多和更有效的因子成为最为关键的步骤。一个最简单的思路是尝试各式各样的估值指标，包括市销率、市现率等。另外一个思路就是对指标的计算方法进行改善，比如市盈率的计算可以扣除非经常性损益，市净率的计算可以采取过去一年滚动平均净资产等，有时独特的指标计算方法也可以获得意想不到的选股效果。