多年实践下来，我觉得因子只是一棵“树”，量化投资需要的是一片“森林”。成功的量化投资策略需要具有强大的自生力，可以不断繁衍。

　　这个“森林”就是量化体系。在这个量化体系中，因子开发所用的原始数据需要统一，因子计算通用函数需要统一，因子回测模块需要统一，但因子的组合可以千变万化。有了这样的量化体系，可以在很短的时间内对新的因子做一次全场景的回测，而不用担心是否使用了错误数据和方法，回测结果是否可比等问题。

　　有了这个量化体系后，很多流程都模块化、标准化了，量化投研人员就可以站在“巨人”的肩膀上，集中精力进行新因子核心逻辑的研发，就可以腾出时间来做更加精细的研究，来获得更好的投资效果。

　　还是以PB因子为例，PB低的组合除了PB低之外，还会有其他特征，例如银行股占比高等等，而我们需要的是低PB本身能带来收益，因此需要构建纯PB因子组合。纯因子组合是通过数学优化方法，最大化暴露于某一特定因子，同时最小化其他因子的影响。在实际的因子研发流程中，就会有一个模块，对因子进行行业、市值等其他因子的中性化处理，尽可能剔除其他影响因素。纯因子之间进行组合时，才能形成1+1＞2的效果。

　　纯因子组合的研究思路就是量化投资获取超额收益的方法。

　　以中证500指数增强量化基金为例。中证500指数是一个由500只股票组合的股票组合。中证500指数增强策略要构建一个新的股票组合来战胜指数成分股组成的股票组合。这个新的组合就是相对中证500成分股的纯阿尔法因子组合，新组合在阿尔法因子上的得分要跟中证500指数的成分股拉开差距，其他特征一致。如果我们的阿尔法因子越强越稳定，那么我们构建的新组合相对指数的超额收益就会越多越稳定。

　　另外，如果你选择增强的基准比较强，叠加上阿尔法收益，产品也会具有绝对收益的特征。同时，市场上也有量化产品可以不针对任何基准，只是最大化阿尔法因子得分。

　　所以对于量化投资来说，第一步就是寻找好的阿尔法因子，第二步是构建各种策略组合。在实践中，量化系统可以同时研究和跟踪非常多的因子，各类因子与各类基准进行组合生成不同的产品策略。此时的量化投资就进入了系统化投资阶段。不断丰富量化因子武器库和策略库，投资机构可以应对不断变化的市场，满足客户的需要。（未完待续）

　　-CIS-