在分析 Alpha 因子的时候，很难通过单一指标确定其优劣，例如常见的 IC、IR、以及本文提及的“多空组合收益差”；往往需要从多个不同角度，利用不同的指标进行刻画，最终得到一个多方权衡之后的评价结果。
现代量化投资理论认为，股票超额收益的绝大部分可以被若干个互不相关的因子（或者称 Alpha 因子）所解释。
在前人多年的相关研究中，最广为人知的莫过于Fama与 French于1993年发表的三因子模型，并首次提出除了市场因子之外，Size因子与Value因子可以更好地解释股票超额收益，进而可用以更好地预测股票未来的超额收益。
故自此之后，不单单是学术界，业界众多资产管理公司与研究机构也纷纷投入大量人力物力，对Alpha因子进行研究与探索。
除了参考学术界的主要研究方法，业界更关注因子在选股上的直接效果，所以大多数时候会采用“多空组合收益差”对因子表现进行评估。该方法操作非常简单：
首先，基于因子背后逻辑，根据因子值大小对全市场股票进行排序；其次，将排序后股票划分为若干等分(一般取5或者10等分)，分别计算第一等分（Top）与最后一等分（Bottom）的股票组合预期收益（例如未来20天收益），并求得两组收益的差值；
最后，在每个时间截面上重复上述操作，以获取上述差值的时间序列，从而基于该序列的统计分析，对因子进行评价。下图是 A 股市场上比较经典的一个Alpha因子的“多空组合收益差”时序图。
数据统计的时间段为2007年1月至2016年12月。由于区间长达10年，为更好地观察因子收益表现的特征，我们特意将累计收益差取了对数。可以看到在这段时间窗口内，上述因子的Top组合持续地跑输Bottom组合，波动较小且稳定。
该因子计算的是股票过去20天的涨跌幅，并按照涨跌幅由高到低对股票排序，即为经典的“短期反转因子”。
A 股市场由于整体交易仍以散户交易为主，股票价格在短期内容易对利好或利空信息反映过度，故其反转效应相较其他发达市场更加显著。接下来，我们来对比一下2017年1月至2018年8月31日该因子“多空组合收益差”的表现。
尽管表现已远不如历史水平，但累计收益仍呈现较为明显的下行趋势，即“多空组合收益差”预期为负，反转效应似乎仍然有效。
但是如果我们更进一步，观察各等分组合的平均表现，则发现大为不同的结论。以下图分别为2007年至2016年以及2017年至2018年两个时间段的分组统计结果：
虽然各等分组合平均收益仍比较线性且多空收益差显著，但明显各等分组合的超额收益发生了变化：原先Bottom组合仍可以显著跑赢全市场（预期收益为正），但是2017年以来 该因子无一等分组合能够跑赢全市场，尤其是Bottom组合。
这一观察对因子的评价非常重要，因为A股市场制度的特殊性，无法直接做空股票（或者说以较低成本做空股票），这使得因子的“多头端”表现对A股量化策略来说更加重要。如果一个因子“多空收益差”绝大部分是由“空头端”贡献，那么该因子在A股的实际应用中需要更加谨慎。
上述例子实际为一个极为简化的因子研究的流程， 本文的目的主要是想通过这个简单的例子表明一个观点：在分析Alpha因子的时候，很难通过单一指标确定其优劣，例如常见的 IC、IR、以及本文提及的“多空组合收益差”；往往 需要从多个不同角度，利用不同的指标进行刻画，最终得到一个多方权衡之后的评价结果。
文：官泽帆 来源：易方達資產管理（香港）
-----------------------------------------------------------------------------------------------
相关阅读：
1. 多因子选股之有效因子 https://www.myquant.cn/community/topic/690
2. 多因子策略之冗余因子 https://www.myquant.cn/community/topic/695
3. 多因子选股之策略的实现 https://www.myquant.cn/community/topic/708/2
4.多因子选股(股票) 量化策略源码https://www.myquant.cn/docs/python_strategyies/103
