因子投资-00-知识库总览

QUANT RESEARCH NOTE / MAP 00

推荐按编号学习。每学完一阶段，运行对应实验；遇到符号时查术语表和公式清单；读论文时先看论文地图中的等级与问题。不要把“跑通代码”等同于“完成研究”：一个回测只有在数据时点、成本、约束和统计推断同时过关时才有解释价值。

类型学习地图

模块知识地图

阅读约 7 分钟

材料9 节 · 1 段代码

这套知识库面向“会使用电脑，但没有金融、统计和量化研究基础”的读者。目标不是记住若干神奇因子，而是能够独立完成一条可审计的研究链：提出经济问题、定义数据时点、构造信号、形成组合、加入成本和约束、进行统计检验、解释失效风险，并把结果写成别人能够复现的报告。

本页文件名是 因子投资-00-知识库总览.md。连同下列 20 篇课程、8 篇实验和 3 篇参考工具，知识库总计 32 篇。

原书《因子投资：方法与实践》是主线材料。知识库重新组织了学习顺序，先补足收益率、概率、回归和组合基础，再进入原书的模型、因子和 A 股实践。文中对原书只做教学性概括和页码定位；论文结论以 DOI、期刊或研究机构的原始页面为准。

你最后应该具备的能力

完成全部内容后，应当能回答六个问题：

1. 研究的收益、风险、基准和可交易股票池分别是什么？
2. 每个特征在决策时点是否真实可得，有没有使用未来信息？
3. 因子收益来自风险补偿、行为偏差、制度摩擦，还是数据挖掘？
4. 统计显著是否同时具有经济显著性，样本外和发表后是否仍存在？
5. 换手、冲击成本、涨跌停、停牌、容量和做空约束会损失多少收益？
6. 代码、数据字典、参数和中间结果能否让另一个人复现？

使用方式

推荐按编号学习。每学完一阶段，运行对应实验；遇到符号时查术语表和公式清单；读论文时先看论文地图中的等级与问题。不要把“跑通代码”等同于“完成研究”：一个回测只有在数据时点、成本、约束和统计推断同时过关时才有解释价值。

预计时间：课程 01–05 每篇 45–60 分钟，06–16 每篇 60–90 分钟，17–20 每篇 75–120 分钟；实验 01–04 每篇 45–75 分钟，实验 05–08 每篇 90–150 分钟；三篇参考工具按需查阅。每行“前置依赖”给出前置文章，阶段表的“完成标志”是验收条件，后文“原书章节映射”给出全部文章对应的原书范围。

最短入门路线是 01、02、04、05、06、08、09、11、12、17、18，再完成实验 01、02、03、05、08。它适合先建立全局直觉；若要形成可以公开的研究报告，仍应补齐全部 20 讲和 8 个实验。

graph TD
  A[收益与风险] --> B[统计与回归]
  B --> C[资产定价模型]
  C --> D[点时数据与组合排序]
  D --> E[经典因子研究]
  E --> F[成本 约束与容量]
  F --> G[可复现研究报告]

阶段一：金融、统计与组合基础

这一阶段从“价格如何变成可比较的收益”开始，建立后续所有研究共同使用的语言。

阶段一：金融、统计与组合基础 7 行 × 4 列

顺序	文件名	前置依赖	完成标志
01	因子投资-01-收益率复利与超额收益.md	无	能区分简单、对数、累计、年化和超额收益
02	因子投资-02-风险波动率协方差与相关性.md	01	能手算两状态风险并解释分散化
03	因子投资-03-概率抽样显著性与置信区间.md	01、02	能解释 p 值不是什么以及多重检验为何危险
04	因子投资-04-线性回归矩阵与OLS.md	01、03	能解释回归系数、残差、标准误和矩阵维度
05	因子投资-05-投资组合基准与绩效指标.md	01、02	能选择基准并计算风险调整后绩效
实验 01	因子投资-实验01-从价格到收益率.md	01、02	从价格得到收益、净值、回撤和年化指标
实验 02	因子投资-实验02-用回归估计Alpha和Beta.md	03、04、05	用回归估计并解释 Alpha、Beta

阶段二：资产定价模型与标准研究方法

这一阶段回答“因子是什么”以及“怎样从个股特征得到因子收益”。

阶段二：资产定价模型与标准研究方法 7 行 × 4 列

顺序	文件名	前置依赖	完成标志
06	因子投资-06-CAPM-Alpha-Beta与因子.md	04、05	区分暴露、溢价、因子收益和异常收益
07	因子投资-07-APT多因子模型与异象.md	06	理解多因子定价、套利约束和异象
08	因子投资-08-股票池复权财报与时间对齐.md	01	建立无未来信息的点时数据表
09	因子投资-09-投资组合排序法.md	05、08	完成分组、加权和多空组合构造
10	因子投资-10-时序截面回归与统计推断.md	03、04、06	区分时序回归与 Fama–MacBeth 回归
实验 03	因子投资-实验03-构造多空因子组合.md	08、09	从截面特征构造可解释的多空收益
实验 04	因子投资-实验04-实现FamaMacBeth回归.md	10	实现两步截面回归和标准误

阶段三：经典因子与多因子模型

这一阶段不把因子当作菜单，而是逐个追问定义、经济机制、数据口径和失效边界。

阶段三：经典因子与多因子模型 7 行 × 4 列

顺序	文件名	前置依赖	完成标志
11	因子投资-11-市场规模与价值因子.md	08、09	处理市值、账面价值、小盘股与壳价值问题
12	因子投资-12-动量反转与换手率因子.md	08、09	正确定义跳过期、持有期和换手
13	因子投资-13-盈利投资与质量因子.md	08、09	将财务报表数据按公告日对齐
14	因子投资-14-低波动特质波动率与流动性.md	02、06、08	区分总波动、特质波动和流动性
15	因子投资-15-主流多因子模型.md	06、07、11–14	比较 FF3、Carhart4、FF5 与 q-factor
16	因子投资-16-中国A股与CH3模型.md	11、15	解释 A 股小盘、价值与制度特征
实验 05	因子投资-实验05-价值与动量分层回测.md	11、12	完成双重排序、分层净值和稳健性检查

阶段四：可交易研究、组合工程与前沿

这一阶段把论文里的毛收益变成现实约束下的净收益，并建立样本外意识。

阶段四：可交易研究、组合工程与前沿 7 行 × 4 列

顺序	文件名	前置依赖	完成标志
17	因子投资-17-IC分层回测与因子评价.md	03、08、09	同时评价预测、排序、稳定性和净收益
18	因子投资-18-回测偏差交易成本与容量.md	08、17	识别未来函数、幸存者偏差和成本低估
19	因子投资-19-风险模型组合优化与归因.md	02、05、17、18	从信号进入风险约束、优化和归因
20	因子投资-20-因子动物园行为金融与机器学习.md	03、07、17–19	处理多重检验、机制与机器学习过拟合
实验 06	因子投资-实验06-识别未来函数与幸存者偏差.md	08、18	用反例定位两类回测污染
实验 07	因子投资-实验07-加入成本和组合约束.md	18、19	比较毛收益与约束后的净收益
实验 08	因子投资-实验08-完整A股因子研究报告.md	全部核心课程	产出可复现的端到端研究报告

三篇常用参考工具

三篇常用参考工具 3 行 × 2 列

文件名	何时使用
因子投资-论文阅读地图.md	选择原始论文、安排阅读顺序、记录阅读问题
因子投资-术语表.md	查中英文术语、符号、单位和首次出现课程
因子投资-公式与研究检查清单.md	核对公式口径，并在研究发布前做质量验收

原书章节映射

PDF 的印刷页与文件页可能存在封面偏移，以下以 PDF 文件页为准：

原书章节映射 9 行 × 3 列

原书部分	PDF 文件页	知识库重点
第 1 章 因子投资基础	7–26	01、05、06、07
第 2 章 因子模型与实证方法	27–96	04、06、07、09、10、15
第 3 章 因子投资策略	97–157	11–14、17
第 4 章 因子择时与组合	158–191	17、19
第 5 章 因子投资实践问题	192–223	08、18、19
第 6 章 中国市场实证	224–290	11–16、实验 05 与 08
第 7 章 前沿与展望	291–377	18、20
附录 A	381–388	公式清单、回归与统计推断
参考文献	389–422	论文地图及各课程原始来源

学习记录建议

每一讲只记录四类信息：一句话定义、一个可手算例子、一段可运行代码、一个会让结论失效的边界。每个实验保存输入数据快照、环境版本、运行日期和输出摘要。若结果与书或论文不同，先检查样本、股票池、数据时点、权重、再平衡频率和成本口径，不要先调参数追求相同曲线。

真正的学习终点不是“找到高 Sharpe 因子”，而是能够说明：在什么市场、什么时期、什么约束下、因为什么机制，这个结果可能成立；又有什么证据会使你放弃它。

已有文章 Alpha101.md 可作为完成课程 17–20 后的特征工程延伸阅读；它不属于本知识库 32 篇核心文件，本次也未修改其内容。