在股市里，你有没有想过这样一个问题：为什么有些投资者专门盯着市盈率（PE）低的股票买？为什么低PE的股票有时候真的会涨得比大盘好？答案可能并不神秘：因为很多人在同时做同一件事。这就是我们今天要聊的“多因子模型”的起点。
一、什么是“因子”？一个简单的例子：低PE。
假设市场上有一群投资者认为：PE低的股票更有投资价值。于是他们纷纷买入低PE的股票。当买入的人足够多，需求增加了，那这些低PE股票的价格就会被推高，甚至跑赢大盘。于是，“低PE”这个指标就变得真的有效了。在量化投资中，把这种能够影响股票涨跌、并且被一群交易者共同使用的指标，称为因子。
因子可以是基本面指标，比如：市盈率、市净率；也可以是技术面指标，比如：动量、换手率、波动率；甚至可以是分析师一致预期、宏观变量等。一句话来说：因子=用来判断股票涨跌的某种可量化的特征。
二、为什么需要“多”因子？
你可能会问了：既然低PE有效，那我只盯着低PE做投资不就行了？可问题在于：没有一个因子能永远有效。市场风格石灰变的。有时候低PE有效，有时候高增长更吃香，有时候技术指标又成为主角了。
这个时候，多因子模型就排上了用场。多因子模型，就是把多个不同的因子综合在一起，共同判断一只股票值不值得买。
它的优势也很明显：1、信息全面：既看估值，也看成长，还看技术面，避免“一叶障目”。2、表现更稳定：市场环境变化时，总有部分因子在发挥作用，不至于全线失效。简单说：多因子模型不押注单一逻辑，而是打出一套“组合拳”。
三、多因子模型的两种主流方法：打分法VS回归法
在多因子模型中，如何把多个因子“综合”成一个最终的选股结果？主要有两种方法：一个就是打分法，还有一个就是回归法。两种方法都有各自的优缺点，可以看看下表：
通俗一点，打分法就像按照多项指标给学生评“三好学生”，综合得分高的胜出。回归法就像根据历史考试成绩预测下次谁会考得更好。两种方法没有绝对的好坏，很多实战模型会结合使用，或者根据市场环境切换。
小结：
总的来说，多因子模型不是“一招鲜”，而是一套系统化的投资思维方式。背后的逻辑是：不迷信任何一个单一的“神奇指标”，而是通过多个维度的交叉验证，提高选股的胜率。这也是为什么从机构到个人量化投资者，都在不断研究和优化自己的多因子模型。