当前市场环境下，因子投资策略具有广阔的发展前景。首先，近期的实证研究可以有效帮助量化投资者从中发现许多信号，这些信号相较价值、质量、动量和低风险这类传统因子展现出更快的溢价效应。短期逆转、短期行业动量便是一个很好的例子，它们的回溯期仅为一个月。
这类快速信号通常会被投资者所忽视，因为投资者担心它们所带来的回报无法抵消交易成本。但我们认为，通过结合多个短期信号、限制股票池为流动股，以及使用降低成本的交易规则，能够克服这一挑战。通过高效的实施，短期信号可以提供强大的净超额回报潜力，使投资者拓展有效边界。
另类数据的兴起
近年来，另类数据的快速发展成为关注重点，为“下一代”因子投资提供了令人兴奋的机会。经典因子主要来源于股票价格和从财务报表中提取的信息。其他常用的数据包括分析师预测以及在其他市场观察到的价格，如债券、期权和做空市场。
同时，另类数据的来源包括金融交易、传感器、移动设备、卫星、公共记录和互联网等等。文本数据，如新闻报道、分析师报告、财务业绩发布会记录、客户产品评论或员工公司评论，这些均可以使用自然语言处理技术转换为量化的信号。
所有这些数据不仅可以用于创建新因子，还能用来强化现有因子。例如，传统价值因子因仅包括资产负债表上的有形资产而受到批评，而现在许多公司更多拥有的是无形资产，如知识资本、品牌价值或网络价值。另类数据能弥补类似不足，举例来说，投资者可以考虑使用专利数据来估算知识资本的价值。
机器学习的出现
除了大数据革命，计算能力也出现了爆发式增长。这让量化投资者得以超越基本投资组合分析或线性回归，从而应用算力需求更高的机器学习(ML)技术，如随机森林（Random Forests）和神经网络（Neural Networks）。这些技术的主要优势在于其可揭示非线性和交互效应。
近期研究报告称，在“因子动物园”（Factor Zoo）中应用机器学习可以实现显著的表现提升。但也存在挑战。例如，机器学习模型的换手率可能过高，因为这些模型训练通常是为预测下一个月度回报，以得到足够的独立观察。此外，机器学习模型所得结果的可解释性并不直接。
因此，尽管机器学习有潜力进一步推动因子投资的前沿发展，但仍需要克服各种挑战。
可持续发展
最后，对可持续发展整合的兴趣日益增长，这为因子投资带来了巨大机会。可持续性的衡量标准可以通过广泛的ESG（环境、社会和公司治理)评分或更具体的指标(如碳足迹)来量化，这些指标现已得到广泛使用。因为这些可持续性评分在概念上类似于因子得分，所以将它们应用于投资组合优化问题是相对简单的。
这可以通过硬性限制的形式或通过在目标函数中相互权衡来实现。一般来说，可以将相当程度的可持续性纳入因子投资组合中，且不会对因子敞口（factor exposures）产生重大影响。如此，因子投资可以实现创造财富和增进福祉的双重目标。
免责声明:
本文由荷宝私募基金管理(上海)有限公司(“荷宝上海”)编制, 本文内容仅供参考, 并不构成荷宝上海对任何人的购买或出售任何产品的建议、专业意见、要约、招揽或邀请。本文不应被视为对购买或出售任何投资产品的推荐或采用任何投资策略的建议。本文中的任何内容不得被视为有关法律、税务或投资方面的咨询, 也不表示任何投资或策略适合您的个人情况, 或以其他方式构成对您个人的推荐。本文中所包含的信息和/或分析系根据荷宝上海所认为的可信渠道而获得的信息准备而成。荷宝上海不就其准确性、正确性、实用性或完整性作出任何陈述, 也不对因使用本文中的信息和/或分析而造成的损失承担任何责任。荷宝上海或其他任何关联机构及其董事、高级管理人员、员工均不对任何人因其依据本文所含信息而造成的任何直接或间接的损失或损害或任何其他后果承担责任或义务。本文包含一些有关于未来业务、目标、管理纪律或其他方面的前瞻性陈述与预测, 这些陈述含有假设、风险和不确定性, 且是建立在截止到本文编写之日已有的信息之上。基于此, 我们不能保证这些前瞻性情况都会发生, 实际情况可能会与本文中的陈述具有一定的差别。我们不能保证本文中的统计信息在任何特定条件下都是准确、适当和完整的, 亦不能保证这些统计信息以及据以得出这些信息的假设能够反映荷宝上海可能遇到的市场条件或未来表现。本文中的信息是基于当前的市场情况, 这很有可能因随后的市场事件或其他原因而发生变化, 本文内容可能因此未反映最新情况, 荷宝上海不负责更新本文, 或对本文中不准确或遗漏之信息进行纠正。