因子投资策略有哪些？
1. 指标选择 因子的选取是因子分析中最重要的一步，也是最难的一步，因为因子选取是否合理，直接关系到后续分析的效果和结论是否可靠、有效。在金融投资中，我们通常会根据历史数据利用统计方法找出具有显著性的特征因子。但需要注意的是，用历史数据进行因子分析存在一定的风险，由于市场波动性和参与者的有限理性，过去的显著性不一定代表未来的显著性，某些因子可能过去表现很好，但是一旦环境发生变化，其优势也就不复存在了。因此在利用因子时，应注意风险控制。
2. 因子分析 因子分析是一种基于数据的建模技术，它从样本数据中寻找能全部解释（或部分解释）原始变量所有变异的最少个新变量——即因子。这些新变量是原始变量的线性组合，其线性关系是由相关系数确定的。每个因子由所有原始变量共同决定，且不能由其他任何一组变量单独确定。可以从因子结构中进一步得到信息：每个因子的方差贡献率（%）反映了该因子所能解释的原始变量总变异的百分比；因子载荷矩阵显示了一个变量在不同因子上的负荷量，这一数值反映了这个变量对于不同因子所起的作用大小。
3. 因子得分 以上两部分完成后，就可以根据公式计算出每一个样本的因子得分了，而因子得分反应了每个样本对于各类别样本的归一化数值。我们将这类问题称为因子回归的问题。 在完成了上面三个步骤后，我们可以通过以下两种形式之一来展示因子分析的结果： 第一个是因素 loadings 图 图中展示了每次选出的前五个主成分（即负载最好的5个变量）在每一变量上的负载情况，也就是对原始变量 X 的解释程度。 从图中可以直观地看出各个主成分与原始变量之间的对应关系，以及它们解释原始变量方差的程度。 第二个是因子得分函数图 这个图形展示了每一个样本点对于每个因子的得分情况，根据得分情况可以将所有的样本点对比如下： 通过上面的两个图可以清楚直观地将所有的信息展示出来，并且根据这些信息对原始变量进行归类也不是难事。