一、资本资产定价模型（CAPM）
资本资产定价模型（CAPM）是现代金融学的最基础模型，首次实现了对风险与收益的数字定量化的描述。通俗地一句话描述CAPM，就是“承担多大风险就该赚多少钱”。
Ri−Rf=βi(Rm−Rf)
Ri−Rf：股票i的超额收益（总收益减去无风险收益）
βi：资产i的系统性风险系数
贝塔系数（βi）衡量资产i相对于市场的波动性，即风险。高β 意味着高波动、高风险，也意味着可能的高收益。
- β=1：资产波动与市场同步（如指数基金）
- β>1：比市场波动更大（如科技股，β=1.5 表示市场涨10%它可能涨15%）
- β<1：比市场波动更小（如公用事业股，β=0.8 表示市场涨10%它可能涨8%）
资本资产定价模型（CAPM）揭示出资产的预期收益仅由系统性风险（β）决定，非系统性风险可通过分散化消除，即通过资产组合的方式可以规避个股的非系统风险。实践层面就是同时分散持有多个相关系系数低的股票，可以平抑掉个股的非系统风险。
二、Fama三因子模型
CAPM的局限性在于市场实证发现其无法解释“小盘股效应”“价值股效应”等市场异象。大量的实证研究发现，β相同的资产如果其规模更小则其长期收益率显著高于规模大的资产。同样的现象也出现在估值更低的资产上-估值更低的资产长期的超额收益高于估值高的资产。
尤金·法玛和肯尼斯·弗伦奇1992年提出法玛三因子模型-认为股票的超额收益不仅取决于市场风险，还与公司的规模和估值相关。由此在CAPM基础上增加了规模和价值两个因子。自此构建出了由市场风险、规模因子、价值因子组成的Fama三因子模型。
Ri−Rf=αi+β1*(Rm−Rf)+β2*SMB+β3*HML
Ri−Rf：股票i的超额收益（总收益减去无风险收益）
β1,β2,β3：股票对三个因子的敏感度
αi：超额收益中无法被模型解释的部分（阿尔法收益）
SMB因子的超额收益：规模因子比大盘股多赚3%）
HML因子的超额收益：估值因子比成长股多赚5%）
三、从Fama三因子模型到果仁策略模型
根据法玛三因子模型公式，资产未来的超额收益来源于资产分别在市场风险因子、规模因子、价值因子的风险暴露带来的收益和无法被模型解释的阿尔法收益。理论上只要计算出资产在三个因子上的贝塔收益(Rm−Rf、SMB、HML)及在各自因子上的风险暴露（β1,β2,β3），就可以求出各资产的预期收益率，并买入预期收益率高的资产。
但实际上我们并不需要计算出各因子的贝塔收益和各资产在该因子的风险暴露。
在各因子的风险暴露是指资产在对应因子上的特征是否显著，再直观理解即该股票在对应因子(指标、因素)的数值排名上是否靠前，如果靠前即在该因子的风险暴露度大，反之暴露度小。根据马科维茨均值方差模型及CAPM模型，更高风险暴露（更靠前的排名）对应更高预期收益率。我们只需要买入哪些在对应因子排名靠前的股票，而不需要得到的各因子的贝塔收益和各资产在该因子的风险暴露度。
在法玛三因子模型下要构建预期高收益率策略，我们只需要买入哪些在市场系统风险（β大）、规模因子（市值小）、价值因子（估值低）暴露度大，即按照每个因子数值大小进行排名靠前的股票即可。
而实现这个排名的靠前正是果仁框架下的【排名条件】功能。果仁看似简单【排名条件】功能的底层正是现代金融学基础理论多因子模型的“风险暴露度”的核心思想体现。
理解这一点对于刚接触多因子量化的朋友非常重要，一方面知其然且知其所以然，可以建立对多因子量化策略的信念，知道其策略的超额收益来源及其风险在哪里，同时在因子阶段失效时能正确认识到策略为什么不行了；更重要的则是在做策略时认识到不是所有的指标都可以用来排名，例如：完全以策略回测收益的高低作为策略优劣的判断标准，而忽视了排名条件里所用的因子本身是否具备整体上的超额收益。如果排名条件里所用的权重较高的因子本身不具备整体的超额收益，而策略最终的回测收益很高，那么大概率这个策略过拟合了。
按照这个思路去理解果仁因模型的话，果仁的学习路径及模型边界其实是非常明确的。以经典多因子模型作为核心构建的策略未来实盘的可靠性会强很多，相反天马行空乱堆的神奇因子，即使策略回测历史收益很高，但却经不起实盘的验证。
四、创建第一个果仁多因子策略
综上，在果仁上构建法玛三因子策略。剔除掉ST、科创，及重大违规、ST风险股票；在剩余股票里通过排名的方式投资于在市场风险因子（贝塔大）、规模因子（总市值小）、价值因子（BP大）三个因子等权下排名最靠前的20只股票，每20日定期检验换仓一次。
- 策略定义
投资域：股票池：全部股票系统股票池：全部股票指数：全部板块：全部行业标准：申万 2014行业：全部二级行业：全部交易所：全部地区省份：全部企业性质：全部融资融券：全部ST：排除ST科创板：排除科创板过滤停牌股票：是筛选条件：过去N日重大违规数量(20)等于0过去N日问询函标次数(10)等于0ST标记等于0预期连续两年亏损等于0连续两年亏损等于0预期ST戴帽等于0交易类退市预警等于0排名条件：中性历史贝塔从大到小全部1总市值从小到大全部1中性BP从大到小全部1交易模型：模型：I调仓周期：20调仓价格：14:30空闲资金配置：无实时选股：未勾选最大持仓股票数：20备选买入股票数：5个股最大买入仓位：100%个股仓位权重：平权大盘择时：无
回测数据
策略回测自2014年至今的年化收益23.5%,战胜了市场（沪深300指数）,年化收益较低且夏普比率、最大回撤也比较大。但如前所述，这个策略大概率会具备比较强的生命力，除非法玛三因子失效。
进一步对该策略优化的方向包括：
- 时序上的优化。本策略采用的果仁模型一，可理解为三个等权因子在在20日周期上的截面收益；在模型二下每日对持仓股票进行检验，降低持仓周期内的时序上个股的风险。
- 调整因子的风险暴露度。例如规模因子的整体超额收益更显著，将总市值排名因子的权重加大。
- 监测和规避市场整体风险及因子失效的。
