仓位管理中，因子正交化通过剔除不同资产或策略之间共同的风险因子暴露，确保组合真正分散到多个独立风险源，从而避免看似分散实则集中于同一因子（如市场、行业、利率）的“伪分散”问题。
因子正交化如何解决集中风险
传统仓位管理常按资产类别或行业分散，但不同资产可能受同一因子驱动。例如，银行股和地产股都高度暴露于利率因子，同时持有两者并未有效分散利率风险。因子正交化将原始资产收益分解为若干相互独立的因子（如市场、规模、价值、动量等），再计算各资产在正交化后的因子上的暴露。这样，组合管理者能识别哪些资产共享同一风险源，并主动调整权重，使组合对每个独立因子的暴露控制在预设阈值内，避免过度集中。
检查资产因子暴露相关性的实操方法
- 构建因子模型：选取对组合收益有解释力的因子（如Fama-French五因子模型中的市场、规模、价值、盈利、投资因子），或针对特定资产类别自定义因子（如债券的久期、信用利差因子）。
- 计算因子暴露：对每项资产，通过回归或协方差矩阵估计其在各因子上的载荷（beta值）。
- 检查截面相关性：计算不同资产在相同因子上的暴露相关系数。若两只股票在市场因子上的暴露相关系数高于0.8，说明它们对该因子的敏感度高度一致。
- 应用正交化：使用Gram-Schmidt过程或主成分分析（PCA）将原始因子转换为正交基，再重新计算资产的暴露。正交化后的暴露矩阵中，各因子之间相关系数为0，此时可以清晰看到每项资产对独立风险源的贡献。
控制单个因子暴露上限的实操方法
| 步骤 | 具体操作 | 例子 |
|---|---|---|
| 1 | 设定每个因子的暴露上限（如不超过组合总风险的20%） | 市场因子暴露上限为组合VaR的20% |
| 2 | 将正交化后的因子暴露矩阵乘以当前仓位权重，得到组合对各因子的总暴露 | 组合对价值因子的总暴露为0.5 |
| 3 | 若某因子暴露超标，调减暴露最高的资产权重，或增加与该因子暴露负相关的资产 | 降低银行股权重，增加消费股 |
| 4 | 定期（如每月）重新计算正交化暴露，动态调整 | 因子暴露会随市场环境变化 |
控制单个因子暴露上限的核心是：在正交化框架下，每个因子代表一个独立的风险维度，管理者只需确保组合对每个维度的暴露不超过预设阈值，即可避免过度集中。实际操作中，通常将单一因子暴露上限设在组合总风险的10%-25%，具体数值需根据策略风险偏好和因子数量调整。
简短总结
因子正交化通过剥离资产间的共同风险因子，使仓位管理从“按资产类别分散”升级为“按独立风险源分散”。关键步骤包括构建因子模型、计算正交化暴露、设定并监控单个因子暴露上限。这一方法能有效防止组合看似分散实则集中于市场、行业或利率等单一风险源的问题。
常见问题
因子正交化是否适用于小规模组合？
适用于任何规模组合，但小规模组合（如仅持有5-10只股票）中因子暴露的估计误差较大，建议采用更稳健的因子模型（如使用行业因子而非细分子行业因子），或结合历史长周期数据（至少3年）计算暴露。
因子暴露上限设置过高或过低有什么影响？
上限过高（如超过40%）会导致组合对某一因子高度敏感，失去分散效果；上限过低（如低于5%）会过度限制投资范围，可能降低预期收益。常见做法是将上限设在10%-25%之间，并根据回测中组合的波动率和最大回撤来调整。
因子正交化需要频繁调整吗？
不需要。因子暴露通常相对稳定，建议每月或每季度重新计算一次正交化暴露并调整仓位。过于频繁（如每日）可能增加交易成本，且因子暴露短期波动噪声较大，调整效果有限。