多因子模型检验中，资产数量N应远大于因子数K，通常N至少为K的10倍以上，这样才能保证回归有足够的自由度，使因子载荷估计稳定可靠。N过小会导致估计结果对个别资产敏感、标准误偏大；N过大则可能引入噪声资产，降低模型效率。K则需平衡解释力与简洁性，过多因子容易过拟合，在样本外失效。
N和K的合理范围
资产数量N的实践建议是几百至上千只股票。N在300-500之间能兼顾统计效力与计算负担，超过2000时边际收益递减，且可能包含大量流动性差的小盘股，增加噪声。因子数K通常控制在3-5个，常见代表有市场因子、规模因子、价值因子和动量因子。K超过10后，模型极易过拟合，且因子间多重共线性问题会显著恶化。
N与K的匹配原则
| 资产数量N | 对应最大合理因子数K | 说明 |
|---|---|---|
| 100以下 | ≤3 | 自由度紧张，因子载荷误差大 |
| 300-500 | 3-5 | 多数研究采用的平衡区间 |
| 1000以上 | 5-10 | 需警惕噪声资产和过拟合 |
N与K的比值（N/K）应当保持在20以上较为安全。例如N=500时，K最好不超过5，此时N/K=100，回归标准误较小。如果N只有100，K最多取2-3，否则估计结果不可靠。
实践中的权衡
当N固定时，优先保留解释力最强的因子，用VIF（方差膨胀因子）检测多重共线性，剔除VIF>5的冗余因子。当K固定时，扩大资产池优先选择流动性好、市值分散的股票，避免集中于某一行业。历史上常见的情形是，加入第4个因子后解释力提升不到1%，而模型复杂度明显增加，此时应舍弃该因子。
常见问题
如果资产数量N只有50只，还能做多因子检验吗？
可以，但因子数K必须严格控制在2-3个以内，且优先使用市场因子和规模因子。N=50时，N/K至少应达到15-20，否则回归结果没有统计意义，容易产生虚假结论。
因子数量K超过10会出现什么问题？
主要风险是过拟合和多重共线性。过拟合使模型在样本内表现很好但样本外失效，多重共线性则导致因子载荷估计方向错误、标准误膨胀。实践中K超过8时就需要用LASSO或PCA等降维方法筛选因子。
如何判断因子是否多余？
计算因子间的相关系数和VIF。如果两个因子相关系数超过0.7，或某个因子的VIF大于5，说明存在严重冗余。另外，在回归中加入该因子后调整R²提升不足0.5%，也表明该因子贡献有限。