连续亏损时，许多投资者的本能反应是加大仓位或频繁更换策略，但这往往让亏损扩大。因子正交化的核心思想，是通过数学方法剥离策略中冗余、重复的风险暴露，让每个因子贡献独立且清晰的收益来源，从而帮助识别真正失效的因子，避免在错误方向上持续加码。
为什么连续亏损时容易踩坑
连续亏损会触发两个常见错误：一是情绪驱动下加仓摊平成本，二是盲目切换策略。前者可能让亏损因子暴露成倍放大，后者则让新旧策略的因子重叠，无法判断哪个环节出了问题。多数情况下，亏损并非所有因子同时失效，而是某些冗余因子叠加放大了损失。因此，第一步不是调整仓位，而是检查当前策略的因子构成。
因子正交化的操作步骤
因子正交化的目标是把原始因子（如动量、价值、低波等）转化为相互独立的“正交因子”，消除多重共线性。具体可分三步：
- 收集因子暴露数据：列出策略中所有使用的因子，并计算各资产或标的上每个因子的得分（暴露值）。例如，一只股票可能在动量因子得分高，同时在价值因子得分也高，两者可能存在相关性。
- 计算因子相关性矩阵：通过历史数据（通常使用过去1-3年）计算因子之间的相关系数。若两个因子相关系数绝对值超过0.7，说明存在显著冗余，需要剥离。常见冗余对包括：低波动与低贝塔、成长与动量（短期）。
- 进行正交化处理：使用施密特正交化或主成分分析（PCA）等方法，将原始因子投影到正交空间。这一步通常借助统计软件（如Python的scikit-learn、R的
corpcor包）完成。正交化后，每个新因子代表原始因子中独立的信息增量。
识别失效因子并调整策略
正交化后的因子暴露矩阵，能清晰显示哪些独立因子仍在贡献收益，哪些已失效。失效因子的特征是：正交化后因子收益持续为负，且信息比率（IR）低于0.5。此时应：
- 剔除失效因子：降低或移除该因子在策略中的权重，同时保留其他有效因子。
- 检查因子衰减速度：如果失效因子在最近1-2个月内快速下滑，可能是结构性变化（如市场风格切换），而非短期波动。此时应暂停使用该因子，等待环境恢复。
实操建议：在确认至少1-2个独立因子有效的基础上，将整体仓位降低至正常水平的60%-80%，避免单一因子波动造成过大回撤。待连续亏损停止（如连续3个交易日不创新低）后，再逐步恢复仓位。
常见问题
### 因子正交化需要多长历史数据？
通常需要至少1年的日频数据（约250个交易日），才能稳定估计因子相关性。数据太短（如3个月）会导致相关性估计不稳定，正交化结果不可靠。如果是周频数据，建议使用3年以上。
### 正交化后的因子还能直接用于交易吗？
正交化后的因子是数学构造，不直接对应可交易的资产，但可用于构建投资组合权重。具体做法是：将正交因子得分作为权重分配依据，例如得分最高的前20%资产分配较高权重。实际交易时，仍使用原始因子对应的资产，但权重由正交化后的暴露决定。
### 如果所有因子正交化后都失效怎么办？
如果所有独立因子收益均为负，说明当前市场环境下没有可靠的风险溢价来源。此时应空仓或持有现金，并等待市场环境变化（如波动率下降、流动性恢复）。历史上常见，市场在极端行情下（如2020年3月）几乎所有因子同时失效，但通常持续不超过3个月。