因子投资中模型错位普遍存在，根本原因在于收益模型与风险模型的构建目的不同，导致它们使用的因子变量和暴露估计方法天然不一致。收益模型旨在预测超额收益，倾向于使用能解释未来收益的独特预测变量；风险模型则专注于刻画波动和相关性，通常采用标准化的因子框架，如Barra模型中的行业因子、规模因子、价值因子等。两者目标不同，因子集和暴露计算自然难以完全对齐。
收益模型常纳入动量、低波动、质量等动态或复合因子，这些变量在预测收益时有效，但未必被风险模型纳入为标准因子。例如，收益模型可能使用基于短期价格动量的自定义信号，而Barra风险模型则使用基于市值、账面市值比等标准因子。即使两者使用相同名称的因子（如“价值”），收益模型可能以预期盈利收益率衡量，风险模型则用账面市值比，因子定义和暴露计算的差异直接导致模型错位。
因子暴露难以完全匹配的根源在于：收益模型中的暴露通常是通过回归或优化得到的“敏感度”，而风险模型中的暴露往往是直接赋权（如市值加权）或基于协方差矩阵估算。这种方法论差异使得同一个投资组合在两个模型下呈现不同的因子画像。例如，一个在收益模型中显示高动量暴露的组合，在风险模型中可能因动量未被纳入风险因子而显示为无系统风险暴露，造成预测与实际的偏差。
模型错位普遍存在并不意味着因子投资失效，而是提示投资者：收益预测与风险控制应视为两个独立但需协调的环节。削弱错位影响的基本思路包括：使用统一因子定义构建收益和风险模型，或在风险模型中额外纳入收益模型所用的关键因子；定期回溯检验因子暴露的一致性，并调整组合权重以平衡收益预测与风险约束。
简短总结：收益模型与风险模型因目标不同导致因子暴露错位是因子投资中的常态。理解这一根源，有助于投资者更理性地看待收益预测与风险控制之间的差距，并通过统一因子框架或定期校准来削弱其影响。
常见问题
收益模型和风险模型可以共用同一套因子吗？
理论上可以，但实践中往往不理想。收益模型需要包含能预测未来收益的独特因子，而风险模型更关注能解释历史波动和共性的因子，两者最优因子集不同。强行统一可能削弱模型在各自目标上的表现。
模型错位会导致实际投资亏损吗？
模型错位本身不直接导致亏损，但会降低收益预测与风险控制的一致性。例如，如果组合在收益模型中被视为低风险，但在风险模型中显示高波动，投资者可能承担了预期外的风险敞口。定期校准因子暴露可以缓解这种偏差。
如何判断自己的因子投资模型是否存在严重错位？
对比收益模型和风险模型对同一组合的因子暴露估计值，若差异超过历史回测的2个标准差，或导致风险预测值偏差超过20%，通常说明错位较严重。建议使用统一的数据源和因子定义重新校准两个模型。