主成分分析（PCA）在因子投资中主要用于降维和特征选择，帮助从大量候选因子中提取少数核心因子，从而简化模型并抓住资产收益的主要驱动力。这是一种无监督学习方法，不依赖标签数据，仅通过数据本身的方差结构来识别最重要的信息。
PCA如何从大量因子中提取核心因子
在因子投资中，候选因子通常数量庞大（如动量、价值、规模、波动率等），且彼此之间存在相关性，即多重共线性。PCA通过线性变换，将原始因子组合成一组新的正交变量——主成分。每个主成分是原始因子的加权组合，且按解释方差大小排列：第一个主成分解释数据中最大的变异，后续主成分依次递减。实际操作中，通常只保留累计解释方差达到70%-90%的前几个主成分，丢弃噪声较高的成分。这样，原本几十个因子就被压缩为少数几个核心因子，大幅降低模型复杂度。
PCA在截面与时间序列分析中的双重作用
PCA不仅能在截面维度（同一时点不同资产之间）解释差异，也能在时间序列维度（同一资产不同时点）捕捉波动。在截面分析中，PCA提取的主成分能概括不同资产对共同因子的暴露差异，例如市场因子、行业因子等。在时序分析中，PCA可用于分解资产收益的时间序列波动，识别出驱动长期趋势或短期波动的核心成分。这种双重能力使PCA成为构建多因子模型时的通用预处理工具，尤其适合处理高维金融数据。
简化模型与降低过拟合风险
使用PCA的另一个关键优势是减少模型过拟合。原始因子越多，模型越容易记住历史噪声而非真实规律。通过保留少数主成分，模型参数减少，泛化能力通常更强。此外，主成分的正交性消除了因子间的冗余信息，使后续回归或机器学习模型更稳定。需注意，主成分是原始因子的线性组合，其经济含义可能不如原始因子直观，因此在实际应用中，常将主成分与原始因子进行映射分析，以解释其背后的经济逻辑。
常见问题
PCA与因子选择（如LASSO）有何区别？
PCA是无监督方法，仅基于数据方差结构提取主成分，不关注与预测目标的关系；而LASSO等有监督方法通过惩罚系数直接筛选对收益预测贡献最大的因子。PCA更适合减少噪声和多重共线性，但可能丢弃对预测有用的弱信号因子。
如何确定保留的主成分数量？
常见方法是观察累计解释方差比例，通常保留70%-90%的方差。也可使用特征值大于1的Kaiser准则或碎石图（Scree Plot）中拐点位置。具体数值因数据特性而异，建议结合交叉验证调整。
主成分分析后如何解释因子含义？
主成分是原始因子的线性组合，可通过因子载荷矩阵查看每个原始因子对主成分的贡献权重。若载荷集中在少数因子（如价值、动量）上，该主成分可被近似解释为“价值-动量综合因子”。但经济含义需结合领域知识判断，避免过度机械解读。