核心判断

“头部量化机构早就不玩因子了，最前沿只剩强化学习、多智能体、对抗神经网络”这个说法不准确。更接近事实的判断是：传统静态因子暴露不再足以构成稳定优势，但因子仍是风险解释、组合归因、约束优化和策略诊断的基础语言；机器学习、深度学习、强化学习、多智能体系统和对抗训练则正在成为更复杂的 alpha 建模、市场状态识别、交易执行和风险控制工具。

公开资料能支持两点。第一，机构并没有放弃因子。Two Sigma 仍用 Factor Lens 描述多资产组合的横截面和时间序列风险，并把因子作为市场状态建模的输入；BlackRock Systematic 也公开强调系统化投资结合数据科学、AI、人类专业判断、风险预算和优化流程，而不是单纯押注某一种算法 $TRAE_REF$TRAE_REF$TRAE_REF。第二，强化学习确实是量化金融研究前沿。ACM Computing Surveys 2025 年综述回顾了 167 篇相关研究，认为金融市场的复杂性、多主体性、信息不对称和随机性使其适合用 RL 框架研究，但也明确指出其面临非平稳、过拟合、样本效率、真实交易摩擦和可解释性等挑战 $TRAE_REF。

因此，正确的问题不是“因子是否已经死了”，而是“因子在现代量化系统中扮演什么角色，以及 RL/MARL/对抗训练能补上哪些传统框架的短板”。

因子是什么

因子是解释资产收益和风险的一组可观测特征或隐含风险来源。常见股票风格因子包括价值、动量、质量、低波动、小市值等；宏观和多资产框架中还可能包括利率、信用、通胀、外汇、商品、趋势跟随等。MSCI 将因子定义为“有助于解释资产长期风险和收益特征的任何特征”，并指出部分因子在长期样本中体现出风险溢价，但短期表现具有周期性，单一因子可能连续多年跑输 $TRAE_REF。

一个简单的因子模型可以写成：

r_i - r_f = β_i,mkt × MKT + β_i,value × VALUE + β_i,mom × MOM + ... + ε_i

其中 r_i - r_f 是资产超额收益，β 是资产对某个因子的暴露，ε_i 是模型没有解释的残差。投资组合层面，因子模型可用于回答三个问题：收益来自市场 beta、风格暴露还是真正的个股选择；风险集中在哪些共同驱动项；如果降低某类暴露，组合权重应该如何调整。

因子不会因为“太传统”而消失。它们像量化投资里的坐标系：坐标系本身未必产生 alpha，但没有坐标系就难以描述风险、约束组合、归因收益和解释模型行为。问题在于，因子溢价可能拥挤、衰减、反转或在不同市场状态下失效，所以单纯买入便宜股票、追逐动量或机械堆叠风格暴露，很难长期构成顶级机构的全部优势。

机器学习如何改造因子

传统因子模型通常假设因子与收益之间的关系相对稳定、线性、可解释。机器学习的引入改变了三个环节：信号发现、非线性组合、状态条件化。

在信号发现上，机构会把财报、价格、成交、新闻、研报、另类数据、宏观数据转化为大量候选信号。BlackRock 的 Augmented Investment Management 材料称，其系统化团队从 2014 年开始训练机器学习模型生成 alpha 预测，并依赖信号库、组合优化器和高保真回测模拟器；模拟器还会考虑交易成本、融券成本和基金约束，以使评估更接近真实组合表现 $TRAE_REF。

在非线性组合上，机器学习并不只是把 value + momentum + quality 做线性加权，而是学习条件关系。例如，同一个估值信号在高通胀、低流动性、盈利下修阶段可能有不同含义；同一个动量信号在趋势延续和拥挤反转阶段也可能对应不同风险。Two Sigma 的公开研究用高斯混合模型对 17 个因子的联合分布建模，并将历史市场划分为 Crisis、Steady State、Inflation、Walking on Ice 等状态，这说明机器学习可以被用于识别因子收益分布背后的市场状态，而不是替代因子语言本身 $TRAE_REF。

在状态条件化上，现代量化更关心“某个信号在什么环境下有效”。这比“某个因子长期是否有溢价”更接近真实投资问题。机器学习的价值在于处理高维、非线性、交互项和分布变化，但它也引入更高的过拟合风险和解释成本。

强化学习是什么

强化学习把投资问题建模为序列决策，而不是一次性预测。一个 RL 系统通常包含五个核心元素：

RL 的目标是学习一个策略 π(a|s)，即在状态 s 下选择动作 a 的规则，使长期累计奖励最大化：

max_π E[Σ γ^t R_t]

这与普通监督学习不同。监督学习常见目标是预测明天涨跌或收益率，预测对了不等于交易赚钱；强化学习直接把“动作之后的组合结果”纳入学习目标。ACM 综述指出，RL 相比传统机器学习的吸引力在于它能更自然地优化风险绩效指标、把预测和交易动作合并到一个框架、并在一定程度上纳入交易成本和流动性约束 $TRAE_REF。

但金融不是游戏环境。市场没有可无限重开的真实训练场，历史样本很短，分布不断变化，交易动作本身还可能影响价格。综述也明确提醒：金融数据噪声大、非平稳、随机性强，RL 容易受到过拟合、样本效率不足、仿真到实盘迁移困难、解释性不足等问题限制 $TRAE_REF。

多智能体机制

多智能体强化学习（Multi-Agent Reinforcement Learning, MARL）把市场看成多个智能体共同作用的系统。每个智能体可能代表不同交易者、做市商、套利者、组合管理模块、风险控制模块或执行模块。它们之间可能合作，也可能竞争。

在金融场景中，多智能体有两类典型用法。

第一类是市场仿真。研究者构造多个具有不同行为规则的交易智能体，让它们在仿真订单簿中交互，从而观察流动性、冲击成本、拥挤交易、闪崩和策略互相挤压。这里的重点不是预测某只股票，而是刻画“我的策略进入市场后，市场会怎样反应”。

第二类是功能分工。一个智能体负责追求收益，另一个智能体负责压低风险，另一个智能体负责观察市场状态或控制交易执行。AAMAS 2024 的 MASA 框架就是这种思路：它用一个基于 TD3 的智能体优化组合收益，用另一个求解器智能体调整风险，并加入市场观察者来反馈趋势状态，以在动荡市场中平衡收益和风险 $TRAE_REF。

这种架构的优点是更接近真实资管系统。真实机构不会只有一个“全能神经网络”直接输出买卖指令，而是把预测、组合构建、风险约束、交易执行、合规限制和异常监控拆成多个模块。多智能体框架提供了一种把这些模块联动起来的研究语言。

对抗神经网络与对抗训练

“对抗神经网络”在量化语境中容易被混用，至少有三层含义。

第一层是 GAN。生成对抗网络由生成器和判别器组成，生成器试图生成逼真样本，判别器试图区分真样本和假样本。金融中有人用 GAN 生成合成价格路径、压力场景或补充稀缺数据，但这类方法必须非常谨慎，因为生成数据可能复制历史偏差，也可能产生看似合理但不可交易的路径。

第二层是 adversarial training。模型训练时故意加入扰动或困难样本，逼迫策略在不利市场状态下仍保持稳健。2018 年的 Adversarial Deep Reinforcement Learning in Portfolio Management 将对抗训练用于组合管理，作者报告其能提升训练效率，并在回测中改善日均收益和夏普比率；但该研究也只是在特定数据、设定和回测环境下给出结果，不能直接推出“实盘必然有效” $TRAE_REF。

第三层是博弈式市场建模。一个策略的收益往往来自其他参与者的错误、约束或流动性需求；当策略规模变大，它会改变市场状态，甚至被其他策略反向利用。对抗式建模试图把这种竞争关系显式纳入训练，让模型不只适应历史均值，而要承受对手策略、流动性抽离、交易成本上升和 regime shift。

对抗方法的价值在于提升鲁棒性，而不是制造“稳赢策略”。如果回测环境不真实，加入再复杂的对抗网络也只是让模型在错误的模拟器里变得更自信。

前沿不等于主流

学术前沿、卖方叙事、开源实验和头部机构实盘系统之间有明显距离。强化学习、多智能体和对抗训练确实前沿，但是否构成头部机构的核心实盘收益来源，公开证据通常不足。顶级量化机构的真实模型、数据、执行系统和风控细节高度保密，外界很难从论文或招聘描述反推出其资金规模最大的生产策略。

更合理的技术分层如下：

如果把“因子”理解为几十个公开风格因子的机械排序，那么它确实不是最前沿。如果把“因子”理解为可解释的风险与收益驱动变量，那么它仍是现代量化系统的基础组件。

为什么纯 RL 很难直接统治量化

强化学习在金融中的困难不是算法名字不够新，而是环境本身很难被正确定义。

第一，奖励函数很难写。最大化短期收益会导致高换手和高尾部风险；最大化夏普比率可能隐藏极端亏损；加入回撤、成本、杠杆、容量、流动性惩罚后，奖励函数会变得复杂且不稳定。

第二，训练环境很难真实。很多论文回测把交易成本设为固定值，假设可以按收盘价成交，忽略冲击成本、借券限制、涨跌停、盘口深度、排队优先级和撤单风险。ACM 综述指出，RL 金融研究常简化交易成本并假设确定成交，而真实市场存在变化的买卖价差和执行不确定性 $TRAE_REF。

第三，市场是非平稳系统。2010 年学到的策略，可能在 2020 年疫情、2022 年通胀冲击或 2024 年 AI 权重股集中行情中失效。BlackRock 的 AIM 材料也提到，信号会因为数据商品化或机制被市场理解而失效，因此需要研究能识别并适应金融数据分布变化的算法 $TRAE_REF。

第四，实盘需要可控，而不是只要高回测收益。资管机构要向投资委员会、客户、风控和监管解释仓位来源、风险暴露、异常亏损和模型变更。黑箱策略如果无法解释风险来源，即使回测漂亮，也很难承载大规模资金。

术语之间的关系

这些术语不是互相替代的流派，而是可以共存于同一系统的不同层。

数据
  ↓
特征 / 因子 / 另类信号
  ↓
监督学习或深度学习预测 alpha、风险、成本、状态
  ↓
组合优化器在约束下生成目标仓位
  ↓
强化学习或动态规划优化执行路径
  ↓
多智能体仿真和对抗训练测试拥挤、冲击、极端情景
  ↓
风险模型、归因系统、人工审查持续监控

在这个结构中，因子不是被淘汰，而是从“直接赚钱的简单规则”转向“解释、约束、状态识别和模型输入的一部分”。RL/MARL/对抗训练也不是万能替代品，而是处理序列决策、交互反馈和鲁棒性问题的工具。

更科学的表述

可以把原说法改写成更专业的版本：

> 顶级量化机构不会只依赖传统静态因子模型。现代系统化投资正在把因子模型、另类数据、机器学习、组合优化、交易执行、强化学习、多智能体仿真和对抗式稳健性训练结合起来。RL/MARL/对抗训练是重要前沿，但公开证据不足以说明它们已经全面取代因子；更可能的现实是，因子仍负责解释和约束，机器学习负责高维信号组合，强化学习更多用于序列决策、执行优化、动态配置和仿真风控。

这句话保留了“技术在进化”的判断，也避免了“因子已死”“神经网络统治一切”这类不科学断言。

结论

因子没有死，死的是把公开因子机械排序后期待长期躺赢的想法。强化学习、多智能体和对抗训练确实代表量化金融的重要研究方向，尤其适合处理动态决策、市场交互和鲁棒性问题；但它们面临真实交易摩擦、非平稳分布、样本稀缺、可解释性和实盘验证等硬约束。

头部量化的真正前沿通常不是某一个炫目的模型名，而是数据、模型、优化、执行、风控和组织工程的系统集成能力。用学术语言说，现代量化的竞争从“寻找单一有效因子”转向“在非平稳、多主体、有摩擦、受约束的随机环境中，持续学习可解释、可交易、可扩展且风险可控的策略”。