因子投资是一种定量的投资策略，通过选择和组合一系列特定的因子来构建投资组合。因子指的是影响资产或证券表现的某种特定属性或特征，如公司规模、估值、动量等。
例如，一个价值投资者可以选择ROE作为因子，买入ROE高的股票，相信这些股票表现会优于ROE低的股票。一个趋势投资者可以选择动量作为因子，买入近期涨幅高的股票，认为它们表现会优于近期跌幅高的股票。一个重景气度的投资者，可以将净利润增速作为因子，买入净利润增速快（景气度高）的那批股票。因此，不同投资者可以根据自己的偏好选择不同的因子来构建投资组合。
可以说投资的路千千万，十八般武艺各有神通。对于某个因子是否可靠，可以通过统计定量的方式检测因子的有效性和持续性。有效性检测包括是否可以获得超额收益；持续性检测则考察因子在不同时间段的稳定性。
因子检测方法
一种常见的有效性检测方法是排序法。
将股票按照因子数据进行排序，分成若干组。可以以因子值为权重构建多空投资组合，也可以用因子最大组与最小组做多空组合。定期更新股票排名与分组，计算投资组合的收益率（业界称为再平衡）。
举例来说，以股票的市值大小为因子，将股票池中的股票分为5组，做多市值最大的一组，做空市值最小的一组，如果这样的多空组合收益率显著不为0，意味着高低不同的因子在整体上会对收益产生影响，说明该因子具有超额收益。如果这个多空组合收益率为0，说明市值的高低对于股价没有太大影响。理想状态中，如果这5组的收益率排名是单调递增/递减，更加说明因子高低对于收益率有着明显的影响。
另一种方法是IC测试。
IC值用来评估因子值与未来收益之间的相关性，反映因子的预测能力。IC的均值代表了因子预测的平均准确性。根据石川博士在《因子投资-方法与实践》中的描述，IC高于2%就是优秀的预测变量（当然不能刻舟求剑的理解这个2%，只是一个参考标准）。以一个相对严格的标准看，对于多年的IC均值来说， 大于0.05时， 就可以认为因子是有效的阿尔法因子， 大于0.1时， 就可以认为因子是特别好的阿尔法因子。
通过计算IC值、显著性检验和稳定性检验，可以确定因子的预测能力，用于构建投资组合。
另外，IC的标准差用于检测因子的稳定性，标准差越小稳定性越高。IR比率表示IC均值/IC 标准差，代表了预测能力的稳定性。IR值越高越好，通常大于1是可接受的，而大于2则被认为是较好的。IC值序列大于零的占比可以判断因子作用方向是否稳定
当证明因子与收益率的相关性时，除了数据支持外，逻辑上也应具有一定的相关性。举一个极端的例子，以上市公司董事长的姓氏笔画为因子，构建一个毫无意义的“姓氏笔画”因子。假设我们选择多头持有前1/5个董事长笔画数较多的股票，空头持有后1/5个笔画数较少的股票。显然，这种多空组合的收益将极其不稳定，并且在5组数据的收益率之间也不会呈现明显的单调性，因为“姓氏笔画”并不会整体上对股价产生影响。虽然偶尔可能出现笔画数多的股票在某周甚至某月大幅跑赢笔画数少的股票，但这种基于缺乏逻辑的因子的强行数据挖掘，其参考价值极其有限。