因子會死:Alpha Decay 的結構性原因

為什麼 Alpha Decay 是所有量化研究的核心問題

量化投資界有一個殘酷的事實:所有被公開的因子,長期而言都會消失。

Fama-French 3-factor / 5-factor 模型中的 value 因子、size 因子、momentum 因子, 都曾被視為「可靠的 alpha 來源」。但過去 15 年,這些因子的實際收益:

• Value(HML):大幅衰退,2010 後多年負收益
• Size(SMB):長期幾近消失
• Momentum(UMD):仍有但波動極大、尾部風險嚴重

這不是「學術研究錯了」,而是市場本身的結構性反應:任何被廣泛知道的 alpha,都會被套利者吃掉。

---

Alpha Decay 的四條結構性路徑

路徑 1 — Arbitrage Adoption(套利採納)

機制:學術研究發表 → 對沖基金採納 → 被動 ETF 產品化 → 資金湧入 → alpha 被壓縮

時間尺度:6 個月到 5 年。越簡單的因子越快被吃掉。

案例:Value Factor 在 Fama-French 1992 論文發表後,經過 20 年緩慢衰退, 2010 後明確進入「factor zombie」狀態。

防禦:

• 關注尚未被產品化的因子(複雜 + 不容易被機構化)
• 避免「高簡單度 + 高學術曝光」的因子
• 評估 factor crowding(擁擠度)

---

路徑 2 — Regime Change(制度變化)

機制:市場結構性環境改變,讓某個 factor 的底層假設失效

案例:

• 低波動因子(Low Vol):在低利率環境下被債券替代品化,2022 利率 急升後大幅回吐
• 小型股溢價:在高科技股贏家通吃時代,大型科技股反而更有 alpha
• 價值因子:在無形資產崛起的知識經濟中,book value 的意義降低

時間尺度:5–15 年,接近一個完整的經濟循環

防禦:

• 跨 regime 回測(不只看近 5 年)
• 理解 factor 的底層假設,判斷是否已失效
• 對「factor 定義」做結構性更新(例如用無形資產調整 book value)

---

路徑 3 — Information Efficiency(資訊效率提升)

機制:資料易得性上升 + 計算力下降 + AI 工具普及 → 過去需要專業分析師 才能發現的 pattern,現在任何人都能發現 → alpha 被瞬間吃掉

案例:

• 財報事件驅動策略:10 年前研究員手動讀財報找信號,現在 LLM 秒讀 10-K
  • 即時量化情緒,信號壽命從天縮短到分鐘
• 新聞情緒策略:公開新聞 feed + NLP 讓所有人能即時解析新聞,早期套利 機會消失

時間尺度:極快(1–3 年)

防禦:

• 關注尚未被數位化或結構化的資料源(另類數據、非結構化文件、語音電話 會議)
• 把資訊收集的難度本身當成 alpha 來源
• 接受「純靠速度的 alpha」會快速衰退

---

路徑 4 — Liquidity Constraint(流動性侷限)

機制:小型 alpha 來源(low cap、emerging market、冷門商品)本來就 有 alpha,但容量極低。當資金規模變大時,alpha 被自己的交易成本吃掉。

案例:

• 小型股 momentum:理論上有 alpha,但對 100 億美元以上的基金而言,交易 成本就吃掉大部分
• 新興市場因子:同理,容量有限

時間尺度:不是「消失」,是「無法規模化」

防禦:

• 誠實評估策略容量(capacity)
• 對小型 alpha 接受「只能小規模玩」的現實
• 將流動性本身納入 backtest 成本模型

---

對台灣觀察者的實用意義

台灣市場的一些觀察:

1. 本益比相關因子:長期衰退,與全球趨勢一致
2. 法人買賣超策略:曾是有效 alpha,但越來越多人跟,訊號衰退
3. 除權息策略:稅制改革 + 資訊透明度上升後,效果遞減
4. 存股教主式策略(高殖利率 + 低波動):2022 升息後有顯著回吐

結論:台灣市場的公開 alpha,跟全球市場一樣,處在持續衰退狀態。任何 在網路上熱議的「某某教主策略」,幾乎必然是一個正在衰退中的 factor。

---

這個觀察對 Geofin Score 的意義

Geofin Score v0設計時面對同一個挑戰: 這個 score 會不會在發表後立刻被吃掉?

回應是一組設計原則:

1. Score 不是信號,是狀態診斷——不直接給買賣訊號,所以套利壓力較低
2. 輸入資料混合結構化與非結構化——部分 alpha 來源是難以 scale 的手動 判讀
3. 強調 narrative divergence 軸——這一軸本身是反向指標測試,不保證為 正信號
4. 預期衰退——設計時就假設 Score 會被部分吃掉,把衰退納入長期 maintenance 規劃

這是誠實的方法論,不是「我發明了不會衰退的 alpha」的虛假宣稱。

---

Alpha Decay 的防禦 Checklist

每次研究新 factor 前,我會問以下問題:

• 這個 factor 已經被學術界公開多久了?
• 有多少 ETF / 基金明確以這個 factor 為賣點?
• 底層假設是什麼?這個假設在未來 5 年還成立嗎?
• 資訊來源是否易得?是否已被 AI 工具化?
• 策略容量有多大?流動性成本會吃掉多少?

如果四個以上問題的答案都「是」,這個 factor 很可能已經 zombie 化。

---

結語

Alpha decay 是量化投資界最不浪漫的事實:任何你在網路上讀到的策略,幾乎 都已經在衰退中。這不是因為研究做得不好,而是因為市場本身是一個持續 吸收資訊的系統。

對本站的 Research section 而言,這個事實塑造了兩個基本姿態:

1. 不追逐最新的學術 factor——它們離產品化只差幾步
2. 把方法論本身當作主要資產——具體 factor 會死,但發現 factor 的方法 會持續有用

這也是本站之所以把「方法論」放在所有結論之前的結構性原因。

---

**方法論提醒:**本篇是研究方法論,非投資建議。所有具體案例均來自公開 學術研究與行業觀察。