因子中性的本质是把因子对个股的比较转换为到已存在因素的可比域内
　　施密特正交化过程是一种线性剥离其他因素影响的因子中性过程，其中：
　　行业中性将个股因子减去行业内个股因子加权均值，剥离行业影响；
　　风格中性将个股因子减去风格多空组合因子暴露倍数的风格大小，剥离风格影响。
　　因子中性把对收益解释的过程分为两步
　　行业和风格为在因子解释收益前已存在的因素，则因子中性将收益率的解释拆分为两步：
　　对因子做已存在因素的剥离并得到已存在因素水平，将已存在因素水平和已存在因素收益做直接对应；
　　以中性后因子，对剔除已存在因素后的收益做出解释。
　　以行业中性为例，第一步相当于得到行业因子和行业收益，并以行业因子对行业收益做解释；第二步相当于以中性后因子对剔除行业收益的收益做解释，即行业中性把因子对行业收益率的预测和因子在行业内对个股的预测过程剥离。
　　收益层面考虑，是否中性取决于因子对风险收益是否有收益预测能力
　　组合优化构建组合的过程中涉及两种风险中性：因子中性是在优化目标中预测收益时剥离风险收益的影响，风险中性是在优化限制条件中剥离组合风险的暴露。
　　在风险不中性时，组合通过在风险上的暴露获得相应的风险收益，故在因子有风险收益的预测能力时，中性前因子中包含风险收益预测信息，得到的组合可以正确暴露在有相对收益的行业和风格方向上，获得更高超额收益。
　　在风险中性时，不论因子是否中性，组合在风险上均不暴露风险，则不获得风险收益，故风险中性强于因子中性，过程中伴随着风险和收益的正向匹配。在因子有预测能力时，放开风险限制可以让组合正确暴露在有相对收益的行业和风格方向上，获得更高超额收益，但同样会增加组合的相对波动。
　　风险提示
　　1、模型存在失效风险；
　　2、本文举例均基于历史数据，不保证未来收益。