主要观点：
　　本篇是学海拾珠系列第二百五十篇。本文针对日益膨胀的“因子动物园”问题，提出了一种迭代因子选择策略进行有效压缩。核心发现是，仅需约15个关键因子即可解释美国市场153个因子的绝大部分收益信号，表明多数因子存在冗余。该方法的核心在于通过GRS统计量系统评估新增因子对解释剩余因子Alpha的贡献，从而以最少的因子数量捕捉核心定价信息。实证表明，因子加权方案影响显著，等权因子因其Alpha更强且更多样，需要超过30个因子才能覆盖因子动物园。此外，因子创新具有持续性，新因子会替代旧定义，但核心因子风格（如质量、低波动）长期稳定，跨风格分散化至关重要。该方法的有效性在全球数据中也得到验证，为投资者精简模型提供了实用框架。
　　迭代因子选择与GRS统计量评估
　　本文提出的迭代因子选择策略是压缩因子动物园的核心方法。该方法从CAPM模型开始，在每一步迭代中，从剩余因子里选择一个能最大程度提升当前模型解释力的因子加入模型，其提升效果通过GRS统计量的下降幅度来衡量。该统计量用于检验所有测试资产的alpha是否联合为零，其显著下降意味着模型解释力增强。最终，当新增因子无法使剩余因子的alpha在统计上显著异于零时，迭代停止。此过程能以最少的因子数量，系统性地捕捉因子动物园中的绝大部分有效信息。
　　因子冗余性与关键驱动因素
　　庞大的因子动物园存在高度冗余。仅需10到20个精心选择的因子，就能有效解释美国市场153个因子的整体表现，这同时表明传统多因子模型（通常含3-6个因子）可能过于简化。研究发现，因子加权方式影响显著，等权加权因子比上限市值加权因子展现出更强、更多样的alpha，但也需要更多因子（超过30个）来覆盖因子动物园。此外，因子创新具有持续性，新发布的因子有时会替代旧因子定义，但核心的因子风格集群（如质量、低波动）长期保持稳定。将方法应用于全球数据也得到了与美国市场相似的核心因子集，表明其结论具有一定的普适性，但全球模型对美国因子解释力更强，暗示国际因子蕴含更丰富的alpha信息
　　核心内容摘选自Swade A , Hanauer MX , Lohre H ,et al.于2024年在Journal of Portfolio Management上的文章《Factor Zoo (.zip)》。
　　风险提示：
　　文献结论基于历史数据与海外文献进行总结；不构成任何投资建议。