用途：把因子模型用于组合构建与基金评价，判断基金收益来自可廉价复制的因子暴露，还是真正的管理能力。
主要能力：多因子最小二乘回归，输出 alpha、各因子载荷及 t 统计量、p 值、R² 与残差波动；期望收益分解 E(R)=R_f+Σ(b_k·λ_k) 并计算隐含 alpha；伪指数筛查（基准回归 R²≥0.98、年化跟踪误差≤2%），计算盈亏平衡信息比率 IR_breakeven=(基金费率-指数费率)/跟踪误差；以因子组合视角评估智能贝塔产品的纯度、换手率、容量与费率。
模型：三因子 R_i−R_f=alpha+b_MKT·MKT+b_SMB·SMB+b_HML·HML+ε；Carhart 四因子加入 UMD；五因子再加入 RMW、CMA。常见因子含 MKT、SMB、HML、RMW、CMA、UMD。
使用方式：脚本提供 FactorInvesting 类，含静态方法 multifactor_regression、expected_return_decomposition、closet_index_diagnostics。运行命令：uv run scripts/factor_investing.py；uv run scripts/factor_investing.py --verify；python3 scripts/factor_investing.py（需 pip install numpy scipy）。也可 import 调用。
限制：发布溢价为多空组合指标，长仓倾斜通常只捕获约一半；历史溢价为长期均值而非预测；因子存在多年失效期，择时记录差；因子动物园存在多重检验与发表后衰减问题。文中费率、利率与溢价数值均为示例假设，实际情况暂未提供。