德明信基金多维？
“多维”是个好词，可以好好掰扯一下，不过先声明一点：我并非德明信员工或投资人。 首先从概念上来讲，股票市场里的各种策略其实本质上都是围绕选股和择时进行的，选股和择时的有效性也就是策略研究中最基本的问题，有效性的验证也离不开这两个方面。所以策略的有效性本身也是基于选股和择时的有效率来定义的（对于选股的策略而言，选出的个股是否构成有效的组合也是一个问题，但此处不予讨论）。 从这个角度讲，所谓的策略多维，无非就是选择多个能够覆盖选股和择时两个方面的评价指标，进而构建出多因子的策略模型。常见的策略评量维度包括历史收益、最大回撤、风险等等，当然还有策略的主动控制能力（年化收益率/最大回撤比率）。如果考虑到风格因素的影响，则还需要进一步考虑策略的风险调节后值以及策略的信息系数。 如果要构建一个涵盖选股与择时两大方面且能够有效区分市场的策略模型，上述这些指标应该说是远远不够的。但问题的核心在于，我们通常无法获得一个策略在运行过程中所有可能遇到的情况，也就无法对上述各个指标进行定义和验证。也就是说，上述指标本身并没有真正体现策略的优劣，而只反映了我们人类主观上对策略效果的评价。
接下来我们需要引入另一个概念———因子分析。所谓因子分析其实就是将相关联的事物进行降维处理，把原有的高维空间数据投影到低维的空间里，使得在原空间里相关性较高的事物，在因子空间中相距很近，而在原空间中相关性较低的事物，则在因子空间中距离较远。这样我们在低维的因子空间中对事物进行分析就可以达到原先在高维空间中实现的效果。 我们常常说的“因子”其实就是指因子分析过程中得到的几何结构——特定数据在某个因子的方向上的投影。这种几何结构是非常清晰的，并且是可以量化表示的。而因子分析最重要的意义在于它提供了一种通用的方法学，通过它我们可以将原本复杂的问题简单化，并可以在简化后的低维世界中找寻问题的本质。
利用因子分析解决策略评测问题本质上就是寻找一个合适的评价维度，让策略能够在其中展现出其优劣的本质。如果利用因子分析能够找到几个具有代表性的评价维度，那么所谓策略的多维度就是指这几个维度的平方和。 因子分析本身是一个相当复杂的数学过程，这里不再赘述，具体的分析步骤可以参考《财务分析与决策》（肖星主编，中国人民大学出版社）第三章的内容。
最后需要提一下的是，使用因子分析虽然能够找到代表策略优劣的几个评价维度，但这仅仅完成了第一步的工作，更重要是下一步的工作是筛选出能代表策略信息的因子载荷，因为只有分子上的指标才能真实地度量策略的表现，分母上的指标只能衡量策略的不定性。