经典的Alpha模型是一些多因子模型，用于预测Alpha模型的信息比率，从而来判断判断模型的好坏。这里我们所说的信息比率是相对收益率除以非系统性风险，所以当我们在进行因子选择的时候，我们一定不能选取系统性风险模型（例如中国的上证综指，美国的S&P500等等）中的因子，或者是与系统性风险模型中因子有高相关度的因子。我们一般从以下几个方面来选取因子:
1、估值衡量因子： 例如现金流，利润，账面利润等一系列财务指标。O’Shaunessey的《What works on Wall Street》建议使用BITDA/EV。而我们在将此类因子加入我们Alpha模型的时候，我们可以多尝试几种财务指标的组合，例如E/P，B/P等等，但需要注意的是这些指标的多重共线性问题以及要进行同业指标中性化处理。
关于同业指标中性化处理，举个例子，我们可能发现某一个科技类股票的利润，分红，以及股价的涨幅相对于其它行业股票都相当优秀，但是可能在科技行业内就没有那举优秀，甚至表现不如同行业公司，此时我们就需要进行同业指标中性化处理，来消除由于同行业的类似分红政策，资本结构以及营业资产的影响。我们通常会创造一个相对价值因子：
2、动量因子： 例如Price MACD(Moving Average Convergence-Divergence Indicator)，指标平滑异动平均线由长期均线DEA，短期的DIF，红色能量柱（多头），绿色能量柱（空头）、0轴（多空分界线）五部分组成。它利用短期均线DIF不长期均线DEA交叉作为信号来分析股票的买入、卖出时机。当MACD线翻红，即由负变正时为买入时机；当MACD线翻绿，即由正发负时为卖出时机。MACD指标所产生的交叉信号比较迟钝，具有时间滞后性，但作为制定相应交易策略使用，效果比较好。
3、经济因子： 例如工业生产指数的betas，国债期限溢价等等宏观局面的影响因子。
总而言之，我们在进行因子选取时我们一定不能选取系统性风险模型（例如中国的上证绤指，美国的S&P500等等）中的因子，或者是不系统性风险模型中因子有高相关度的因子。但是我们不是一定要将以上所有类别的因子都加入我们的Alpha模型，此文只是给我们Alpha模型的因子选取提供了一个方案。
