金工因子观察第4期：行业动量分域视角再论行业轮动模型的因子化

目录再论业轮型的因化 3拆解行业轮动模在选股上的增量信息 3行业动量因子的现 4行业量分角下的子表现 6行业动量分域下波因子：近年来差异明显 7行业动量分域下转因子：差异明显 8行业动量分域下量因子：差异明显 9行业动量分域下流动性因子：分化不大 9行业量因组合内现 10中证500指数增模拟组合的表现对比 10改变约束条件后较 12因子化vs行业离控制 124.小结 135.风险示与明 13再论行业轮动模型的因子化随着市场自2025年步入整体上涨的环境，过往量化策略里一些偏反转逻辑的因子如低波、低流动性、反转等因子的效果出现了明显的下降。2026年1月中证500在之前的研究中，我们已经尝试过把申万金工行业轮动模型进行初步的因子化，并且加入到传统的因子框架里，取得了较好的效果。但简单将行业轮动模型因子化，实际上模型所使用的一些数据如财报等和一些选股因子是重合的，这里我们首先考察行业轮动模型的架构，只选取尝试模型在选股上的增量信息。图1：申万金工行业轮动模型的整体框架申万宏源研究1增量信息贡献者。转逻辑的因子互补的需求，是行业轮动模型因子化的重要基础。在下行行情中规避拥挤踩踏拥挤度低强趋同则还会跌、强分歧则会持续博弈调整趋同度适中在下行行情中规避拥挤踩踏拥挤度低强趋同则还会跌、强分歧则会持续博弈调整趋同度适中下跌+加速度下跌，等待出清反弹概率更高动量加速度好动量不占优历史动量热门行业，可以追逐短期行情拥挤度高行业上涨逻辑明确趋同度高动量占优高动量高加速，双重共振技术面领先动量加速度好申万宏源研究

如图2所示，申万金工行业动量具体的处理方式是：根据申万30个一级行业（剔除综合）过去历史动量的表现排序，将其分为高动（10个（10个（10个高动量组为动量占优组，中低动量组为动量不占优组：度高的行业。向，选取过去拥挤度低的行业，趋同度则是倾向于选择过去中等趋同度的行业。（同样采用了相同行业给相同分数的做法中证500指数内因子表现的变弱和2026年1是建立在中证指数内的测算为例，作为参考。动模型，因子的稳定性有所下降，但仍保持了不错的单调性和收益进攻特征。如图3所示，行业动量因子的IC的表现有所下降，但去掉了基本面的影响后，在22-24年的回撤明显变的更平缓，整体向上的稳定性更好。图3：行业动量因子的累计IC图申万宏源研究4优的特征不变，这也是行业动量因子较优异的性质。图4：行业动量因子的分五组单调性申万宏源研究2017ICICIRIC3.03%，IR更是下降到了0.22当的价值的。表1：行业动量因子的IC和ICIR数据月度IC均值IC标准差ICIR3.03%14.04%0.22资讯、申万宏源研究我们测算了行业动量因子与几个主要的量价因子加上成长因子的横截面相关性，0.058低相关性能成为行业动量因子贡献收益、提升组合夏普的重要收益来源。表2：行业动量因子与几个因子的横截面上的相关性因子动量低波低流动性反转成长平均相关性0.0580.004-0.033-0.0060.028资讯、申万宏源研究我们进一步考察行业动量因子在月度IC更好的互补。表3：行业动量因子IC和其他因子的相关性成长盈利 价值低波低流动性动量反转市值分析师红利月度IC相关性0.4690.225 -0.2400.1750.0890.2250.0590.4090.150-0.179资讯、申万宏源研究与常用因子的截面相关性较低，月度IC上与主要量价因子的相关性也不高，能起到一定的表现互补、提升组合收益的作用。回答这个问题。行业动量分域视角下的因子表现好使用行业轮动模型的方法呢？后的原因，给行业轮动模型因子化提供重要的基础。业因子加入到组合里除了提升收益，也可能一并降低波动。可以是行业轮动因子化的重要依据。首先，我们根据行业动量因子的得分，将前30%的股票作为高动量组，剩下70%股票作为中低动量组，考察在不同动量组下，因子的分组表现和多空表现：表4：行业动量分域下的低波因子分组表现分组12345全区间0.33%0.53%0.71%0.69%0.73%动量前30%0.88%0.86%0.81%1.19%1.25%动量后70%0.02%0.26%0.36%0.61%0.79%资讯、申万宏源研究均保持不错，高动量池的低波组收益最高，动量带来明显的收益增厚。图5：行业动量分域下的低波因子多空表现申万宏源研究20242025年出现了一些走平，而中低动量组的低波因子则整体表现较为一般，2022年以来长期没有明显的贡献。过中低动量组低波因子更好的时候，也出现过两者表现一致的时期。因此高动量行业的低波因子近年来是有一定的更好表现的，但这种特征并不稳定。同样地，我们来看行业动量分域下的反转因子：表5：行业动量分域下的反转因子表现分组12345全区间0.30%0.57%0.62%0.66%0.84%动量前30%0.79%0.78%0.90%1.05%1.46%动量后70%0.20%0.66%0.46%0.36%0.38%资讯、申万宏源研究反转因子的单调性不佳，已经体现出较大的差异了。图6：行业动量分域下的反转因子多空表现申万宏源研究子几乎不贡献任何收益。更好的跟行业动量因子形成“共振”。转因子，出现了单调性不佳的情况。表6：行业动量分域下的动量因子表现分组12345全区间0.11%0.47%0.69%0.66%0.95%动量前30%0.61%0.64%1.21%1.03%1.38%动量后70%0.03%0.57%0.39%0.63%0.38%申万宏源研究

图7：行业动量分域下的动量因子多空表现申万宏源研究业动量因子化提供了较强的支持。性都表现的不够好：在高动量组的第五组还出现了小于第一组的现象。表7：行业动量分域下的低流动性因子分组表现分组12345全区间0.42%0.66%0.71%0.64%0.57%动量前30%0.96%1.23%1.06%0.83%0.91%动量后70%0.10%0.67%0.51%0.50%0.28%资讯、申万宏源研究性因子和中低动量组的低流动性因子表现一致，高动量组的低流动性因子的多空稍差一些，可知：低流动性因子的表现与行业动量分域的关系不大。8表现，近年来对低波因子的表现也能有提升作用。表8：不同因子的行业动量分域表现高动量组中低动量组低波因子单调性好，高动量组的低波因子近年表现更好，但长期来说并不稳定单调性好，近年来中低动量组的低波因子几乎不贡献收益反转因子单调性好，高动量组的反转因子持续表现更好单调性差，中低动量组里的反转因子长期不贡献收益动量因子单调性好，高动量组的动量因子持续表现更好单调性差，中低动量组里的动量因子长期不贡献收益低流动性因子单调性差，高动量组的低流动性因子长期表现稍弱单调性差，中低动量组的低流动性因子长期表现一般资讯、申万宏源研究行业动量因子的组合内表现证因子化的效果更好。500与上文相似，我们在本文主要考察中证500指数内的表现，因此指数增强组合的5000.5%等权的方式加权，通过综合得分选股。而四因子+102%0.5%动量组内不再根据得分排序细分偏离幅度。图8：等权五因子和四因子+行业控制偏离模型的累计净值走势申万宏源研究可见，行业轮动模型只用以控制偏离，在表现上始终略弱于将其直接因子化。除了单纯的量价因子，我们引入成长因子，进一步比较六因子和五因子+行业控制偏离的做法，结论也是一致的。图9：等权六因子和五因子+行业控制偏离模型的表现申万宏源研究考虑上面的比较中，第二个组合对剩下的行业偏离都控制到了0.5%10102%0.5%，比较如下：图10：改变约束条件后六因子的表现仍然好于五因子+行业模型控制偏离申万宏源研究为有效的使用方式。量合并为一个复合因子使用。vs可能会不足，尤其是选股因子里如果对行业动量能够“共振”的因子较少的情况下，因子化才能更好发挥“共振”的优势。小结行业轮动模型因偏动量的逻辑可以和现有的量价因子形成互补，也能在上行行情500指数增强超额回撤的重要思路之一。直接因子化可能是使用行业轮动模型的较优方式。模型能够贡献的重要增量信息，是行业模型因子化的基础。我们将行业动量单独剥离出来进行因子化，经