量化策略演进手记系列之二：引入多维价量信息的风格因子轮动

目录因子动有效降 5引入风因子维价量标 5动量类指标 7衍生技术指标 8估值、拥挤度指标 9组合内部分化指标 12多维价指标成及在子共的应用 12多维价量指标的成 12与原因子共振组的结合 184. 总结 215. 风险提与声明 22图表目录图1：各股票池12个月ICIR与次月因子IC累计相关性（2016年以来） 5图2：各股票池12个月ICIR与次月因子IC累计相关性（2020年以来） 5图3：沪深300传统动量与因子组合表现的周度累计IC 7图4：中证500传统动量与因子组合表现的周度累计IC 7图5：沪深300成长组合表现与PE分位数V1 10图6：沪深300成长组合表现与PE分位数V1变化 10图7：沪深300因子估值指标累计IC 11图8：中证500因子估值指标累计IC 11图9：沪深300低波动率因子组合择时 11图10：沪深300低流动性因子组合择时 11图11：沪深300传统动量、RSI的周度累计IC 14图12：中证500传统动量、RSI的周度累计IC 14图13：沪深300静态合成指标筛选因子组合净值 14图14：中证500静态合成指标筛选因子组合净值 14图15：沪深300动态合成指标筛选因子组合净值 15图16：中证500动态合成指标筛选因子组合净值 15图17：沪深300动态合成指标筛选因子组合净值 17图18：中证500动态合成指标筛选因子组合净值 17图19：沪深300新因子共振多头组合净值 19图20：中证500新因子共振多头组合净值 19表1：申万大类因子库 6表2：各股票池中分阶段传统因子动量的有效性统计 7表3：各股票池中分阶段衍生因子动量的有效性统计 8表4：各股票池中部分技术指标有效性 9表5：沪深300中部分估值指标有效性 10表6：各股票池中个股内部指标有效性 12表：各股票池中全局有效性最强的个因子筛选价量指标.............................表8：各股票池中2021年以来有效性最强的10个因子筛选价量指标 13表9：各股票池中静态合成指标 14表10：静态合成指标筛选因子组合表现 15表11：动态合成指标筛选因子组合表现 16表12：各股票池动态筛选入选前十指标 16表13：动态合成指标筛选因子1-3月结果 17表14：估值调整后筛选因子组合表现 18表15：新因子共振多头组合表现 19表16：新因子共振指数增强组合超额收益表现 20表17：新因子共振指数增强组合超额收益表现（2023年以来） 20因子动量有效性下降在此前关于中证50012ICIRIC500中该现象尤其明显，25年下半年出现明显下滑，近期略有好转：12ICIRIC（2016年以来）

图2：各股票池12个月ICIR与次月因子IC累计相关性（2020年以来） 截至2026.3 截至2026.3而根据12个月ICIR选因子的策略表现也出现了明显下滑。此外，我们也关注ICIR靠前，其多头组相比于空头的收益也未必有优势。本篇报告并合成新的价量观点后与宏观维度重新组合。引入风格因子的多维价量指标IC更多可能性。本次我们考察的大类因子主要如下，其中针对4（即同时考虑因子多头、空头组表现），其余因子仅考虑多头组：大类因子原始方向小类因子因子计算方式大类因子原始方向小类因子因子计算方式单季度营业收入同比增速单季度营业收入/去年同期营业收入-1单季度归母净利润同比增速单季度归母净利润/去年同期归母净利润-1成长正向标准化预期外收入SUR（单季度实际营业收入–预期营业收入标准化标准化预期外利润SUE（单季度实际净利润–预期净利润标准化单季度ROA单季度归母净利润/期末总资产盈利正向单季度ROE单季度归母净利润/期末归母所有者权益Delta_单季度ROA单季度ROA–去年同期单季度ROADelta_单季度ROE单季度ROE–去年同期单季度ROEEP_TTM最近4个季度净利润/总市值估值正向SP_TTM最近4个季度营业收入/总市值CFP_TTM最近4个季度现金流量净额/总市值BP_LF最新季度所有者权益/总市值一个月特质波动率过去20个交易日Fama-French三因子残差收益率的标准差低波动率负向一个月特异度1–过去20个交易日Fama-French三因子回归拟合度三个月特质波动率过去60个交易日Fama-French三因子残差收益率的标准差三个月特异度1–过去60个交易日Fama-French三因子回归拟合度非流动性冲击（日涨跌幅绝对值/日成交额）过去20个交易日均值低流动性负向一个月换手过去20个交易日日换手率的均值三个月换手过去60个交易日日换手率的均值长期动量正向剥离涨停天数的一年期动量1年（1个月的累计收益率（剔除期间涨停天数）短期反转负向一个月反转过去一个月累计收益率三个月反转过去三个月累计收益率市值负向Ln_mv总市值取对数分析师预期变化正向一致预期净利润变化一致预期净利润/3个月前一致预期净利润-1分析师盈利上调比例6（上调家数–下调家数总家数红利正向最近年度股息率最近年度的预案分红金额/总市值3005001000股票池，我们每个月月末分别根据经过中20%20%的等权构成空头组。动量类指标120日、240日、480310个大类因子IC300500中各指ICICIR的情况类似：图30C图40C3002016~2017、201950020202020年后：时间段统计数据沪深300时间段统计数据沪深300中证500中证1000120d240d480d120d240d480d120d240d480d2012~20202021~2026.3平均周度IC5.55%4.95%4.19%7.00%9.91%6.62%9.98%8.54%6.44%ICIR0.920.800.701.171.691.161.601.421.30平均周度IC1.66%0.71%1.12%1.17%1.93%3.63%3.53%4.37%4.41%ICIR0.260.110.180.190.310.570.540.700.76，中证1000IC数据从2015年开始维信息的必要性。除了传统价格动量，我们引入另外两个动量类指标：1）净值分位数pricepct：当前组合净值在过去60个交易日中的分位数情况；）创新高次数newhigh：过去个交易日中，组合创新高的总次数。程度尚可：时间段统计数据沪深300时间段统计数据沪深300中证500中证1000净值分位数创新高次数净值分位数创新高次数净值分位数创新高次数2012~20202021~2026.3平均周度IC5.90%0.71%3.05%5.54%6.87%4.01%ICIR0.970.130.590.931.110.69平均周度IC3.37%1.12%2.03%1.87%3.94%1.54%ICIR0.590.190.440.320.610.25，中证1000IC数据从2015年开始衍生技术指标此，我们尝试构建因子组合的技术指标，具体如下：20日、40日；14日、20日；相对强弱指数RSI20、40日；BB：（upper-lower）/middle*100%middle为区间均价，upper=middle+标准差*标准差*2060日，2倍；指数平滑异同移动平均线MACD的三个衍生指标：计算快线EMA和慢线EMA的差值DIFEMA2*（DIF-MACD10205和20、60、10两组。7（SMAEMARSIBBMACDDIFDEA_slow，IC表现较好的部分指标如下：时间段统计数据沪深300时间段统计数据沪深300中证500中证100020日布林带20日RSI20日布林带短周期MACD-DIF20日EMA40日SMA2012~20202021~2026.3平均周度IC1.23%4.45%4.91%5.34%6.60%6.75%ICIR0.200.710.810.901.381.42平均周度IC5.98%2.46%3.84%2.71%5.95%6.05%ICIR0.970.400.620.461.481.52，中证1000IC数据从2015年开始2021年之后依然保持了不错的筛选效果。因子组合PE/PB/PS分位数V1：对于因子多头、空头组合，计算当期持仓PE/PB/PS的调和平均数作为当期组合估值：𝑛∑1/𝑃𝐸

，然后计算当前PE/PB/PS在组合过去1年、2年历史上的分位数水平；因子组合PE/PB/PS分位数V2持仓PE/PB/PSPE/PB/PS1年、2年历史上的分位数水平；20日均线的变化情况；（turnover）20日、60日的分位数水平；（turnover）20日、60日的分位数水平；20日均线的变化情况。2图5：深300长表与PE数V1 图6：深300长表与PE数V1300IC情况：时间段统计数据PE分位数V1PE时间段统计数据PE分位数V1PE分位数V1变化PE分位数V2PE分位数V2变化拥挤度60天V160变化2012~20202021~2026.3平均周度IC3.10%-2.16%-1.02%-3.62%0.04%-0.44%ICIR0.56-0.45-0.19-0.710.01-0.08平均周度IC-0.79%3.57%3.68%0.99%0.23%0.84%ICIR-0.140.750.640.190.050.1620205PEV1IC呈现出一定的阶段性特征：图7：深300子指标计IC 图8：证500子指标计3002014201720232025年中因子估值呈现正向IC，由于已调整方向，此处代表估值相对水平越低的因子表现越好，而2016202020222025500时间因子估值都为负向，说明“估值分位数抬升则规避”的逻辑多数时间无效。而如果我们将因子估值作为单因子的择时指标，单因子估值信号高于过去3个月平均时空仓，则我们发现对于沪深300的部分因子来说因子估值能够规避风险，在低波动率、低流动性及对应的空头上最明显：图9：深300波因子合时 图10：深300低流因子合时210低波动率 低波动率择时

10低流动性 低流动性择时如果将因子估值信号运用到因子多空净值上，同样是对价量因子有效性最强。A使用时，可以考虑单独作为左侧警示指标使用。股票的涨跌分布、分化情况也能刻画组合的趋势状态，因此我们设计三个指标：advancen日上涨的股票占全部股票的百分比，n1、5、20；dispersionn日收益的标准差，n1、5、20；个股分化度变化：对于1日分化度，取该值相比于20日均值的变化，对于5、205日前、20日前的变化。IC情况如下：时间段统计数据沪深300时间段统计数据沪深300中证500中证100020日上涨百分比1日分化度5日上涨百分比2020日上涨百分比1日分化度变化2012~20202021~2026.3平均周度IC3.09%4.81%5.15%4.74%4.84%3.06%ICIR0.500.840.821.120.770.58平均周度IC1.41%3.20%6.49%1.50%7.38%3.07%ICIR0.220.551.040.341.210.61，中证1000IC数据从2015年开始个股内部指标整体对因子筛选有不错的效果，多个因子IC的平均水平、稳定性要好于简单动量，能够作为因子筛选的补充。多维价量指标的合成及在因子共振中的应用至此，我们一共计算了60个因子组合维度的价量特征，覆盖因子传统动量（3个）、衍生动量（2个）、技术指标（7个*2套参数）、因子估值（PE/PB/PS/2232个和因子组合内部分化（339个10个因子方向上，我们也尝试将前面提到的低波动率、低流动性、短期反转和小市值因子的反方向加入考虑，同步计算4个反方向因子的相关指标，并计算14个因子组合的特征对下期因子排序的IC，各股票池中因子筛选效果最好的10个指标如下：沪深300中证500中证1000沪深300中证500中证1000指标名称平均IC指标名称平均IC指标名称平均ICmom2405.04%mom2408.55%sma_slow13.38%mom4804.80%mom4808.08%ema13.26%ema4.75%dispersion_20d_chg7.98%ema_slow13.26%ema_slow4.75%sma7.91%sma13.24%mom1204.72%ema7.87%mom48012.23%sma4.71%ema_slow7.87%mom24012.07%pricepct4.71%mom1207.39%rsi_slow11.00%sma_slow4.66%advance_1d7.07%mom12010.82%rsi_slow4.40%rsi_slow6.65%rsi9.85%macd_dea_slow4.23%rsi5.96%pricepct9.65%20213005001000中技术指标的稳定性也更突出：沪深300中证500中证1000指标名称平均沪深300中证500中证1000指标名称平均IC指标名称平均IC指标名称平均ICpb_pct_v2_240_chg4.68%ps_pct_v1_480_chg5.52%sma_slow11.04%dispersion_1d_chg4.59%advance_5d5.46%sma11.00%bb4.52%dispersion_1d-5.11%ema10.99%pb_pct_v2_2404.39%bb4.86%ema_slow10.99%pricepct4.16%turnover_pct_v2_604.37%mom4809.08%pb_pct_v2_4803.94%ps_pct_v2_240_chg4.09%turnover_pct_v2_607.36%dispersion_5d-3.85%advance_1d4.07%mom2407.23%pe_pct_v2_4803.83%dispersion_5d-4.07%pricepct6.63%dispersion_20d_chg3.74%turnover_pct_v2_20_chg3.89%dispersion_20d_chg6.21%rsi3.55%pe_pct_v1_240_chg3.62%turnover_pct_v2_205.85%RSI240RSI2021IC，能够看到RSI指标能对传统动量有所补充，加入其他价量指标能对近几年因子动量衰减的情况有所缓解：图深300统、RSI周累计IC 图12：证500传统、RSI周累计子估值等信息进行合成，对原来使用动量筛选因子的方法进行加强。首先，我们选择各维度上表现较好的指标，直接等权合成综合信号，具体选择如下：指标类型沪深300中证指标类型沪深300中证500中证1000动量mom120、pricepctmom120、pricepctmom120、pricepct技术指标bb、ema、macd_dif、rsibb、ema、macd_dif、rsibb、rsi、sma因子估值pe_pct_v1_480、pe_pct_v1_480、pe_pct_v1_480pe_pct_v2_480_chgpe_pct_v2_480_chg个股内部指标advance_1dadvance_1dadvance_20d3（12个月因子动量选因子的方法按周频对齐后比较如下：图13：深300静态指标选子合值 图14：证500静态指标选子合值年化收益年化波动率最大回撤夏普率年化收益年化波动率最大回撤夏普率沪深300-因子动量7.34%19.18%31.57%0.38沪深300-静态合成10.12%19.30%30.21%0.52中证500-因子动量9.31%20.57%33.45%0.45中证500-静态合成10.13%21.29%36.95%0.48中证1000-因子动量7.33%22.70%46.53%0.32中证1000-静态合成7.37%21.75%36.54%0.34沪深300中的改善较为明显，而中证500、中证1000对基础动量的改善效果都不明显，不过在中证1000中明显改善了因子动量的回撤。我们按照降维再合成的方法：1）每隔10周，采用简单的随机森林对过去5年的特征进行拟合，选取对次周收益解释性靠前的特征进行合成；2）对于选中的特征，进一步考虑使用等权、elasticnet或随机森林进行合成，选择合成后信号IC更高的方法。6~10（3006500、中证1000中降至10维）后，直接等权得到的结果比其他复杂模型更为稳健、IC更高，各股票池中合成信号相比于因子动量的结果如下：图15：深300动态指标选子合值 图16：证500动态指标选子合值年化收益年化波动率最大回撤夏普率年化收益年化波动率最大回撤夏普率沪深300-因子动量7.34%19.18%31.57%0.38沪深300-动态合成11.03%20.46%31.32%0.54中证500-因子动量9.31%20.57%33.45%0.45中证500-动态合成11.09%21.81%35.60%0.51中证1000-因子动量7.33%22.70%46.53%0.32中证1000-动态合成8.25%23.92%44.58%0.34动态合成方法在各股票池中相比于原动量方法筛选因子的收益提升效果都比静态方法更加明显，虽然波动小幅上升，但整体夏普都有所改善。各股票池中入选次数前10的指标如下：沪深300中证500沪深300中证500中证1000指标名称入选率指标名称入选率指标名称入选率bb78.45%bb100.00%advance_1d100.00%dispersion_20d_chg78.45%advance_1d100.00%advance_5d100.00%advance_1d63.36%dispersion_5d_chg100.00%bb97.84%dispersion_5d_chg52.59%advance_5d82.76%rsi92.67%mom12051.72%mom12077.59%dispersion_5d_chg75.43%advance_5d45.26%rsi67.67%mom12069.83%bb_slow37.50%dispersion_20d_chg67.67%dispersion_20d_chg50.43%mom48036.64%bb_slow65.52%newhigh40.95%macd_hist30.17%mom48043.97%mom48038.79%rsi30.17%advance_20d37.50%bb_slow38.79%bbRSI等。IC300中尤其突出：图17：深300动态指标选子合值 图18：证500动态指标选子合值各股票池今年1~3月的因子选择如下：时间沪深300中证500中证时间沪深300中证500中证10002025/12/31长期动量、分析师预期、高流动性成长、高流动性、短期动量成长、短期反转、小市值2026/1/9成长、长期动量、短期动量成长、高波动率、高流动性成长、长期动量、分析师预期2026/1/16低波动率、长期动量、高流动性成长、高流动性、短期动量成长、分析师预期、高流动性2026/1/23长期动量、分析师预期、短期动量成长、高流动性、短期动量成长、小市值、分析师预期2026/1/30低波动率、长期动量、短期动量成长、分析师预期、高流动性长期动量、小市值、分析师预期2026/2/6分析师预期、高波动率、短期动量成长、分析师预期、短期动量小市值、分析师预期、短期动量2026/2/13高流动性、红利、短期动量成长、分析师预期、大市值成长、小市值、分析师预期2026/2/27分析师预期、红利、短期动量成长、分析师预期、短期动量成长、小市值、短期动量2026/3/6价值、长期动量、红利长期动量、分析师预期、短期动量小市值、分析师预期、短期动量2026/3/13成长、分析师预期、短期动量价值、分析师预期、短期动量低波动率、小市值、分析师预期2026/3/20长期动量、分析师预期、短期动量成长、分析师预期、高波动率低波动率、分析师预期、短期动量2026/3/27低波动率、长期动量、短期动量成长、分析师预期、短期动量小市值、分析师预期、短期动量可以看到，中证500中高波动率、高流动性、短期动量等反向因子的选择频次明（且这一现象在历史上出现不多1000中的因子选择更偏向常规方500ICIR也很难捕捉到多头空头同时好这种非线性现象，而新的合成信号比原来的ICIR对空头表现出色的异常现象明显更加敏感。12中我们也发现，估值类信号整体贡献都比较弱，很少进入重要性2.32.3中的单因子择时3个月均值，则对该因子权重进行减半处理。经此调整后的策略在沪深300上有一定改5001000A股整体有效性较弱：年化收益年化波动率最大回撤夏普率年化收益年化波动率最大回撤夏普率沪深300-因子动量11.03%20.46%31.32%0.54沪深300-动态合成11.33%20.49%31.54%0.55中证500-因子动量11.09%21.81%35.60%0.51中证500-动态合成11.00%21.76%35.34%0.51中证1000-因子动量8.25%23.92%44.58%0.34中证1000-动态合成8.02%23.88%44.50%0.34后续我们仍主要使用未经进一步估值调整的合成信号。在原因子共振方法中，我们使用宏观+观部分进行组合，关注组合后对指数增强组合的最终贡献情况。在原来的因子共振组合方法中，我们采用如下流程：3则保留，权重叠加；（（反转、分析师预期）。此次测算中，我们仍沿用以上左右侧结合的因子共振方法，对于3.1中合成信号单独选中的因子仅保留价量类因子，且4如下：图19：深300新因振多组净值 图20：证500新因振多组净值年化收益年化波动率最大回撤夏普率年化收益年化波动率最大回撤夏普率沪深300-宏观8.65%19.79%32.24%0.44沪深300-原宏观+动量8.58%19.42%30.71%0.44沪深300-新宏观+合成因子11.11%20.27%30.39%0.55中证500-宏观6.85%21.12%35.96%0.32中证500-原宏观+动量8.54%20.93%35.11%0.41中证500-新宏观+合成因子10.62%21.42%35.23%0.50中证1000-宏观4.56%23.19%45.95%0.20中证1000-原宏观+动量6.30%23.19%46.55%0.27中证1000-新宏观+合成因子7.35%23.74%44.88%0.31新的合成信号都能对原来的简单因子动量有不错的收益提升。沪深300中原宏1000就更优，改进后也能进一步提升。300500的指数增强组合中也使用新的宏观+合成因子300例：每周使用新的宏观+合成因子及对应的权重（共振因子权重为单一左、右侧2倍12ICIR的因子的ICIR得分；0.5%80%300+500+1000股票池中，并设置个股权重上限、换手限制、与指数偏离上限。4周的信号等权合成后执行优化，超额表现如下：年化超额超额波动最大回撤信息比年化超额超额波动最大回撤信息比沪深300-原因子共振8.87%4.11%5.61%2.16沪深300-新信号-周频9.