因子研究第九期-多维相变与热力学能效：CNEX因子拥挤模型

目录因子拥挤风险的由来 4长期因子逻辑不能替代短期路径管理 4两类测量路径：持仓法与交易／价格法 4数据、因子与前瞻指标 4四维合成：从交易与价格行为识别因子拥挤 5从底层指标到综合拥挤度 5四个分项互补，但并非完全正交 7近三年拥挤状态：随市场主线动态迁移 8当前截面：识别综合得分与主导分项 8近三年拥挤主线多次切换，高位状态与阶段性行情相互印证 10拥挤之后是否更容易出现回撤 12阈值分组：拥挤度大于1后，行业回撤普遍加深 12历史分位事件：99%阈值下回撤中位数未继续加深，尾部回撤扩大 15综合及分项拥挤度的前瞻期限特征 16市场因子：收益负相关未显著，波动率相关性由正转负 16行业因子：短期波动率信号强于收益方向判断 17风格因子：整体规律较弱，部分因子呈现清晰的期限特征 22拥挤类型与状态存续时间 26主导分项决定风险形态，市场、行业与风格各有重点 26行业与风格拥挤多在1—2个月内释放，市场持续更久 28典型案例：高拥挤不等于立即见顶，风险兑现存在快慢差异 28市场因子：峰值后仍可上涨，但中期回撤迅速放大 29电子行业：趋势拥挤见顶后，回撤快速兑现 29电力设备：拥挤预警领先于收益拐点 30动量风格：峰值后收益持续回落，最大回撤逐步加深 32案例复盘汇总：高拥挤后的风险兑现具有不同节奏 339. 结论 33参考文献 34风险提示 35图表目录图1：四个拥挤分项相关性与分布 8图2：2026年8月31日行业因子拥挤度四构成 9图3：2026年8月31日风格因子拥挤度四构成 10图4：近三年每最后用交易日的21日平滑拥度 图5：行业因子综合挤度是否大于1分组的来回撤分布 13图6：风格因子综合挤度是否大于1分组的来回撤分布 14图7：上穿不同史分后的行业与风格因最回撤分布 15图8：市场因子合拥度及四分项与未来现的Spearman相关性 17图9：综合拥挤与31个行业因子未来收益波率的Spearman相关性 18图10：四个拥挤度分与31个行业因子未来收的Spearman相关性 19图四个拥挤度分与31个行业因子未来波率的Spearman相关性 21图12：综合拥挤度与16个风格因子未来收和动率的Spearman相关性 22图13：四个拥挤度分与16个风格因子未来收的Spearman相关性 24图14：四个拥挤度分与16个风格因子未来波率的Spearman相关性 25图15：三类拥挤状态下未来3个月风险分布 27图16：从综合拥挤度穿1.0到回落0.5以下的续时间 28图17：市场因子累计收与拥挤度案例 29图18：电子行业因子累收益与拥挤度案例 30图19：电力设备行业因累计收益与拥挤度例 31图20：动量风格因子累收益与拥挤度案例 32表1：因子拥挤的两测量路径 4表2：CNEX因子全景 5表3：不同历史位上事件的样本数与未来3月回撤 16表4：四个典型例的挤峰值与后续表现 33因子拥挤风险的由来长期因子逻辑不能替代短期路径管理因子投资的传统研究重心是收益源是否长期存在，例如风险补偿、行为偏差或结构性约束能否持续。但在真实组合中，投资者面对的不只是“因子长期是否有效”，还包括“当前是否已经有过多资金以相近方式表达同一观点”。即使因子的长期风险溢价并未消失，过度一致的仓位也可能放大短期回撤。两类测量路径：持仓法与交易／价格法表1：因子拥挤度的两类测量路径比较维度持仓法交易／价格法典型数据基金重仓、北向持股、ETF份额收益、换手、估值、特定收益相关性更新频率季度／半年度日频数据时滞披露后仍滞后数周接近实时直接性直接观察资金持仓通过市场行为间接推断数据来源：Wind，东北证券本报告以交易／价格法为主体，并在该路径内综合趋势、换手、估值和结构四个维度。这一选择使模型能够每日更新，但也意味着它不直接识别具体机构或账户的持仓。因此，“拥挤上升”只能说明市场行为更符合拥挤特征，不能由此推断某一类投资者已经集中持有或正在减仓。数据、因子与前瞻指标研究样本从2014年1月2日至2026年8月31日，共3,079个交易日。因子库包含1311648表2：CNEX因子全景类型数量因子代码与中文名称市场1MARKET（市场因子）行业31AGR（、BANK（、BASCHEM（、BEAUTYCARE（、CAPEQ（、COAL（COMM（、COMMERET（、COMPUTER（、CONG（合、CONSTDEC（DEFENCE（、ELECEQP（ELECTRN（电子、ENVIRPRO（环保、FINAN（非银、FOODBEV（HOMEAPP（家用电器、LIGHTIND（、MEDIA（传媒、PHARMBIO（制药REALEST（TEXTLAPP（服饰、TRANSPRT（UTILITY（）风格16DIVYILD（、、、GROWTH（、、LEVERAGE（LIQUIDITY（、（、PROFIT（RESVOL（、SIZE（、）备注：截至2026.8.31数据来源：Wind，东北证券2026831四维合成：从交易与价格行为识别因子拥挤从底层指标到综合拥挤度因子拥挤度的计算分为四步：构造股票层面的底层指标，将底层指标聚合到因子层面，依据各因子的历史序列进行标准化，最后合成综合拥挤度。趋势、换手、估值和结构分别从价格正反馈、交投热度、相对定价和特定收益共振刻画拥挤状态。通用计算规则设𝑥𝑖,𝑡为股票𝑖在𝑡日的某项底层指标，因子𝑓的聚合算子记为𝒜𝑓(⋅)：𝒜𝑓(𝑥𝑖,𝑡)=Med𝑖∈𝑈𝑡(𝑥𝑖,𝑡), 𝒜𝑓(𝑥𝑖,𝑡)=Med𝑖∈𝐼𝑓,𝑡(𝑥𝑖,𝑡)−Med𝑖∈𝑈𝑡(𝑥𝑖,𝑡), 𝒜𝑓(𝑥𝑖,𝑡)=Med𝑖∈𝑄5𝑓,𝑡(𝑥𝑖,𝑡)−Med𝑖∈𝑄1𝑓,𝑡(𝑥𝑖,𝑡), 和𝑄1𝑓,𝑡20%z-score标011趋势拥挤度𝑊6𝑊−1CumRet(𝑊)=∏(1+𝑟

)−1, 𝑆trend=𝒜

(CumRet(𝑊))𝑖,𝑡

𝑗=0

𝑖,𝑡−𝑗

𝑓,𝑡

𝑖,𝑡该指标描述既有价格路径，不代表趋势将立即反转。换手拥挤度换手率是反映市场交投活跃度的重要指标。资金大量追逐某一因子暴露股票池会推高其换手率；换手率高企意味着交易成本上升、波动加大，可能进一步加重拥挤或削弱因子收益。个股换手率定义为成交量相对流通股本的比例：TO =

, 𝑆turnover=

(𝑊)(TO )𝑖,𝑡

FloatShares𝑖,𝑡

𝑓,𝑡

𝑓 𝑖,𝑡估值拥挤度B／PE／PQ后2Q前2）𝐵/𝑃

Med𝑖∈𝑄1𝑓,𝑡(𝐵/𝑃𝑖,𝑡)

𝐸/𝑃

=Med

𝑖∈𝑄5𝑓,𝑡

), 𝑆𝑓,𝑡

=Med𝑖∈𝑄1𝑓,𝑡(𝐸/𝑃𝑖,𝑡)−Med𝑖∈𝑄5𝑓,𝑡(𝐸/𝑃𝑖,𝑡)B／PE／PB／P用结构拥挤度𝜀𝑖,𝑡63𝐶(𝑃,𝑡)=Med𝑖<𝑗,𝑖,𝑗∈𝑃[Corr(𝜀𝑖,𝜀𝑗)]Q5Q1综合拥挤度与历史分位四个标准化分项按模型权重合成后，再对合成值进行历史标准化：

=∑𝑤𝑧(𝑑),

CrowdingRaw𝑓,𝑡−𝜇raw𝑓,𝑡𝜎=𝑓,𝑡𝜎𝑓,𝑡

𝑑𝑑

𝑓,𝑡

raw𝑓,𝑡其中，𝑤𝑑为模型内部权重。最终综合拥挤度本身已经是历史标准化得分，1或2可以直接理解为约高于该因子历史正常水平1σ或2σ。为便于比较不同因子的极端程度，还将当日综合得分放入仅由截至当日数据构成的历史分布，计算经验分位：1𝑁CrowdingPct𝑓,𝑡= ∑𝟏(CrowdingZ𝑓,𝑠≤CrowdingZ𝑓,𝑡)×100𝑁𝑡𝑠≤𝑡𝑧值回答当前状态偏离历史中心多少个标准差，历史分位回答其在自身历史中所处的位置，两者可以结合用于阈值监测。四个分项互补，但并非完全正交0.250.270.280.300.24图1：四个拥挤度分项的相关性与分布备注：样本期为2014.1.2—2026.8.31数据来源：Wind，东北证券0.58、0.680.770.60，“”近三年拥挤状态：随市场主线动态迁移当前截面：识别综合得分与主导分项判断当期哪些因子处于相对高拥挤状态，还需要进一步识别其主要驱动来源。图中堆积条展示四个分项的拥挤度值，黑色点为综合拥挤度。由于综合得分经过内部加权和二次历史标准化，黑点不等于四段条形的简单加总，也不应从图中堆积长度推测权重。图2：2026年8月31日行业因子拥挤度四维构成备注：截至2026.8.31数据来源：Wind，东北证券2026831311的因1.70、0.72、1.670.020.630.490.431.52−0.74、−0.57−0.56−0.54和−0.48图3：2026年8月31日风格因子拥挤度四维构成备注：截至2026.8.31数据来源：Wind，东北证券0.580.450.451σ1.6503−1.82.31和−7。近三年拥挤主线多次切换，高位状态与阶段性行情相互印证2121图4：近三年每月最后可用交易日的21日平滑拥挤度备注：展示近三年月末观察，数据截至2026.8.31数据来源：Wind，东北证券202321122.982.842024122120249“9·24”9−0.2410月的0.951.529月和107.62%1.92121.11122.26202512.7620263113.10%，357.45%−0.28AI11.045AI56月分12.47%14.92%1.091.91。7−8.40%，但拥挤度仍处于1.17的高位，至8月才回落至0.13。拥挤之后是否更容易出现回撤90%95%99%、311后，行业回撤普遍加深12142和63“≥−5%”、“−10%～−5%”“−15%～−10%”和“−15%”100%，图5：行业因子按综合拥挤度是否大于1分组的未来回撤分布备注：数据截至2026.8.31数据来源：Wind，东北证券−”3131.331.812.02302829图6：风格因子按综合拥挤度是否大于1分组的未来回撤分布备注：数据截至2026.8.31数据来源：Wind，东北证券1230.260.53和0.71141413历史分位事件：99%阈值下回撤中位数未继续加深，尾部回撤扩大190%、95%99%29012612342631图7：上穿不同历史分位后的行业与风格因子最大回撤分布2026.8.31表3：不同历史分位上穿事件的样本数与未来3个月回撤因子类型上穿阈值事件数未来3个月最大回撤中位数3个月最大5%分位数行业90%282−7.06%−13.82%行业95%211−7.63%−14.77%行业99%95−7.55%−15.42%风格90%143−1.21%−6.49%风格95%103−1.32%−6.49%风格99%50−1.23%−9.76%数据来源：Wind，东北证券P25—P75P5—P95P55%5%95%3个−4.23%−6.04%−9.19%−13.01%和−0.69%−0.98%和−3.25%、−4.51%和−6.49%。90%95%3但从95%99%−7.63%变为−7.55%−1.32%−1.23%P5分别由−14.77%−15.42%、由−6.49%综合及分项拥挤度的前瞻期限特征Spearman相240—67—1213—1819—24个月四个连续且互不重叠的区间，每段包含126个交易日。检验因此采用滞后125阶的市场因子：收益负相关未显著，波动率相关性由正转负图8：市场因子综合拥挤度及四分项与未来表现的Spearman相关性2026.8.310—67—1213—1819—24个月Spearman−0.14−0.24−0.12和−0.13修正后的p0.370.100.225%+0.13+0.10−0.2013—1819—24−0.43p0.01−0.37−0.49，p0.01行业因子：短期波动率信号强于收益方向判断31中位数取31修正后的p5%图9：综合拥挤度与31个行业因子未来收益和波动率的Spearman相关性2026.8.310—6−0.04，3119Newey–5%−0.6−0.87—12、13—1819—240.000.001518、17175%45图10：四个拥挤度分项与31个行业因子未来收益的Spearman相关性2026.8.310—6+0.0113—18−0.04；换手分项0—6−0.030图11：四个拥挤度分项与31个行业因子未来波动率的Spearman相关性2026.8.310—667.7%64.5%58.1%修4519—24+0.01和−0.07+0.10+0.18；85%风格因子：整体规律较弱，部分因子呈现清晰的期限特征风格因子沿用与行业因子相同的计算和显著性判断方法。为使拥挤度正值对应模型重点监测的投资组合，中盘股、大小盘、流动性和残差波动率采用反向口径，正值分别指向大盘与小盘两端、小盘、低流动性和低波组合。因子收益仍按原始定义计算，因此收益相关性的正负需要结合上述方向解释，波动率相关性不受影响。图12：综合拥挤度与16个风格因子未来收益和波动率的Spearman相关性2026.8.310—6−0.03+0.02+0.01和+0.07+0.08和895%3011−0.43−0.14−0.05和+0.09+0.39+0.24、+0.03和−0.09+0.29降至+0.20−0.02和0—6+0.305%−0.27−0.44和−0.285%图13：四个拥挤度分项与16个风格因子未来收益的Spearman相关性2026.8.31图14：四个拥挤度分项与16个风格因子未来波动率的Spearman相关性2026.8.31−0.47至5%+0.39至+0.35+0.39+0.52来波动率则均显著负相关，相关系数介于−0.25至−0.35。这些结果表明，同一相关方向在不同因子中可能具有不同含义，需要结合拥挤端和分项功能具体解释。拥挤类型与状态存续时间主导分项决定风险形态，市场、行业与风格各有重点0.563日期”363P55%图15：三类拥挤状态下的未来3个月风险分布0.563318263364。319.13%、19.25%21.01%−7.08%−8.98%P5−25.59%−40.36%和P9543.53%56.69%49.09%P5P957,9664,5272,598312.81%12.28%−7.07%−5.91%和−15.26%−14.34%和−13.82%P52,4083,8391,62332.67%、2.18%和3.37%−1.35%、−1.30%和−2.04%，P5分别为−7.52%、−6.06%和−7.51%。整体来看，风格因子的风险主要集中在结构脆弱型，结构脆弱型在典型情形下表现出更高波动和更深回撤。1—2个月内释放，市场持续更久1.01.00.5显偏高回到较低水平的时间，不要求得分回到0或转为负值。图16：从综合拥挤度上穿1.0到回落0.5以下的存续时间0.5数据来源：Wind，东北证券2342P25P75分22100.557821.5P75分别为10.2542.7529222P25P75942.589398%13747.92%47.95%200.573.01%72.60%12个月内得到释放。市场因子的回落速度明显更慢，20个交易日内完成回落的事件仅占21.74%2040个62163126市场因子：峰值后仍可上涨，但中期回撤迅速放大018.9%，主要集中在2014—2015年和2024年以来。累计净值在2015年快速冲高后明显回撤，随后总体呈震荡走势。20154232.521+1.58.293−.0，最大回撤扩大到−32.48%；6个月累计收益为−20.64%，最大回撤进一步扩大到−42.52%。因子收益与拥挤度并未在同一天见顶。图17：市场因子累计收益与拥挤度案例备注：截至2026.8.31数据来源：Wind，东北证券6201546电子行业：趋势拥挤见顶后，回撤快速兑现1110.4%2019—2020年、2023—2024年和2026年。20266302.56PCB1−7.79%20268310.07，52.22%图18：电子行业因子累计收益与拥挤度案例2026.8.3136电力设备：拥挤预警领先于收益拐点2014—20192020—202212019—2022年和2025—2026年，其中2021年的高位持续时间和幅度最为突出。20218123.416+1.72%+15.14%和210.52021297016.60%图19：电力设备行业因子累计收益与拥挤度案例备注：截至2026.8.31数据来源：Wind，东北证券20218.95%202217210.52021月296−12.44%乐观预期或资金流向转弱，则是回撤风险开始兑现的重要确认信号。电力设备在202181动量风格：峰值后收益持续回落，最大回撤逐步加深−11之间16.5%2015771、361.67−500−1.81−36、−5.10%和−12.47%。动量因子的累计收益在三个期限均为负，且观察期限越长，收益降幅和最大回撤越大。图20：动量风格因子累计收益与拥挤度案例备注：截至2026.8.3120152015612771.22026年也呈30日平7101.06−0.218310.94%案例复盘汇总：高拥挤后的风险兑现具有不同节奏表4：四个典型案例的拥挤峰值与后续表现因子拥挤峰值日峰值主导分项1个月收益／最大回撤3个月收益／最大回撤6个月收益／最大回撤2026.8.31拥挤度／历史分位市场因子202换手+11.58%／−8.29%−3.07%／−32.48%−20.64%／−42.52%0.35／57.39%电子2026.6.302.56趋势−6.78%／−7.79%——0.07／52.22%电力设备201趋势+1.72%／−2.87%+15.14%／−3.51%+10.88%／−7.07%−0.74／12.89%动量204趋势−1.67%／−3.64%−5.00%／−5.10%−11.81%／−12.47%−1.38／0.94%36结论20268月3111231.812.023028290.260.530.71拥挤程度进一步升高，主要增加尾部风险，而不是使典型回撤单调扩大。上穿95%3−7.63%−1.32%；99%−7.55%−1.23%P5”99%5%10.542、21.52273%4021参考文献Bonne,Roisenberg,Kouzmenko,&Zangari.(2018).MSCIIntegratedFactorCrowdingModel.MSCI.Bonne&Roisenberg.(2018).IsMomentumaCrowdedTradeThatIsStartingtoUnwind?MSCI.Yao&Bonne.(2022).MSCISecurityCrowdingModel.MSCI.Bonne,Yao,&Zhang.(2021).EyeingtheCrowdsfromMultiplePerspectives.MSCI.Sze&Doole.(2024).CanCrowdingScoresQuantifyUSStocks’Fragility?MSCI.Sze,Doole,&Kumar.(2024).CrowdControl,MomentumandConcentratedMarkets.MSCI.Gupta&Doole.(2025).FactorIndexingThroughtheDecades.MSCI.MSCI.(2024).AHistoricalLookatMarketDownturnstoInformScenarioAnalysis.MSCI.Lou&Polk.(2013).Comomentum