报告行业投资评级 未提及 报告的核心观点 - 对个股波动率分层并分别实行不同个股偏离约束，是兼顾超额收益和最大回撤的推荐方案；低流动性因子分域约束效果与低波类似，成长、动量等分域约束效果不佳 [2] - 动量与波动率可实现 2X2 分组个股偏离约束，能比单个波动或动量分组约束效果更好 [2] - 波动率分组约束细分为五组，提升不同组的放松和收紧约束，可进一步提升效果 [2] - 动量更合适的处理方式是高动量组中性，只对动量得分前 10%的股票进行中性效果显著 [2] - 波动 X 动量的综合方案是较优选择，能实现长期改善回撤同时提升收益，对 2026 年以来中证 500 的超额有有效提升 [2] 各部分内容总结 波动率分组进行个股偏离约束的后续测算 - 2026 年以来传统量化策略遇困难，常规量价因子和机器学习策略失效；此前推荐从个股偏离约束和增加动量逻辑因子两方面解决问题；构建四个以中证 500 指数为基准的多因子组合进行测算 [4] - 对动量、成长等因子进行两组分别约束测算，低流动性因子处理方式与低波相似，低流动性呈现和低波相似效果，其他因子表现不稳定，波动率和流动性是分域约束较优方式 [9] - 构建波动率和动量的 2X2 分域约束，对高波高动量交集放松约束，低波低动量交集收紧约束，除 P3 外其他组合全面提升，相比单独分组 2X2 有效提升综合表现，但提升幅度有限 [12][15][17] - 考虑波动率分层约束提升空间，将波动率分 5 组并设置不同个股偏离约束，分五组方式超额收益除 P3 外有提升，最大回撤都改进，是更佳方式 [20] 高动量组中性：动量偏离约束的合适方式 - 动量不适用于分组偏离约束，考虑让组合动量分布与指数对齐；全面对齐以收益为代价，只对指数里动量得分前 10%的股票中性，4 个组合超额收益提升且最大回撤改善，部分超过波动率分五组偏离约束 [22][23] - 高动量 10%中性在时间序列上稳定性不够，收益和回撤改进年份占比各组合有差异，效果受模型本身影响，长期体现但短期有波动 [25][30] - 波动率分组偏离约束和高动量股票中性方案在年度上互补，可叠加使用；综合方案比单一方案年化超额收益和最大回撤改进更优，2026 年表现不错 [31][33][34] 在其他指数上的测算效果 - 高动量组中性和动量 X 波动在沪深 300 指数上超额和回撤不显著，较多组合收益下降；在中证 1000 指数上整体接近中证 500，主要贡献在最大回撤改善 [35]