文章核心观点 - 报告针对传统因子动量有效性下降的问题，提出了一套多维价量指标体系，通过静态和动态合成方法，对原有的因子筛选过程进行增强，旨在更准确地识别当前阶段的强势因子，并最终与宏观模型结合，构建了改进版的因子共振组合，在多个指数增强策略中取得了优于原方法的绩效表现 [1][2][6][53][55][56] 因子动量有效性下降 - 因子12个月ICIR与次月因子IC的相关性有减弱的迹象，中证500中该现象尤其明显，2025年下半年出现明显下滑，近期略有好转 [4] - 根据12个月ICIR选因子的策略表现也出现了明显下滑，且部分因子ICIR靠前，其多头组相比于空头的收益也未必有优势 [6] - 2020年之前因子动量的有效性明显强于2020年后，例如在沪深300中，2012-2020年120日动量的平均周度IC为5.55%，ICIR为0.92，而2021-2026.3月期间，平均周度IC降至1.66%，ICIR降至0.26 [11] 引入风格因子的多维价量指标 - 为提高观察频率并同时考虑部分因子多头、空头端的变化，计算指标时使用因子的多头、空头组合来替代月度的IC信息，针对低波动率、低流动性、短期反转和小市值4个负向因子，尝试同时考虑其反方向（即因子空头组表现）[7][8] - 对于沪深300、中证500、中证1000股票池，每个月月末分别构建各因子的多头、空头组合，因子值前20%的股票等权构成多头组，后20%的等权构成空头组 [9] 动量类指标 - 传统动量指标在时序上出现分化，例如在沪深300中，半年（120日）和一年（240日）动量走势接近，而两年（480日）动量在2016~2017、2019年与另两个指标走出差异 [10] - 补充了净值分位数和创新高次数两个衍生动量指标，其衰减程度尚可，例如在沪深300中，2021-2026.3月期间，净值分位数的平均周度IC为3.37%，ICIR为0.59 [13] 衍生技术指标 - 引入了7类技术指标：简单移动平均线（SMA）、指数移动平均线（EMA）、相对强弱指数（RSI）、布林带带宽（BB）、MACD中的DIF、DEA和HIST，每类指标选取短周期和长周期两组参数 [14] - 有较多技术指标在各股票池中的衰减情况要好于经典动量和衍生动量指标，在2021年之后依然保持了不错的筛选效果，例如在中证1000中，2021年后40日SMA的平均周度IC为6.05%，ICIR为1.52 [15][16] 估值、拥挤度指标 - 根据因子组合的估值（PE/PB/PS）、换手率及其变化情况构建了估值和拥挤度相关指标，设计了两种计算方法（V1和V2）[17] - 估值指标在组合的横向比较中出现了明显的不稳定特征，估值分位数指标2020年前有多个指标呈现负向，但近5年转为正向，例如沪深300中PE分位数V1指标，2012-2020年平均周度IC为3.10%，2021-2026.3月转为-0.79% [22] - 拥挤度指标由于波动较大，区分度明显较差 [22] - 整体来看，因子估值、拥挤度这类偏左侧的指标，在A股因子上横向排序效果较差，但对部分因子尤其是大盘股中的因子有一定的高位警示作用 [2][25] 组合内部分化指标 - 使用组合内部的个股特征合成指标，包括个股上涨百分比、个股分化度及其变化 [26] - 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，例如在中证500中，2021-2026.3月期间，5日上涨百分比指标的平均周度IC为6.49%，ICIR为1.04 [26] 多维价量指标的合成及在因子共振中的应用 - 一共计算了60个因子组合维度的价量特征，覆盖传统动量、衍生动量、技术指标、因子估值和组合内部分化 [27] - 静态合成方法：选择各维度表现较好的指标直接等权合成，在沪深300中改善较为明显，年化收益从因子动量的7.34%提升至10.12%，夏普率从0.38提升至0.52，但在中证500和中证1000对基础动量的改善效果不明显 [32][34] - 动态合成方法：每隔10周，采用随机森林对过去5年的特征进行拟合，选取重要特征后等权合成，该方法更为稳健、IC更高 [35] - 动态合成方法在各股票池中均优于原动量方法，例如沪深300年化收益从7.34%提升至11.03%，夏普率从0.38提升至0.54；中证500年化收益从9.31%提升至11.09%，夏普率从0.45提升至0.51 [37] - 动态合成中入选率较高的指标主要为技术指标（如布林带带宽bb、RSI）、因子组合内部指标（如个股上涨比例、分化度变化）和创新高次数等，传统动量指标也仍占一定比例 [39] - 动态合成信号对反向因子（如高波动率、高流动性）的表现更敏感，例如中证500中高波动率、高流动性、短期动量等反向因子在2026年1-3月的选择频次明显较高 [42][43] 与原因子共振组合的结合 - 将动态合成的“升级版”因子价量筛选标准与原来的宏观部分进行组合 [46] - 新组合（宏观+合成因子）在因子多头组合的表现上全面优于原组合（宏观+动量），例如在沪深300中，年化收益从原组合的8.58%提升至11.11%，夏普率从0.44提升至0.55 [49] - 在指数增强组合中应用新信号，周度调仓方案能改善收益、回撤和信息比，例如中证500周频方案年化超额收益从原因子共振的8.82%提升至10.10%，信息比从1.98提升至2.35 [51] - 月频调仓方案在沪深300上保持了不错的表现，但在中证500上表现有明显下降，说明中证500中较多选择的反向信号需要更高频次的监控 [51][52] - 2023年以来，周频策略的提升更加明显，说明新的合成信号对近三年因子动量失效的问题做出了有效改进，例如中证500周频方案年化超额从原因子共振的6.03%大幅提升至9.90%，信息比从1.31提升至2.24 [52]