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]

核心观点 该报告针对传统因子动量有效性下降的问题，提出通过引入多维价量信息来增强风格因子轮动策略的方法[1][3] 报告构建了涵盖动量、技术指标、估值、拥挤度及组合内部分化等60个维度的价量特征，并通过静态和动态合成方法，形成“升级版”的因子筛选信号[3][40] 将这一新信号与原有的宏观因子共振模型结合后，在沪深300、中证500等指数增强组合中取得了优于原策略的表现，特别是在2021年后因子动量失效的阶段，提升效果更为明显[66][74][79] 根据目录总结 1. 因子动量有效性下降 - 传统因子动量（如12个月ICIR与次月因子IC的相关性）的有效性自2020年以来明显减弱，尤其是在中证500中，2025年下半年出现显著下滑[3][9][16] 例如，2012-2020年间，中证500的120日动量平均周度IC为7.00%，ICIR为1.17；而2021-2026年3月期间，平均周度IC降至1.17%，ICIR降至0.19[16] 2. 引入风格因子的多维价量指标 2.1 动量类指标 - 除了传统价格动量（120日、240日、480日），报告补充了净值分位数和创新高次数两个衍生动量指标[3][17] 在2021-2026.3期间，这些衍生指标衰减程度尚可，例如中证500的净值分位数指标平均周度IC为2.03%，ICIR为0.44[20] 2.2 衍生技术指标 - 报告计算了SMA、EMA、RSI、BB、MACD等经典技术指标[3][21] 许多技术指标在2021年后的衰减情况优于传统动量指标，保持了较好的筛选效果[23] 例如，2021-2026.3期间，中证1000的40日SMA指标平均周度IC达6.05%，ICIR为1.52[23] 2.3 估值、拥挤度指标 - 报告构建了基于因子组合估值（PE/PB/PS分位数）和换手率（拥挤度）的左侧指标[3][24][25] 整体来看，这类指标在A股因子横向排序中效果较差且不稳定[27] 例如，沪深300的PE分位数V1指标在2012-2020年平均周度IC为3.10%，但在2021-2026.3转为-0.79%[27] 不过，其对部分大盘股因子（如低波动率、低流动性）有一定的高位警示作用[31][33] 2.4 组合内部分化指标 - 报告引入了因子组合内部个股的上涨百分比、收益分化度等指标[3][35] 这些指标作为因子筛选的补充，其IC的平均水平和稳定性优于简单动量[39] 例如，在2021-2026.3期间，中证500的5日上涨百分比指标平均周度IC达6.49%，ICIR为1.04[37] 3. 多维价量指标的合成及在因子共振中的应用 3.1 多维价量指标的合成 - 报告尝试了静态合成和动态合成两种方法，将60个价量特征合成为综合信号[3][40][47] 静态合成在沪深300中改善明显（年化收益从7.34%提升至10.12%），但在中证500和中证1000中改善有限[50] - 动态合成采用随机森林筛选重要特征后再等权合成的方法，表现更为稳健[3][51] 动态合成信号在各股票池均提升了收益和夏普率，例如中证500的年化收益从9.31%提升至11.09%，夏普率从0.45提升至0.51[54] - 动态合成信号对异常现象更敏感，例如在中证500中，高波动率、高流动性、短期动量等反向因子的选择频次在近一年明显较高[3][64] 而估值类指标在动态筛选中贡献较弱[64] 3.2 与原因子共振组合的结合 - 将动态合成的“升级版”价量筛选信号与原有的宏观因子筛选方法结合，形成新的因子共振模型[3][66] 新模型下的因子多头组合表现优于原模型，例如中证500的新组合年化收益达10.62%，高于原宏观+动量组合的8.54%[69] - 在指数增强组合中应用新信号，周度调仓方案相比原共振组合有进一步表现提升[3][72] 例如，中证500周频方案的年化超额收益从8.82%提升至10.10%，信息比从1.98提升至2.35[72] - 但周度调仓会提升换手率，月频方案在沪深300中表现仍佳，但在中证500中表现明显下降，说明中证500中选出的反向信号（如高波动率）需要更高频监控[3][72][74] 2023年以来，周频策略的提升更为明显，表明新信号有效应对了近三年因子动量减弱的问题[74] 4. 总结 - 报告通过引入多维价量指标，有效补充了单一的因子动量筛选方法[3][77] 技术指标和组合内部分化指标表现稳健，而因子估值和拥挤度指标在A股横向排序中效果有限[77][78] - 动态合成方法能更稳健地合成有效特征，提升因子选择效果[79] 最终，将新价量信号与宏观模型结合，在指数增强策略中取得了优于原策略的表现，特别是在因子动量失效期[79][80]