核心观点 - 在指数增强策略中，对成分股按特定因子（如波动性、流动性、动量、市值）进行分域，并对选股效果更佳的组别适度放松个股权重偏离约束，能够有效提升组合的超额收益并降低最大回撤 [1][5] - 该方法在沪深300、中证500和中证1000指数增强组合上均有效，但提升效果的强弱和具体实施方式（如分域方向、参数选择）因因子和指数而异 [1][5][41][57][79] 因子分域在中证500指增组合上的效果 波动性分域 - 成长、盈利、波动性、动量等因子在高波动性组内的选股效果更优，其RankIC均值和IR更高，例如成长因子在高波动组的RankIC均值为3.39%，高于低波动组的2.60% [7][8] - 对高波动组股票放松权重偏离约束（如0.6%），对低波动组收紧约束（如0.4%），能提升组合表现 [11] - 在回测期间（2018/12/28~2026/4/30），多数参数下波动性分域组合跑赢无分域组合，例如（60%，0.6%）参数组年化超额收益为0.56%，年化收益达18.41%，同时超额最大回撤下降 [13][16] 动量分域 - 成长、盈利、波动性、流动性、动量等因子在低动量组内表现更优，但构建指增组合时需对高动量股票进行反向暴露（即放松高动量组权重约束）才能获得超额收益 [23][28] - 在回测期间，通过反向暴露，多数参数下动量分域组合能带来超额收益，例如（30%，0.6%）参数组年化收益为18.63%，超额最大回撤为-5.40%，优于无分域组合的17.86%和-6.96% [24][27] - 动量分域的效果对选股模型较为敏感，在另一套五因子选股模型下提升效果较弱 [32][33] 流动性分域 - 成长、盈利、波动性、流动性、动量等因子在高流动性组内的选股效果更优，例如成长因子在高流动性组的RankIC均值为3.94%，高于低流动性组的2.21% [34][35] - 对高流动性组股票放松权重偏离约束能提升组合表现 [37] - 在回测期间，除了（30%，0.8%）参数，其余参数下流动性分域组合均跑赢无分域组合，例如（60%，0.6%）参数组年化收益为19.02%，超额最大回撤为-5.14%，优于无分域组合的17.86%和-6.96% [39][41] - 流动性分域的效果在不同选股模型下（四因子和五因子）均表现稳健，能提升收益并降低回撤 [42][46] 沪深300指增组合上的分域应用 流动性分域 - 在沪深300样本内，成长、盈利、波动性、动量、分析师等因子在高流动性组内选股效果更优 [47][51] - 流动性分域在沪深300指增组合上适用，但对收益的提升弱于在中证500上，例如（60%，0.6%）参数组年化收益为16.49%，仅比无分域组合（16.27%）高0.22个百分点 [53][57] 市值分域 - 成长、估值、波动性、动量等因子在沪深300的小市值组内表现更优，但构建指增组合时需进行反向暴露，即对大市值组放松权重约束 [58][62] - 通过反向暴露，所有参数下市值分域组合均能带来超额收益，但最大回撤可能增大，例如（50%，0.6%）参数组年化收益为16.90%，超额最大回撤为-6.19%，优于无分域组合的16.27%和-5.71% [63][67] 中证1000指增组合上的分域应用 流动性分域 - 在中证1000样本内，成长、盈利、波动性、流动性、动量等因子在高流动性组内选股效果更优 [68][74] - 流动性分域在中证1000指增组合上同样适用，多数参数下能跑赢无分域组合，例如（70%，0.6%）参数组年化收益为20.79%，超额最大回撤为-6.78%，优于无分域组合的19.74%和-7.08% [75][79]