因子择时的 “是”与“非”——多因子系列报告之十八
创建于 更新于
摘要
本报告围绕多因子组合中因子择时的可行性进行深入研究。首先回顾了2017-2018年大类因子的波动与回撤，指出因子择时模型能在波动加剧时缓释损失。重点提出因子估值差(Value Spread)与因子拥挤度(Factor Crowding)作为核心预测指标，辅以宏观经济及市场变量进行择时预测。基于支持向量机(SVM)的非线性分类模型较OLS线性回归表现优异，更新变量后SVM模型准确率和组合信息比小幅提升，尤其在2017年有效降低回撤风险。整体来看，因子择时虽存在预测难度及换手率上升风险，但通过新变量的引入及模型优化，仍能显著提升多因子组合的稳定性和收益表现，为量化多因子投资提供了理论与实证支持 [page::0][page::4][page::8][page::10][page::20][page::21][page::22][page::25]
