• 量化选基体系构建与长期有效因子筛选 [pidx::3][pidx::5][pidx::6]:

- 由基金标签转化为月频因子，涵盖业绩评价、归因、另类因子等。
- 对186个因子进行2010-2023年单因子测试，通过Rankicir绝对值>0.5且表现分位数前25%筛选出长期有效因子。
- 剔除高相关因子后，最终选定alpha行业480、复制个股差异稳定性8Q、管理人员工占比%三因子构建复合因子，其年化多头收益达到12.45%。

• 传统多因子选基模型的局限及问题 [pidx::7][pidx::8]:

- 传统固定区间选基法因存在“样本内验证样本内”问题，导致样本外因子失效。
- 某些长期有效因子在样本外或特定区间表现不佳，多头收益落后于某些特殊因子。
- 例如基金规模、交易收益因子样本外表现弱，某些短期因子如“主动卖出基础收益”、“重仓股息率”因子，在特定震荡市表现更优，有进攻和防守属性的区分。

• 动态筛选长期有效因子策略及回测分析 [pidx::9][pidx::10][pidx::11][pidx::12]:

- 设计13种不同回测频率模型（固定起点+滚动窗口，定期3月-10年）动态筛选长期有效因子。
- 固定起点模型优于滚动窗口，高频（定期3月）回测较低频更能降低数据偶然性。
- 通过定期3月动态选因，有效剔除表现不佳的因子，如复制行业差异稳定性4Q，提升样本外收益稳健性。

• 短期增强因子的识别与利用 [pidx::13][pidx::14]:

- 基于滚动5年窗口筛选，分进攻型（超额收益为正）和防守型（超额收益为负）短期增强因子。
- 进攻型多为风格类因子（如PB、PE、PCF），防守型多为风险类因子（如beta、波动率）。
- 动量和风格指标被用来捕捉短期增强因子的市场环境敏感性，制定基于市场风格与指标的择时规则。

• 不同增强方式及效果对比 [pidx::15][pidx::16]:

- 构建短期增强、风格增强、动量增强三种增强策略，与不增强长期有效因子组合比较。
- 短期增强因子叠加使得多头年化收益提升至13.87%，明显优于风格和动量增强，且波动和回撤控制较好。
- 最新因子选择中，重仓股息率、主动卖出基础收益等特色因子多次出现，表明其在短期中稳定贡献超额收益。

• 增强择时策略及其效果 [pidx::16][pidx::17]:

- 基于长期有效因子多头收益分位数择时，若该分位数低于50%，视为因子表现较差，加入短期增强因子以弥补收益。
- 样本外回测结果显示，择时增强策略虽使收益略降0.71%，但最大回撤降低1.90%，Rankicir提高至1.09，风险收益更优。

• 投资组合实证验证 [pidx::18]:

- 基于不同增强策略构建Top30主动权益基金组合，比较其净值增长和风险指标。
- 长期有效+短期增强组合年化收益达16.94%，超偏股基金指数10.64个百分点，最大回撤28.60%，风险控制良好。
- 加择时因素后组合风险进一步下降，实现收益稳健提升，持续击败基准指数。

• 三种优化模型流程及参数敏感性附录说明 [pidx::19][pidx::20]:

- 报告总结长期有效因子动态筛选结合短期增强与择时的整体建模流程。
- 参数调整（如Rankicir绝对值阈值和相关性剔除阈值）验证了模型鲁棒性，长期有效+短期增强组合依然表现最优。

专题报告《如何在长期有效因子中融入短期考量——“万木逢春”多因子选基模型改进系列研究之》详尽分析报告

---

1. 元数据与报告概览（引言与报告概览）

• 报告标题：如何在长期有效因子中融入短期考量——“万木逢春”多因子选基模型改进系列研究之

- 发布机构：方正证券研究所

• 撰写日期：报告无具体时间戳，但时间覆盖至2023年7月底及8月，包含2023年最新数据

- 主题：主动权益基金的量化选基因子体系构建及多因子选基模型的改进研究，主要聚焦在如何融合长期有效因子与短期增强因子，以提升基金选择的多头收益表现

• 核心论点：

- 传统多因子量化选基模型存在长期有效因子样本外失效及短期多头收益欠佳的问题
- 创新改进通过动态筛选长期有效因子（特别是高频定期回测）和融入短期增强因子，能够显著提升多头年度化收益率并降低最大回撤
- 通过择时策略优化短期增强的应用时机，进一步优化风险收益配置

• 关键结果：

- 长期有效因子组合单独使用年化多头收益12.45%
- 融入短期增强因子后收益提升2.26%，达到13.87%
- 加入择时机制后，收益略降0.71%，但最大回撤降低1.90%，风险调整指标提升
- 实际基金组合中，长期有效+短期增强组合年化收益最高（16.94%），明显超越偏股混合指数10.64%超额收益，且风险指标改善明显[pidx::0][pidx::3][pidx::18]

---

2. 逐章深度解读

2.1 量化选基体系的构建与回测

• 关键论点：

- 选基因子体系首先基于多维基金标签，包括业绩评价、业绩归因、基金风格和另类因子，结合方正金工特色买卖收益指标，转化为月频因子，实现基金标签向投资因子的路径转换
- 186个候选因子经过单因子测试，按照统计指标（IC、RankIC、年化收益、胜率等）筛选，最终确定了长期有效因子集合
- 单因子测试的重点指标包括RankIC及其绝对值、胜率和多头年化收益率，筛选公式明确，设置绝对和相对阈值保证因子稳定性

• 数据点：

- 186个因子归纳测试
- 样本区间：2010年7月31日至2023年7月31日
- 基金池过滤：成立三季度以上、活跃仓位>50%、股票偏股灵活配置基金
- 长期有效因子最终筛选为3个：alpha行业480、复制个股差异稳定性8Q、管理人员工占比%
- 复合因子多头年化收益12.45%，最大回撤-22.93%，胜率90.38%[pidx::3][pidx::4][pidx::5][pidx::6]

• 方法说明：

- 因子合成采用标准化、归一化和等权加总
- 高相关因子剔除阈值为相关系数>50%，以避免信息重复
- 单因子测试包括IC指标体系和分组分析法，用来验证因子收益的稳定性和意义

2.2 传统选基模型的问题与反思

• 关键问题与验证：

- 传统模型通过样本内固定区间优化因子，有过度拟合风险，样本外表现差，长效因子存在失效风险
- 以2010-2015年为样本内，2015年后为样本外测，四个示例长期有效因子显示部分因子样本外持续走弱甚至净值下滑
- 部分长期有效因子的多头收益在局部时间段表现不佳，分位数经常低于50%，说明长期因子并非时刻表现最佳
- 同时，存在一些短期特殊因子，如主动卖出基础收益和重仓股息率因子，在特定市场阶段表现优于长期因子，分别对应进攻型和防守型属性

• 图表关键信息：

- 图9说明传统选基模型流程
- 图10长期有效因子样本外净值走势分化
- 图11-12长期因子多头收益排名波动显著
- 图13-14短期特殊因子收益优于长期因子部分时段显著

• 结论：

- 传统模型因忽视时变性和短期机会，有改进必要[pidx::7][pidx::8][pidx::9]

2.3 多因子选基模型的改进与优化

2.3.1 动态筛选长期有效因子

• 解决样本外失效的策略：

- 通过改变回测窗口和频率实现持续更新因子的长期有效性，高频（定期3个月）回测更能捕捉因子失效或新兴因子机会，降低样本外偶然性
- 13种不同回测频率组合，主要包含固定起点和滚动窗口，结合不同定期（1年、3年、5年、10年、3个月）的回测计划

• 重点发现：

- 固定起点模型普遍优于滚动窗口模型，显示全样本回测信息更全面
- 高频定期回测（3个月）优于低频（5年、10年），低频模型因受偶然事件影响较大表现不稳
- 具体案例中，固定起点定期10年受益于2015年优质因子的延续，5年定期因2020年后因子表现不佳而评分下滑

• 图表分析：

- 图16-17展示模型对比示意与净值表现
- 图19详细展示因子在不同回测方案下的成分变化及其样本外表现差异

• 结论：

- 推荐使用固定起点加高频定期（3个月）动态选因子方案作为基准模型，能较好地避免失效因素，提升稳健性[pidx::9][pidx::10][pidx::11][pidx::12]

2.3.2 融入短期增强因子

• 短期增强逻辑：

- 在长期因子多头收益不佳阶段，利用具有短期机会的特殊因子进行增强补益
- 短期增强因子分为进攻型和防守型：
- 进攻型因子多头收益在长期因子为正时超额明显，如基于基金风格（PB、PE、PCF等）
- 防守型因子多头收益在长期因子负时超额明显，如风险调整因子（波动率、beta等）

• 筛选及运用流程：

- 使用滚动5年窗口做单因子测试筛选短期增强因子
- 结合市场风格指标（大盘/小盘、成长/价值涨跌幅）测算短期增强因子与市场指标的时序相关性，找出因子表现的市场依赖规律
- 根据统计高相关规律确定阈值，基于当前市场指标确定是否投资该短期增强因子
- 具体步骤详见图15

• 实证结果：

- 短期增强策略多为风格及风险类基金标签因子，市场指标对因子绩效有显著解释力

• 结论：

- 短期增强因子筛选和应用逻辑清晰，充分利用短期超额收益机会，有效提升组合表现[pidx::12][pidx::13][pidx::14]

2.3.3 其他增强方式对比及增强效果

• 风格增强与动量增强设计：

- 风格增强基于过去相似市场风格下表现优异的因子；动量增强基于上一期因子的多头收益排名

• 回测对比：

- 短期增强因子叠加长期因子的组合明显优于风格增强和动量增强组合
- 风格和动量增强稳定性差，超额收益时有为负，与实际风格及动量延续性不强相符
- 短期增强策略复合因子多头年化收益13.87%，比仅长期因子12.45%提升2.26%

• 图表：

- 图15提供回测指标比较
- 图16展示不同策略净值走势，短期增强策略走势领先
- 图17列示近4期使用因子的重复性，凸显短期增强因子的稳定性和多样性

• 结论：

- 融入数据驱动的短期增强因子更适合提升多头收益，且稳定性较好
- 风格和动量增强虽简单，但效果有限[pidx::15][pidx::16]

2.3.4 增强时机的择时选择

• 核心思想：

- 长期有效因子相当于高胜率投资，短期增强因子类似高赔率投资
- 为控制风险，应只在长期有效因子当期表现相对较差时才采用短期增强

• 择时指标设计：

- 观察长期有效因子相对于全部因子多头收益的排名分位数
- 若当期分位数<50%，认为表现较差，且下一期难以大幅反弹（升至75%以上），则下一期加入短期增强

• 实证结果：

- 在2018-2023年21期中，8期满足加入增强条件，7期加强有效
- 包括择时的增强模型最大回撤较短期增强模型更小，RankIC提升至1.09，风险波动更优

• 图表：

- 图17长期有效因子多头收益分位变化
- 最新基金组合因信号一致显示两模型结果趋同

• 综合结论：

- 择时机制虽然使收益略微下降0.71%，但有效降低了最大回撤1.90%，增加组合稳健性，是风险控制的合理手段[pidx::16][pidx::17]

---

3. 图表深度解读

1. 图4（基金标签转化为月频因子）

- 描述了如何将基金的多维标签（实时信息、季报、中报、年报）按月频转化为投资因子。不同报告所需的滞后期和计算时点不一，明确了因子构建时序的细节，保证月频模型的科学性和准确性。

1. 图7（剔高相关因子的净值）

- 显示剔除相关性过高因子后的3个长期有效因子（alpha行业_480、复制个股差异稳定性8Q、管理人员工占比%）的多空净值走势，三因子均表现持续稳健增长，说明剔除冗余后因子更为纯粹且有效。

1. 图8（复合长期有效因子净值）

- 展示最终复合因子净值及其关键绩效指标（RankIC=1.33，胜率90.38%，多头收益12.45%），曲线长期稳健上升，充分支持报告中长期因子筛选的有效性和稳定性验证。

1. 图10（4个因子的多空累计净值走势）

- 反映2010-2015样本内选出的4个长期有效因子在样本外（2015以后）中表现大不相同，有的波动明显，甚至净值下降（基金规模），验证传统模型面临的样本外失效风险。

1. 图11-12（因子多头收益排名分位数）

- 多个长期有效因子和其复合因子多头收益的排名多次低于50%，短期表现不佳，表明长期因子不能满足短期收益表现的需要。

1. 图13-14（主动卖出基础收益及重仓股息率与alpha因子比较）

- 显示两个特殊短期因子在特定阶段的超额收益情况。前者代表进攻型，在市场反弹阶段表现领先；后者为防守型，在下行震荡期表现坚挺。

1. 图15（传统模型问题与改进流程图）

- 清晰阐释了传统模型面临的两大问题与改进路径，包括动态筛选长期有效因子与短期增强策略的引入。

1. 图16-17（回测模型示意与净值多头走势）

- 描述了不同动态筛选模型的运行机制及其对应多头组合收益，支持固定起点+高频定期回测的优势。

1. 图19（固定起点定期5年与10年因子差异）

- 直接对比不同频率回测下因子成分的样本外表现差异，验证短期高频回测的重要意义。

1. 图24-27（市场指标构建及规律总结）

- 说明如何构造市场风格指标，寻找增强因子表现与市场阶段的相关性，奠定投资择时基础。

1. 图28-29（不同增强思路回测指标和净值比较）

- 量化展示不同增强策略相较传统长期有效的优势与不足，大幅强化短期增强优越性。

1. 图34-35（基金组合净值及回测指标）

- 结合实际基金筛选逻辑，验证因子层面结论在真实投资组合中的应用价值及超额收益、风险调整效果。

1. 附录图（模型流程、回测参数、计算时间等）

- 细化模型运行和回测体系，有助于理解模型动态筛选和增强因子的技术细节。

---

4. 估值分析

本报告主要聚焦于量化选基模型的构建与优化，未涵盖公司层面估值分析或具体财务指标预测。因此没有涉及现金流折现法、相对估值等方法。

---

5. 风险因素评估

• 样本外因子模型失效风险：长期有效因子可能逐渐失效，风险较大，是模型设计的主要挑战

- 宏观经济环境与市场风格变化：受大环境影响，模型并非始终有效，投资结果存在波动

• 历史回测与未来一致性的假设：报告大部分结论基于历史回测，未来市场环境的变化可能降低模型的预测准确度

- 组合构建限制：仅选取TOP30基金，且剔除了部分基金经理表现不佳的基金，存在一定的选样偏差风险

• 择时策略的不确定性：择时依赖多头收益排名分位数，存在短期噪声干扰或误判风险

- 增强因子相关结构的变动：高相关因子剔除阈值设置可能影响组合稳定性，调研需保持动态优化[pidx::0][pidx::20]

---

6. 批判性视角与细微差别

• 样本内过度依赖固定区间筛选：报告指出传统模型样本内验证问题，但其动态筛选方案仍高度依赖历史区间，且筛选阈值等由经验设定，模型灵活性依赖数据稳定性较强

- 增强因子的市场依赖性存在局限：短期增强特别依赖市场指标相关性，可能在极端行情或风格突变下表现不佳

• 风格与动量增强手段的不完善：报告对比显示两者效果不佳，但未尝试更多机器学习或动态组合方法作为对比，略显局限

- 组合权重设置较为简单：复合因子等权加总，长期有效因子和增强因子各计50%，缺少权重优化过程，可能限制策略表现最大化

• 择时策略门槛设置较硬：50%和75%分位数作为阈值较为绝对，可能导致择时灵活性不足，未来可考虑更复杂模型

- 因子覆盖及代表性：报告中的因子主要基于公开基金标签及方正特色因子，可能忽视部分市场重要信号或另类因子

• 缺少实际交易费用和滑点考虑：组合未计入申购费、赎回费（后者仅提及0.5%赎回费假设），未披露交易频率与换手率对净值走势的影响，实际执行效果可能受限[pidx::15][pidx::18][pidx::20]

---

7. 结论性综合

本报告系统构建并优化了主动权益基金的多因子量化选基模型，核心创新在于：

• 长期有效因子的动态筛选：采用固定起点高频定期回测机制，动态跟踪因子表现，削弱传统模型样本内过拟合和样本外失效问题。该机制能稳定筛选出3个核心长期有效因子，复合因子多头年化收益12.45%，显示较强稳定收益能力。
• 短期增强因子的引入：分析发现部分短期内表现优异的特殊因子，具有明显的进攻型与防守型属性。通过基于市场风格指标的相关性研究，构建灵活选择短期增强因子的体系。该增强机制让复合因子年化多头收益提升至13.87%，相较长期因子单独使用，收益增强明显。
• 择时策略的优化效果：基于长期有效因子多头收益排名筛选增强时机，做到在长期因子表现不佳时引入短期增强因子，成功降低组合最大回撤，并提升因子有效性指标，优化整体风险收益。
• 实证基金组合验证：基于上述模型构建多策略基金组合，实证中长期有效加短期增强基金组合年化收益16.94%，大幅超越偏股混合指数及长期有效因子组合，并在风险（最大回撤28.60%）控制上体现优势，实现了多空收益与风险的优异平衡。
• 风险提示及谨慎应用：报告明确警示模型历史回测基础的局限性，提示宏观环境变化和样本外失效风险，建议投资者审慎使用。

综上，方正证券研究所提出的“万木逢春”量化多因子选基模型通过结合长期稳定因子和灵活短期增强策略，配合动态择时机制，在理论与实证两方面均表现出较传统模型更优的因子多头收益表现和风险控制能力，为主动权益基金的量化选基提供了具有显著应用价值的路径和范式。未来研究可进一步完善因子权重优化、增强因子种类拓展及交易成本模拟，以丰富模型实际适用性。

---

报告主要支撑图表速览

| 图表编号 | 内容主题 | 作用说明 |
| -------- | ------------------------------------------------ | ---------------------------------------- |
| 图4 | 基金标签向月频因子的转化 | 因子构建基础，标明数据处理逻辑 |
| 图7-8 | 长期有效因子筛选后的净值走势及指标 | 支撑核心长期因子组合性能及稳定性 |
| 图10 | 样本外长期有效因子表现分化示例 | 验证传统模型失效风险 |
| 图11-12 | 因子多头收益排名时间序列 | 展现长期因子部分区间收益不足问题 |
| 图13-14 | 短期特殊因子收益对比长期因子 | 体现短期增强因子的优势及进攻/防守属性 |
| 图15 | 传统模型问题与改进流程 | 框架说明，逻辑清晰 |
| 图16-17 | 动态筛选回测模型示意及多头净值走势 | 说明动态回测频率机制优势 |
| 图19 | 固定起点定期5年与10年因子差异解析 | 细节解析不同回测频率效应 |
| 图24-27 | 市场指标计算及短期增强因子规律总结 | 短期增强因子选取与择时依据 |
| 图28-29 | 不同增强策略回测效果对比 | 短期增强优于风格和动量增强的关键证明 |
| 图34-35 | 不同增强策略基金组合净值及风险指标 | 理论到实证的组合验证 |
| 附录图 | 模型流程、参数调整及计算时间 | 技术细节与模型完整性展示 |

---

参考文献标注

本分析严格依据原报告内容分析，引用所有关键结论均附带了对应页码标注 [pidx::页码]，确保研究线索来源清晰可追溯。

---

【完】

报告