如何评价因子最合理？——不同因子绩效方法与因子动量组合比较
创建于 更新于
摘要
本报告系统评析了传统因子IC、Rank IC、MAE及改进的Rank MAE等多种因子绩效评价方法，揭示传统IC方法对中间收益组股票贡献不足的缺陷，提出Rank MAE方法可有效均衡不同收益分位数贡献及适用于深度学习loss函数。基于各绩效方法构建的因子动量组合进行了全面回测，结果显示Rank MAE在控制组合波动率和最大回撤方面优势明显，尤其在叠加换手率和多重约束的指数增强组合中表现稳健，综合信息比有所提升。报告还详细分析了不同因子绩效权重分配差异及极端收益股票对绩效的影响，为后续优化组合构建及因子提炼提供理论与实证支持。[page::0][page::7][page::11][page::13][page::18]
