量化选基体系构建与核心因子筛选 [page::3][page::4][page::6]

• 构建主动权益基金量化选基因子体系，覆盖业绩评价、业绩归因、另类因子等多维度标签，转化为月频因子。

- 单因子测试基于2010至2023年区间，覆盖186个因子，采用ICIR和Rankicir等指标选出表现优异因子。

• 定量规则筛选出长期有效因子集合，最终选出alpha行业480、复制个股_差异稳定性8Q、管理人员工占比%三大因子构成复合长期有效因子。

- 复合因子样本内多头年化收益为12.45%，Rankicir为1.33，表现稳健。

传统模型存在的问题与样本外失效现象 [page::7][page::8][page::9]

• 传统多因子模型以固定区间选因子，样本内验证最优结果，缺少对样本外表现的持续跟踪验证。

- 典型长期有效因子如基金规模、交易收益因子表现出现阶段性失效，样本外收益走平或下滑，存在风险。

• 长期有效因子在部分时间段多头收益排名偏低，部分特殊短期因子表现优异，如主动卖出基础收益的进攻型因子和重仓股息率的防守型因子，适应不同市场阶段。

动态筛选长期有效因子策略改进 [page::9][page::10][page::11][page::12]

• 考察13种不同回测频率与窗口下的多头收益表现：固定起点定期模型优于滚动窗口模型，固定起点定期3月表现较优。

- 高频回测（定期3月）能及时剔除失效因子，避免数据偶然性影响，提升模型稳定性。

• 固定起点定期3月选出的因子动态调整，更好捕捉样本外长期有效因子表现。

融入短期增强因子提升多头收益 [page::12][page::13][page::14][page::15]

• 依据短期表现将特殊因子分为进攻型（如PB、PE）和防守型（如beta、波动率）增强因子，分别捕捉短期高收益和防守稳健机会。

- 结合市场大盘/小盘和成长/价值风格指标，定量识别何时激活短期增强因子，实现动态因子增强。

• 通过6步骤流程完成短期增强因子的筛选、规律总结与实操应用。

不同增强方式效果对比与择时优化 [page::15][page::16][page::17]

• 长期有效因子加短期增强因子组合较纯长期因子获得年化收益提升2.26%，表现优于风格和动量增强策略。

- 采用择时策略，当长期有效因子多头收益表现不佳时加入短期增强，降低组合最大回撤1.9个百分点，Rankicir提升。

• 择时策略验证显示7个低表现期中有显著复合增强收益，提升风险调整后绩效。

基金组合层面验证与实操建议 [page::18][page::19]

• 构建成立1年以上、规模2亿以上、30只精选基金的组合。

- 三种策略组合对比显示长期有效+短期增强策略年化收益最高16.94%，超额收益显著，最大回撤和波动控制较优。

• 结合择时的长期有效+短期增强组合，回撤进一步降低至28.6%，且自2016年以来年度均稳健跑赢偏股基金指数。

- 最新因子轮换符合历史规律，实操可据此进行动态多因子选基基金配置选择。

报告分析：《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一》

---

1. 元数据与概览

• 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一

- 发布机构：方正证券研究所

• 发布日期：报告内容涵盖数据区间至2023年7月末，推测发布时间约为2023年夏季或秋季（具体无明示）

- 研究分析师：曹春晓、刘洋、邓璐

• 报告主题：主动权益基金多因子量化选基模型的构建、优化与回测。重点围绕“长期有效因子”的筛选及其在样本外失效问题，提出通过动态筛选与短期因子增强提升因子组合表现的改进方案。

- 核心论点与目标：
- 传统长期有效因子量化模型存在样本外失效和短期多头收益表现不佳的问题。
- 通过动态筛选（提升回测频率和优化回测窗口）和融入短期增强因子，改进多因子选基模型。
- 以期提高投资组合的多头收益和稳健性，实证显示长期有效因子叠加短期增强因子，年化多头收益提高约2.26%，引入择时后风险进一步降低。

• 结论摘要：

- 长期有效因子的动态筛选与短期增强显著提升投资表现。
- 结合择时机制，可进一步平衡收益与风险。
- 该模型在基金筛选及构建Top30基金组合层面均表现优异，显著超越偏股混合指数及基础模型。[page::0]

---

2. 逐节深度解读

2.1 量化选基体系的构建与回测

2.1.1 标签的因子化与特色的选基体系

• 从业绩评价、业绩归因、另类因子和基金风格多个维度归纳市场常见主动权益基金标签，应用方正金融工程特色的买卖收益指标转化成可投资的月频因子。

- 如图表1所示，建立了涵盖收益类（Alpha系列）、风险调整收益类（夏普、卡玛比率等）、交易能力（复制行业差异稳定性、复制个股差异稳定性等）、管理持有（管理人员工占比等）、基金风格、多维度的因子库。

• 因子计算逻辑详尽，基础数据覆盖日度收益率、季度基金持仓等多样数据源，确保因子因子化后数据的完整性与代表性。[page::3]

2.1.2 单因子测试与长期有效的定量规则

• 采用IC检验和十组分组收益分析，指标包括ICIR、Rankicir、胜率、分组收益单调性等。

- 回测范围为2010年7月31日至2023年7月31日，季调仓，针对成立三季度以上、仓位超50%的主动权益基金，选取186个因子进行单因子分析。

• 多头年化收益前50因子示例表明因子表现差异明显，复制行业差异稳定性4Q因子Rankicir 0.85，多头年化收益6.55%，Alpha行业120因子7.67%收益，管理人员工占比因子年化3.81%等，且多数因子胜率均超70%以上，表明因子内部具备一定稳定性和有效性。

- 设定筛选长期有效因子定量门槛：Rankicir绝对值＞0.5，且排名分位高于75%，同时要求Rankic胜率与多头年化收益表现位于前列，简化筛选流程，提高实用性和稳定性。

• 符合条件的长期有效因子主要包括alpha行业480、复制个股差异稳定性8Q、管理人员工占比%、alpha风格240等。[page::4][page::5]

2.1.3 因子分类分析与剔除高相关

• 因子按一级分类统计，长期有效因子多见于业绩评价、业绩归因类别，特别是收益类和交易能力类因子长期表现较好，基金风格类未通过有效性筛选。

- 剔除高相关因子（相关系数>50%）：优先保留Rankicir较高且稳定的因子，舍弃次优相关因子，避免信息重复造成组合冗余。

• 最终精选alpha行业480、复制个股差异稳定性8Q、管理人员工占比等3个因子组成复合因子，实证样本内多头年化收益达12.45%，Rankicir达1.33，回撤约-22.93%。

- 净值走势呈现稳步增长，且因子组合整体波动与收益率均指标良好，表明该因子体系具备较强的投资指引价值。[page::6]

2.2 传统选基模型的问题与反思

2.2.1 样本外长期有效因子失效

• 传统选基模型用固定区间内表现最佳的因子构建复合因子，且采用同一区间回测，存在样本内信息泄露的“最优答案自验证”问题，样本外表现不确定。

- 以2010-2015年内筛选因子为例，样本外（2015年后）因子表现趋势不一：基金规模因子2016-2020表现走平甚至下滑，alpha风格240在2022年下半年反转，表现不稳定。

• 这一现象显示长期有效因子存在阶段性失效风险，影响实际操作的有效性和稳定性。

- 研究重点在于寻求能够“动态筛选”因子，移除失效因子以提升样本外表现的解决方案。[page::7]

2.2.2 短期内多头收益不足与特殊因子机会

• 尽管长期有效因子在整体区间表现优异，但其多头收益排名在部分时期低于50%，甚至更低，如2023年初至4月复合因子多头收益排名仅在37%。

- 此外，存在赚取高收益的特殊短期因子（如主动卖出基础收益、重仓股息率等），分别具有进攻和防守特征，在特定行情下收益显著优于长期有效因子。

• 通过图表13、14观察如震荡市反弹期，主动卖出基础收益因子表现出攻击性收益；而分红策略相关因子在下跌期具有较好防守性质。

- 这表明融合短期特殊因子有助于弥补长期因子在阶段性表现不足的问题。[page::8][page::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

• 提出通过增加回测频率和动态调整回测区间，定期筛选配置长期有效因子。

- 回测策略设计涵盖固定起点+不同频率（3个月、1年、3年、5年等）组合，及滚动窗口回测，比较固定起点与滚动窗口优劣。

• 结果显示采用固定起点回测模型普遍优于滚动窗口，表现为更高的Rankicir、多头年化收益与胜率。

- 高频率回测（如定期3月）优于低频（如定期5年），低频可能受样本偶然性影响大，表现波动明显。

• 该动态筛选机制能有效剔除阶段性失效因子，提升模型样本外适用性。[page::10][page::11][page::12]

2.3.2 融入短期增强因子

• 基于短期内高收益的特色因子（进攻型和防守型增强因子），构建短期增强因子池。

- 进攻型增强因子特征为多头收益正且显著超额，代表因子收益提升；防守型因子多头收益负时超额收益稳定，表现为风险防御。

• 筛选过程中采用滚动5年窗口，统计相关度，确定与长期因子和市场指标差异较大的因子作为短期增强对象。

- 常见进攻因子偏重风格类（PB、PE、换手率等），防守因子较多为风险调整类（beta、年化波动率、最大回撤等）。

• 策略采用市场环境指标（大盘/小盘、成长/价值分位）驱动择时投资这些短期增强因子。[page::13][page::14]

2.3.3 其他增强策略对比

• 提出风格增强（依照历史相似风格环境选强因子）和动量增强（上期表现最佳因子增强）方案作为对照。

- 通过剔除高相关因子、因子标准化与加权合成构建复合因子。

• 回测结果显示：长期有效+短期增强策略年化收益高达13.87%，显著优于风格增强和动量增强，后两者增强效果波动大且常负超额收益。

- 结合择时逻辑后，最大回撤降低1.9%，Rankicir回升至1.09，多头年化收益略微下降0.71%，达到风险收益平衡。

• 该结论反映了短期增强方案的实用性与稳定性优于单纯风格或动量增强。[page::15][page::16][page::17]

2.4 基金组合构建及实证

• 基于因子复合模型，筛选出近30只基金构建组合，筛选条件为成立/转型超1年，规模2亿以上，仓位超50%，剔除暂停申购赎回及因子排名靠后基金。

- 不同增强策略组合净值走势及风险收益指标对比显示：
- 长期有效加短期增强组合年化收益率16.94%，超越同类组合和偏股混合指数（6.3%）超额收益显著。
- 长期有效+短期增强+择时组合最大回撤最低，为28.6%，风险控制优越，且年化收益率高达14.65%。
- 综合指标（夏普率、Calmar比率）均反映增强模型在控制风险的同时提升收益率。

• 该基金组合的实证验证加固了模型的实用价值和理论优势。[page::18][page::19]

2.5 附录及风险提示

• 附录展示了三种模型的计算流程、回测时间节点、参数变更影响与调仓频率敏感性测试，确保分析的全面性与稳健性。

- 风险提示明确指出模型基于历史数据，存在样本外失效风险，且市场宏观环境及风格变化会导致基金业绩波动，本报告不构成投资建议，投资有风险，需自担风险。[page::20]

---

3. 图表深度解读

图表4（单因子指标分布）：

• 详细展示186个因子在Rankicir绝对值、胜率偏离和多头年化收益上的分布。

- 最大Rankicir为1.01，分位数显示多数因子表现集中但仍有显著差异，辅助设定筛选门槛。

• 体现了因子筛选过程中兼顾绝对和相对表现的统计基础。[page::5]

图表7-8（长期有效因子净值及复合因子表现）：

• 图7展示3个最终长期有效因子净值逐年稳健增长，alpha行业480领先；

- 图8复合因子多亏展示，累计净值翻番且多头年化收益12.45%，最大回撤约-22.93%，表明稳健有增值能力。

• 复合因子效率明显优于单一因子，显示多因子组合优势。[page::6]

图表10（样本外因子净值对比）：

• 直观展现四个长期有效因子在样本外的多空累积净值走势；

- 基金规模折线斜率变缓后期甚至下滑，alpha风格240近期回落，交易收益与管理人员工占比表现分化；

• 显示传统模型的样本外失效和时效性问题。[page::7]

图表11-12（多头收益排名分位数）：

• 展现长期有效单因子及复合因子在长期区间内多头收益的周期性波动和排名起伏；

- 多数时候未能维持领先水平，某些期间表现较弱（如2023年初）；

• 成为引入短期增强因子的背景逻辑。[page::8]

图表13-14（特殊短期因子表现）：

• 对比股票主动卖出基础收益和重仓股息率与长期有效因子收益关系；

- 发现特殊因子在部分周期（如震荡反弹或下跌期）具防御或攻击优势；

• 确认短期因子的价值和实操理由。[page::9]

图表16-17（不同回测频率示意及净值走势）：

• 图16用时间线清晰显示固定起点与滚动窗口、频率多样性的回测方法；

- 图17显示13种回测方案均衡期间净值走势；

• 颜色差异聚集显示固定起点高频模型通常优于滚动窗口方案。[page::10]

图表18-21（绩效指标与因子筛选）：

• 表格直观统计不同频率模型下Rankicir、多头年化收益、最大回撤等指标；

- 论证了高频固定起点（定期3月）在收益和稳定性上优越性；

• 图20-21具体展示2020年起因子动态调整与优选结果，说明动态因子筛选的实务逻辑。[page::11][page::12]

图表22-23（短期增强因子筛选与归类）：

• 图表清楚描述进攻型和防守型短期增强因子筛选流程和因子名单；

- 进攻型偏风格因子、换手率及流动性相关，防守型多为风险及beta指标；

• 显示了差异化增强策略背后的理论基础。[page::13]

图表25-26（市场指标相关性分析）：

• 两图用散点和趋势线揭示重仓股息率、多头超额收益与大盘/小盘分位及betaCAPM120与成长/价值风格涨跌的负相关性；

- 体现短期增强因子表现受市场风格因素显著影响，支撑动态择时逻辑；

• 依据分位阈值制定介入标准，体现策略逻辑的可操作性和科学性。[page::14]

图表28-29（增强策略效果对比）：

• 表格统计各增强策略指标，短期增强因子叠加显著提升多头收益率（13.87%），而风格和动量增强表现较差；

- 图29直观展示收益曲线，长期有效+短期增强线领先；

• 验证模型修正方案优越性及实用价值。[page::15][page::16]

图表31-33（择时增强时机分析）：

• 图31通过多头收益分位数柱状图确认择时策略依据，多数低表现期紧接保持较弱状态；

- 32号表多头收益收益/回撤对比，择时增强提升因子稳定性；

• 33号表近期因子周期组合配比示例，凸显择时决策实操流程及效果。[page::17]

图表34-35（基金组合净值与绩效）：

• 净值走势图显示增强组合大幅领先偏股混合指数和长期有效组合；

- 绩效表显示增强后组合年化收益提升5.19-10.64%，且最大回撤降低，胜率提升；

• 结合费率和数量设置，验证因子策略的资金层面转换能力和现实可行性。[page::18]

图表36（最新基金组合明细）：

• 罗列最新30大基金代码、名称、基金经理、因子得分及近月收益率，实时反映模型配置结果；

- 组合的收益分布与基金经理能力结合，有助实际投资实施的匹配和布局。[page::19]

---

4. 估值分析（模型和方法）

本报告主要为定量模型和因子研究，涉及估值的部分涉及因子收益率和加权组合的整体表现，未采用传统DCF、PE等直接估值指标。

• 因子构建与测试：核心为因子单因子检验（IC、Rankicir等）、多因子合成，剔除高相关，划定长期有效因子。

- 因子动态筛选：使用固定起点滚动窗口的频率回测模型，动态更新长期有效因子池，剔除失效因子，避免回测区间内数据泄露风险和样本外失效。

• 短期增强因子识别及动态介入：基于滚动5年短期因子表现，引入进攻型和防守型增强因子池，利用市场风格指标进行择时判断，动态加权分配。

- 组合构建方法：因子归一化+等权合成，长期有效因子权重固定为50%，增强因子权重为50%。基金组合层面则选取30只基金，基于因子得分筛选。

• 风险收益平衡：通过Rankicir、最大回撤、夏普比率、Calmar比率等风险调整指标评估综合表现。

- 敏感性分析：调整筛选阈值及剔除相关性标准验证结果稳定性，验证高频调仓优于低频调仓，降低偶然性的影响。[page::20]

---

5. 风险因素评估

• 历史数据依赖风险：模型基于历史表现与统计规律，未来市场特征、风格变化可能导致因子失效，影响业绩表现。

- 样本外效应风险：长期有效因子样本外稳定性难以保证，动态筛选机制虽有缓解但无法完全消除。

• 短期增强因子胜率不高：短期增强因子具高赔率特征，胜率低可能导致组合波动增大，需择时控制风险。

- 市场风格变化风险：因子与市场风格相关，风格突变可能削弱因子效能。

• 投资组合流动性及组合构建风险：基金池限制条件虽然过滤部分风险，但未来申购赎回限制、基金经理变动等均可能影响组合表现。

- 宏观经济与政策风险：外部宏观环境及监管政策变动对市场及基金表现的间接影响。

• 缓解方案：报告提出动态筛选（频繁回测）及择时机制有效缓解样本外失效和短期增强波动风险。[page::0,20]

---

6. 批判性视角与细微差别

• 模型依赖历史数据，存在过拟合风险：长期有效因子的识别基于过去十余年数据，虽引入动态筛选机制，仍难排除模型对历史过度拟合的潜在风险。

- 择时机制预期成立条件严格：假设短期增强因子与市场风格指标间显著相关且延续，市场异常阶段或极端风格波动时，择时判断可能失准。

• 参数选择敏感性：调整Rankicir阈值和相关性剔除标准，指标波动明显，提示模型参数需谨慎调校，且不同市场环境下有效参数可能有较大差异。

- 短期增强因子叠加风险隐匿：增强因子带来收益提升，但同时伴随风险提升，如何平衡收益和风险仍需进一步优化，避免因局部收益提升而忽视潜在风险。

• 基金组合构建简化处理存在一定局限：未考虑交易成本、流动性、基金经理更替等实务因素，部分结论或被理想化。

- 因市场环境和经济大背景的变化，报告内因子效能的时间稳定性存在不确定性。[page::11,20]

---

7. 结论性综合

本篇报告系统性地回顾并分析当前主动权益基金多因子选基模型的构建、效用及不足。在长期有效因子筛选的基础上，指出传统模型因样本内验证而存在的样本外失效隐忧，以及单一长期因子在短期内表现不佳的问题。

为此，报告创新地引入动态筛选机制——即以固定起点、高频率的回测模型，动态移除失效因子并选入新表现因子，显著提升样本外的稳健性。同时，融入短期增强因子，分别从进攻性和防守性因子切入，以市场风格指标为导向设置动态择时机制，针对不同市场环境灵活介入，补充长期因子短期不足。

从回测结果看，构建的长期有效复合因子年化多头收益稳定在12.45%左右，动态筛选后保持良好表现，短期增强叠加后年化收益提升至13.87%，择时机制进一步平衡风险，最大回撤明显下降至约21.6%。在Top30基金组合实证中，长期有效加短期增强组合实现16.94%年化收益，显著超越基准偏股混合指数10.64个百分点，风险调整后收益表现优异。

报告通过详尽因子构成、回测频率、市场指标与择时策略等多方面严谨分析，搭建了一个理论与实践紧密结合的多因子选基模型框架。显著提升了模型的样本外表现稳定性和投资参考价值。

然而，报告亦谨慎提示由于模型基于历史数据，存在样本外失效风险，短期增强因子赔率高但胜率不高，投资者应结合自身风险承受能力合理运用。此外模型参数和实操因素（如基金流动性和费率）对最终效果影响需进一步关注和优化。

总体来看，报告展示了通过因子动态筛选与短期增强因子融合，来改良传统长期多因子选基模型的创新路径，其对主动权益基金投资决策及组合构建具备重要参考价值和推动意义。[page::0-20]

---

总体评价

本报告结构合理，逻辑严谨，数据详实，方法科学。通过大量历史数据分析、丰富图表支持和细致的因子研究，有效揭示了多因子选基模型的历史表现及现实缺陷，并提出切实的改进方向和方案。报告结论充分基于实证，警示潜在风险，客观中肯。其融合动态视角与短期增强的创新思路，值得基金经理和量化投资策略设计者参考采纳。

---

主要引用页码

[page::0,1,3,4,5,6,7,8,9,10,11,12,13,14,15,16,17,18,19,20,21]

报告