动态因子赋权实战：从等权基准到 ICIR 驱动的完整投研历程
由xuxiaoyin创建，最终由xuxiaoyin 被浏览 1 用户
本文记录了一套多因子动态赋权策略的完整研发过程，包括因子筛选、方法论设计、踩坑实录，以及一个意外发现。回测区间 2019-2026，基准沪深 300。
先看结论
做投研，先给结论，再讲过程。\n
我回测了四组策略，区间 2019 年初到 2026 年 4 月，基准沪深 300：\n
| 策略 | 累计收益 | 年化收益 | 夏普 | 波动率 | 最大回撤 | 贝塔 | 胜率 |
|---|---|---|---|---|---|---|---|
| 等权 TOP10 | 258.37% | 20.03% | 0.69 | 27.69% | 37.04% | 0.89 | 50.81% |
| 等权 TOP20 | 338.00% | 23.52% | 0.83 | 25.88% | 33.70% | 0.88 | 53.81% |
| 滚动权重 TOP10 | 239.76% | 19.12% | 0.70 | 25.30% | 36.61% | 0.82 | 54.04% |
| 滚动权重 TOP20 | 407.59% | 26.15% | 0.97 | 23.89% | 37.64% | 0.79 | 55.91% |
一句话总结：动态 IC 赋权在 TOP20 持仓规模下，是四组策略中风险调整后表现最优的。
*ssss*
注意这里说的是"风险调整后"——不是单纯比谁收益高。滚动 TOP20 的年化 26.15%，比等权 TOP20 的 23.52% 高了 2.6 个百分点，但更重要的是，夏普从 0.83 提到了 0.97，波动率低了 2%，贝塔从 0.88 降到了 0.79。在赚更多钱的同时，承担了更少的系统风险。
TOP10 的情况更有意思。动态赋权的绝对收益略低于等权（19.12% vs 20.03%），但波动率更低、胜率更高、贝塔也更低。当持仓很集中时，因子权重的噪声对组合影响更大，动态赋权通过 ICIR 阈值机制过滤掉了低质量信号，牺牲了一点点收益，换来了更稳健的风险特征。
\