2026年量化策略演进手记系列之二：引入多维价量信息的风格因子轮动

因子动量有效性下降

在此前关于中证 500 指数增强改进的讨论中，我们提到因子动量有效性下降的 问题：因子 12 个月 ICIR 与次月因子 IC 的相关性有减弱的迹象，中证 500 中该现象 尤其明显，25 年下半年出现明显下滑，近期略有好转。

而根据 12 个月 ICIR 选因子的策略表现也出现了明显下滑。此外，我们也关注 到，即使部分因子 ICIR 靠前，其多头组相比于空头的收益也未必有优势。本篇报告 中，我们重点对大类风格因子的价量特征进行更详细的讨论，除了将动量类指标进行 延伸、频率提高，我们也引入因子估值、拥挤度等指标，观察其与因子表现的关系， 并合成新的价量观点后与宏观维度重新组合。

引入风格因子的多维价量指标

为了提高观察频率，并能同时考虑部分因子多头、空头端的变化，我们此次计算 指标时用因子的多头、空头组合来替代月度的 IC 信息，这也为增加指标维度提供了 更多可能性。本次我们考察的大类因子主要如下，其中针对 4 个负向因子即低波动 率、低流动性、短期反转和小市值因子，我们尝试加入反方向（即同时考虑因子多头、 空头组表现），其余因子仅考虑多头组。

对于沪深 300、中证 500、中证 1000 股票池，我们每个月月末分别根据经过中 性化、正交处理的因子值构建各因子的多头、空头组合，因子值前 20%的股票等权构 成多头组，因子值后 20%的等权构成空头组。

2.1 动量类指标

在下面的比较中，我们主要使用因子组合特征指标和因子后续表现排序的相关性 来衡量指标筛选因子的有效性。首先，我们仍从动量指标出发，考虑各因子组合的动 量，我们分别使用 120 日、240 日、480 日 3 个参数。我们计算原始 10 个大类因子 方向上，动量指标与因子组合周度收益的截面 IC 情况，沪深 300、中证 500 中各指 标的累计 IC 如下，走势和前面直接使用因子 ICIR 的情况类似。

可以看到，沪深300中，半年和一年动量走势相对接近，而两年动量在2016~2017、 2019 年与另外两个指标走出差异；中证 500 中，两年动量同样与半年、一年动量呈 现出分化。若分阶段统计，我们还发现 2020 年之前因子动量的有效性明显强于 2020 年后。

这些不同指标时序上的变化、指标间的分化也提示了我们扩充指标体系、融合多 维信息的必要性。 除了传统价格动量，我们引入另外两个动量类指标： 1）净值分位数 pricepct：当前组合净值在过去 60 个交易日中的分位数情况； 2）创新高次数 newhigh：过去 60 个交易日中，组合创新高的总次数。

2.2 衍生技术指标

除了以上简单的动量指标，我们在择时策略中常会使用到一些经典技术指标，在 此，我们尝试构建因子组合的技术指标，具体如下： 1）简单移动平均线 SMA：计算过去一定周期内收盘价的算术平均值，周期参数 取 20 日、40 日； 2）指数移动平均线 EMA：对近期价格赋予更高权重、计算加权移动平均，周期 参数取 14 日、20 日； 3）相对强弱指数 RSI：计算周期内上涨日和下跌日的平均幅度，来衡量价格变 动的速度和幅度，评估市场超买或超卖状态，周期参数取 20、40 日； 4）布林带带宽 BB：（upper-lower）/middle*100%，其中 middle 为区间均价， upper=middle+标准差*倍数，lower=middle-标准差*倍数，区间参数取 20 日、60 日， 标准差倍数取 2 倍； 5）指数平滑异同移动平均线 MACD 的三个衍生指标：计算快线 EMA 和慢线 EMA 的差值 DIF，并可再生成 DIF 的 EMA 为信号线 DEA，再进一步生成 2*（DIFDEA）成为 MACD 柱状图指标 HIST，快线、慢线、信号线区间参数取 10、20、5 和 20、60、10 两组。