上市公司
Securities industry
多屏行情数据资料图
同一个2026年，中证2000指增的年内累计超额是17.14%，中证500指增只有2.58%，头尾差出14.56个百分点。同样叫量化指增，同样由模型驱动，为什么差距能拉到这么大？
这组数据来自招商期货金工的私募策略跟踪周报，统计截止2026年9月11日。很多人看到这张表的第一反应是：找那个做中证2000指增的管理人。但真正该问的问题是另一个：他们的模型里装的因子，和我们理解的“因子”是同一种东西吗？
答案往往是否定的。量化行业里有一句老话：十个因子里，有九个经不起严格检验。剩下的那一个，还要看它在什么市场环境下活着。这篇文章就把“一个因子怎么才能被认定有效”这件事拆开，按照机构研究实际使用的流程，讲清楚五道关，以及每一道关是怎么把假因子筛掉的。
需要说明的是，文中所有案例和数据均来自公开的券商研报和私募排排网、招商期货等机构的跟踪统计，具体口径逐处标注。方法论部分参考华泰证券金工团队的公开研究框架。
因子研究的第一步，是回答一个最朴素的问题：这个因子和未来收益之间，到底有没有可度量的关系？
机构通用的度量工具叫信息系数，简称IC。计算方法是：在每个截面上（比如每个月末），把全市场股票的因子值排名和下一期收益率排名做相关性计算。相关系数为正且越大，说明因子值高的股票确实倾向于涨得多。
但这里有个大多数人会踩的坑：只看IC均值，等于只看一个球员一场比赛的得分。华泰金工在单因子测试框架里给出的标准是三个指标一起看：Rank IC序列的均值衡量因子显著性，Rank IC序列的标准差衡量因子稳定性，Rank IC大于零的占比衡量因子作用方向是否稳定。
举个具体的对比。两个因子，A的IC均值0.05、标准差0.10，B的IC均值0.04、标准差0.04。只看均值，A更强；把稳定性算进去，A的信息比率（IC均值除以IC标准差）只有0.5，B是1.0。B的预测能力虽然弱一点，但每个月都在，A则是靠个别月份的大值把均值抬起来的。实盘里，B远比A好用，因为策略不能指望“偶尔灵一次”。
用Rank IC而不是普通IC，也有讲究。收益率分布从来不是正态的，涨停、跌停、财务造假爆雷都会产生极端值，普通相关系数会被这些极端值牵着走。排名相关性把数值换成名次，天然抗极端值，这也是为什么几乎所有正规研报都用Rank IC。
IC只能说明因子和收益有相关关系，但不能说明这个关系是“线性可用”的。第二道关是分层测试：把全市场股票按因子值从高到低分成五组或十组，每组构建一个组合，回测各组净值。
看什么？不是看多头组赚了多少，而是看各组的收益是不是单调排列。理想的状态是：因子值最高的一组收益最好，第二组次之，依此类推，最差的一组垫底。这说明因子在整个值域上都有区分度，不是只在某个极端区间碰巧灵验。
为什么单调性这么重要？因为组合构建时不会只买头部，还要对因子暴露做控制。如果收益分布不单调，比如第一组和第三组都不错、第二组反而最差，那模型在中间地带的打分就是噪音，风控和对冲都会失真。
华泰金工在多目标因子挖掘框架里，把分组单调性、时序稳定性、多头组表现列为三个并行评价指标，分别对应|IC|、IC胜率和NDCG@k。NDCG这个指标本来是搜索排序领域用来评价“排在前面的结果是不是最相关”的，被借来衡量多头组的质量，逻辑完全一致：分层回测本质上就是一次排序任务的考试。
还有一个实操细节经常被忽略：分层回测的换手成本。如果因子值排名每个月剧烈变动，十组股票会大面积换组，回测里必须计入交易成本，否则分层结果就是幻觉。按A股双边交易成本0.3%至0.5%的行业通行估算，一个月换手100%的因子，光成本一年就要吃掉3.6%到6%的收益。
过了前两关的因子，还面临一个更隐蔽的问题：它和已有因子库里的东西，是不是同一个东西换了张脸？
举个最常见的例子。“低市盈率”和“高盈利收益率”在数学上互为倒数，本质是一个因子；“过去20日涨幅”和“过去60日涨幅”高度相关，本质都是动量。如果因子库里已经有这些，再“挖掘”出十个变体，组合的真实暴露并没有增加，只是同一笔赌注下了十一次。
机构的标准做法是方差膨胀系数检验加贪心合成：新因子先和已有因子做相关性检验，相关性过高的直接剔除，剩下的用贪心策略逐个纳入，每纳入一个就重新检验整体共线性。华泰的行业轮动模型明确写了“结合贪心策略和共线性排除，选取验证集上表现好的因子”这一步。
广发证券的一项研究给过量化数据：市场上公开发表的因子之间，平均相关性达到48.06%。也就是说，随便拿两个“看起来不一样”的公开因子，它们有近一半的信息是重复的。这也是为什么头部私募的因子库动辄上千个，但实际起作用的独立维度可能只有几十个。
对普通投资者，这一关的启示很直接：当有人给你展示一个“独家因子”时，第一个该问的问题不是它多赚钱，而是它和常见的价值、动量、质量、低波因子相关性多高。答不上来的，基本可以判定研究深度有限。
到了第四道关，问题从“因子好不好”变成“你是怎么找到这个因子的”。这是量化研究里最难缠的一个陷阱：过拟合。
什么叫过拟合？一个模型把历史数据里的噪音当成了规律。极端情况是，你在参数空间里翻了一千遍，总能找到一组参数让过去五年的回测曲线近乎完美——但那条曲线记录的不是市场规律，而是你筛选的过程本身。
机构防过拟合的第一道防线是样本内外切分：比如用2010年到2018年的数据做训练和参数调优，2019年之后的数据只做验证，验证集在研究过程中一次都不能碰。华泰金工在遗传规划因子的挖掘流程里明确写了“选取验证集上表现好的因子”——注意，选择标准是验证集，不是训练集。
第二道防线更有意思，是用算法本身防算法。传统遗传规划挖因子只有一个目标函数，把几个评价指标加权合成一个分数，机器就会朝着这个分数疯狂进化，最后产出的因子高度同质化——这就是研报里说的“内卷”状态。华泰2026年3月的深度报告《量化行业轮动的崎岖之路》给出的解法是多目标遗传规划：用NSGA-II算法同时优化|IC|、IC胜率、NDCG@k三个目标，不做加权合成。
多目标优化的产出不是一个“最优解”，而是一组互不支配的解。这组解在三个维度上各有取舍，天然比单一目标挖出来的因子更多样、更难同时过拟合。研报的说法是，NSGA-II在不增加时间复杂度的前提下，效果等同于跑几十次不同权重的单目标挖掘。
第三道防线是因子库的定期换血。华泰的行业轮动模型每个季度末重新挖掘因子、更新因子库。为什么要定期换？因为因子会衰减：一个公开的、被广泛使用的因子，随着用的人越来越多，超额会被套利掉。季频更新相当于强制研究员每季度重新回答一次“现在市场里什么规律还活着”。
但这里必须泼一盆冷水：季频更新也有代价。频繁换因子会提高组合换手，侵蚀净收益；而且新因子没有经过完整市场周期检验，可能只是恰好适配了最近一个季度。更新频率本身就是过拟合与衰减之间的一次权衡，没有标准答案。华泰自己在研报里也承认，行业轮动是“崎岖之路”——他们的基本面遗传规划因子2022年10月到2026年2月取得6.81%的年化超额，但正超额集中在2024年三季度之后，此前是负的。
一个因子过了前四关，学术上已经“有效”了。但能不能变成产品，还要过最后一关：扣掉真实交易成本之后，还剩多少。
先看A股的成本结构。直接成本包括佣金、印花税、过户费；间接成本主要是冲击成本和滑点。上海证券交易所市场质量报告给过一组实测数据：交易10万元股票的价格冲击指数约15至16个基点，交易25万元升至23至24个基点，交易90万元达到50至52个基点。规模越大，把自己的成交价推得越高，这就是冲击成本的平方根规律——成本随交易规模的平方根增长，而不是线性增长。
把这组数字和因子换手放在一起，结论就很残酷。一个年化换手30倍的中周期策略，每次调仓哪怕只有3个基点的综合成本，一年也要吃掉9%；如果是日频高换手因子，年化换手上百倍，成本能轻松超过20%。回测里年化45%的高频因子，扣完成本可能是负的——这不是危言耸听，是交易成本建模课里的标准算例。
既然成本这么狠，为什么行业里还有那么多中周期策略活着？因为它们是被成本逼出来的选择。
行业的实际选择印证了这一点。证券时报的专栏提到，目前国内主流量化私募产品中，中周期策略（年换手约30至50倍）占比最高，短周期策略占比在逐步下降。原因不是短周期因子失效了，而是容量和成本约束下，管理人主动选择了换手更低、容量更大的因子组合。
这里就引出了第五道关的最后一问：容量。同一个因子，管1个亿时年化超额10%，管100个亿时可能只剩3%——因为大资金的每一笔调仓都在推动价格，冲击成本吃掉的是超额本身。财联社今年6月的报道给过一个数据：2026年前四个月，中证1000指增和中证500指增的平均超额分别只有3.24%和1.93%，连续七个月保持正超额的产品不足14%。行业规模冲到3万亿之后，超额变薄是全行业的现象，不是哪家管理人的问题。
五道关速查表（拿去问管理人）：
第一关，IC均值、IC标准差、IC大于零占比，三个都报才算合格。
第二关，分层回测看单调性，且回测必须计入交易成本。
第三关，新因子与已有因子库的共线性检验，剔除高相关。
第四关，样本外验证集一次都不能碰，因子库定期换血。
第五关，报容量上限：这个因子管到多大规模，超额开始明显衰减。
讲到这里，可能有读者会问：把五道关都严格执行，是不是就能稳定赚钱了？
不是。2026年7月就是一次现成的教学案例。当月量化多头策略出现大面积回撤，私募排排网数据显示，7月最后一周私募各类策略平均回撤约5.33%，股票策略平均回撤6.91%，量化多头回撤明显高于主观多头；单月部分产品跌幅超过20%。但8月市场修复后，量化多头单月平均收益达到9.71%，年内收益由负转正。
融智投资的归因是阶段性扰动而非模型失效：当月市场出现极端的风格切换和交易拥挤，量化模型集体暴露在同一种风格上，跌的时候一起跌，修复的时候一起修复。中信建投的观察更细：私募量化选股7月的回撤幅度高于公募主动量化，但修复速度也更快，呈现高波动、高弹性、修复能力强的特征。
这个案例暴露了五道关之外的东西：单因子检验做得再好，组合层面的风格暴露依然是独立的风险源。所有管理人都在挖动量、挖小市值，那么整个行业就堆积在同一类因子上，拥挤本身成为最大的风险。这也是为什么9月11日那周所有指增产品绝对收益全部为负、但其中五类超额为正——净值跌是因为指数在跌，模型本身并没有选错股票。
对不做量化、但要买量化产品的高净值投资者来说，这五道关不需要自己执行，但可以直接变成尽调问题。下面这份清单，每一条都对应前文的一道关，管理人答不上来的地方，就是研究的深度所在。
问题一：你们评价因子用哪几个指标？如果只报IC均值，不报稳定性和胜率，说明检验体系不完整。合格的回答应该同时提到IC均值、IC标准差（或ICIR）、IC大于零占比、分层单调性。
问题二：新因子入库前做不做共线性检验？和已有因子的平均相关性是多少？能报出具体数字的管理人，因子库管理是认真的；回答“我们的因子都是独家的”反而要警惕——公开因子平均相关性48%的背景下，宣称完全独家多半是营销话术。
问题三：验证集怎么切？因子库多久更新一次？季频更新是头部机构的常见做法，但更重要的是听他怎么解释更新的代价——换手上升、新因子未经完整周期检验。能主动讲权衡的管理人，比只讲优势的可信。
问题四：回测里的交易成本假设是多少？冲击成本怎么建模？对照上交所的实测数据，10万元订单15至16个基点是基准线。回测假设显著低于这个水平的，净值曲线要打折扣看。
问题五：策略容量上限是多少？现在管了多少？这是最锋利的一个问题。超额随规模衰减是物理规律，管理人如果给出明确的容量数字和衰减测算，说明他真的在意持有人收益；如果回答“规模越大越好”，基本可以判定销售导向压过了投资导向。
最后提醒一件事：这套五道关是用来识别研究深度的，不是用来预测收益的。一个严格执行五道关的管理人，依然会在7月那样的极端风格切换里回撤；一个跳过检验的管理人，也可能在某一年运气好跑在前面。方法论筛选的是长期胜率和研究诚实度，短期净值排名从来都不是。
把五道关、一份清单、一次7月的回撤案例放在一起，量化研究的真实面貌就出来了：它不是印钞机，而是一套不断自我怀疑的流程。怀疑得越严格，活着的时间越长。
每周拆一个量化投资的真问题，只讲方法和数据，不讲玄学。关注「用心小站」，下一份拆解已经在路上。
私募怎么选、怎么买？加微信 yxxz798，给你拆清楚。
关注用心小站，获取更多深度分析
风险提示：本文不构成投资建议。文中数据来自招商期货金工私募策略跟踪周报（截至2026年9月11日）、私募排排网、财联社、证券时报、上交所市场质量报告及华泰证券金融工程团队公开研报（《量化行业轮动的崎岖之路》2026年3月、行业轮动周报2026年6月与8月），统计口径已逐处标注。因子有效性因市场环境变化而衰减，历史回测与实盘表现存在差异，私募产品投资门槛高、流动性受限，投资者应充分了解风险后独立决策。股市有风险，入市需谨慎。
扫码添加企业微信 · 加入读者交流群
每天一篇深度财经文章 · 了解基金、量化基金选择，欢迎入群交流
扫码添加企业微信
添加微信扫码
（添加企业微信后自动发送入群链接）
评论专区
Comment area推荐产品
product新闻资讯
information
Securities industry
Bank financial management
Trust financing
微信公众号
官方微信
产品小程序
