华安证券-量化研究系列报告之二十二：临界相变：探寻传统因子中的非线性基因.docxVIP

敬请参阅末页重要声明及评级说明证券研究报告

金融工程

专题报告

临界相变：探寻传统因子中的非线性基因

——量化研究系列报告之二十二

报告日期：2025-06-12

分析师：吴正宇

执业证书号：S0010522090001

邮箱：wuzy@

分析师：严佳炜

执业证书号：S0010520070001

邮箱：yanjw@

相关报告

1.《ETF资金流透视：被动化浪潮下行业与个股的演进——量化研究系列报告之二十一》2024-12-24

2.《上市板块差异性视角下的选股策略优化与实战指南——量化研究系列报告之二十》2024-12-20

3.《破解Alpha投资困境：因子择时方案再探索——量化研究系列报告之十九》2024-9-13

4.《企业利润分配策略：短期股东回报与长期价值创造的平衡——量化研究系列报告之十八》2024-8-14

5.《另辟蹊径：发掘分析师因子中的另类alpha——量化研究系列报告之十七》2024-6-12

6.《探索股价动态关联，捕捉属性敏感的动量溢出——量化研究系列报告之十六》2024-3-21

主要观点：

主要观点：

l非线性效应无处不在

在当前A股市场的量化实践中，传统线性模型对因子收益关系的刻画存在局限。市值因子的实证研究率先揭示了这一困境——Barra风险模型发现，线性假设会系统性高估中盘股收益并低估大小盘分化，其通过在CNE5/CNE6模型中构建对数市值立方残差项，分离出中盘股独立风险敞口。这类非线性效应在基本面领域同样具有普适性。无论是市场风格指数的长期表现，还是行业市值中性化处理后的因子分组测

试，均指向了核心规律：基本面指标的边际效用存在临界点，历史财务数据的线性外推常因商业环境剧变、信息快速定价、财务粉饰行为而失效。

l非线性因子的挖掘框架

本文突破传统线性框架，主要以三大财务报表的字段为特征，辅以因子库中的基本面与量价因子，通过四类模型系统挖掘因子非线性效

应：1、多项式回归：通过中心化处理与残差正交化分离高阶效应；

2、样条回归：捕捉局部非线性结构并平滑过渡；3、锯齿函数：组间

非线性+组内线性化；4、门限模型：自动识别关键状态转折点。通过经上述模型转换后的新因子与原始因子进行截面回归，提取残差项作为剥离线性成分后的纯非线性因子。

自2013年1月1日-2025年5月30日，非线性复合因子Rank

IC均值为9.4%，年化ICIR为4.53，IC月胜率为90.6%，分组严格单调，多头年化超额12.7%，信息比3.31，且样本内外表现较为一致。

l基于非线性复合因子的指数增强策略表现优异

为考察非线性复合因子对多因子模型的实际贡献，我们以沪深

300、中证500和中证1000增强模型为例，结果表明，沪深300增强组合的年化超额收益为6.5%，信息比1.64；中证500增强组合的年化超额收益为8.6%，信息比1.67；中证1000增强组合表现相对优异，

年化超额收益为13.4%，信息比2.22。样本外增强策略仍有不错的表现。

l风险提示

本报告基于历史个股数据进行测试，历史回测结果不代表未来收益。未来市场风格可能切换，Alpha因子可能失效，本文内容仅供参考。

敬请参阅末页重要声明及评级说明2/34证券研究报告

金融工程

正文目录

1A股市场存在非线性基本面效应 5

1.1非线性效应无处不在，并非市值因子独有 5

1.2应对非线性效应的解决方案 7

2非线性基本面因子挖掘框架 7

2.1基本面非线性效应的经济逻辑 7

2.1.1成长持续性困境：越高越好还是过犹不及？ 7

2.1.2财务粉饰行为引起的数据可信度干扰 9

2.2非线性基本面数据挖掘流程 9

2.3如何刻画基本面因子中的非线性效应？ 11

2.3.1多项式回归：捕捉简单抛物线型规律 11

2.3.2样条回归：捕捉基本面因子非线性效应的灵活框架 13

2.3.3“锯齿函数”：融合微观线性与宏观非线性结构 16

2.3.4门限回归：捕捉基本面因子中的结构突变与非连续效应 18

2.4非线性效应是否存在于量价因子中？