量化研究系列报告之二十四：因材施“策”，量化视角下的因子舒适区探寻与应用-华安证券-250914.pdfVIP

[Table_StockNameRptType]

金融工程

专题报告

因材施“策”：量化视角下的因子舒适区探寻与应用

——量化研究系列报告之二十四

报告日期：2025-09-14主要观点：

[Table_RptDate]

[Table_Summary]

[Table_Author]⚫从因子分域到因子舒适区

分析师：吴正宇

执业证书号：S0010522090001传统多因子模型假设因子在不同股票间具有一致性和可比性，采用

邮箱：wuzy@全市场统一排序与加权方式，忽视了个股在基本面、流动性和市场行为

上的结构性差异，在行业分化、风格多变的A股市场中表现乏力。因子

分析师：严佳炜分域方法通过引入行业、市值等维度进行差异建模，虽一定程度上能提

执业证书号：S0010520070001

升有效性，但仍依赖静态、离散的人工分组，缺乏动态适应性及多特征

邮箱：yanjw@

联合建模能力。为此，本文提出“因子舒适区”概念，旨在推动因子投资

范式从“为域选因子”向“为因子找域”的转变，为每个选股因子找到能够持

续稳定产生超额收益的股票集合。

⚫因子舒适区的识别框架：预测偏差度量与多特征复合模型

准确度量因子在个股层面的定价偏差是识别舒适区的核心。本文系

统比较了OLS残差分析法、分位数差值法和概率分布散度法三种度量

方法，发现分位数差值法综合表现最优，其对风险模型复杂度不敏感，

且经行业市值中性化后仍保持稳定。在此基础上，本研究构建了多特征

[Table_CompanyReport]

相关报告线性预测模型，创新性地将因变量从收益率转为因子预测偏差，并引入

1.《让情绪“有结构”：大模型如何挖多类风险特征作为自变量，通过动态加权复合生成连续型“舒适度得分”，

掘研报新价值——量化研究系列报告实现全市场股票在同一标准下的排序与舒适区划分。

之二十三》2025-08-12

2.《临界相变：探寻传统因子中的非线⚫基于舒适区识别框架的复合因子表现优异

性基因——量化研究系列报告之二十基于舒适度得分构建的舒适区复合因子在年化ICIR与多头信息比

二》2025-6-12率方面有显著提升，二次复合后进一步增强了策略稳定性，具有增量价

3.《ETF资金流透视：被动化浪潮下行值。将该舒适区复合因子应用于中证1000指数增强策略，其年化超额

业与个股的演进——量化研究系列报收益达12.8%，信息比2.40，相对回撤-7.9%，全面优于基准策略；分

告之二十一》2024-12-24年度看，舒适区增强策略在绝大多数年份中能战胜基准策略，且近五年

4.《上市板块差异性视角下的选股策（2020–2024）的超额收益优势突出，年度超额收益分别达到11.3%、

略优化与实战指南——量化研究系列2.4%、4.5%、3.2%和1.5%。

报告之二十》2024-12-20

5.《破解Alpha投资困境：因子择时⚫风险提示

方案再探索——量化研究系列报告之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

十九》2024-