多因子模型中因子权重的动态调整（如IC加权）.docxVIP

多因子模型中因子权重的动态调整（如IC加权）.docx

多因子模型中因子权重的动态调整（如IC加权）

一、多因子模型的核心逻辑与静态权重的局限

多因子模型是量化投资的基石，其本质是通过多个驱动股票收益的“因子”组合，构建对股票价值的综合判断。要理解因子权重的动态调整，需先回到模型的底层框架，看清静态权重的固有缺陷。

（一）多因子模型的基本框架与静态权重的常见方式

多因子模型的核心逻辑可概括为“因子暴露→权重分配→综合得分”：

因子定义：因子是能解释股票收益差异的“共同因素”，常见类型包括估值类（如市盈率、市净率）、成长类（如营收增速、净利润增速）、动量类（如过去6个月涨幅）、质量类（如ROE、资产负债率），以及宏观类（如利率、通胀）。

因子暴露：指股票在某因子上的“得分”——比如市盈率低的股票，在价值因子上的暴露为正（得分高）；市盈率高的股票则暴露为负（得分低）。

权重分配：将每个因子的暴露乘以对应权重，汇总得到股票的综合得分，最终按得分高低选股（买高得分、卖低得分）。

早期多因子模型普遍采用静态权重，即权重一旦确定便长期不变。常见方式有三种：

等权分配：所有因子权重相同（如4个因子各占25%），操作最简单，但忽略了因子有效性差异；

市值加权：按因子对应股票的市值大小分配权重（市值大的股票对应因子权重更高），但易过度偏向大盘股；

主观加权：凭投资者经验定权重（如认为价值因子更重要，给30%权重），但主观判断易受认知偏差影响。