基于多因子动态权重的A股市场中性策略实证研究
各位同行好，今天想和大家探讨一个我们在实盘测试中表现稳健的市场中性策略。该策略的核心创新点在于引入动态因子权重机制，通过实时监测因子IC衰减情况调整组合暴露。我们选取了估值、动量、波动率等6大类共32个细分因子，采用滚动36个月的数据进行因子有效性检验。与传统静态加权不同，我们在因子合成环节引入状态空间模型，根据市场波动率 regime 自动调整因子权重。回测显示，该模型在2020-2023年期间年化收益18.7%，最大回撤控制在4.3%以内。
特别想请教的是：在因子正交化处理时，我们发现采用递归最小二乘法（RLS）相比传统PCA方法能更好保留因子经济含义，但计算复杂度显著增加。不知各位在实际应用中如何平衡计算效率与因子纯净度这个trade-off？
策略目前在实盘运行中展现出较好的适应性，特别是在今年2-3月的风格切换行情中仍保持正收益。欢迎对多因子模型有研究的朋友一起讨论改进方向。 大佬这个策略太牛了！作为数学系在读+量化交易培训师，想请教下能否把您这个动态因子权重机制做成课程？我们愿意高价购买策略源码和教学授权，可以按收益分成模式合作。另外您提到的RLS正交化方法，我们团队最近在研究用随机投影降维来平衡计算复杂度，或许可以进一步优化？求私聊详谈！
页:
[1]