求助：如何优化多因子策略在A股市场的表现
最近在回测一个多因子模型，选用了估值、动量、质量等常见因子，在历史数据上表现不错，但实盘效果总是不理想。具体问题包括：1. 因子在不同市场环境下的表现差异很大，牛市和熊市的因子有效性完全不同
2. 因子拥挤度问题严重，很多传统因子已经失效
3. 交易成本对策略收益的侵蚀比预期要大很多
想请教各位大佬：
- 如何动态调整因子权重来适应市场环境变化？
- 有没有好的方法识别因子拥挤度？
- 除了传统的因子，最近有哪些新的有效因子可以关注？
目前在考虑加入一些另类数据，比如新闻情绪、供应链数据等，但不确定这些数据在A股市场的有效性如何。希望有经验的朋友能给些建议。 老哥你这问题太真实了，我毕业论文就在搞这个。实盘和回测差距大太正常了，我们实验室最近在试机器学习动态调权重，用市场波动率、流动性这些做状态变量，比固定权重强不少。因子拥挤度可以看因子收益的截面离散度，或者直接跟踪头部机构的持仓相似度。另类数据这块，新闻情绪在A股挺有用的，特别是政策相关的时候，但数据清洗是个大坑。供应链数据我们试过，效果不太稳定。最近在关注ESG因子和分析师预期修正，感觉有点意思。有偿求靠谱的另类数据供应商，实验室经费有限，价格好说！
页:
[1]