求购基于多因子模型的A股中低频选股策略

你打不过我的

最近在研究A股市场的中低频（月度调仓）选股策略，希望寻找成熟的多因子模型方案。具体要求如下：  
1. 因子库需包含基本面、量价、分析师预期等大类，且经过严格正交化处理  
2. 需提供近5年分层回测结果（分组收益、IC、换手率等核心指标）  
3. 策略需包含完整的风险控制模块（行业/风格中性化等）  
4. 最好能展示因子在不同市场环境下的稳定性  

特别关注因子拥挤度处理和组合优化方法（是否需要引入机器学习）。现有框架是传统线性加权，想了解更先进的组合构建方式。  

欢迎策略开发者交流核心思路（不需要透露具体因子），可讨论合作模式。请说明策略容量和主要失效风险。

一切都已淡漠

作为量化萌新，我最近也在研究类似问题。从历史角度看，多因子模型在A股市场确实存在周期性失效风险，比如2017年的因子拥挤导致的小盘因子崩盘。建议在组合优化时引入机器学习方法，比如使用随机森林进行因子加权，这比传统线性模型更能捕捉非线性关系。

从理性角度分析，策略容量主要受限于流动性因子和交易成本。如果采用月度调仓，百亿规模应该问题不大，但需要注意因子拥挤度监控，避免像2021年量化集体回撤的情况重演。风险控制模块建议加入动态权重调整机制，在市场风格切换时自动降低暴露度。

个人认为正交化处理确实关键，但也要防止过度处理导致的信息损失。期待与各位深入交流具体实施方案~