行业动量分域视角：再论行业轮动模型的因子化

摘要： 本文探讨了在量化投资中将行业轮动模型“直接因子化”的有效性，旨在解决中证500指数增强产品在上涨行情中因偏向反转逻辑而导致超额回撤的问题。

核心观点：
直接因子化是使用行业轮动模型的较优方式。行业动量因子能够提供与传统量价因子（尤其是反转逻辑）互补的增量信息，在指数增强框架下，将其作为因子参与选股比仅将其用于控制行业偏离幅度的效果更好。

论据支撑：

1. 低相关性与增量收益：行业动量因子与传统量价因子的横截面相关性较低，月度IC为 3.03%，能提供额外的超额收益来源。
2. 因子共振效应：在行业动量分域视角下，高动量组中的动量因子和反转因子表现持续更优且单调性更好。将行业动量因子化后，在综合打分时能与这些有效因子形成“共振”，从而选出因子暴露更高的股票。
3. 组合实证对比：在中证500模拟组合测试中，无论五因子还是六因子组合，直接因子化方案的累计净值走势均优于仅采用行业偏离控制的模型。

局限性/风险：

1. 因子连续性：相同行业得分相同导致因子值不连续，未来可能需通过构建复合因子解决。
2. 模型失效风险：量化策略基于历史数据构建，在市场环境发生重大变化时可能失效。