引入多维价量信息的风格因子轮动量化策略研究

摘要： 本报告探讨量化投资中风格因子轮动策略的演进，旨在通过引入多维价量指标解决传统因子动量在近年有效性下降的问题，并验证了动态合成信号与宏观维度结合在指数增强组合中的有效性。

核心观点：
传统因子动量在2020年后有效性明显减弱，需构建涵盖传统动量、衍生动量、技术指标、因子估值与拥挤度以及组合内部分化指标的多维价量指标体系。其中，动态合成方法（随机森林筛选重要特征后等权合成）比静态合成更稳健且IC更高，能更敏锐地捕捉非线性异常现象（如空头表现出色）。

论据支撑：

1. 指标有效性：技术指标（如RSI、BB、EMA）在2021年后在各股票池中的衰减情况优于经典动量指标；个股内部的分化指标稳定性也优于简单动量。
2. 合成效果：动态合成信号在沪深300、中证500、中证1000的回测中均提升了年化收益和夏普率。
3. 共振组合提升：将升级后的价量筛选标准与宏观维度结合，新因子共振组合在周频调仓下显著提升了指数增强组合的年化超额收益和信息比。

局限性/风险：

1. 数据依赖：模型准确度受限于历史数据长度，历史表现不代表未来。
2. 环境失效：宏观及市场环境大幅变化时模型可能失效。
3. 监控频次：部分反向信号（如中证500中的高波动率、短期动量）需要更高频次的监控，不宜长期使用。