量化研究系列报告之二十四：因材施“策”，量化视角下的因子舒适区探寻与应用-华安证券

敬请参阅末页重要声明及评级说明 证券研究报告 因材施“策”：量化视角下的因子舒适区探寻与应用 ——量化研究系列报告之二十四 [Table_RptDate] 报告日期：2025-09-14 [Table_Author] 分析师：吴正宇 执业证书号：S0010522090001 邮箱：wuzy@hazq.com 分析师：严佳炜 执业证书号：S0010520070001 邮箱：yanjw@hazq.com [Table_CompanyReport] 相关报告 1.《让情绪“有结构”：大模型如何挖掘研报新价值——量化研究系列报告之二十三》2025-08-12 2.《临界相变：探寻传统因子中的非线性基因——量化研究系列报告之二十二》2025-6-12 3.《ETF 资金流透视：被动化浪潮下行业与个股的演进——量化研究系列报告之二十一》2024-12-24 4.《上市板块差异性视角下的选股策略优化与实战指南——量化研究系列报告之二十》2024-12-20 5.《破解 Alpha 投资困境：因子择时方案再探索——量化研究系列报告之十九》2024-9-13 6.《企业利润分配策略：短期股东回报与长期价值创造的平衡——量化研究系列报告之十八》2024-8-14 主要观点： [Table_Summary] ⚫ 从因子分域到因子舒适区 传统多因子模型假设因子在不同股票间具有一致性和可比性，采用全市场统一排序与加权方式，忽视了个股在基本面、流动性和市场行为上的结构性差异，在行业分化、风格多变的 A 股市场中表现乏力。因子分域方法通过引入行业、市值等维度进行差异建模，虽一定程度上能提升有效性，但仍依赖静态、离散的人工分组，缺乏动态适应性及多特征联合建模能力。为此，本文提出“因子舒适区”概念，旨在推动因子投资范式从“为域选因子”向“为因子找域”的转变，为每个选股因子找到能够持续稳定产生超额收益的股票集合。 ⚫ 因子舒适区的识别框架：预测偏差度量与多特征复合模型 准确度量因子在个股层面的定价偏差是识别舒适区的核心。本文系统比较了 OLS 残差分析法、分位数差值法和概率分布散度法三种度量方法，发现分位数差值法综合表现最优，其对风险模型复杂度不敏感，且经行业市值中性化后仍保持稳定。在此基础上，本研究构建了多特征线性预测模型，创新性地将因变量从收益率转为因子预测偏差，并引入多类风险特征作为自变量，通过动态加权复合生成连续型“舒适度得分”，实现全市场股票在同一标准下的排序与舒适区划分。 ⚫ 基于舒适区识别框架的复合因子表现优异 基于舒适度得分构建的舒适区复合因子在年化 ICIR 与多头信息比率方面有显著提升，二次复合后进一步增强了策略稳定性，具有增量价值。将该舒适区复合因子应用于中证 1000 指数增强策略，其年化超额收益达 12.8%，信息比 2.40，相对回撤-7.9%，全面优于基准策略；分年度看，舒适区增强策略在绝大多数年份中能战胜基准策略，且近五年（2020–2024）的超额收益优势突出，年度超额收益分别达到 11.3%、2.4%、4.5%、3.2%和 1.5%。 ⚫ 风险提示 本报告基于历史个股数据进行测试，历史回测结果不代表未来收益。未来市场风格可能切换，Alpha 因子可能失效，本文内容仅供参考。 [Table_StockNameRptType] 金融工程 专题报告 [Table_CommonRptType] 金融工程 敬请参阅末页重要声明及评级说明 2 / 27 证券研究报告 正文目录 1 从因子分域到因子舒适区................................................................................................................................................................... 4 1.1 传统模型的困境：为何“一招鲜”无法“吃遍天” .......................................................................................................... 4 1.2 传统因子分域研究的优势与局限 ............................................................................................................................................ 4 2 因子定价偏差的度量方法与有效性分析 ......................................................................................................................................... 6 2.1 OLS 残差分析法 ......................................................................................................................................................................... 6 2.2 因子-收益率的分位数差值法 .................................................................................................................................................. 9 2.3 概率分布散度法 ....................................................................................................................................................................... 12 2.4 不同模型参数对比分析........................................................................................................................................................... 14 3 如何融合传统分域的信息与个股特质性信息 ..........