“学海拾珠”系列之二百五十一：基于状态切换信号的动态因子配置

敬请参阅末页重要声明及评级说明 证券研究报告 基于状态切换信号的动态因子配置 ——“学海拾珠”系列之二百五十一 [Table_RptDate] 报告日期：2025-10-14 [Table_Author] 分析师：严佳炜 执业证书号：S0010520070001 邮箱：yanjw@hazq.com 分析师：钱静闲 执业证书号：S0010522090002 邮箱：qianjx@hazq.com [Table_CompanyReport] 相关报告 1.《如何压缩因子动物园？——“学海拾珠”系列之二百五十》 2.《基于频域的股权溢价（ERP）预测方法——“学海拾珠”系列之二百四十九》 3.《如何在投资组合构建中纳入宏观冲击？——“学海拾珠”系列之二百四十八》 4.《分散化投资是否驱动大盘股需求——“学海拾珠”系列之二百四十七》 5.《基于图形派与基本面派的股市信息效率模型——“学海拾珠”系列之二百四十六》 6.《分析师覆盖度与基金羊群行为 ——“学海拾珠”系列之二百四十五》 7.《异常值稳健回归控制下的 EP 因子有效性重估——“学海拾珠”系列之二百四十四》 主要观点： [Table_Summary] 本篇是“学海拾珠”系列第二百五十一篇，文献通过状态分析探究因子动态配置问题，剖析了各因子的周期性表现，在美国市场上，使用分别代表市场和六种风格因子（价值、规模、动量、质量、低波和成长）的指数，将每个因子指数相对于市场的主动表现所对应的因子特定状态推断，整合到 Black-Litterman 模型中，以构建一个全仓、纯多头的多因子投资组合。回到国内市场，也可以采用类似的方法运用 ETF进行 smart beta 策略构建。 ⚫ 稀疏跳跃模型（Sparse Jump Model，SJM） 首先，作者运用稀疏跳跃模型（Sparse Jump Model，SJM）来识别单个因子的牛市和熊市情景，采用的特征集基于历史因子主动收益的风险和回报指标，以及反映更广泛市场环境的变量。与传统方法相比，稀疏跳跃模型所识别出的情景具有更强的稳定性和可解释性。随后，作者采用一个假设性的单因子多空策略来评估这些情景推断并微调超参数，结果显示，该策略在所有因子上均实现了正夏普比率，且各因子之间的相关性较低。 ⚫ 利用 Black-Litterman 框架构建因子组合 接着，将这些情景推断纳入 Black-Litterman 框架，动态调整七个指数之间的配置比例，同时以等权重（Equally Weighted）投资组合作为基准。结果表明，构建的多因子投资组合相对于市场显著提高了信息比率（Information Ratio，IR），将等权重基准的信息比率从 0.05 大幅提升至约0.4。与等权重基准本身相比，动态配置策略实现的信息比率约为 0.4 至 0.5。该策略还提高了投资组合在夏普比率、最大回撤等关键指标上的绝对表现。这些发现凸显了利用状态转换信号，通过把握因子周期性来优化因子配置的有效性。 ⚫ 风险提示 文献结论基于历史数据与海外文献进行总结；不构成任何投资建议。 [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 / 20 证券研究报告 正文目录 1 引言 .......................................................................................................................................................................................... 4 2 资产范围：因子指数 ............................................................................................................................................................. 6 3 机制识别与在线推理 ............................................................................................................................................................. 8 3.1 统计跳跃模型 ......................................................................................................................................................................... 8 3.1.1 特征 ............................................................................................................................................................................... 9 3.1.2 一个 SJM 拟合的例子 ............................................................................................................................................ 10 3.1.3 在线推理 .................................................................................................................................................................... 12 3.2 单因子多空策略 ................................................................................................................................................................... 13 4 多因子组合构建 .............