[00:00] 本期附现一篇深度多因子选古研究 我们把它落到护身300 月调组合上 2017年7月14日到2026年9月11日的 近累计只有125.6%
[00:14] 年化9.6% 下谱0.52 而同期同宇宙等全年化是15.7% 而策略每个月末按20日深因子得分买入 护身300里最高的10%
[00:27] 并等全持有 按单中千分之四扣除交易成本 最大回撤为负35.9% 结论指覆盖当前沪深300的300只成分
[00:39] 19个价量代理因子和滚动让本外窗口 本策略股票池固定为当前沪深300的300只成分股 约莫只从得分最高的10%里选股
[00:52] 约持有30只输入为19个价量分隔及衍生因子 包括反转动量、规模、价值代理、波动和换手 只用当日及以前价格成交 按千、十万亿级行业构建同业关系
[01:05] 并去除全市场共同影响 系列以滚动扩展窗约半年一个测试段 测试段是调用此前全数出分 交易端只用20日测头 月末等权买入最高的10%
[01:18] 换手按单边千分之四扩成本 大摆设和原矿价不是同一份数据 原矿价用官方面板 63个风格因子定含分析师预期 我们只用量化终端前赴全日线和19个价量代理因子
[01:33] 没有一致预期原矿价覆盖中正300 500 1000历史成分约两千八百只本回撤只取当前沪深三百的三百只存在存活偏差行业图
[01:46] 也从原矿价的中心一级 改成本回撤的深外一级 同业全连接 由2010年到2022年综本 回撤日线 从2016年1月4日 到2026年9月11日
[01:59] 主定值从2017年7月14日开始 并采用 18折扩展窗 日期抽息和参数随机导动更新 所以表格结果 只对本代理数据和本训练流程负责
[02:12] 不是原始格点的替代 变因 与深因子组合取建 是滚动样本外的扣备定值 事先后的2025年5月6日 到2026年9月11日 属于短样本观察
[02:25] 深因子组合长样本 近累计125.6% 却长期落在宇宙等权 和同因子线性之下 说明问题不是组合没涨 而是排序质量不够 同样的股票池
[02:38] 同样的月末最高10% 和同一组因子线性策略 长量本累计630.2% 约7倍进质量级 不生因子组合 最长水下约112周
[02:50] 最大混测负35.9% 体验更像高波动多头 而不是低混测二发产品 小一把 所有因子策略都按单边千分之四扣费
[03:02] 宇宙等全基本位扣费 所以基本表现略偏乐观 样本外组结果显示 深因子组合常样本累计125.6% 年化9.6%下谱0.52%最大回撤负35.9%软样本累计22.8%年化16.8%夏普0.72
[03:22] 论文对照窗累计86.9% 年化14.0% 同因子线性长 样本累计630.2% 年化25.2% 夏普1.28%
[03:34] 差距明显刀分的线性长 样本累计630.2% 年化14.0% 同因子线性长样本累计630.2% 年化25.2%
[03:47] 下谱1.28% 差距明显是100%的基准滋滋两气 即使把宇宙等权也按捩调仓 并补上相近摩擦 也补不回相对线性的劣势 所以本报告只讨论扣费后的净值和绩效指标
[04:02] 打长窗和短窗绩效并排比较长 样本里同因子线性年化25.2% 下谱1.28 最大回撤负32.0%
[04:14] 全面优于深因子组合的9.6% 0.52%和负35.9% 短样本中因子等全年化28.5% 下谱1.27 最大回撤负13.2%
[04:27] 深因子组合只有16.8% 0.72%和负19.2% 这说明今一年价量风格本身有几面机会 但除注意力深 因子头没有把它转化为更好的股票排序
[04:39] 直到2022年6月30日的对照窗 深因子组合年化14.0% 仍低于同期宇宙等权的17.7% 落势并非最近才出现 高层可以这样用月末最高的10%等权单边千分之四成本和滚动样本外流程可保留为月平选股基础框架
[05:01] 更值得优先测试的是 同因子信息模型 转让本累计630.2% 年化25.2% 下谱1.28 进行研究生因子投石 要先扩充因子信息
[05:14] 改进历史成分处理 并检验行业分类和训练器变化 资金配置 需按35.9%的最大回撤和约112周水下期预留预算 不能视为稳定Alpha产品
[05:27] 规格上不要默认用图 注意令深因子头替代线性或简单分隔加权 也不要把当前成分回撤外推为无存活偏差的食材收益
[05:40] 发病者的结论很直接 策略在呼声300 当前300只成分 每个月末按20日深因子折分买入最高的10% 并等权持有 单边成本三分之四可交易的滚动样本
[05:54] 外主结果为 长样本累计125.6% 年化9.6% 下谱0.52 最大回撤负35.9% 不去被替代基准的优势
[06:06] 生因子组合同时跑输同宇宙等权和同因子线性 其中线性长样本累计630.2% 年化25.2% 下谱1.28%
[06:18] 本研究的主要帮助是明确排除一个默认选择 在当前护身319个价量代理因子和这套训练流程下 并先用线性或更干净的风格加成
[06:30] 不要默认上升因子图注意力头