多因子模型 - 该多因子模型能够有效预测每个自然季度内各个行业间的走势强弱，年化超额回报达到9.90%[1] - 在季度区间下的多因子模型可用于优选行业组合的配置，排除预期表现较差的行业，提高选股成功率[1] - 调仓时点位于1、4、7、10月的月初时，季度行业轮动模型表现相对较好[1] - 模型基于有限历史数据和量化模型，存在过拟合风险，不能保证对样本外数据有效判断[2] - 理想的行业配置框架应结合主观研究和量化分析，探索行业配置方法，适用时间长度从月度延伸到季度[5] 动量因子 - 在季度区间内，基于绝对收益率的简单动量因子可用于计算因子值，观察行业在过去N个自然日内的绝对收益率[8] - 简单动量因子回测结果显示，按收益率从大到小排序，排名越高的行业得分越高，不同行业组在下个季度的平均收益率有所差异[9] - 复合动量因子与反转因子的叠加使用可提升效果，多因子模型在不同建仓起始点的效果也有所差异[4] - 负面行业排除池的效果显著，投资者可在负面行业池外选择股票，规避未来表现较差的行业，提高选股成功率[4] - 因子有效性会随时间推移而衰减，投资者需注意模型表现在每个季度内随时间推移而变化的情况[4] 因子优选 - 简单动量因子-5（N=365个自然日）被选为简单动量因子大类中的优选因子，但整体表现平庸[10] - 夏普比率-5（N=365个自然日）被选为夏普比率因子大类中的优选因子，具有较高的年化回报率和Rank IC为正概率[15] - ATR调整后动量-5（N=250个交易日）被选为该因子大类中的优选因子，具有较高的年化回报率和Rank IC为正概率[19] - 动量改善度-5（N=365个自然日）被选为优选因子，年化回报率为9.95%，Rank IC为63.64%[25] - 成交量波动-4（N=125个交易日）被选为优选因子，年化回报率为12.71%，Rank IC为68.18%[29]