QF-13 · LowVol + Illiq + Reversal · 多因子 / 容量
多因子组合：低波动 + 非流动性 + 反转
第 2–4 轮分别验证了单个因子与机器学习基线，但没人回答「叠起来还赚不赚、钱多了还能不能做」。第 5 轮把通过压力测试的低波动与非流动性、以及样本内表现最好的反转，各自转成横截面百分位排名后等权平均，每月做多最高的一组；再按 20 日成交额中位数和平方根冲击模型，把 2 千万到 50 亿九档资金规模的摩擦摊进样本外月度收益，估算容量与盈亏平衡规模。组合方式只按样本内夏普选择，样本外不参与。
核心命题把几个各自不强的横截面信号按排名等权叠起来，通常比单因子稳；但叠加后换手会上升，资金规模一变大就会被冲击成本吃回去。
它在赌什么
- 组合分散：不同信号的错误时点不完全重合，等权叠加后单月波动通常低于任一单因子。
- 排名而非数值：因子量纲不同（波动率、Amihud、收益率），转成百分位排名后可直接等权相加，不受极值支配。
- 容量约束：低波动与非流动性都偏向小盘、低成交的股票，信号越强，能装下的钱越少。
规则
- 信号：60 日低波动、60 日 Amihud 非流动性、1 个月反转（动量作为对照组单独回测）。
- 组合：每个因子先转成当日横截面百分位排名，三个排名等权平均，按综合分分五组，做多最高组，等权。
- 执行：月末收盘形成信号并假定在该收盘成交（收益从信号日收盘算起，T+1 区间），持有到下一个月末；单边 10bp 按实际换手扣除。这个假设比“次日收盘买入”乐观一天，两者之差见实盘跟踪页。
- 容量：impact = 1 × 60 日波动率 × sqrt(单票成交额 / 20 日成交额中位数)，进出各收一次，只作用于样本外区间。
为什么收录
多因子组合是量化实践的基本形态：单一信号的样本外衰减最快，叠加互相不相关的信号能延长策略寿命。
容量是策略的一部分而不是附注——同样一条净值曲线，1 亿能做、10 亿做不了，就是两条不同的策略。
什么时候会失效
- 信号高度相关时，叠加只是把同一个赌注下一遍，波动不降反升。
- 反转类信号换手高，叠加后年换手显著高于两因子版本，成本假设更敏感。
- 容量估算对冲击模型系数极度敏感，平方根模型的系数取 1 只是经验值。
- 按样本内指标挑选组合，本身就可能挑到噪声；样本外并不保证更好。
放到 A 股
- 创业板小盘股成交额分布极不均匀，容量几乎完全由最不流动的那几只持仓决定。
- 月度调仓 + 20% 涨跌幅限制，意味着极端行情里可能根本买不进目标组合。
数据与口径
- 数据需求
- 个股价量面板（后复权收盘 + 成交额）
- 本站状态
- 第 5 轮已回测，含容量与冲击成本估算
- 缺口
- 未计涨跌停、停牌与排队成交；幸存者偏差按上限披露
- 频率
- 月度
净值曲线
交互视图 →- 多因子组合：低波动 + 非流动性 + 反转
- 同池等权
起点归一为 100，月度采样；基准为同池等权。容量与冲击成本见 /factors.html 的组合与容量一节。成本：单边 10bp，按实际换手在每月首个持仓日扣除；冲击成本另见容量表。年化换手约 6.04 倍。
分年度收益
VS MARKET| 年份 | 多因子组合：低波动 + 非流动性 + 反转 | 创业板 | 超额 |
|---|---|---|---|
| 2011 | -14.5% | -35.4% | +20.9% |
| 2012 | +2.8% | -1.2% | +4.0% |
| 2013 | +77.5% | +83.9% | -6.4% |
| 2014 | +56.5% | +13.4% | +43.1% |
| 2015 | +172.9% | +84.8% | +88.1% |
| 2016 | +6.6% | -27.4% | +34.0% |
| 2017 | -20.9% | -10.1% | -10.9% |
| 2018 | -18.4% | -28.2% | +9.9% |
| 2019 | +45.7% | +44.8% | +0.9% |
| 2020 | +36.7% | +66.0% | -29.3% |
| 2021 | +44.0% | +12.4% | +31.6% |
| 2022 | -4.2% | -29.0% | +24.9% |
| 2023 | +30.6% | -18.8% | +49.4% |
| 2024 | +5.7% | +14.8% | -9.2% |
| 2025 | +52.4% | +51.6% | +0.8% |
| 2026 | -2.0% | -22.4% | +20.4% |
2026 年数据截至 11-06，为不完整年度。
参考文献与来源
- Optimal Versus Naive Diversification: How Inefficient is the 1/N Portfolio Strategy? (RFS) — DeMiguel, Garlappi & Uppal, RFS 2009。等权组合常常很难被打败。
- Anomalous price impact and the critical nature of liquidity (arXiv) — Tóth 等，2011。平方根冲击律的经验证据：冲击大约与交易量占日均量的平方根成正比。
- How efficiency shapes market impact (arXiv) — Bouchaud 等，2011。为什么冲击是指数 0.5 而不是线性。