這篇文章是對本期一篇推送的進一步分析。在那篇文章對55個因子進行回測的基礎上，我們試圖去分析，不同類型的因子更適合怎樣的優化方式。因此在前文的基礎上，我們把55個因子分為8個大類，並測算了四種權重設置方法下組合收益率的變化情況。
我們具體的測算方法如下，首先按照既有研究和業界的實踐經驗，我們在倍發科技投資研究系統（Betalpha BAR）中選擇了55個倍發因子，並按照特徵將其劃分為8個大類來進行研究，具體的劃分方法如下表所示：
這些因子在各自的分類中都有非常出色的代表性和金融學上的含義，並大多在研究界和業界得到過廣泛的使用，下面的表格是我們基於滬深300成分股和中證500成分股，在BAR中對上述因子IC均值（信息係數，information coefficient）的測算結果，所謂IC值表示股票因子值和下一期收益的相關性，偏離0的程度越高說明因子的預測能力越好。這裡展示的是大類因子的平均IC。
數據來源：倍發科技投資研究系統(Betalpha BAR )
從大類上來看，兩類成分股大類因子的有效性存在一定的差異，比如對於滬深300成分股來說，技術類因子的預測效果不夠出色，而在中證500成分股中，技術類因子的預測能力就很不錯，這意味著我們對不同股池進行篩選時，需要考慮因子預測能力的有效性。此外，值得強調的是波動類因子在兩種成分股中的預測能力都很突出。
而在後面的分析中，我們將分別彙報八個大類因子在滬深300成分股和中證500成分股中的表現，並著重分析在使用倍發風險模型進行優化後，重點分析優化權重的股票組合相較於等權重的股票組合會有怎樣的表現。具體的回測條件如下：
1． 回測範圍：2011年3月24日至2018年4月23日的滬深300和中證500成分股；
2． 換倉頻率：每月換倉；
3． 換倉時剔除當日漲停與跌停股票，同時，ST、ST*和PT股票也不納入股池範圍；
4． 對每個因子均使用等權重、市值權重、絕對優化權重和相對優化權重四種方式進行回測，後兩種優化使用的模型為倍發基本面模型。其中，在使用相對優化權重時，滬深300組和中證500組的收益參照分別為滬深300指數和中證500指數的收益率。
5． 在使用倍發基本面模型進行優化時，要求單個個股在組合中的權重不能超過5%，優化目標為風險最小化；
6． 回測時，每次換倉時我們將重新計算因子值的大小，並按照計算值將每隻股票平均分為5組，其中F1組為對該因子值最大的20%的股票，相應地F5組該因子值最小的20%的股票。而每次換倉時，我們均考察每個因子F1組合的收益率情況，並對四種權重設置下的回測情況進行報告。
從55個因子測算總體來看：在滬深300成分股中，市值權重安排下，有28個因子的收益率得到了改善，在絕對優化權重下，有49個因子的收益率得到了改善，而在相對優化權重下，有37個因子的收益率得到了改善，三種配置情況下，因子平均年化收益率的分別提高了0.18%、2.41%和1.23%；而在中證500成分股中，市值權重安排下，只有4個因子的收益率得到了提高，在絕對優化權重下，有45個因子的收益率得到了改善，而在相對優化權重下，有22個因子的收益率得到了改善，三種配置情況下，因子平均年化收益率分別變動了-2.20%、1.75%和-0.20%，也就是說，對於中證500成分股而言，只有絕對優化方法要好於等權重的配置方法。而在兩類成分股中，無論從改善的因子數量還是提高的平均收益率來看，絕對優化方法也都是更好的方法。
數據來源：倍發科技投資研究系統(Betalpha BAR )
而對於八類因子來說，三類配置方法相較於等權重配置方法，在不同的股池中帶來的收益率提升如下（未能改善收益的已標紅）：
數據來源：倍發科技投資研究系統(Betalpha BAR )
從相較於等權重的超額收益來說，市值權重對於滬深300的盈利類因子和槓桿類因子都有不錯的配置作用，而絕對優化配置對於絕大多數因子都有很好的改善作用，尤其是在技術類因子之中的表現遠超其他配置方法，相對優化配置則在滬深300成分股中的盈利類因子和中證500成分股的波動類因子中有更好的表現。需要指出的是，
對於滬深300成分股來說，三類配置方式平均而言都比等權重配置更好，而對於中證500成分股來說，只有絕對優化權重配置顯著好於等權重配置。風險管理工具 / 量化投資知識 / 金融大講堂——"有金有險"
（歡迎金融機構從業的朋友申請BAR系統的試用）
閱讀更多 有金有險 的文章
