量化因子

1. 特征经过规则才成为 alpha 预测#

股票特征（Stock Characteristic） 是决策时点 $t$ 对股票 $i$ 已知的横截面变量 $x_{i,t}$，例如账面市值比或过去收益。特征只是输入，不自动构成预测。

Alpha 因子（Alpha Factor） 是把时点信息依次经过字段定义、清洗、标准化、中性化和方向设定，转换为随后指定期限收益预测的完整规则。规则对股票 $i$ 在时点 $t$ 输出的标量 $s_{i,t}$ 称为因子值（Factor Score）；本章统一令数值越大表示预期风险调整收益越高。

这三个对象形成“原始特征 $\rightarrow$ 变换规则 $\rightarrow$ 股票分数”的预测链。风险模型中的**因子暴露（Factor Exposure）**则是股票对共同风险因子的载荷，或组合对构造因子组合的敏感度，不属于这条 alpha 生成链。

因子收益（Factor Return） 是预先规定的因子模拟组合随后实现的收益，或横截面回归估计的共同因子回报。它是实现量，不是时点 $t$ 的因子值或收益预测。

在可比组内标准化时，可先对原始字段执行预先固定的去极值规则，再计算：

• $\widetilde{x}_{i,t}$ 是只用时点 $t$ 可得信息清洗后的特征值，单位与原始字段相同。
• $g(i,t)$ 是股票当时所属的可比组，例如行业或地区；历史行业分类也必须使用当时版本。
• $\bar{x}_{g,t}$ 与 $s_{x,g,t}$ 分别是组内合格股票的横截面均值与标准差。
• $z_{i,t}$ 是无量纲标准分；$z_{i,t}=1.5$ 表示该股票的特征值比同组均值高 $1.5$ 个标准差。

可复算流程依次确定 point-in-time 股票池和字段可用日，处理缺失、负分母与极值，在预先选定的可比组内变换，再控制行业、规模、beta 等非目标暴露。若组内样本过少或标准差为零，标准分应记为缺失。温莎化、秩变换、稳健尺度和中性化都可能改变预测对象，选择规则必须在训练期固定，不能根据测试期收益回头挑选。

2. 价值比率必须匹配利益相关者口径#

价值因子（Value Factor） 以基本面量相对市场价格的比率衡量横截面相对便宜程度。它把股票放在同一把“每一元价格对应多少基本面”的尺子上，数值越高通常表示买到同样基本面所付的价格越低。

不同分子承载的经济对象并不相同：盈利与现金流度量持续经营的产出，账面权益更接近会计净资产，股利、回购与发行反映资本向股东的净分配。选择价值比率时，先确定要比较的基本面对象，再匹配相同利益相关者口径的市场价值。

时点 $t$ 的企业价值可写为：

• $EV_{i,t}$ 是企业价值（Enterprise Value, EV），单位为货币；它近似衡量普通股、债务和优先股共同对应的经营资产市场价值。
• $MV^{E}_{i,t}$ 是决策时可交易价格乘当时流通股数得到的普通股市值。
• $D$、$PS$ 与 $C^{excess}$ 分别是有息债务、优先股和超额现金；账面债务替代市场债务时须注明这是数据近似。
• $\tau(t)$ 是不晚于决策时点 $t$ 且已经公开的最近财报期，不能用财报期末日代替实际发布日期。

常用比率按同一口径配对：

• $NI$ 与 $BE$ 分别是归属于普通股股东的净利润和账面权益；$E/P$ 与 $B/P$ 是股权口径。
• $Div$、$Rep$ 与 $Iss$ 分别是现金股利、股票回购和股票发行，股东收益率中的发行取负号。
• $XF$ 是企业收到的净外部融资现金流；$-XF/EV$ 把净偿债、净回购和现金股利视为向全部资本提供者的净分配。
• 税后净经营利润（Net Operating Profit After Tax, NOPAT）是扣除经营所得税后的经营利润，表示经营活动为全部资本提供者创造的会计利润。
• $CFO^U$ 是去杠杆经营现金流，即按企业口径重列、可供债权人与股东共同取得的经营现金流；它用现金流口径补充 $NOPAT$ 的会计利润口径。
• 息税折旧摊销前利润（Earnings Before Interest, Taxes, Depreciation, and Amortization, EBITDA）与销售收入也属于企业口径，分别观察经营利润能力与收入规模。
• 所有分子取 $\tau(t)$ 时点可得的滚动期或预测期数据，必须统一币种、会计期间和一次性项目处理。

这些比率都在问同一个问题：一元市场标价背后有多少账面权益、利润、现金流或销售收入。股权口径只看普通股股东能取得的部分，企业口径则把债权人与股东共同拥有的经营成果和企业总价配对。

横截面排序优先使用 $E/P$ 而不是 $P/E$：亏损公司的负 $E/P$ 自然排在正盈利公司之后，而负 $P/E$ 的数值次序没有“越低越便宜”的经济含义。$BE$、$NI$ 或 $EV$ 为负或接近零时，比率可能失去单调含义，应预先采用缺失桶、分组模型或替代指标，不能用任意小常数修补。

行业内排序减少长期行业配置，但也把研究问题改为同行相对价值；全市场排序则同时包含行业风险。可比组还要兼顾经营模式相似性和横截面样本量：行业过窄可能没有足够股票形成稳定分布，分类过宽又会把利润率、杠杆和周期结构不同的公司混在一起。金融机构的债务和现金往往属于经营项目，普通工业企业的 $EV$ 口径不宜直接套用。周期行业中，股权盈利受杠杆放大，$NOPAT/EV$ 往往比 $E/P$ 更便于比较经营便宜程度，但仍不消除周期风险。

3. 价值排序与公司估值的两条路径#

• 价值排序（Value Ranking）：依据已实现基本面相对价格直接比较便宜程度，不显式预测每家公司的长期增长、再投资和资本成本；它适合大样本横截面筛选。
• 估值（Valuation）：在盈利能力、增长、资本结构和折现率假设下估计价值分布，再比较市场价格与条件价值；模型误差是结论的一部分。

若只想控制当前盈利能力对 $B/P$ 的横截面关系，可在每个时点估计：

• $ROE_{i,t}$ 是时点 $t$ 可得的净资产收益率（Return on Equity, ROE），与 $B/P$ 使用一致财报口径。
• $a_t$ 与 $b_t$ 是当期可比组横截面回归的估计系数，不是跨期不变的结构参数。
• $\widehat{\varepsilon}_{i,t}$ 是实际 $B/P$ 超出条件拟合值的部分；取其为信号时，正值表示相对同等 $ROE$ 股票更便宜。

例：条件价值残差

某行业在时点 $t$ 的训练期规则给出 $\widehat{B/P}=1.20-0.01\times ROE$，其中 $ROE$ 以百分点输入。一家公司 $ROE=20\%$，条件拟合值为 $1.00$；若实际 $B/P=1.35$，则残差为 $0.35$。这个数只表示“相对同等 $ROE$ 更便宜”，不等于内在价值有 $35\%$ 上涨空间，也没有控制杠杆、盈利持续性或会计质量。

价值溢价可以同时容纳风险补偿与行为偏差解释：高比率股票可能承受困境、流动性和宏观下行风险，也可能因投资者外推过去增长而被过度悲观定价。两种机制产生不同的状态、风险与失效预测，样本收益本身不能识别唯一因果。

4. 历史价值证据提供的是检验范式#

1986 至 2004 年附近的美国股票样本比较了八类价值信号：现金流相对企业价值的排序最稳定，账面市值比的区分度较弱；同一样本中，已报告盈利相对价格的表现还优于下一财年分析师预测盈利。不能因为数据更“前瞻”就预设预测更强，必须同时比较原始与风险调整 IC、IC 分布、分位数组合单调性和换手。这些相对表现只描述该历史样本，不是当前市场的参数。

分位数组合还揭示均值和 IR 以外的信息。若只有最便宜一端有效，信号不宜直接按线性分值映射到双向持仓；若中间分组反常，应先检查缺失值、负分母和分组规则。该历史样本中的价值因子 IC 分布普遍带有正偏，说明均值相同的信号仍可能具有不同的尾部收益形状。

1. 质量包含经营竞争力与管理行为#

质量因子（Quality Factor） 是利用时点财务报表信息评估企业经营健康度和管理行为的 alpha 因子家族。它包含经营竞争力与管理行为质量两个上位维度，不能把所有财务比率视为同一类信号。

经营竞争力（Business Competitiveness） 是企业利用经营资本持续产生经营利润和现金流的能力。回报水平、现金转化、资本成本和经营伙伴提供的融资需要共同观察，不能用单一利润率贴标签。

管理行为质量（Managerial Behavior Quality） 描述管理层如何通过会计确认、投资和融资决策把经营成果传递给资本提供者。外部投资者无法直接观察管理者动机，只能用报表行为构造带误差的代理变量。

代理问题（Agency Problem） 是管理行为质量维度下的一种利益冲突：管理者可能把资源用于自身利益、过度扩张或短期报表目标，而非最大化风险调整后的企业价值。因此，代理问题不是与经营竞争力、管理行为质量并列的第三类质量因子。

两个经营质量度量为：

• 净经营资产（Net Operating Assets, NOA）是投入经营活动、扣除无息经营负债后的净资本，单位为货币。
• $NOPAT_t$ 是第 $t$ 期税后净经营利润，$CFO^U_t$ 是同一期去杠杆经营现金流；两者都对应全部资本提供者口径。
• $RNOA_t$ 是净经营资产回报率（Return on Net Operating Assets, RNOA）；$CashReturn_t$ 是同口径去杠杆经营现金流相对平均 $NOA$ 的比率。
• $\overline{NOA}_t$ 是期初与期末 $NOA$ 的平均值，用平均存量与整期利润、现金流相配。

若 $RNOA=18\%$，可以理解为公司每占用一元平均净经营资产，当期产生 $0.18$ 元税后净经营利润；现金回报率则把分子换成同口径经营现金流。两者并排观察，可以看出报表利润转化为现金的程度。

第二式有时被简记为 CFROI。本章称其为“净经营资产现金回报率”，让名称直接对应 $CFO^U/\overline{NOA}$；完整的现金流投资回报率体系还会处理通胀、资产寿命和现金流期限。$NOA$ 非正或接近零时，两项比率会失去稳定尺度，应改用分组处理或其他盈利能力指标。高 $RNOA$ 也不自动代表新增投资创造价值；增量资本回报高于资本成本且存在可持续再投资机会，才把存量盈利能力连接到价值创造。

经营负债率及其变化刻画企业从供应商、客户等经营伙伴取得资金的程度：

这里使用 $OLRatio$ 与 $OLInc$，避免与资产负债表中的经营负债 $OL$ 混淆。两项比率也不是固定成本放大营业利润波动意义上的传统“经营杠杆”。较高经营负债率可能来自议价能力和低成本经营融资，也可能来自拖延付款或财务压力，需结合周转天数、行业惯例和负债构成判断。

2. NOA 恒等式与现金来源去向#

NOA 可从经营侧和融资侧递归展开：

• $OA_t$ 是经营资产，包括非现金经营流动资产和经营性非流动资产。
• $OL_t$ 是无息经营负债，例如应付账款、合同负债和经营性应计项目。
• $WC_t$ 是经营营运资本，即非现金经营流动资产减经营流动负债。
• $NCO_t$ 是净经营性非流动资产，即经营非流动资产减经营非流动负债。
• $D_t$、$E_t$ 与 $C_t$ 分别是有息债务、普通股权益和作为金融资产处理的现金。

经营侧的 $OA-OL$ 回答“资金压在了哪些经营项目里”，其中 $WC$ 是存货、应收和应付等短期占用，$NCO$ 是厂房、设备等长期占用。融资侧的 $D+E-C$ 回答“这些净经营资产由谁出资”，债权人和股东提供资金，可抽离现金抵减资金占用。

有息债务属于融资来源，不能混入 $OL$。少数股东权益、优先股、租赁和受限现金存在时，应按同一并表边界补入融资侧。

在清洁盈余关系成立、并把并购、处置、汇兑和其他综合收益单独调整后，一阶差分为：

$NI_t$ 是第 $t$ 期归属于普通股股东的净利润。$XF_t$ 是企业收到的净外部融资现金流，定义为净债务发行加净股票发行再减现金股利；“净发行”已扣除偿债和回购。这个恒等式把一元新增资金的来源与去向放在同一行：资金来自当期利润或外部融资，随后进入营运资本、长期经营资产或现金账户。

部分数据库把同一对象定义为向资本提供者的净分配，符号恰好相反，合成信号前必须统一方向。

除以前一期 $NOA$ 可得无量纲分解：

• $g^{NI}_t=NI_t/NOA_{t-1}$，是净利润相对期初 $NOA$ 的收益项。
• $xf_t=XF_t/NOA_{t-1}$ 是净外部融资强度。
• $wcinc_t=\Delta WC_t/NOA_{t-1}$ 与 $ncoinc_t=\Delta NCO_t/NOA_{t-1}$ 分别是营运资本和净非流动经营资产增量。
• $dcash_t=\Delta C_t/NOA_{t-1}$ 是现金增量。

$g^{NI}$ 使用净利润口径，$RNOA$ 使用 $NOPAT$ 口径。若要把第一项改写为 $RNOA$，还需同步把税后利息从融资现金流重新分类，才能保持两侧口径一致。

例：核对一元现金的来源与去向

某公司期初 $NOA=100$ 百万元，当期净利润为 12 百万元，净外部融资流入 8 百万元，现金增加 5 百万元。恒等式要求 $\Delta NOA=12+8-5=15$ 百万元。若营运资本增加 6 百万元、净非流动经营资产增加 9 百万元，则 $12+8=6+9+5=20$；标准化后 $12\%+8\%=6\%+9\%+5\%$。不相等通常意味着符号、并购、汇兑、租赁或报表分类尚未对齐。

3. 经营能力与代理问题信号具有不同层级#

$RNOA$、净经营资产现金回报率、经营负债率及其变化属于经营竞争力代理变量。应计、资本开支和外部融资则属于管理行为质量下的代理问题信号：它们观察资金如何被确认、投入或从外部筹集，不能与经营竞争力指标混成一个无层级列表。

同口径应计比率可写为：

$AccrualRatio_t$ 衡量经营利润中尚未转化为同口径经营现金流的部分。若该比率为 $20\%$，表示每一元平均 $NOA$ 对应的 $NOPAT$ 比同口径经营现金流高 $0.20$ 元。

较高应计可能预示利润持续性较弱，也可能来自正常增长、季节性或业务模式差异。用资产负债表差分估计时还会受并购、终止经营和汇率折算污染，能取得同期现金流量表数据时应优先直接构造。

总应计还可分为适应正常经营增长的非操纵性应计与由管理层判断产生的可操纵应计。简单的总应计比率不能直接证明盈余操纵；若研究目标是管理者主观确认，应先用行业、收入增长和正常营运资本需求估计预期应计，再检验剩余部分。相反，把所有应计都回归掉，也可能删除真实的投资扩张信息。

应计与资产扩张信号。 $wcinc$ 与 $ncoinc$ 分别记录流动和非流动经营资产扩张。极高值可能对应激进确认或低回报扩张，极低值也可能来自“大洗澡”式减记或经营收缩；两端都不能机械解释为质量单调改善。

资本开支信号。 净资本开支强度可用 $(CAPEX-Depreciation)/Assets$，资本开支增长则比较相邻报告期的支出变化。少投资不等于高质量：维护不足会损害竞争力，适度维护和高回报扩张可能优于零支出与过度扩张两个极端。

外部融资信号。 $xf$、净股票发行和股数增长衡量融资需求与稀释。高值可能对应过度投资，也可能为高回报项目融资；负值可能来自回购、分红或偿债。向资本提供者净返还资金可能传递管理层对经营前景的判断，但这一方向也受融资约束、资本结构和生命周期影响，不能单独证明管理层掌握利好私有信息。

线性 z-score 或线性回归隐含“每增加一单位分值，边际预测方向近似不变”。分位数组合应先检查单调性、两端不对称和拐点，再决定使用原值、秩、分段函数或非线性模型。图中的曲线只表达待检验假设，不能代替样本外证据。

1987 至 2004 年附近样本中的经营竞争力信号更接近单调关系，低竞争力公司的负面收益幅度还大于高竞争力公司的正面收益；应计和资本开支信号则主要由“过高”一端驱动，极低端并非最优，外部融资是较接近线性的例外。质量信号在该样本中总体比价值信号跨期更稳定，但相邻报表差分构造的 $OLInc$、$wcinc$、$ncoinc$ 和资本开支增长换手更高。这些结论属于历史样本中的模型诊断，不应直接写成当前市场规律。

1. 价格动量、短期反转与风险缩放#

价格型信号（Price-Based Signal） 是用决策时点之前的价格与收益历史预测随后横截面收益的信号家族，中期延续与短期反转是其中两个期限不同的经验关系。

价格动量（Price Momentum） 用截至决策时点的过去中期总收益，对未来指定持有期的横截面收益排序。回看期、跳过期、持有期与调仓频率必须分别说明。

短期反转（Short-Term Reversal） 指过去极短期收益与随后收益方向相反的经验关系，可能包含流动性冲击、买卖价差反弹和暂时性价格压力。它不是中期动量的同义词，也不能由同一组回看参数同时表示。

动量现象有三类候选机制：投资者对新信息先反应不足、后过度反应的行为偏差；公司信息延迟且坏消息传播更慢的信息摩擦；卖空限制使负面信息更难被套利的市场结构。历史收益延续只能证明预测关系，不能在这三种机制之间识别唯一因果。规模、分析师覆盖和过去赢家或输家一侧的差异应作为条件变量检验，而不是写入无条件定义。

使用含分红和公司行动调整的简单总收益时，中期动量为：

• $r^{TR}_{i,t-j}$ 是股票 $i$ 在滞后 $j$ 期的简单总收益率，退市收益也应纳入。
• $L$ 是最远回看滞后，$S$ 是最近纳入的滞后，两者使用与数据频率一致的期数。
• $MOM^{L:S}_{i,t}$ 是从 $t-L$ 到 $t-S$ 的复合收益；跳过最近 1 个月时，月频数据取 $S=2$。

例如月频 $L=10,S=2$ 时，公式把第 10 个月前至第 2 个月前的九段收益复合起来，留下最近 1 个月作为跳过期。回看期决定观察多长的历史，跳过期把中期趋势与极短期反转分开，持有期则规定预测要兑现多久。

为了让分值越大都代表预期收益越高，单月反转可定义为 $REV_{i,t}=-r^{TR}_{i,t-1}$：上月跌幅越大，反转分值越高。风险缩放动量可写为：

$\widehat{\sigma}_{\varepsilon,i,t}$ 是只用时点 $t$ 前数据、相对指定风险模型估计的年化或期化特质波动率。除法把同样的历史涨幅放回其个股噪声背景中：涨幅相同而特质波动更低的股票，风险缩放动量更高。

回看期、跳过期、持有期与调仓频率需要分别记录，分子与分母的期限也必须匹配。风险缩放只是把历史收益按特质波动率调整，资产定价意义上的风险调整 alpha 还需另行估计；小波动率会放大噪声，应设置训练期固定的下限。

2. 盈利修正的幅度与扩散度#

盈利动量（Earnings Momentum） 使用每股收益（Earnings per Share, EPS）预测修正、盈利意外或分析师修正扩散度，衡量新盈利信息是否被价格逐步吸收。

三类分析师信号分别观察修正幅度、修正广度和长期增长预期变化。前两类可规范化为：

• $ER_{i,t}$ 是过去 $H$ 个月一致预期 EPS 的修正幅度，$\overline{\widehat{EPS}}$ 是同一目标期分析师预测均值。
• $\widehat{\sigma}_{EPS,i,t}$ 是当期分析师预测横截面离散度，$\epsilon>0$ 是训练期固定的尺度下限。
• $ED_{i,t}$ 是盈利修正扩散度（Earnings Revision Diffusion），$N^{up}$、$N^{down}$ 与 $N^{unch}$ 是窗口内上调、下调和不变的独立分析师数量，因此 $ED\in[-1,1]$。
• $ER$ 保留修正幅度，$ED$ 强调方向广度；二者相关但不等价。

例如 $ED=0.60$ 表示上调人数减下调人数，相当于全部有效分析师人数的 $60\%$。

较慢变化的长期增长修正可写为：

$\overline{\widehat{LTG}}$ 是同一覆盖口径下的长期增长预测均值，$\widehat{\sigma}_{LTG}$ 是分析师预测离散度，$\epsilon_{LTG}$ 是训练期固定的尺度下限。长期增长修正与未来一期 EPS 修正属于不同预测对象，不能因为同为分析师数据就直接合并。

比较两个时点的 EPS 时必须锁定同一财年目标或使用恒定预测期限，避免财年滚动被误读为盈利上调。无覆盖或仅一位分析师时，标准化修正缺少稳定的离散度尺度。分析师历史库还可能回填最终一致预期、删除停止覆盖机构或缺少真实时间戳；缺失分值不是零修正，更不是看空信号，应保留独立缺失桶，并检查覆盖数量、公司规模和退市样本是否共同驱动结果。

3. 因子值相关与 IC 相关#

两个因子的相关性必须先说明横截面对象还是时间序列对象：

• $\rho^{score}_{ab,t}$ 是时点 $t$ 因子 $a$ 与 $b$ 在同一股票截面的因子值相关，用于判断持仓信号是否重复。
• $IC^k_t$ 是因子 $k$ 在时点 $t$ 的分值与未来 $h$ 期收益的横截面相关；Pearson 或 Spearman 口径须预先固定。
• $\rho^{IC}_{ab}$ 是两个 IC 序列跨决策时点的时间序列相关，用于判断两项预测是否在相同阶段成败。

因子值相关问的是“两把尺子是否把同一批股票排在相近位置”，IC 相关问的是“这两把尺子是否在相同月份一起有效或一起失效”。前者观察股票排序，后者观察预测成效的时间节奏。

低因子值相关不保证低 IC 相关，高因子值相关也不证明两个因子的经济机制相同。所有分值必须先统一为“越大越看多”；若应计、外部融资或短期收益的原始方向为负，应先翻转，再解释协方差和组合分散化。

方向翻转也会改变相关系数符号。若因子 $b$ 的原始高分预示低收益，则令 $s^{b,+}=-s^b$ 后，$IC^{b,+}=-IC^b$，从而 $\operatorname{corr}(IC^a,IC^{b,+})=-\operatorname{corr}(IC^a,IC^b)$。当两个因子的平均 IC 异号但原始 IC 正相关时，统一看多方向后才会表现为负相关和分散化；不先统一方向会把互补关系读反。

因子状态分析可以按增长与价值、市场方向、收益率曲线和信用利差划分同期样本，但 2007 年以前观察到的条件差异不能自动转化为择时规则。状态择时还需满足：变量在决策时可观测，阈值在训练期预先确定，测试期遵循真实时序，控制多重检验，并计入切换暴露造成的换手。用事后完整区间定义“市场状态”会产生前视偏差。

4. 从分组证据到成本后准入#

三类因子的比较需要建立在同一套实验框架上。复现或更新结果时，至少固定以下步骤：

1. 使用各历史时点的可投资股票池、实际可得财报和退市收益，不能以当前成分股或最终修订数据回填历史。
2. 价值与质量信号在行业内做百分位排序，并对会计口径失真的金融机构单独建模或排除；历史动量检验没有行业中性化，因而同时包含个股与行业动量，不能与前两类结果无条件横比。
3. 用随后三个月收益检验预测，并按季度调仓以避免重叠持有期造成的收益自相关和标准误低估；更换预测期限时，调仓与标准误处理也要同步调整。
4. 同时报告原始 IC 与控制 beta、规模及规模非线性后的风险调整 IC，再检查十分位收益形状、IC 分布、信号持久性和目标风险下的换手。
5. 将训练期固定的缺失桶、去极值、分组、中性化和方向规则原样用于测试期，再计入价差、冲击、借券和容量约束。

中间组合也不能省略：短期反转并非简单单调关系，过去一个月涨幅最高的一端随后较弱，但跌幅最大的另一端也没有形成对称的强反转；风险缩放改善了部分中间分组的一致性，却不等于获得风险调整 alpha。盈利修正的异常中间分组主要来自缺失值混入排序，而历史分析师数据库的幸存者偏差又使“缺失即看空”无法成立。

1987 至 2004 年附近样本中，动量组合的平均换手高于质量与价值组合，价值水平信号通常最持久；但质量类别中的报表差分信号也可能高换手。这一排序解释了为什么纸面 IC 不能独立决定组合权重：更新速度、预测衰减和单位换手成本必须共同进入净效用比较。

信号持久性与组合换手的定义为：

• $CFA_t$ 是相邻决策时点因子值的横截面自相关（Cross-Sectional Factor Autocorrelation, CFA）；数值越高，股票排序从上期到本期越稳定。
• $w^{-}_{i,t}$ 是交易前、经市场价格漂移后的组合权重，$w_{i,t}$ 是本次交易后的目标权重。
• $N$ 是纳入组合换手计算的股票数量。
• $TO_t$ 是单边换手率；$TO_t=10\%$ 表示本次调仓替换了相当于组合净资产 $10\%$ 的单边头寸。

是否年化、是否计入现金和衍生品需要另行说明。高 CFA 通常意味着信号变化较慢，但换手还取决于股票池变动、风险模型、约束、价格漂移和优化器。中期动量和盈利修正往往比估值水平变化更快，质量因子中的报表增量也可能高换手；这种排序是待验证的实施假设，不是跨市场恒定规律。

以上历史结果主要来自 1986 至 2004 年附近的美国大范围股票样本，只适合说明检验方法，不能作为 2026 年仍有效的参数。当前因子只有同时满足 point-in-time 数据无前视和幸存者偏差、样本外增量 IC 不由微盘或少数时期驱动、风险与状态暴露可解释、约束后仍能传递预测、扣除价差、冲击、借券和容量成本后净效用为正，才可进入组合。