主要观点：

Alpha 因子的演化与挑战多因子模型，作为量化投资界的关键工具，已积累深厚的海内外理论与实践基础。在国内资本市场，机构投资者亦多以其为核心择股框架。但随着市场演变，alpha 因子日趋 beta 化，持续产生 alpha 的因子变得稀少。在此背景下，新 alpha 因子挖掘和优化变得困难，传统方法能提供的增量相对有限。同时，深度学习虽强大，但因其“黑箱”性，在投资回撤时进行灵活调整较为困难。因此，当前市场环境下，建立多维度因子择时体系至关重要。

探寻因子择时的外生性和内生性因素外生性变量方面，我们创新的宏观因子择时框架融合了货币-信用周期与宏观事件：首先通过货币-信用周期来划分宏观环境，进而根据不同场景，利用统计检验严格筛选出有效的宏观事件，以此作为因子择时的依据。结果表明，同一宏观事件在不同周期中的择时表现有显著差异，且分周期宏观事件法在因子择时上效果稳健。内生性变量方面，我们创新性地引入了换手 IC，并借鉴了 CTA 的做法，将“CTA”择时理念引入因子有效性走势的分析之中，基于标准化后的数据划定信号触发区间。我们发现，在时序维度上，基本面和反转因子存在显著的动量效应，而防御和流动性因子展现反转特性。

因子择时对指数增强策略增量显著通过复合宏观事件、因子动量和离散度信号，验证了综合信号对指数增强组合的增量贡献。基于因子择时策略的沪深 300 增强组合的年化超额收益为 15.32%，相较于原增强组合在年化超额收益方面提升了2.6%，信息比由 3.10 提升至 3.46，最大相对回撤由-7.3%降低至￾5.3%。基于因子择时策略的中证 500 增强组合的年化超额收益为19.59%，相较于原增强组合在年化超额收益方面提升了 2.6%，信息比由 3.02 提升至 3.32。基于因子择时策略的中证 1000 增强组合的年化超额收益为 19.84%，相较于原增强组合在年化超额收益方面提升了2.1%，信息比由 2.87 提升至 3.14，最大相对回撤由-9.8%降低至￾8.2%。

风险提示本报告基于历史个股数据进行测试，历史回测结果不代表未来收益。未来市场风格可能切换，Alpha 因子可能失效，本文内容仅供参考。

正文目录

1 ALPHA 因子的演化与挑战 .......... 5 

1.1 ALPHA 因子 BETA 化日益明显 .......... 5 

1.2 ALPHA 增量难寻，深度学习存在可解释性难题 .......... 7 

1.3 亟待破局：规避风险与因子择时的抉择 .......... 8 

2 融合宏观周期与事件，探析因子择时的外生性 .......... 10 

2.1 揭秘因子择时的定义与应用 .......... 10 

2.2 战略性视角：基于货币-信用周期的因子择时 .......... 14 

2.2.1 货币流动性 .......... 15 

2.2.2 信用环境 .......... 18 

2.2.3 货币-信用周期对因子收益的影响 .......... 19 

2.3 战术性视角：分区制宏观事件择时策略 .......... 20 

3 挖掘因子择时的内生性因素 .......... 25 

3.1 因子动量：有效区间突破信号 .......... 25 

3.2 因子离散度：高/低位突破信号 .......... 30 

4 因子择时在指数增强模型中的应用 .......... 34 

5 总结 .......... 41 

风险提示： .......... 42

因篇幅限制，仅展示部分，更多重要内容、核心观点，请下载报告。