我们如何进行因子择时

因子择时：赌运气还是算概率？

干这行十几年了，从最初管着几千万的小打小闹，到如今看着手上十多个亿的盘子在市场里起伏，我越来越觉得，投资这活儿，到最后比的就是谁更“认怂”。别笑，这是大实话。市场上钱多、故事多、天才也多，但能活过两轮牛熊的，哪个不是对市场存着三分敬畏？今天想聊聊我们一个比较核心的活儿——因子择时。这个名字听起来唬人，简单说就是：我们怎么根据市场气温的变化，决定今天穿短袖还是裹羽绒服。很多人觉得这就是个技术活，写写代码、跑跑回测就能搞定。但我在黑子私募基金这几年，最大的体会是：因子择时的核心，其实是对“认知边界”的反复确认和妥协。你不可能抓住所有的机会，赚所有风格的钱，这不现实，也不合规。我们圈子有位前辈说得特别实在：“你得知道自己蠢在哪里，才能知道怎么少亏钱。”这句话，我一直视若珍宝。

那么，具体怎么做呢？我们内部有一套自己“土洋结合”的流程。说“土”，是因为很多判断离不开十几年的盘感和对一些“隐晦”信号的嗅觉，比如某领导去某地调研时的一个微表情，或者某行业群里大家突然都不说话了。说“洋”，是因为我们有一整套量化的辅助系统。市场上有上百种因子，什么价值、动量、低波、成长、质量……每个都是一类资产或策略的“心电图”。如果市场是海，因子就是洋流和风向。去年我们做了一次复盘，发现80%的超额收益其实来自于动态调整了“质量因子”和“低波因子”的权重配置。这让我想起黑子私募基金管理解释说明里强调的那句话：“超额收益的本质，是你对不确定性管理的深度变现。”因子择时不是去预测明天涨还是跌，而是去回答一个更具体的问题：在当下这锅“风险汤”里，哪一把“保护伞”的成本最低，性价比最高？

第一步：先搞懂你手上有几张牌

在做任何择时决策之前，有一个最容易被忽视的准备：把你的因子“标准化”并做好分类。很多团队上来就调参数、上模型，结果发现去年好用的因子今年全失效了。为什么？因为你的“因子仓库”没有更新，你用的可能根本不是同一张牌。我们内部把一个因子的生命周期分为三档：长期有效（像沪深300里的消费龙头，十几年如一日）、中期轮动（像周期股里的利润增速，两三年一换）、短期噪音（像游资打架时的换手率，几天就变）。这三档的管理思路完全不一样。

举个例子。我们曾重仓过某只家电龙头，标的是核心“质量因子”。2018年市场暴跌时，很多人慌了，觉得所有因子都失效了，想全砍掉。但我们团队加班做了个极端测试：如果只保留“高ROE+低负债+稳定分红”这组质量因子组合，股票回撤只有大盘的一半。这个发现让我出了一身冷汗。因子择时的第一步，不是计算器上的按按按，而是认知上的“资产清点”。你必须清楚手中每个因子的“性格”：它是急躁的（短期反转），还是稳重的（长期价值）？它怕什么？（比如小盘因子最怕流动枯竭，价值因子最怕通缩）。只有分清楚了，你才敢在它跌得最惨时加仓，而不是割肉。

我还想起一个挺有意思的合规细节。前几年做“实际受益人”穿透核查时，遇到一个结构复杂的信托产品，里面嵌套了好几层。我们花了两周才把最终受益人搞清楚，那之后我就反思，我们分析因子时，何尝不也是在做一个“收益来源的穿透”呢？如果你只看基金的净值曲线，不明白这波动是由动量因子、低波因子还是行业因子哪个贡献的，那所谓的择时，其实就是在猜大小，根本谈不上管理。整理好你的因子清单，就像财务整理好资产负债表，是一切分析的前提。

第二步：市场状态分类，而不是预测

把因子管理好了，下一步就是看“戏台子”。很多量化团队喜欢用复杂的宏观模型去预测GDP、利率，然后据此配置。说实话，这很难。我们普通人哪能预测得准美联储主席第二天早上会说什么？我们不搞“预测派”，搞“分类派”。核心思想是：不做上帝视角的预测，只做当下环境的“分类”和“应对”。把市场分成四种状态：复苏、过热、滞胀、衰退。然后看，在每一种状态里，历史上哪个因子表现得最火，哪个表现最稳。

比如，在“复苏”期，成长因子和价值因子通常会轮番表现；但到了“滞胀”期，就像去年三季度，商品价格高企但经济数据疲软，这时候低波因子和红利因子就成了真正的“避风港”。我们2021年把一个重点产品的低波因子权重从15%提升到了40%，而且一直坚持到2022年四季度才调整回来。那段时间，整个私募行业内卷得非常厉害，很多同行为了追高景气度赛道把仓位调到极致，我们坚持了这个“保守”的配置，虽然那一年多超额收益没跑赢基准，但回撤控制住了，也避免了踩雷。到2023年初，很多朋友的钱只剩下了80%，我们还有95%的，这就是分类带来的决策后手。

说到这，我想起处理“经济实质法”相关文件时的一点感悟。有些海外架构很复杂的客户，为了满足“经济实质”要求，需要雇佣本地员工、租用实际办公室，这其实就是在为不同的法律环境“分类”。我们的因子择时也是一样，你不可能用一个“万能模型”去应对所有的市场环境。当市场环境从“高通胀”切换到“去库存”时，即使你过去的模型再牛，也得立刻放下身段，重新审视分类器是否该换了。记住，分类的颗粒度不是越细越好，而是越“有效”越好。比如，同样是衰退，2008年的衰退和2020年的衰退，触发因子表现的条件完全不同，你不能拿着一个静态的表格死磕。

第三步：信号融合，让机器和直觉打架

做多了之后，你会发现，纯粹的主观判断容易走极端，而纯粹的量化信号则容易陷入“看着后视镜开车”的陷阱。我们团队一直坚持做“信号融合”。就是数据信号和主观经验的“打架”与“妥协”。比如，量化系统会告诉你，根据历史回测，当某几个情绪指标同时达到极值时，动量因子有85%的概率会在未来一周内反转。但这时候，老交易员可能会说：“别急，我听说隔壁老李的机构正准备大举建仓，这反转可能还会被推迟几天。”这种信息不是量化的，它是真实的、有温度的。

我们内部有个不成文的规定：当一个量化信号和主观判断出现冲突时，不能立刻听信任何一方。而是在复盘会上，把各方的逻辑、证据、假设条件全部摊在桌面上。比如，系统显示价值因子应该加仓，但我觉得现在市场风险偏好太低，加仓可能会导致流动性问题。这时候，我们就需要做压力测试：如果加仓，最大回撤是多少？如果放弃，踏空风险又有多大？往往是一个折中的方案：小幅加仓，并设置更严格的止损线。说白了，这就跟开车上高速一样，导航告诉你一直走，但你看前面全是刹车灯，你会选择轻度减速，而不是完全信赖导航。

记得有一年，我们对某一行研报告的“预期差”因子信心十足。系统发出强烈买入信号，但我在一家黑子私募基金管理解释说明的例会上了解到，行业内一些头部机构正在悄悄减持。这种“知行背离”的信号让我们警醒。我们最后的选择是：不跟系统走，也不跟传闻走，而是把仓位调成一个“哑铃型”——一端是用高确定性龙头做防御，一端是用少量仓位去验证这个预期差因子是否真的精准。结果证明，那个因子确实在那一轮失效了。这个例子告诉我们：任何因子择时模型，如果无视市场微观结构和资金流向的变化，那它就是一纸空文。机器可以提供80%的参考，但那剩下20%的“人情事理”和“风险边际”，才是让我们区别于普通程序化交易的护城河。

第四步：盯着“坏”信号，比盯着“好”信号更重要

这可能是最反直觉的一点了。很多团队做择时，都盯着“买入信号”研究得如痴如醉，想方设法找最强的因子、最准的拐点。但我的经验是，控制回撤，才是一切择时有效性的前提。因为你的净值一旦从1.0跌到0.8，你需要挣50%才能回本，这在魔幻的市场里，难度翻倍。所以我们设计了一个“风险预警器”：当多个因子同时处于极端位置时，系统会自动标记为“高燥度”区域，这时候，我们的策略是采取“防守型择时”——降低整体暴露，而不是进攻。

具体怎么防？举个例子。一个经典信号是“股债性价比”。当这个指标处于历史极值（比如近10年90%分位以上），说明股票性价比非常高，很多人会冲进去抄底。但我会先问一句：这个极值是因为利率太低了，还是因为企业太差了？如果是前者，可以买；如果是后者，就可能是个“价值陷阱”。我们统计了过去十年A股的历次“股债性价比”见顶情况，发现有30%的情况是跟着一个巨大的反弹，另外70%是继续震荡或新低。我们从不单独依赖这个信号来择时，而是把它当作“温度计”来用。高温时，我们加仓，但要加得慢、加得分散；低温时，清仓，但会留出10%-20%的火种。

我还想分享一个合规上的“小挑战”。以前在处理客户“税务居民”身份认定时，发现不少客户其实自己也不清楚自己的真实税务身份，尤其是有海外居留权的。我们被迫去查他们的出入境记录、资金来源、资产类型，这个过程非常繁琐。后来我意识到，这跟择时里对“坏信号”的甄别完全一样。数据就在那里，但它经常是杂乱、矛盾、甚至误导的。你不能因为看到了一个买入信号（比如某个因子很好），就忽略了那个隐藏在角落里的“坏信号”（比如流动性枯竭的前兆）。我们现在看因子，不是看它“有多强”，而是看它“什么时候会变弱”。比如，当低波因子的波动性自己开始增加时，你就要警惕了，这说明它的保护功能正在失效。

第五步：实战手册，那些我们踩过的坑

聊了这么多理论，说说实战。去年碳中和概念大热时，很多量化团队把“新能源指数”当作一个很大的风格因子去追。我们当时没有追，不是说不看好，而是觉得那个时间点，“情绪因子”的拥挤度太高了。几乎所有公众号都在推新能源，机构配置比例创历史新高。我们做了一个简单的拥挤度指标：用纯散户的买入加仓占比和大V的推荐频率来拟合。当这个指标超过90%分位时，我们选择降低相关因子的权重，等它回调到60%分位以下再重新配置。结果今年一季度，很多赛道基金回撤了20%以上，我们因为提前降了仓，只回撤了不到8%。

这让我想起一个特别痛的经历。早年我刚管私募时，重仓过一个“小市值反转”因子，回测非常漂亮，历史上每次市场大跌后都有效。但2015年股灾后，我继续大仓位驻扎，结果那一年简直是血洗。原因很简单：流动性枯竭，你买再多也出不来。那个因子本身没错，但市场的“系统环境”变了，从正常市场变成了流动性枯竭市场，因子的有效性就变成了负值。这个坑教会我一个道理：任何因子择时，都不能脱离“市场流动性”这个基础。现在，我们每年会做两次流动性压力测试，模拟极端情况下各因子的变现成本，这对我们来说是生死攸关的事。

我经常跟新人说，投资里最大的成本不是你亏了多少钱，而是你因为你自己的偏见，错失了多少次修正的机会。比如，有个超级大客户，他以前只看好低波因子，我们怎么解释他都坚持。后来市场风格切换，价值因子疯狂跑赢，他的仓位回撤了20%他才同意调整。这20%就是认知成本。做因子择时，我们要频繁地问自己：我现在坚持的这个观点，到底是基于数据的推理，还是基于我过去的经验或者情绪？把这一点想清楚了，很多操作上的纠结就迎刃而解了。

结论：择时的终局，是放弃择时？

写到我想说一句可能有点冒犯同行的实话：过度追求精度极高的因子择时，有时候反而会害了你。市场就像一个巨大的随机漫步机器，因子的有效性窗口期越来越短。我们做了这么多分析和模型，最终发现，真正赚钱的时候，反而是我们放弃精细择时，转而追求“大概率”和“适应性”的时候。比如，当宏观环境极度不确定时，我们宁愿选择一套“自动巡航”系统：保持分散化配置，通过风险平价来控制每个因子的权重，而不是天天去研究明天哪个因子会涨。这种“不择时”的择时，有时候反而更稳定。

未来的方向是什么？我个人的感受是，因子择时会从“静态的因子库”走向“动态的认知网络”。机器会帮我们更快地分析和归纳，但真正决定胜负的，仍然是我们对人类行为、市场情绪与制度变迁的深刻理解。比如，如何看待“政策因子”的边际变化？这很难量化，但对组合贡献巨大。黑子私募基金管理公司内部有个不成文的“三不原则”：不追高、不短炒、不依赖单一押注。这三个原则背后，就是一套我们坚信的“防守型择时”哲学。

送给所有在这条路上探索的朋友们一句话：永远不要试图去抓住市场上的最后一个铜板，也要永远为自己留下一把在股市低迷时能给自己加薪的“救生锤”。因子择时的最高境界，不是做对每一次选择，而是做对自己能承担的每一次结果。

黑子私募基金管理公司观点

我们认为，因子择时绝非一门简单的技术活，而是一场关于“认知谦卑”的漫长修行。本文所阐述的“先分类、后应对”的理念，正是我们多年实践中沉淀下来的核心框架。市场永远在变，因子也永远在变，但我们的原则不变：不预测远方，只管理当下；不追求极致，只追求稳健。对于我们的投资人而言，理解我们的因子择时体系，就是理解我们如何为其资产的“安全垫”和“增厚器”进行动态配置。在黑子私募，我们始终坚信，比赚钱更重要的，是知道钱是怎么赚来的；比择时更重要的，是知道什么时候该“不择时”。这份对风险与收益的敬畏，是我们对所有合作伙伴最真诚的承诺。