一、因子衰减的本质：到底什么是因子衰减？
做量化投资的朋友，或多或少都遇到过这种情况：
一个策略，回测时漂亮得像教科书里的案例，夏普比高得吓人。结果一上实盘，收益曲线就开始「躺平」，甚至扭头向下。
嗯，这背后十有八九就是因子衰减在作祟。
说白了，因子衰减就是某个选股因子，随着时间推移，它的预测能力逐渐变弱的过程。我刚开始做量化那会儿，总觉得找到个好因子就能一劳永逸。后来被市场狠狠教育了几次，才明白——因子是有「保质期」的。
1.1 因子衰减的数学定义
从数学角度看，因子衰减其实很好理解。我们通常用因子收益率的时间序列来刻画它。
假设某个因子在时间 t 的收益率为 \( r_t \)，那么因子衰减可以定义为：
r_t = α + β * t + ε_t其中：
- α 是初始因子收益（截距项）
- β 是衰减速度（斜率，通常为负值）
- ε_t 是随机扰动项
如果 β 显著为负，说明因子收益在随时间下降。这就是衰减。
我个人习惯用另一种更直观的方式——累积收益率曲线。一个健康的因子，累积收益率曲线应该是稳步向上的。一旦曲线开始走平甚至下弯，衰减就来了。
核心判断标准：
- 因子收益率序列的均值是否随时间下降？
- 因子的IC（信息系数）是否持续走低？
- 因子的多空组合收益是否缩水？
1.2 因子衰减的统计特征
我在项目中遇到过不少因子衰减的案例，总结下来，它有这几个典型特征：
特征一：均值回归性
因子收益不会一直衰减到零。它更像是一种「均值回归」——高收益期之后，必然跟着一段低收益期。你想想看，市场是有效的，一个因子被大家发现后，套利空间就会被迅速填平。
特征二：衰减速度非线性
衰减不是匀速的。初期可能很快，后期会变慢。我见过一个动量因子，前三个月IC从0.08掉到0.02，但之后半年都维持在0.02附近。嗯，这就像跑步——刚开始冲得猛，后面就慢下来了。
特征三：存在结构性突变
有时候因子衰减不是慢慢发生的，而是突然「断崖式」下跌。比如监管政策变了、市场风格切换了，因子可能一夜之间就失效了。我曾经做过一个市值因子，2017年之前表现一直很好，结果2017年之后小盘股风格彻底逆转，因子收益直接翻绿。
避坑指南：
我曾经犯过一个错误——看到因子IC下降，就以为是正常衰减，继续加仓。结果后来发现是市场结构变了，因子已经彻底失效。所以，一定要区分「正常衰减」和「结构性失效」。前者可以等待修复，后者必须立即止损。
1.3 因子衰减的量化指标
光说概念不够，我们得用数据说话。我常用的几个指标：
| 指标名称 | 计算公式 | 判断标准 |
|---|---|---|
| IC衰减率 | IC_t - IC_{t-1} | 连续3期为负，警惕 |
| Rank IC衰减 | Spearman相关系数变化 | 绝对值下降超过0.3，需关注 |
| 因子收益率斜率 | 线性回归的β系数 | β显著为负，确认衰减 |
| 半衰期 | 因子收益降至一半所需时间 | 半衰期越短，衰减越快 |
这里我特别想提一下半衰期这个概念。它最早来自物理学，用在因子上也很贴切。一个因子的半衰期是3个月，意味着3个月后它的预测能力只剩一半了。我一般用这个指标来给因子「排雷」——半衰期太短的因子，我基本不会重仓。
1.4 因子衰减的底层逻辑
为什么会发生因子衰减？说白了，就三个原因：
- 市场套利：因子被公开后，资金涌入，超额收益被抹平
- 过拟合：因子本身是数据挖掘的产物，样本外自然失效
- 市场结构变化：制度、参与者、流动性变了，因子赖以生存的土壤没了
我记得有一次跟同行聊天，他说了一句让我印象很深的话：「因子衰减，本质上是你跟市场博弈的结果。你赚的钱，是市场还没反应过来时的信息差。」
嗯，这话虽然糙，但理不糙。
个人经验：
我建议每个因子都要做「压力测试」——模拟因子在极端市场环境下的表现。比如2015年股灾、2020年疫情，你的因子扛得住吗？如果扛不住，那它的衰减速度可能会比你想象中快得多。
1.5 一张图看懂因子衰减
下面这张图，是我自己总结的因子衰减全流程。你可以把它当作一个诊断工具：
这张图的核心逻辑很简单：因子从发现到衰减，是一个不可逆的过程。我们能做的，就是在衰减初期识别它，然后做出正确应对。
好了，关于因子衰减的本质，就先聊到这儿。记住一句话：没有永恒的因子，只有永恒的应对。