一、因子衰减概述：什么是因子衰减？
因子衰减，说白了就是——一个曾经有效的选股因子，随着时间推移，它的预测能力会逐渐下降。
我刚开始做量化那会儿，总觉得找到一个好因子就能一劳永逸。结果呢？回测曲线漂亮得不行，实盘三个月就开始拉胯。嗯，这就是典型的因子衰减在作祟。
1.1 因子衰减的直观理解
想象一下，你发现了一个规律：市盈率低的股票，未来一个月表现更好。这个规律在2010年非常显著，但到了2020年，效果就大打折扣了。
为什么会这样？因为市场在进化，参与者在学习，套利空间在缩小。这就是因子衰减的本质。
核心观点：因子衰减不是因子失效，而是因子的边际贡献在递减。就像一块电池，不是突然没电，而是电量慢慢耗尽。
1.2 因子衰减的数学定义
从数学角度看，因子衰减可以用一个简单的模型来描述。
假设因子收益率是一个时间序列，我们可以写成：
r_t = α + β * f_t + ε_t其中：
r_t是t时刻的股票收益率f_t是t时刻的因子暴露β是因子收益率（我们关心的核心指标）α是截距项ε_t是残差
因子衰减，就是β随时间t的推移而逐渐趋近于0的过程。
更严谨一点，我们可以用衰减函数来描述：
β(t) = β₀ * exp(-λ * t)这里：
β₀是初始因子收益率λ是衰减速率（越大衰减越快）t是时间
个人经验：我在做A股因子研究时发现，大部分基本面因子的半衰期在6-18个月之间。也就是说，一个因子从发现到效果减半，大概需要半年到一年半的时间。
1.3 因子衰减的经济学含义
因子衰减背后，其实反映了几个重要的经济学原理：
- 市场有效性假说：市场会逐渐吸收并消化新的信息。一个因子被公开后，套利者会涌入，直到超额收益消失。
- 竞争加剧：越来越多的量化机构使用相同的因子，导致因子拥挤。我记得2017年那次小市值因子崩盘，就是典型的拥挤交易踩踏。
- 结构性变化：市场规则、投资者结构、监管环境的变化，都会导致因子失效。比如注册制改革后，很多传统的壳价值因子就彻底废了。
避坑指南：我曾经犯过一个错误——看到一个因子回测10年都有效，就以为它永远不会失效。结果呢？2018年之后，那个因子的IC值直接从0.08掉到了0.01。所以，永远不要迷信历史回测。
1.4 因子衰减的量化度量
在实际工作中，我常用以下几个指标来度量因子衰减：
| 指标 | 定义 | 说明 |
|---|---|---|
| IC衰减率 | IC值随时间下降的斜率 | 负值越大，衰减越快 |
| 半衰期 | 因子效果衰减到一半所需时间 | 越短说明因子生命周期越短 |
| 衰减拐点 | 因子效果开始显著下降的时间点 | 通常对应市场结构变化 |
| 拥挤度 | 因子被使用的广泛程度 | 越高越容易加速衰减 |
你想想看，如果一个因子的半衰期只有3个月，那你还敢重仓持有吗？肯定不敢。所以，理解因子衰减，本质上是在帮我们做风险管理。
1.5 因子衰减的典型模式
根据我的观察，因子衰减大致有三种模式：
- 渐进式衰减：效果缓慢下降，像温水煮青蛙。大部分基本面因子都是这样。
- 突变式衰减：突然失效，像被一刀切。比如监管政策变化导致的因子失效。
- 周期性衰减：有效-失效-再有效，循环往复。比如季节性因子。
关键认知：因子衰减不是坏事，它是市场成熟的标志。一个永远有效的因子，反而说明市场存在严重的定价错误。
1.6 本章知识体系
下面这张图，是我自己梳理的因子衰减知识框架，你可以对照着理解：
我的建议：刚开始研究因子衰减时，别急着上复杂模型。先拿一个简单的因子，比如市盈率，看看它过去5年的IC走势。画个图，你就能直观感受到什么叫衰减。
好了，这一章我们聊了因子衰减的基本概念。记住一句话：没有永恒的因子，只有永恒的变化。下一章，我们会深入讨论如何量化度量因子衰减，以及如何构建动态调仓策略来应对它。
公众号:蓝海资料掘金营，微信deep3321