做多因子投资的人大概都有过这样的观察：价值因子有的年份大赚、有的年份连亏好几年，动量因子时不时来一次崩盘，如果能提前知道接下来哪类因子更占优，把仓位往那边挪一挪，收益应该能好不少。这就是因子择时。从上世纪九十年代算起，围绕这个问题的研究已经有三十多年，结论却远没有直觉那么乐观。本文沿着时间线梳理这些研究，再谈谈我们对大语言模型在其中作用的看法。

何为择时

现在把因子理解为给资产品种的打分，比如过去一段时间的涨幅、估值高低、远月合约相对近月的升贴水。主流做法将资产按资产因子分数的分位数买入最高的一组、卖出最低的一组，并将这个多空组合的收益定义为因子收益。

拿到几十上百个因子以后，最简单的用法是长期固定地持有它们，例如等权组合。因子择时（factor timing）则是根据当时能看到的信息动态调整权重，所用的信息可以是因子自身最近的表现、估值、波动、拥挤程度，也可以是宏观数据或新闻文本。

择时本身没有直观的价值体现，其标准其实很朴素：在给模型增加了新的信息后，或做出理想假设后（比如因子表现本身的持续性？），是否在收益或夏普上能够跑赢非择时信号。

择时的难点

第一是信号太弱。Neuhierl 等人在 318 个美股因子上测试了 39 种择时信号，最好的多信号模型对因子月度收益的样本外 $R^2$ 中位数只有 0.76% 左右，方向判断的准确率约 57%。择时信号通常能做到的只是让判断稍微偏向正确的一边，其带来的提升与择时本身的稳定性相比较，大部分不具有显著优势。

第二是因子之间高度相关。Haddad、Kozak 和 Santosh 发现，50 个异象收益的前 5 个主成分就能解释约六成的方差。如果在一大堆相似的因子之间逐个挑选，很多所谓的切换只是在同一类风险的不同版本之间来回倒腾。进而，行业内也常常引入本身可以消除因子间相关性的方法来规避这一问题。

第三是因子本身衰减带来的过拟合。McLean 和 Pontiff 统计了 97 个收益预测变量，发现它们在论文发表后收益平均下降约 58%。历史上看起来有效的择时规则，也可能只是碰巧拟合了某一段行情，这是量化中老生常谈的问题。我们在进行择时设计时，往往也要重点考虑，择时所使用的因子排序指标是否具有持续性。

这几点叠加在一起，意味着择时能带来的增量上限不高，而犯错的代价不小。所以文献中真正站得住的方法，通常不是模型更复杂，而是自由度更少、先验更合理、执行更保守。

三十年的研究脉络

可预测性与条件模型（1990 年代至 2000 年代）

Ferson 和 Harvey（1991）发现，股票和债券收益中可以预测的部分，大多来自随宏观环境变化的风险溢价。风险溢价并非常数，这为择时提供了理论依据。

Asness 等人（2000）做了较早的风格择时研究：价值股和成长股之间的估值差距拉得越大，价值风格随后跑赢的概率越高。Cohen、Polk 和 Vuolteenaho（2003）进一步分析了股票之间的估值差异，发现其中只有约百分之 20–25 可以由长期预期收益的差异解释，其余还与未来盈利能力预期及估值水平的持续性有关。这说明估值差异并不能完全转化为未来收益的可预测性。

同一时期也有其他声音。Goyal 和 Welch（2008）把文献中的大盘择时变量逐一放到样本外检验，结果大多跑不过直接用历史均值做预测。Rapach、Strauss 和 Zhou（2010）随后发现，把多个单变量预测简单平均，样本外表现会明显改善。多个弱信号合起来用，比挑出单个“最佳”信号更可靠，这个经验后来在因子择时研究里反复得到印证。

因子层波动管理（2010 年代）

Barroso 和 Santa-Clara（2015）以及 Daniel 和 Moskowitz（2016）研究了动量策略的风险管理问题，发现基于历史风险信息动态调整仓位，可以显著缓解样本中的动量崩盘风险，并改善风险调整后收益。Moreira 和 Muir（2017）把同样的做法推广到更多因子：近期波动大就降仓，波动小就加仓，多数因子都得到了正的 alpha。

后续的检验没有这么乐观。Cederburg 等人（2020）用 103 个策略做实时的样本外测试，波动管理并没有系统性地胜出；Barroso 和 Detzel（2021）则发现扣费后只剩市场因子还有效。到了 DeMiguel、Martín-Utrera 和 Uppal（2024），他们在多因子组合层面做条件波动管理，并在优化时直接把交易成本算进去，样本外扣费后才重新跑赢了不择时的组合。成本不是事后扣一下就完了，而要从设计时就考虑进去。

因子动量与估值择时（2016 年至 2023 年）

这一阶段最重要的发现是因子动量，即最近表现好的因子接下来往往还会表现好。Gupta 和 Kelly（2019）在 65 个因子上测试了不同长度的回看窗口，发现因子动量在多个时间尺度上都具有较好的稳健性，其中一个月回看窗口表现最强，组合年化夏普比率达到 0.84。Ehsani 和 Linnainmaa（2022）发现多数因子收益存在正自相关，并认为大家熟悉的个股动量，很大程度上就是这些因子自相关的汇总。

估值择时方面，Haddad、Kozak 和 Santosh（2020）的做法很有代表性：先对 50 个异象做主成分分解，只对排名前五的主成分择时，每个主成分用它自己的估值水平来预测。样本外，择时组合的夏普比率是 0.87，不择时的静态组合是 0.76，前者相对后者的信息比率约为 0.42。先降维再择时，是这篇论文留下的主要方法。

也有不少研究持保留态度。Asness 等人（2017）认为，估值择时在很大程度上只是在断断续续地加减价值暴露，对本来就持有价值因子的组合，帮助有限。Ilmanen 等人（2021）用近百年的数据检验后认为，择时的可预测性比较温和，很可能覆盖不了实施成本。这些研究的分歧不仅在于择时信号的预测能力，也涉及投资者原有的因子暴露、持有期限和交易成本。估值信号即便具有长期预测能力，也不一定能够转化为稳定的实盘超额收益。

高维与机器学习（2019 年至 2025 年）

Neuhierl 等人在“Timing the Factor Zoo”中把问题扩展到 318 个因子和 39 个信号，用偏最小二乘（PLS）把多个信号合成后，择时有一定增益；单看某一个信号，作用最大的仍是因子过去的收益和波动。Cakici 等人（2025）用机器学习预测因子收益，发现可预测性主要来自因子动量，而且超额收益随时间逐渐减弱。复杂模型多出来的那部分收益，主要是对动量用得更充分。

与此同时，怎样避免被回测误导也发展成了一个独立课题。McLean 和 Pontiff（2016）发现因子收益在样本外平均下降约 26%，发表后下降约 58%；Harvey、Liu 和 Zhu（2016）建议新因子的 $t$ 值门槛提高到 3；Bailey 等人提出了回测过拟合概率（PBO）和按尝试次数打折的夏普比率（DSR），专门处理“试了很多组参数”带来的偏差。关于拥挤度，Lou 和 Polk（2022）发现动量组合内部同涨同跌程度高时，动量随后容易大幅回撤，因此拥挤度更适合用来提示尾部风险，用来预测平均收益则效果有限。

大语言模型（2023 年至今）

到目前为止，我们还没有看到太多直接研究“用大语言模型做因子择时”的论文，相关进展集中在几个相邻方向。

一是让模型读文本、预测收益。Lopez-Lira 和 Tang 发现 GPT 对新闻标题的判断可以预测股票次日收益，不过这类策略的表现随时间明显下滑。Chen、Tang、Zhou 和 Zhu 的研究显示，ChatGPT 读《华尔街日报》新闻后对大盘有一定预测力，而且在经济下行和不确定性高的时期更明显。

二是让模型生成因子公式。从 Cheng 和 Tang（2024）让 GPT-4 凭知识提出股票因子，到 AlphaAgent、Alpha-GPT 等把大模型放进因子挖掘循环，这是目前大模型在量化研究中积累证据最多的用法。

三是让模型直接做交易决策。Li 等人（2025）的 FINSABER 把测试期拉长到二十年、覆盖一百多个标的，此前论文报告的优势大幅缩水，模型在牛市里偏保守，在熊市里又偏激进。

贯穿这些研究的一个难题是前视偏差：大模型的训练语料里本来就有回测期之后发生的事。为此已经出现只用某一日期之前文本训练的“时点内”模型，如 Time Machine GPT、ChronoGPT、DatedGPT，以及 Kelly 等人 2026 年的工作，但这些模型目前以英文为主，规模也不大。

回头看这五个阶段，每一种新方法刚提出时样本内表现都很好，随后更严格的样本外检验和成本测算又会把实盘表现拉回来。经过多轮检验仍然站得住的，主要是因子动量、降维之后的估值择时，以及多个信号的稳健组合。

实践经验分享

综合这些文献，我们认为有几条经验比较可靠，但具体怎么用仍取决于策略，交易标的，数据性质等维度。

择时模型学的是“最近哪个因子表现好”，对“最近”的定义非常敏感，对“表现”的定义也要仔细考虑：我们在研究中发现，在定义所谓的因子‘表现’之后，选择回看数据的长度与‘表现’的持续性有相关性，这启示我们，在择时系统的研究中，针对因子动量的数据实证和背后的可解释性发掘十分关键，可以在一定程度上避免过拟合幻觉。

此外，信号的时间尺度跟着因子走。估值类信号的有效期以年计，量价类因子变化快，窗口可能要短得多。与其先定一个统一的窗口，不如先测一测各类因子收益的自相关在哪个时间尺度上最明显。

对于使用多个弱信号加权平均的方式，少用非此即彼的硬门槛。把预测往长期均值适当收缩，同时以等权或长期权重为锚，只允许有限度的偏离。这样即便择时信号完全无效，组合也不会比基准差太多。

成本在设计阶段就要纳入，调仓门槛、权重平滑、换手惩罚都需要成为模型评估标准的一环；对于持续性之外的其他假设，也应该逐个验证，倒不是一定证伪或验明，更重要的是了解假设成立的外部条件。我们认为，好的模型是市场的一部分，哪怕在不能完全拟真冲击成本的情况下，也应尽量靠拢实盘。

大语言模型在因子择时中应用的展望

最容易想到的方案，是让大模型读新闻、判断市场处于什么状态，再据此调整因子权重。我们认为这条路在现阶段很难验证。商业大模型“知道”训练截止日之前发生过什么，用它回测那段历史，结果天然偏好；截止日之后的干净数据又很短。再有一点，市场的状态判断本身具有很大难度，如果得不出正确的判断，也很难将因子与当下赚钱效应做匹配。

相比之下，让大模型在一个受约束的规则语言里写择时规则，眼下就可以做，也更符合已有的证据。模型能用的输入只有各类因子的历史收益、预测能力和波动等序列，算子只有滚动均值、滚动波动、排名、相关等少数几种，输出是每个因子当天的权重。规则交给一个只读取决策时点可获得数据的解释器执行，从执行层面降低前视偏差风险。不过，规则生成与筛选过程仍需严格控制训练数据的时间范围，并通过独立样本外测试验证其有效性。这样得到的规则具有很好的可读性及可解释性，可以复现，在出现问题的时候，也可以很好的判断原因。

结语

三十多年的研究下来，因子择时并没有出现一种一劳永逸的方法。留下来的是一些朴素的东西：因子动量，降维后的估值信号，多信号的稳健组合，以及对成本和过拟合的严格把关。当然，变化是市场的常态，显著且高幅度的赚钱效应本质上与持续性相悖。

在AI量化逐渐成熟的时代，研究如何使用AI辅助因子择时是具有必要性的。其优势在于，对于时变信息的快速捕捉，更快识别赚钱效应的切换；而技术难题也很直观，稳定性。这也是AlephEdge致力于解决的问题。

本文仅为研究讨论，不构成任何投资建议。