华泰金工多因子4 · exp_wgt_return_3m 复现报告

研报复现 · 华泰单因子测试之动量类因子

指数衰减换手率加权动量因子 · 全A股市场

原文 华泰金工多因子系列4复现日期 2026-08-21平台 PandaAI Forge因子ID exp_wgt_return_3m.factor

本报告复现华泰证券《多因子系列4：华泰单因子测试之动量类因子》中效果最佳的因子——exp_wgt_return_3m（指数衰减换手率加权3个月动量因子）。在全A股、2017-2026年的口径下，该因子在A股呈现显著的反转效应（RankIC -0.0444，t值 -6.06，p<0.001），与华泰原文结论一致。

1

研报原文定义：指数衰减换手率加权3个月动量因子，最近N个月的每日收益率，以当日换手率×指数衰减权重（exp(-距截面天数/N/4)）进行加权平均。

平台实现采用公式DSL，用 WMA（线性加权移动平均，越近越重）近似指数衰减效果，分母做归一化以防换手率绝对值差异扭曲截面排序：

2

股票池	全A（约5200只）
样本区间	2017-01-01 \~ 2026-08-20（约9.6年）
预测周期	T+1（日频截面）
复权方式	后复权
预处理	缺失=行业中位数 → 去极值=MAD(3) → 中性化=行业+市值 → 标准化=zscore
分组数	5等分
因子方向	自动判定 → 负向（买低分位）

口径差异说明

与华泰原文的差异：① 原文调仓频率为月频截面，本平台为日频日截面；② 原文样本区间为2005-04-29\~2016-11-30（约11.5年），本平台为2017-2026；③ 原文加权采用指数衰减 exp(-d/N/4)，本平台用WMA线性衰减近似。这些差异会导致数值不完全一致，但方向与显著性结论应保持一致。

3

因子方向为反向（买低分位、卖高分位），即换手率加权反转效应——过去3个月涨幅高且换手率高的股票，未来1天反而跑输。这与A股市场的短期反转效应一致，且换手率加权增强了反转信号的纯度。

IC 月度时序

IC 月度时序图显示，负值IC占主导地位（约占55%的月份），因子在大部分时间里保持了正确的预测方向。IC 的波动幅度在 -0.07 到 +0.05 之间，其中较大的负值IC（如2024年12月 -0.06、2026年4月 -0.07）表明因子在特定时期有较强的预测力。

4

年度切片 IC

从年度切片看，该因子在多数年份保持了稳定的负向IC。仅2020年（疫情后反弹期）IC为正（+0.0012），但幅度极小。其余9个年份全部为负，表现最显著的是2018年（-0.0210）和2022年（-0.0171），这两个年份恰好是A股整体熊市年份，反转效应在弱势市场中更明显。

分市值分组 IC

分市值切片显示，该因子在中小市值股票中效果最好（G2组 IC -0.0174，G3组 -0.0142），而在最大市值组（G5）IC仅为 -0.0036。这印证了反转效应在A股以小盘股为主战场的市场认知，也解释了为什么该因子在沪深300池中效果远弱于全A。

5

随机子样本	✅ 通过	5/5子样本 IC 均显著为负
Bootstrap 95%CI	✅ 不跨零	[-0.0144, -0.0079]，全区间为负
walk-forward 衰减	✅ 无衰减	衰减率 0.34（正数）
年度切片	⚠️ 2020年反弹	2020年IC为正（+0.0012），其余9年均显著为负
过拟合综合	✅ 通过	子样本/Bootstrap/WF三项全部通过

6

复现成功。 该因子在A股全市场表现出显著的换手率加权反转效应，统计检验支持其有效性（t值 -6.06，p<0.001），且过拟合检验全部通过，效应可信。

IC 均值	-0.0111	-7.74%
ICIR	-0.13	-0.96
t 值	-6.06	-2.64（|t|均值）
样本区间	2017-2026	2005-2016
股票池	全A	全A（剔除ST/次新）
调仓频率	日频截面	月频截面
方向	反转（负向）	反转（负向）
结论	显著	显著

数值差异主要来源于：① 样本区间不同（2017-2026 熊牛交替 vs 2005-2016 早期A股）；② 调仓频率差异（日频IC vs 月频IC 统计口径差异很大）；③ 加权近似（WMA线性 vs 指数衰减）。但方向一致、统计显著一致，复现结论成立。