FACTOR-05

多因子综合

按多个因子给资产打分：价值（价格相对长期均值）、动量（近期收益）、质量（低波动、低回撤），按可配置权重合成后选出排名靠前的资产。

FactorMulti-FactorQuantitative

打开交互图表和其他策略对比

基本信息

适用场景适合因子分散的多元资产池

信号频率每月调仓

典型持有期几个月

资产类别指数、大宗商品、外汇

测试市场数1

数据截至2026-11-10

回测结果怎么看

在 1 个市场中的 1 个，近 5 年的年化收益跑赢买入持有。
在 1 个市场中的 1 个，最大回撤比买入持有更小。
夏普最高的市场：SPY（夏普 0.75，年化 10.8%）。

权益曲线

多因子综合等权组合 · SPY, 2017-11-09 → 2026-11-10, 起点归一为 1

评分与风险画像

Arena Score: 83.0SPY, 近 5 年

收益质量 · 30%92

回撤控制 · 25%64

稳定性 · 20%75

稳健性 · 15%98

统计可信度 · 10%95

每一项都是和同一市场、同一窗口内所有策略比较的百分位（100 为最好）。

持仓时间占比100%

Ulcer 指数7.1%

最长回撤667 天

日 VaR（95%）-1.43%

夏普为正的概率95%

相对买入持有的 Beta0.75

Alpha（年化）+3.6%

正收益月份占比62%

扣 10 bp 成本后年化10.6%

Deflated 夏普（扣除运气后）58%

年化收益 90% 区间（Bootstrap）-0.9% 至 23.1%

最大回撤 90% 区间（Bootstrap）-36.0% 至 -13.3%

大跌行情中的表现（SPY）

时期	策略	买入持有
2018 年四季度下跌	0.0%	-13.9%
新冠暴跌（2020 年 2–3 月）	-23.4%	-25.5%
2022 年熊市	-6.5%	-9.1%
市场在 200 日均线上方时（年化） · 67%	+15.7%	+20.1%
市场在 200 日均线下方时（年化） · 33%	+6.7%	+8.7%

大跌时期按美股划分。是否在 200 日均线上方用前一天的状态判断，不存在未来函数。

样本外检验（SPY）

检验项	数值
选出的参数在各自 3 年训练期里的平均夏普	1.31
同一组参数在之后 6 个月真正交易时的夏普	1.18
同样这些月份一直用默认参数的夏普	1.07
重新选参次数 / 参数实际更换次数	12 / 7
全部历史上夏普为正的参数组数	9 组中 9 组
各组参数的夏普：最低 / 中位数 / 最高	0.79 / 0.90 / 1.16

样本外区间从 2020-11-09 开始。训练期的数字因为是从 9 组参数里挑最好的，一定偏好看；样本外的数字才是策略真正赚到的。下降很多，或者只有某一组参数好，都是过拟合的信号。滚动前推测试是怎么做的。

各市场结果（近 5 年）

市场	年化收益	买入持有年化	夏普	最大回撤	买入持有最大回撤	波动率	Arena Score
SPYSPDR S&P 500	10.8%	9.1%	0.75	-19.4%	-25.1%	15.0%	83

策略指标基于日收益，未扣除交易成本；买入持有为同一市场、同一窗口的数据。按夏普比率排序。

SPY 在不同时间窗口的表现

窗口	总收益	年化收益	夏普	索提诺	最大回撤	上涨日占比	交易数
近 1 年	+15.9%	15.9%	1.11	1.41	-12.6%	54%	13
近 3 年	+72.3%	19.9%	1.32	1.84	-12.6%	55%	39
近 5 年	+66.7%	10.8%	0.75	1.09	-19.4%	53%	66
全部历史	+191.1%	12.6%	0.92	1.07	-27.2%	42%	92

交易规则

Entry

Allocate to assets with highest composite score

Exit

Monthly rebalance based on updated scores

Indicators

Value: Price / 252-day MA (lower = better value)
Momentum: 6-month return
Quality: Inverse volatility + low drawdown
Composite z-score

Inputs

Value_Lookback = 252
Mom_Lookback = 126
Vol_Lookback = 60
Weights = [0.3, 0.4, 0.3]

Position sizing

Proportional to factor scores

Risk controls

Volatility adjustment

策略证据

SPY · 查看证据 2026-11-10

下面只列出可用的已校验证据包；没有证据不代表通过验证。

证据覆盖范围

已校验 1 / 1 个预定策略与市场组合

备注

在首次观察到新月份时，使用上一条已完成行情的评分决策；引擎仍另加一期执行滞后，交易月末的决策时点也会改变。
月中数据末行不再自动调仓；两次月度决策之间保持前次目标配置。
因子分散降低单一因子风险
动量通常是最强的因子
质量因子提供下行保护

嵌入这个评分

可以放进博客文章、README 或论坛签名，徽章会随每日数据自动更新。

<a href="https://quantarenas.com/strategy/factor-05-multi-factor-composite/"><img src="https://quantarenas.com/badge/factor-05-multi-factor-composite.svg" alt="Multi-Factor Composite Arena Score on Quant Arena" height="20"></a>

[![Multi-Factor Composite Arena Score](https://quantarenas.com/badge/factor-05-multi-factor-composite.svg)](https://quantarenas.com/strategy/factor-05-multi-factor-composite/)

回测是基于日线数据的历史模拟，未计入佣金和滑点，不代表未来收益，也不构成投资建议。每个策略的测试方法见方法论。