> **来源：[研报客](https://pc.yanbaoke.cn)** # 所有日子并不平等：基于市场注意力的基金动量改进 ## 核心内容 本报告探讨了传统基金动量因子失效的原因，并提出了一种基于市场注意力机制的改进方法，即“特征管理动量”（CMM）。传统动量因子假设每个交易日对未来业绩的预测能力相同，但实际中不同交易日的信息含量存在显著差异。财报公告日、宏观数据发布日和市场大幅波动日等蕴含更多基本面信息，而情绪或资金驱动的交易日则可能掺杂较多运气。因此，通过对不同交易日赋予不同权重，可以增强动量因子的预测能力。 ## 主要观点 - 传统基金动量因子在2020年后显著失效，全样本区间（2013-2026）季度 IC 均值仅 2.8%，说明单纯依赖历史业绩筛选基金经理存在局限性。 - 通过将不同交易日的信息含量纳入考量，构建基于特定市场状态的动量因子，可以显著提升动量效果。例如： - 业绩快报密集发布日的动量因子（MOM_S5）IC 值为 10.9%，ICIR 为 1.02，表现优于传统动量因子。 - 宏观信息密集发布日的动量因子（MOM_S5）IC 值为 10.5%，ICIR 为 1.08，同样优于传统动量。 - 量价同向期的动量因子（MOM_S5）IC 值为 9.10%，而量价背离期的动量因子表现甚至出现反转（IC-2.66%）。 - 通过引入机器学习方法，构建了基于注意力机制的 CMM 模型，将 78 个市场特征作为输入，为不同交易日赋予自适应权重，从而实现更灵活的动量赋权。模型在样本外测试区间（2021-2026）表现优异，IC 达到 13.22%，ICIR 为 1.50，多头组年化收益达 9.5%，显著优于传统动量因子。 ## 关键信息 - **传统动量失效原因**：包括主动权益基金风格漂移、市场风格切换剧烈、规模扩张导致超额收益摊薄等。 - **CMM 模型优势**：能够动态识别市场状态，为不同特征的交易日赋予不同权重，从而提升动量因子的预测能力与稳定性。 - **模型效果**：在2021-2026年样本外测试中，CMM 相对净值曲线稳定增长，IC 值和 ICIR 显著优于传统动量因子。 - **市场状态划分**： - 业绩快报密集发布期（MOM_S5）与宏观信息密集发布期（MOM_S5）均表现出较强的动量效应。 - 量价同向期（MOM_S5）与量价背离期（MOM_S1）对动量的影响存在显著差异。 ## 模型构建与测试 - **模型结构**：基于注意力机制的神经网络模型，输入为78维市场特征，输出为各交易日的重要性权重。 - **训练与测试**：使用2012-2020年数据训练，2021-2026年作为样本外测试区间。 - **回测结果**： - CMM 在样本外的 IC 值为 13.22%，ICIR 为 1.50，多头组年化收益为 9.5%。 - 模型在不同市场状态下的表现稳定，尤其在宏观信息密集期和业绩快报密集期表现突出。 ## 风险提示 - 本报告基于历史数据，不构成投资建议。 - 基金的历史收益、风格偏好和持仓特征不能代表未来表现。 - 模型效果依赖于市场特征和历史数据，未来市场环境变化可能影响模型表现。 ## 结论 - 通过识别并赋予不同交易日不同的权重，可以显著提升基金动量因子的有效性。 - CMM 模型能够有效捕捉市场状态对动量的影响，实现更精准的基金筛选。 - 未来研究可进一步优化模型参数和特征选择，以提升其在不同市场环境下的适应性。