核心观点
- 非线性效应普遍存在：A股市场中的传统线性模型对因子收益关系的刻画存在局限，市值因子和基本面指标均存在非线性效应。例如，Barra风险模型发现线性假设高估中盘股收益并低估大小盘分化，而基本面指标的边际效用存在临界点，历史财务数据的线性外推常因商业环境剧变、信息快速定价、财务粉饰行为而失效。
- 非线性因子挖掘框架：本文提出通过四类模型系统挖掘因子非线性效应：多项式回归、样条回归、锯齿函数和门限模型。通过经上述模型转换后的新因子与原始因子进行截面回归，提取残差项作为剥离线性成分后的纯非线性因子。
- 非线性复合因子表现优异：自2013年1月1日-2025年5月30日，非线性复合因子Rank IC均值为9.4%，年化ICIR为4.53，IC月胜率为90.6%，分组严格单调，多头年化超额12.7%，信息比3.31，且样本内外表现较为一致。
- 指数增强策略表现优异：以沪深300、中证500和中证1000增强模型为例，结果表明，沪深300增强组合的年化超额收益为6.5%，信息比1.64；中证500增强组合的年化超额收益为8.6%，信息比1.67；中证1000增强组合表现相对优异，年化超额收益为13.4%，信息比2.22。
关键数据和研究结论
- 市值因子：Barra风险模型发现线性假设高估中盘股表现，低估大小盘分化。
- 基本面指标：申万市盈率指数15年数据显示，中市盈率组合年化收益持续超越高/低市盈率组合。归母净利润增速和ROE_TTM与涨跌幅之间均呈现非线性关系。
- 非线性因子挖掘：通过四类模型（多项式回归、样条回归、锯齿函数和门限模型）挖掘基本面和量价因子的非线性效应，并合成非线性复合因子。
- 单一非线性因子表现：例如，非线性资本公积超预期因子Rank IC均值为2%，年化ICIR为2.08，IC月胜率71.1%，多头年化超额7.6%，年化信息比约1.37。
- 复合因子表现：非线性基本面因子Rank IC均值为6.6%，年化ICIR为3.88，IC月胜率为84.6%，多头年化超额10.7%。叠加非线性量价因子后，复合因子Rank IC均值为9.4%，年化ICIR约4.53，IC月胜率达90.6%，多头端超额表现提升至12.7%。
- 指数增强策略：沪深300增强组合年化超额收益为6.5%，信息比1.64；中证500增强组合年化超额收益为8.6%，信息比1.67；中证1000增强组合年化超额收益为13.4%，信息比2.22。
风险提示
本报告基于历史个股数据进行测试，历史回测结果不代表未来收益。未来市场风格可能切换，Alpha因子可能失效，本文内容仅供参考。
