基于CMM的路径加权动量重构——每天的收益并不总是同样重要.pdf

全球量化投资领域正经历从线性因子向非线性、动态加权模型的演进，传统动量因子因等权处理历史收益而面临信号稀释挑战。华福证券发布的这份金融工程专题报告，深入探讨了基于特征管理动量（CMM）的路径加权重构方法，旨在解决不同交易日信息含量差异巨大的痛点。

核心逻辑与模型创新

报告指出，财报日、市场跳跃日等高信息含量交易日与传统低波动噪声日在价格发现中的作用截然不同。CMM模型通过引入16维量价与风险特征，利用轻量级神经网络将个股特征映射为状态标量，进而通过Softmax函数生成231个交易日的动态权重。这种机制打破了“每一天同等重要”的假设，使模型能够根据股票的具体路径形态动态调整历史收益的贡献度。

实证表现与因子特性

回测数据显示，CMM动量因子在2020年至2026年期间表现卓越，Rank IC均值达8.50%，显著优于传统等权动量。CMM因子展现出独特的“路径质量过滤”功能，能够有效剔除依靠少数暴涨日支撑的“伪动量”股票，保留持续稳定上涨的优质标的。其对空头组的判断更具个性化，权重集中度更高，而对多头组则近似传统动量，两者月度重合率不足42%。

策略优化与风险提示

通过叠加基本面与更多量价特征至56维，CMM因子的多空年化收益进一步提升至40.9%。因子中性化测试表明，其Alpha收益不依赖市值或行业暴露。然而，报告也提示，在市场结构剧烈变化导致截面离散度扩大时，策略可能面临短期回撤风险，且过往业绩不代表未来表现。