基于CMM的路径加权动量重构：打破等权假设的量化新范式

研究背景：传统动量因子的局限性

在传统量化投资框架中，动量因子通常被定义为过去特定时间段内个股收益的简单算术平均。以常见的231个交易日动量为例，这种计算方式隐含了一个关键假设：每一个交易日的价格变动对未来收益的预测能力是等同的。然而，市场微观结构理论表明，不同交易日所承载的信息含量存在显著差异。财报发布日、市场剧烈波动日或量价背离日往往集中了核心的价格发现信号，而普通的低波动交易日则更多由噪声构成。

传统的等权处理方式导致高信息含量的交易日与低信息含量的噪声日被赋予相同的权重，从而稀释了有效信号。为了解决这一问题，特征管理动量（Characteristic Managed Momentum, CMM）应运而生。CMM的核心思想在于打破“每一天同等重要”的假设，通过引入个股的量价与风险特征，动态调整历史每日收益的权重，将传统的等权动量转化为特征管理的动态加权动量。

CMM模型构建与核心机制

CMM模型的构建基于深度学习架构，旨在通过个股特征映射出每日收益的动态权重。模型输入层涵盖了波动率、成交活跃度、收益形态及分布特征四大类共16个量价与风险特征。这些特征经过横截面标准化处理后，进入一个结构轻量的神经网络。

网络结构包含卷积层与前馈层。卷积层负责提取因子序列的局部模式，随后通过16至8的前馈漏斗逐层压缩信号。前馈网络将多维特征映射为一个状态标量（Scalar），该标量反映了股票当前的路径状态。随后，利用Softmax函数将该标量与历史日收益结合，归一化生成231个交易日的动态权重。最终，加权后的历史收益总和即为CMM动量信号。

在训练策略上，模型放弃了均方误差（MSE）损失函数，转而采用负Pearson相关系数作为优化目标。这一改变消除了信号量纲与标准化未来收益之间的冲突，使模型直接优化信号对未来收益的横截面预测力。此外，模型引入了早停机制和定期重训策略，每六个月重新训练一次以适应市场结构的演变，确保模型的泛化能力。

实证表现：显著优于传统等权动量

回测数据显示，CMM动量因子在样本外测试中表现出显著的超额收益能力。在2020年至2026年的测试区间内，基于16个特征的CMM动量因子Rank IC均值达到8.50%，ICIR为0.69，IC为正的比例接近78%。相比之下，传统等权动量因子在同一时期的表现大幅逊色，甚至在部分阶段出现失效。

从组合收益来看，CMM多头组合年化收益接近20%，多空组合年化收益超过33%，夏普比率显著高于基准。值得注意的是，CMM因子在不同市场环境下展现出较强的稳定性。尽管在2026年年初的市场调整中多头组面临一定压力，但多空组合依然保持了正向收益，显示出其在对冲市场系统性风险方面的优势。

因子特性解读：路径质量过滤器的角色

深入分析CMM因子的内部机制可以发现，其对多头组和空头组的判断逻辑存在不对称性。对于多头组，CMM的权重分布接近传统等权动量，广泛累积过去一年的收益信息；而对于空头组，CMM表现出更强的“个股化”特征，即根据股票的具体路径挑选出更具信息含量的历史交易日。

状态标量（Scalar）的分析揭示，近期涨幅较高、波动较大或出现过单日暴涨的股票，往往会被赋予更负的状态标量，导致模型将更多权重分配给历史负收益日。这意味着CMM不仅仅是一个收益预测工具，更像一个“路径形态调节器”。它能够识别并剔除那些依靠少数几个交易日暴涨而形成的“伪动量”，保留那些持续稳定上涨的优质动量股票。实证数据显示，CMM多头组合与传统动量多头组合的月度重合率仅为41.9%，且CMM独有部分的收益表现显著优于重合部分，证明了其在选股质量上的差异化优势。

特征扩容与基本面因子的叠加效应

为了进一步提升因子表现，研究在原有16个量价特征基础上，叠加了Barra风格暴露及更多量价、基本面因子，共计56个特征。特征扩容后的CMM因子在保持低风格相关性的同时，显著提升了收益水平。全样本回测显示，56特征版本的CMM多头年化收益提升至23%，多空年化收益提升至40.9%，夏普比率进一步优化。

相关性分析表明，CMM因子与传统动量因子的秩相关系数低于0.20，说明其保留了大量的独立信息。通过正交化处理发现，剔除市值、行业等风格暴露后，CMM因子依然保有显著的Alpha收益，证明其选股能力不依赖于特定的风格敞口。此外，叠加盈利、流动性、分红等基本面因子后，因子的稳健性得到增强，尤其是在市场结构剧烈变化时期，多因子融合的CMM策略展现出更强的抗风险能力。

风险提示与展望

尽管CMM动量因子在历史回测中表现优异，但投资者仍需注意潜在风险。首先，模型基于历史数据训练，过往业绩不代表未来表现，若市场环境发生结构性转变，模型可能需要更频繁的迭代。其次，量化策略在市场极端行情下可能面临流动性风险或回撤放大，特别是在截面离散度急剧扩大的时期，多空组合的有效性可能暂时下降。最后，报告分析基于公开信息，不构成投资建议，实际应用中需结合交易成本、滑点及资金规模进行综合考量。