消费行业因子有效性检验

基本信息

阅读时间：约 30 分钟

字数：约 15,021 字

摘要：市场担心：因子投资在 2024 年之后出现了集体性的「哑火」。从 Barra 风格因子的视角看，低波与非流动性因子长时间反向失效，估值因子自 2024 年以来长期震荡、基本失效，小市值因子在 2024 年 2 月经历极端回撤后虽稳步回升但在 2025 年下半年再度出现回撤与波动 [14]。这让人怀疑：因子到底是失效了，还是从来就只是数据挖掘的产物。

本文由 AI 生成，经人类主编终审。

市场担心：因子投资在 2024 年之后出现了集体性的「哑火」。从 Barra 风格因子的视角看，低波与非流动性因子长时间反向失效，估值因子自 2024 年以来长期震荡、基本失效，小市值因子在 2024 年 2 月经历极端回撤后虽稳步回升但在 2025 年下半年再度出现回撤与波动 [14]。这让人怀疑：因子到底是失效了，还是从来就只是数据挖掘的产物。

从研究方法上，本报告刻意区别于常见的「因子排行榜」写法。排行榜式研究把不同市场、不同样本区间、不同中性化处理下的 IC 数值直接并列比较，得出的排序既不可复算也不可比较。本报告的做法是：先完整写出样本区间、股票池、因子定义、分组方法、检验统计量与中性化处理，再呈现结果，并对每个结果标注其来源是公开可查的历史统计还是本报告的模拟。全文不产出任何交易指令、不给任何评级或目标价。

我们认为：讨论「因子是否有效」之前必须先回答三个方法问题——在什么股票池里、用什么口径定义因子、用多高的统计门槛判定显著。三个问题任一变化，结论都会翻转。典型例子是动量：在美国市场 1964 至 2025 年的长样本中，动量因子年化收益 6.13%、波动率 14.53%，是收益最高的风格因子之一 [5]；而在 A 股 2015 至 2025 年的全量样本中，价格动量因子 IC 均值为 -0.032、ICIR 为 -0.244、t 统计量为 -2.66，方向与经典动量完全相反 [8]。同一个因子名称，在两个市场给出相反的结论。

1. 第一，统计门槛必须随检验次数上移：在因子数量已超过两百个的今天，传统的 t 大于 2 门槛不足以判定显著，多重检验框架给出的建议门槛是 t 大于 3.0、对应 p 值小于 0.0027 [2][3]；
2. 第二，因子有效性存在明确的状态依赖：A 股动量因子在震荡市 ICIR 为 0.45、在牛市为 -0.36、在熊市为 -0.24 [8]，讨论「有效或无效」而不区分状态是没有意义的；
3. 第三，必须区分「模拟结果」与「公开可查的历史统计」：本报告所有标注「测算」的数值均为方法示意，所有标注证据编号的数值均可回溯到具体公开来源。

本篇增量：给出一套可复算的消费行业因子检验规约，并以三个真实检验案例（消费股样本池分域、食品饮料行业因子检验、A 股动量因子检验）说明规约的落地方式。同时补齐通常被省略的两个环节——样本外风险的系统梳理与检验局限的逐条声明。

本节先把方法与统计口径讲清，再进入结果。因子研究的可复算性取决于六个必须显式声明的口径要素：股票池如何界定、样本区间与数据频率、因子原始指标的选取与方向、极端值处理方式、中性化处理方式、因子值的标准化与合成方式。任何一项未声明，结果就无法被第三方重现。

先看股票池。消费行业的边界界定有两种常见做法：一是按行业分类标准（如申万一级行业）直接取用；二是按「业务是否直接面向消费者」重新筛选。后者的代表做法是从申万三级行业中筛选直接面向消费者的行业、剔除产业链中游非终端消费类企业，再按「日常消费与可选消费」与「制造业与服务业」两个维度做四象限分域。截至 2025 年 11 月 28 日，该样本池中日常制造型 275 只、可选制造型 266 只、日常服务型 72 只、可选服务型 279 只，合计 892 只股票 [6][7]。分域的意义在于：四个子域的增长驱动、现金流特征与估值中枢差异显著，在同一域内做因子比较才具有经济含义。若采用指数化口径，样本空间、加权方式与定期调整规则按中证指数有限公司发布的行业指数编制规则执行 [15]；若采用交易所口径，上市公司数量与行业分布可参照交易所市场统计 [16]。三种口径（业务属性筛选、指数成分、交易所行业分类）各有取舍，关键是要在报告中声明用了哪一种。

再看因子本身的定义。风格因子的划分有相对成熟的参照系：经典五因子模型包含市场、规模、价值、盈利质量与投资五个维度，其月度数据自 1963 年 7 月起可获得并持续更新至 2026 年，长期序列为因子研究提供了基准数据结构 [1]。本报告覆盖六类风格因子：动量与反转、价值、质量与盈利、规模与流动性、波动率、成长。每一类的构造都要说明原始指标、方向与调整方式。以动量类为例，标准做法是取过去 3 至 12 个月的累计收益，并设置跳过期（skip）以剔除最近一个月的短期反转效应；参数（回看窗口与跳过期）的选择本身就是自由度的来源——A 股的最优参数经检验为 3 个月回看、跳过期为零，对应 IC 均值 -0.032、ICIR -0.244、t 统计量 -2.66 [8]。价值类通常取市盈率、市净率或市销率的倒数，并做行业中性与市值中性；质量类以净资产收益率、毛利率与盈利稳定性为核心 [13]；波动率类取过去一段时间的日收益标准差，方向取负（低波动占优）[12]。

因子构造中还有三个容易被忽略的技术细节。第一是财报数据的时点可用性：季度财报有披露截止日，若按报告期而非披露日对齐，会引入前视偏差。第二是新股与停牌处理：新股上市初期的价格行为高度异常，通常需要剔除上市后一定期限内的样本；停牌期间的因子值需按规则填充或冻结，否则会造成因子值与可实现收益的错配。第三是分红与送转的复权处理：未复权价格会在除权日产生虚假的负收益，直接影响动量与反转类因子的计算结果。

在消费行业做因子研究，还有一个行业特有的口径问题：消费公司的经营节奏受季节性与渠道库存影响明显，单季度营收与利润的同比波动天然较大。因此在使用成长类因子时，通常需要对单季数据做平滑（例如使用滚动四个季度累计值），或改用标准化超预期盈利这类相对基准的指标。食品饮料行业的检验结果显示，标准化超预期盈利比单纯的收入增长更有效，净利润类增长指标优于营业收入类增长指标 [9]。这一结论的机制解释是：消费行业的收入增长可以通过渠道压货实现，而净利润与超预期指标更难被单纯的渠道行为修饰。

因子有效性检验的标准方法是分位数组合测试。具体步骤是：每个截面期按因子值对股票池排序，均分为若干组（通常为五组或十组），组内等权或市值加权，持有下一期，计算各组的组合收益序列。若因子有效，组合收益应随分组序号单调变化；最高组减最低组构成多空组合，其收益的均值与显著性即为因子有效性的直接度量。常见做法是取因子值最高与最低各 30% 的股票构成多空组合 [9]，本报告在示例中采用五分组以便于观察单调性。

第二个核心统计量是信息系数（IC），定义为每个截面期因子值与下一期收益的截面相关系数（通常用秩相关）。IC 序列的均值衡量因子的平均预测方向，IC 的标准差衡量预测稳定性，两者之比即 ICIR（信息系数信息比），是最常用的综合指标。ICIR 的量纲无关，因此可以跨因子比较。作为参照，A 股价格动量因子在 2015 至 2025 年的 IC 均值为 -0.032、ICIR 为 -0.244、t 统计量为 -2.66 [8]。

第三个是显著性检验。对 IC 序列做均值是否为零的 t 检验，t 统计量等于 IC 均值除以 IC 标准误（标准误为 IC 标准差除以期数平方根）。在多因子同时检验的场景下，必须考虑多重检验问题：Harvey、Liu 与 Zhu 的研究统计了 316 个解释横截面收益的因子，认为在累计数据挖掘偏差下，新因子需要 t 统计量大于 3.0（对应 p 值小于 0.0027）才算显著；按此门槛，已发表的 296 个「显著」因子中约有三分之一至二分之一可能并不显著 [2][3]。这一结论也受到后续研究的重新审视——使用 Chen 与 Zimmermann 数据集中的 205 个横截面可预测性因子，有研究估计假发现率上限约为 30%，认为多数发现可能为真 [4]。两个方向的结论并存本身说明：显著性的判定标准至今仍有争议。

第四个环节是中性化。中性化的目的是剥离因子值中与其他风格相关的部分，避免把行业暴露或市值暴露误判为因子有效性。标准做法是对因子值做截面回归，自变量为对数市值与行业哑变量，取残差作为中性化后的因子值 [9]。中性化处理后仍需重新做分组与 IC 检验，若因子在中性化后失效，说明原始因子的有效性主要来自市值或行业暴露。

第五个环节是稳健性检验。至少要做三类分割：时间分割（前后半段或滚动窗口）、市场状态分割（上涨、下跌、震荡）、市值分层分割。A 股动量因子的检验结果充分说明了分割的重要性：全样本 ICIR 为 -0.244，但在震荡市中 ICIR 为 +0.45（正向），牛市为 -0.36、熊市为 -0.24 [8]。只看全样本会得出「动量在 A 股无效」的结论，而分状态看则会发现它在震荡市中方向相反且有效。

本节呈现的结果全部来自公开可查的统计，并对每条数据标注来源。本报告不新增任何交易性结论，也不对任何因子的未来表现作出判断。需要反复强调的是：以下所有「有效」或「无效」的表述都是对历史样本统计量的描述，不是对未来的预测。

先看美国市场的长期统计。1964 至 2025 年的因子统计显示：市场因子年化收益 5.98%、波动率 15.53%；动量因子年化 6.13%、波动率 14.53%；短期反转因子年化 4.63%、波动率 10.93%；盈利质量因子年化 3.00%、波动率 7.70%；价值因子年化 2.92%、波动率 10.33%；投资因子年化 2.82%、波动率 7.15%；长期反转因子年化 2.22%、波动率 9.16%；规模因子年化 1.78%、波动率 10.54% [5]。这组数据说明两点：一是收益最高的动量因子同时具有最高的波动率之一；二是盈利质量与投资这两类「质量」维度的因子波动率最低（约 7%），属于风险调整后特征较好的类别。

再看 A 股。2015 至 2025 年、覆盖 5,487 只股票（含 324 只已退市个股）的全量回测显示：价格动量因子在最优参数（3 个月回看、跳过期为零）下的IC 均值为 -0.032、ICIR 为 -0.244、t 统计量为 -2.66，方向为负且统计显著 [8]。也就是说，A 股整体表现为短期显著反转而非动量。进一步的分状态检验显示状态依赖明显：震荡市 ICIR 为 +0.45（正向）、牛市为 -0.36、熊市为 -0.24 [8]。此外，剥离市场与行业贝塔之后的残差动量，其 ICIR 反转为 +0.15，与原动量方向相反——这说明表观的「反转」信号部分由系统性收益驱动 [8]。

行业层面的检验同样有公开结果。食品饮料行业内的因子检验显示：在检验前对因子做了去极值、市值中性化与标准化处理，并按因子长期方向确定方向、以因子值最高与最低各 30% 的股票构成多空组合。结论是：市值因子的波动性非常大、带来较大风险；基本面因子中盈利（如净资产收益率）、估值（如滚动市盈率倒数）与成长（如标准化超预期盈利）都较为显著；技术类因子（非流动性、一月换手率、特质波动率、一月反转）也都显著；成长因子中净利润类增长指标比营业收入类增长指标更有效 [9]。

消费主题的多因子研究提供了另一组参照。相关研究把成长、盈利、现金流三类因子用于消费股打分，发现三类因子在时间截面上存在「不可能三角」，在时间纵向上存在有效性轮动——例如在 2024 年 8 月至 10 月期间仅有成长因子有效，而现金流因子整体表现最稳定。采用最大化 ICIR 方式构建的复合因子，在 IC 均值与 IC 大于 0.03 的比例两项指标上均显著优于单一因子 [10][11]。同一研究还披露了其消费主题多头策略在 2019 年 12 月 31 日至 2025 年 11 月 28 日的历史回测结果：年化收益率 25.46%、相对基准年化超额 21.51%、夏普比率 1.0996、卡玛比率 1.0445、最大回撤 -24.38% [6][7]。本报告引用这组数字仅用于说明「方法在公开研究中被如何报告」，不构成对其可复制性的认可——回测统计的可靠性问题在第七节展开。

把三组结果并列观察，可以得到一个方法层面的结论：消费行业的因子有效性并不存在统一的答案，而是随股票池界定（全市场对行业域内）、因子类别（量价对基本面）、市场状态（牛熊震荡）与统计口径（是否中性化、是否复权）共同变化。任何声称「某因子在消费行业稳定有效」而不附加口径条件的表述，在方法论上都是不完整的。

因子衰减指因子对未来的预测能力随持有期延长而下降的现象。度量方法有两种：一是计算不同持有期的 IC 均值，观察其随期数变化；二是计算不同调仓频率下的多空组合收益，观察换手带来的成本侵蚀。两种度量回答的是不同问题——前者衡量信息衰减速度，后者衡量可实现性。

从 A 股动量因子的检验看，衰减的证据很直接：该研究指出 A 股 2015 至 2025 年整体表现为「短期显著反转、中期效应衰减」，价格动量因子呈现负向 IC [8]。这意味着反转类信号在短期最强、随持有期延长而弱化，也意味着若把持有期从一个月延长到六个月，同一因子的信息含量会显著下降。

衰减的来源可以拆成四个。第一是信息被定价：因子揭示的定价偏差会随交易者知晓而消失，这一点在因子被广泛发表后尤为明显。第二是拥挤：当同一因子被大量资金使用时，因子的多空价差会被交易行为本身压缩。第三是基本面回归：基本面类因子的预测力来自会计信息对未来盈利的含义，而随着新财报发布，旧信息的边际价值自然下降。第四是结构变化：制度、投资者结构与产业链的变化会改变因子的作用机制。

拥挤是 2024 年之后最常被提及的衰减来源。市场观察指出，2024 年下半年开始，A 股几乎所有量化因子的回报率都在下滑，「不是高开低走一个，而是 11 大类因子同时哑火」，其背后的规律即因子拥挤——知道的人越多，机会越少。从 Barra 风格因子的视角看，低波与非流动性因子出现长时间的反向失效，估值因子自 2024 年以来长期震荡、基本失效，小市值因子在 2024 年 2 月极端回撤后回升但在 2025 年下半年再度回撤 [14]。需要指出的是，「因子失效」这一表述本身也需要口径——上述失效是相对特定股票池与特定区间而言的，并不等于因子在其他样本中同样失效。

单因子检验只是第一步。多因子组合的有效性取决于三个相互作用：因子之间的相关性、因子在风格空间上的暴露重叠、以及合成方式对因子权重的处理。本节讨论这三者，并说明合成方法的取舍。

先看相关性。1964 至 2025 年美国市场主要因子的相关系数矩阵显示，多数因子两两之间的相关性较低：市场因子与动量因子为 -0.18、与价值因子为 -0.21、与规模因子为 0.28；动量因子与价值因子为 -0.19、与盈利质量为 0.08；价值因子与投资因子为 0.68（这是矩阵中最高的一对，因为两者在经济含义上高度相关）；价值因子与盈利质量为 0.09 [5]。低相关性是多因子组合能够分散风险的基础——若所有因子高度相关，组合化的收益将主要来自单一风险暴露。

再看暴露重叠。因子之间即使相关性不低，也可能在同一风格维度上重叠。例如多数基本面因子都会带有不同程度的市值暴露，因此检验时做市值中性化是必要的；又如技术类因子（流动性、换手率、特质波动率）之间相关性通常较高，同时纳入多个技术因子对组合的边际贡献有限。食品饮料行业的检验把技术类因子单独列出并确认其显著性 [9]，但也提示这些因子之间存在信息重叠。

第三是合成方式。常见做法有四类：等权合成、IC 加权、ICIR 加权、以及最大化 ICIR 的优化求解。消费主题的研究采用最大化 ICIR 方式构建复合因子，结果显示复合因子在 IC 均值与 IC 大于 0.03 的比例两项指标上均显著优于单一因子 [10][11]。合成方法的选择本身会引入自由度：IC 加权的权重依赖历史 IC，若用全样本 IC 计算权重就构成前视偏差，因此在工程实现中权重必须用滚动窗口估计。

多因子组合还面临「因子拥挤的重叠」问题。当多个因子在同一批股票上给出同向信号时，组合会在这些股票上形成集中持仓，表面上分散、实质上集中。这也是 2024 年之后多类因子同步回撤的可能机制之一 [14]。因此在多因子框架中，除了监控因子之间的相关性，还需要监控组合的持仓集中度与风格暴露。

因子研究的严谨性最终体现在是否明确写出失效条件。本节把失效条件分为四类：样本内失效、样本外失效、结构失效与实现失效，并逐类说明判定方式。

失效条件的判定必须配合明确的阈值。本报告建议对每个因子设定三条线：第一条是显著性线，滚动窗口内的 ICIR 绝对值低于某一水平即降级；第二条是方向线，滚动窗口内 IC 均值连续若干期符号反转即暂停使用；第三条是一致性线，在不同市场状态与市值分层下的 ICIR 符号一致率低于某一比例即视为不稳定。三条线的具体取值需要根据因子的历史波动特征分因子设定，不存在统一数值。

样本外风险需要单独强调。学术研究已经系统性地记录了「发表后衰减」现象，而 Harvey 等的研究进一步指出，由于累计数据挖掘偏差，已发表因子中相当比例可能并不显著 [2][3]；虽然也有研究基于 205 个因子的数据集估计假发现率上限约 30%、认为多数发现可能为真 [4]，但两个方向的研究都同意一点：样本内显著性不等于样本外可用性。

消费行业还有两项特殊的失效风险。第一是渠道结构变化：当线上渗透率发生阶跃式变化时，以线下同店销售为基础的因子会失真。第二是政策脉冲：以旧换新等政策会集中推高特定品类的短期业绩，使成长类因子在政策窗口期产生虚假的预测力。2025 年家电类零售额增长 11.0%、家具类增长 14.6%、通讯器材类增长 20.9%，而汽车类下降 1.5%、石油及制品类下降 5.7% [14]，这种分项之间的巨大分化正说明：在消费行业做成长类因子检验时，必须把政策驱动的分项单独处理。

本节逐条列出本报告及其引用来源在方法上的局限。列出局限的目的不是削弱结论，而是划清结论的适用边界——一份不说明局限的因子研究报告，其价值接近于零。

1. （一）区间依赖：所有统计量都依赖样本区间的选择，同一因子在不同起止年份下的年化收益与 ICIR 会显著不同 [5][6][8]；
2. （二）口径依赖：股票池界定、是否中性化、极端值处理方式都会改变结论，全市场样本与行业域内样本的结论不可直接比较 [6][7][9]；
3. （三）多重检验：本报告引用的多数来源未做多重检验修正，按 t 大于 3.0 的门槛，部分被报告为显著的因子可能并不显著 [2][3]；
4. （四）回测假设：公开研究报告中的策略收益均基于历史回测，包含交易成本假设、成交假设与流动性假设，实际实现可能显著低于回测 [6][7]；
5. （五）状态划分：市场状态（牛、熊、震荡）的划分规则由研究者自定，不同划分方式会改变分状态统计量 [8]；
6. （六）幸存者偏差：使用当前存续股票池而剔除已退市个股会高估因子收益，本报告引用的 A 股动量研究已包含 324 只退市个股以缓解该问题 [8]；
7. （七）数据时点：财报数据按报告期还是披露日对齐会影响结果，本报告引用的来源未逐一披露该项处理细节 [9]；
8. （八）市场差异：美国市场与 A 股的市场结构、投资者构成与交易制度不同，跨市场结论不可直接移植 [8][13]。

上述局限中有三项对结论的影响最大。第一项是多重检验：当 205 至 316 个因子被先后测试过之后，任何单一因子的显著性都必须打折看待 [2][3][4]。第二项是回测假设：公开研究披露的策略年化收益（如 25.46%）均为回测值 [6][7]，本报告不认为回测值可以直接外推。第三项是幸存者偏差：使用当前存续股票池会系统性高估收益，这一点在 A 股尤其重要，因为 2024 年退市新规实施后退市公司数量上升 [12]。

以下风险与正文判断一一对应，按「自身方法—行业样本—外部环境」三类列示，每条不超过十五字：

1. （一）样本区间选择决定结论
2. （二）股票池口径不可比
3. （三）多重检验抬高假发现率
4. （四）回测假设偏离现实成交
5. （五）幸存者偏差高估收益
6. （六）消费政策脉冲污染成长因子
7. （七）因子拥挤导致同步回撤
8. （八）市场制度变化改变机制

对号入座：（一）对应第一节与第七节，同一因子在不同起止年份下结论不同 [5][8]；（二）对应第一节，892 只行业域样本与全市场样本不可直接比较 [6][7]；（三）对应第二节与第七节，316 个因子的多重检验使门槛升至 t 大于 3.0 [2][3]；（四）对应第七节，公开披露的策略年化收益 25.46% 为回测值 [6][7]；（五）对应第七节，A 股研究已纳入 324 只退市个股以缓解该问题 [8]；（六）对应第六节，2025 年家电 +11.0% 与汽车 -1.5% 的分化即为政策脉冲的直接体现 [14]；（七）对应第四节，2024 年下半年多类因子同步回报下滑 [14]；（八）对应第六节，退市新规等制度变化会改变小微盘因子的作用机制 [12]。

风险之间的传导关系同样是闭环的。最需要盯防的是「多重检验（三）+ 回测假设（四）→ 样本内外不一致 → 因子拥挤（七）→ 同步回撤」这条链条：研究阶段的统计高估会在实盘阶段暴露为回报不足，而回报不足又会促使更多资金转向同一批被「验证有效」的因子，加剧拥挤。这条链条的起点是统计方法问题，终点是市场行为问题，因此无法仅靠改进统计方法解决。

本报告为方法论与统计检验研究，不产出任何交易指令，不构成任何证券、投资或财务建议。读者不应将本报告中的任何统计量理解为对特定标的或策略的推荐。

结论一：讨论因子有效性必须先固定口径。股票池（全市场或行业域内）、样本区间、因子定义方向、极端值处理、中性化方式、标准化方式六项必须显式声明，否则结论不可复算。本报告引用的三组研究之所以可比较，正是因为它们披露了口径 [6][8][9]。

结论二：因子有效性具有状态依赖与市场差异。A 股动量因子全样本 ICIR 为 -0.244，但震荡市为 +0.45、牛市为 -0.36、熊市为 -0.24 [8]；而美国市场动量因子 1964 至 2025 年年化收益 6.13%、是收益最高的风格因子之一 [5]。同一因子名称在两个市场方向相反，说明因子的经济机制高度依赖市场结构。

结论三：统计门槛必须随检验次数上移。在因子数量已达两百个以上的今天，多重检验框架建议新因子的 t 统计量门槛为 3.0（对应 p 值小于 0.0027）[2][3]；虽然对假发现率的估计仍有争议 [4]，但传统的 t 大于 2 门槛在因子筛选场景下已明显不足。

结论四：样本内显著性不等于样本外可用性。失效条件应当被显式设定为可检验的阈值——显著性线、方向线与一致性线；消费行业还需额外处理政策脉冲对成长类因子的污染。

建议按以下五个环节维护因子检验流程，作为方法上的操作规程：

1. 每次检验前固定并记录六项口径（股票池、区间、方向、极值处理、中性化、标准化）；
2. 对每个因子同时输出全样本与三类子样本（时间、市场状态、市值分层）的统计量；
3. 对所有新因子按多重检验门槛判定显著性，并在报告中标注修正前后的差异；
4. 对每个因子设定显著性线、方向线与一致性线三条失效阈值，按季度滚动复核；
5. 在消费行业单独剔除或标注政策驱动的分项，避免成长类因子被政策脉冲污染。

把三层检验框架合起来看，一份合格的因子研究报告应当能被读者回答四个问题：因子的定义与口径是什么、检验统计量是多少、在什么条件下会失效、哪些结果是公开统计哪些是模拟。缺少任何一项，研究就退化为不可复核的排序表。本报告的全部工作是把这四个问题写成规约。

本文为方法论与统计检验研究，不构成任何交易建议，不给出任何评级、目标价或配置建议。

本文为财商教育内容，仅用于知识普及，不构成任何投资建议或收益承诺。

本报告共设八条可证伪链，覆盖摘要口径对账、口径可复算性、多重检验门槛、状态依赖、因子衰减、多因子相互作用、样本外风险与结论。每条链均给出依据、边界、反面证据、跟踪指标与证伪条件。台账如下：

本报告所有关键数据均按四档标注数据来源档次，以区分证据强度与可复核性：

• [T1]一手或官方口径：学术工作论文、监管机构研究、基础因子数据集原始来源，可直接复核；
• [T2]机构二手口径：券商金工研究、量化平台实证研究、行业数据整理，口径可能存在差异；
• [T3]媒体转引口径：财经媒体与数据平台整理的因子统计，未经独立审计，仅作参考；
• [缺口]数据缺口：无法获得可靠来源的数据，本报告一律降级为定性讨论或不写。

本报告实际使用数据存在以下几处需要特别提示的口径问题：一是美国市场因子统计与 A 股因子统计不可直接相除或比较，两者在股票池、交易制度、投资者结构上均不同；二是公开研究的策略收益均为历史回测值，且未披露完整的交易成本、成交与流动性假设；三是部分因子有效性排序来自对原报告定性结论的映射，已在图表标题中标注「定性映射」；四是本报告中标注「测算」或「示意」的数值全部为方法示例，不代表实际观测结果。

所有标注「测算」的数字，均为本报告基于外部锚参数或方法设定给出的示例，推算口径在正文中逐项说明；凡无外部锚的参数一律不进入数字相乘，仅作定性讨论。