因子拥挤度，比因子本身更值得盯

因子研究里有一个很不舒服的事实：你发现一个因子有效，很可能是因为别人也发现了，而且比你早。

任何公开的、可复现的因子，一旦被足够多的资金使用，它的超额收益就会被两件事吃掉：一是套利本身压低了价差，二是当所有人都持有同一侧暴露时，任何风吹草动都会引发同步平仓。

后者就是拥挤度。

拥挤是怎么形成又怎么崩的

一个典型的周期：

1. 因子被论文或卖方研究公开，开始有人用
2. 业绩好 → 资金涌入 → 因子继续跑赢（自我强化）
3. 更多资金涌入，因子估值价差被拉到极端
4. 期间因子的波动率反而下降——因为大家都在同一边，互相之间没有交易
5. 某个外生冲击触发部分平仓 → 同向持仓集中抛售 → 踩踏
6. 因子在几周内回吐几年的超额收益

第 4 步是最迷惑人的：低波动被误读成「稳定」，实际是「拥挤」。

Khandani 和 Lo 那篇研究 2007 年 8 月量化地震的论文，描述的就是这个机制——多家量化基金持有高度相似的组合，一家被迫减仓，引发的价格变动触发另一家的风控线，连锁反应，几天之内完成踩踏。

四个可观测的代理变量

拥挤度没有官方数据，只能代理。我关注这四个：

1. 估值价差（valuation spread）

因子多头组合与空头组合的估值倍数之差。价差处于历史高位，说明多头已经被买贵、空头已经被卖便宜——未来的预期收益被压缩，同时对负面冲击更脆弱。

这个指标最好用，因为数据可得、逻辑清晰。缺点是它在趋势行情里会长期保持高位，容易过早报警。

2. 因子收益的相关性

不同因子之间的相关性如果整体上升，说明资金在做同一件事（比如都往「大市值+高质量」挤），分散效果下降。

3. 因子多空组合的换手率

低换手 + 高收益，往往是拥挤的信号。真实的信息驱动型因子，换手不会太低。

4. 因子的短期波动率与长期波动率之比

短期波动率异常低，是前面说的「大家都在同一边」的典型特征。这个指标最容易骗人，也最有预警价值。

一个具体的教训

2020 年底到 2021 年初的「核心资产抱团」，本质就是一次极端的因子拥挤：大量资金集中在「大市值 + 高质量 + 高盈利稳定性」这个暴露上。

当时能观察到的信号：

• 这批股票的估值分位数到了历史极值
• 公募基金的重仓股重合度创下新高
• 这些股票之间的相关性上升，与其余股票的走势彻底分化
• 期间波动率很低，媒体口径是「慢牛」「确定性溢价」

然后 2021 年 2 月开始，两个月内回撤 20-30%。因子本身没有错——高质量公司长期确实跑赢——但在那个时点买入这个暴露，承担的是拥挤度风险，不是因子风险。

怎么用

我的用法不是「预测因子收益」，而是做仓位约束：

拥挤度状态	处理
正常	正常配置
估值价差进入历史前 20%	该因子权重上限打七折
估值极值 + 相关性上升 + 波动率异常低	权重上限打对折，准备退出
已经发生快速回撤	不抄底，等换手率回落

关键在「不预测」。我不知道拥挤什么时候会崩，但我知道崩的时候会很急。所以我不去判断时点，只控制暴露。

最后一点

拥挤度这个指标最大的问题是：它只能事后确认，很难事前定量。

所有代理变量都有假信号。估值价差高可以持续两年，相关性上升可能是宏观因素驱动，波动率低可能只是市场平静。

所以我的态度是：把它当风险预算的输入，不当择时信号。它告诉你「现在下注要小一点」，不告诉你「明天会跌」。

边界：以上是风险管理视角的个人笔记，不构成投资建议。所有指标都是代理变量，存在失效可能。