CoinSkool

選股加權方式全解析:等權重、市值權重與因子權重的優劣

分享

選股加權方式

選股因子決定了買什麼,加權方式則決定了買多少。本文想談談一些常見的加權方式,以及其優劣。

三種加權方式

等權重法是最直觀的加權方式,其公式為 w_{i,t} = 1 / N ,其中 N 為當期持有的股票檔數。每一檔入選的股票無論其市值大小或因子強度高低,皆獲得完全相同的資金份額。既然我們無法精確預測哪一檔股票在未來表現最佳,那麼最穩健的做法就是對所有入選標的給予平等的信任。

市值權重法則是以股票的總市值作為權重基準,其公式為 w_{i,t} = MV_{i,t} / Σ MV_{i,t} ,其中 MV_{i,t} 代表第 i 檔股票在調倉日的市值規模。大型股在組合中佔據較高的權重,小型股的影響力則相應被壓縮。

因子權重法則是將股票的因子數值直接轉化為投資權重,其一般化形式為 w_{i,t} = g( S_{i,t} ) / Σ g( S_{i,t} ) ,其中 S_{i,t} 為該股票的因子原始數值或標準化後的分數,而 g(.) 為轉換函數,實務上常見的轉換包含線性映射、排名轉換或絕對值取用。這種方法是將資金份額集中於最強的訊號,假設因子值的大小本身就蘊含了預期報酬的相對強弱資訊。

三種方法的優劣勢分析

等權重法

等權重法的核心優勢在於廣泛的分散性與對小型股的天然傾斜。由於市值加權會將大量資金配置於大型股,等權重相對地提升了小型股在組合中的影響力,而小型股在長期統計中確實存在顯著的規模溢酬,這是等權重策略在毛報酬上經常勝過市值加權的原因之一。

等權重的代價是常態性的再平衡成本。隨著時間經過,不同股票的價格漲跌幅各異,原本均等的權重會自然發生偏移。為了在下一期恢復到均等的 1/N,策略必須賣出部分上漲的股票並買入下跌的股票。這種持續低買高賣的機制,使得等權重的換手率明顯偏高。

市值權重法

市值權重的最大優勢是交易成本極低且策略容量極大,因為市值變動緩慢,組合幾乎不需要主動交易來維持權重結構,對應的交易成本微乎其微,同時也能容納較大規模的資金而不產生顯著的市場衝擊。

但市值權重存在一個缺陷,大型股因體積龐大而佔據過高權重,嚴重稀釋了因子訊號的純度,使績效摻入大量規模效應的雜訊。

因子權重法

因子權重法直接將權重與因子強度掛鉤,理論上擁有最高的報酬上限。但實務中面臨幾個棘手問題。

  1. 因子值分佈常具厚尾特性,少數極端股票會佔據不成比例的權重,導致組合過度集中。
  2. 因子值極端值的過度敏感。某檔股票可能因為一次性業外收益導致因子值暴增,若未經縮尾處理就直接投入權重計算,將被賦予遠超過其真實價值的倉位。

原文出處:voltima_quant (@voltima_quant) 於 Threads · 查看原文

V

作者

Voltima Quant

全職自營量化團隊|多年交易經驗
專注研究CTA擇時、多因子截面策略
標的涵蓋Crypto、港美股、期貨、期權
以科學系統化手段 於波動中尋找最優化交易機會

推薦閱讀

Longbridge AI Agent 接入 ChatGPT 與 Claude,重塑量化研究效率

Longbridge AI Agent 接入 ChatGPT 與 Claude,重塑量化研究效率

Longbridge AI Agent 正式接入 ChatGPT 與 Claude 生態,解決量化研究中最難的想法生成與快速驗證瓶頸,七大流程加速 Alpha 發現。

Voltima Quant2026/08/07

資金來源決定風險容忍度:三種資金類型的差異與應對策略

不同的資金來源對波動與回撤的容忍度截然不同。本文探討自有資金、客戶資金與機構資金的本質差異,以及如何設定對應的風險參數,包括最大回撤、目標波動率與持股集中度。

Voltima Quant2026/07/31

CTA策略中趨勢環境識別的關鍵:聚類分析應用思考

本文探討CTA策略中趨勢環境識別的重要性,提出使用聚類分析從多維度描述市場狀態。通過特徵選擇(如跨市場動量一致性、訊號持續時間等)和適當的聚類算法,可以識別何時該全力運行趨勢策略、何時該減少交易,從而優化策略表現。

Voltima Quant2026/07/30