← 返回报告库
Quantpedia Awards 2026 · 第四名拆解 + A股实测
异常因子不是「死了」，是被成本杀的
Beckmeyer、Berg、Wiedemann & Wortmann 的《Reviving Anomalies》指出：学界发现的大量异常因子在扣除交易成本后就不显著了——这通常被解读为"被套利掉、alpha 衰减"。但作者认为，更多时候是实现方式太粗暴。把预期收益 + 交易成本 + 规模冲击一起纳入组合构建（成本感知），很多"死因子"重新变得可投：1/N 组合 OOS 夏普 0.64–1.01、各规模都显著。我们在 A股用短期反转演示了同一件事。
覆盖：美股大量异常因子（论文，2026-03） · A股申万行业短期反转 2018–2026（我们的实测） · 数据截至 2026-06
0.64–1.01
论文：成本感知"复活"后的异常组合 OOS 夏普
−0.5% / 夏普0.10
A股反转·每 5 日换·扣成本 —— 看着像"死因子"
+10.5% / 夏普0.54
同一信号·每 20 日换·扣成本 —— 复活
一句话结论："这个因子不灵了"往往是个伪命题——真相常是"你的实现方式把它交易死了"。同一个 A股短期反转信号：每 5 日换毛收益夏普 0.43、扣 0.2% 成本后净夏普只剩 0.10（看着已死）；只把持有期拉长到 20 日（少交易），净夏普就复活到 0.54。因子没变，变的只是"成本感知"。这正是我们做每个策略都坚持每笔计 0.2% 成本、盯换手、做 OOS 的原因。
论文讲了什么
把成本和规模冲击放进组合构建，死因子就活了Beckmeyer, Berg, Wiedemann & Wortmann (2026)
- 问题：大多数已发表异常，扣成本后不再显著（"alpha 衰减"）。传统解读：公开后被套利掉。
- 作者的视角：很多异常的"死"，是被朴素的等权 / 高换手实现和规模冲击（大资金的价格冲击）杀的，而非信息本身失效。
- 方法：用机器学习预测各资产的预期收益，把预期收益 + 买卖价差成本 + 规模相关的价格冲击一起放进组合优化，只在"预期收益盖得过成本"时交易，并按资金规模调整。
- 结果：复活后的"可实现异常"做 1/N 组合，各资金规模 OOS 夏普 0.64–1.01、alpha 高度显著；且真实共同基金确实在向这些"可实现异常"倾斜，倾斜更多的基金后续收益更高。
我们的 A股实测：短期反转的"死与复活"
买"过去最弱的 5 个行业"（反转）· 换仓频率决定生死2018–2026，等权，0.2% 单边成本
| 持有 / 换仓周期 | 毛收益（0 成本） | 净收益（0.2%） | 结论 |
|---|
| 每 5 日换（高换手） | 7.8% / 夏普0.43 | −0.5% / 夏普0.10 | 成本杀死，看着像死因子 |
| 每 10 日换 | 19.0% / 夏普0.49 | 14.4% / 夏普0.42 | 缓过来 |
| 每 20 日换（成本感知） | 12.7% / 夏普0.63 | 10.5% / 夏普0.54 | 复活 |
同一个反转信号，唯一变量是换仓频率。5 日换毛收益还行(0.43)、净收益被成本抹平(0.10)；放慢到 20 日，交易次数降下来，净夏普复活到 0.54。"因子死没死"的答案，藏在你的换手率里。
这正是我们一直在做的事
成本感知是我们的默认动作
- 每个策略都每笔计 0.2% 成本、报毛/净两套数、盯月均换手。
- 成交量择熊信号要求"连续 3 日站上均量才翻"——就是为降换手(444 次翻转→98 次)，否则成本吃光。
- 期货贴水轮动的零成本版夏普 1.29，计入换手成本后边际收益归零——成本不是事后扣项，是构建时就要进目标函数。
怎么"复活"一个看着死的因子
- 降频 / 加滞回带：信号没大变就别动(我们的跨资产动量用"跌出 top8 才换")。
- 只在信号强到盖过成本时交易(预期收益 − 成本 > 0 才换)。
- 按规模调整：小资金能吃的妖股/微盘，大资金冲击成本会吃掉 alpha——可实现性随规模变。
方法论价值：这篇给了我们一个判断老因子的新框架——别只看"毛收益还显著吗"，要看"在我的资金规模 + 真实成本下，它还可实现吗"。很多被判死刑的 A股因子（反转、低波、部分价量），换个成本感知的实现就能救回来一部分。