因子策略回测收益高但实盘收益低，不一定需要直接放弃，但必须重新验证因子逻辑，并纳入交易成本和拥挤度因素。回测与实盘之间的收益落差在量化投资中很常见。根据学术研究（如文献 “The Factor That Wasn’t”），因子策略在样本外测试中收益平均下降约26%，在公开发表后收益平均下降约58%。这种偏差主要源于过拟合（因子在历史数据中恰好表现好，但缺乏普遍性）和曝光效应（因子被广泛知晓后，资金涌入导致收益被压缩）。
重新验证因子逻辑
在考虑放弃前，应系统性地检查因子是否具有经济意义。首先，确认因子背后的逻辑是否合理（如估值、动量、质量等经典因子通常有经济理论基础），而非纯粹的数据挖掘结果。其次，采用更严格的样本外测试：将数据分为训练集、验证集和测试集，确保因子在未见过的数据上仍然有效。如果因子在样本外测试中仍能产生显著的正收益（扣除交易成本后），说明它可能仍有价值。
- 常见修正方法：
- 加入交易成本模型：估算冲击成本、佣金和滑点，按实际流动性调整。
- 控制拥挤度：使用因子暴露的集中度指标（如持仓重叠度）调整权重，避免跟风。
- 分时段回测：检查因子在不同市场环境（牛市、熊市、震荡市）中的表现是否稳定。
调整策略而非彻底放弃
如果修正后因子仍有一定收益，但不及回测，可考虑降低仓位或作为辅助信号使用，而不是完全放弃。历史上，多数因子（如市值因子、价值因子）在公开发表后收益下降，但并未完全消失，只是需要更精细的执行。若因子在扣除交易成本后收益仍为正且具有经济解释，则值得保留；若收益归零或为负，则建议放弃。
简短总结
因子策略回测与实盘的差异主要源于过拟合、曝光效应和交易成本。关键在于重新验证因子逻辑、加入交易成本和拥挤度控制。若修正后仍有正收益，可适度使用；否则应放弃。
常见问题
如何判断因子是否过拟合？
过拟合的一个信号是：因子只在特定时间段（如2015-2018年）表现好，而在其他时间段表现差。可以通过滚动回测（每次用过去3年数据训练、未来1年测试）来检验稳定性。如果因子在不同窗口期的收益波动很大，过拟合风险较高。
交易成本对因子策略的影响有多大？
交易成本的影响取决于因子换手率。高频因子（如月换手率超过50%）的收益可能被交易成本完全吞噬，而低频因子（如季度调仓）影响较小。通常建议按实际佣金（如万分之一）和滑点（如0.1%）估算，并在回测中扣除。
拥挤度如何量化？
常用指标是因子持仓的重叠度或多空组合的市值占比。例如，如果某因子的多头持仓与市场主流策略高度重合，表明拥挤度较高，未来收益可能下降。可以通过计算持仓与同类策略的相关系数来评估，相关系数高于0.7时需警惕。