衡泰多因子研究团队，推出月度因子跟踪分析报告。
基于衡泰自研多因子风险模型，报告对A股市场月度因子表现进行了总结分析。研究结论可帮助机构更好识别投资机会和风险，并为提升市场定价效率与风险识别能力提供了可验证的因子框架。
作者：衡泰多因子团队
（吴卫东博士等）
图表1显示2007-2026年4月底风格因子的逐年收益率（26年为截止到4月底的收益率，非年化）。非常有意思的是，风格因子收益率的逐年表现呈现出很强的惯性特征，即市值、残差波动率、非线性，和流动性因子每年的收益率几乎全部为负，动量、贝塔、估值，和盈利因子每年的收益率几乎全部为正。这个从图中的颜色区分可以看出，正收益率为粉红色，负收益率为绿色。
图表1：2007-2026年4月
图表2显示2007-2026年4月底行业因子的逐年收益率。
图表2：2007-2026年4月
图表3、4显示2025-2026年4月底风格因子的累计收益率净值。
图表3：2025-2026年4月
风格因子的累计收益率净值
图表4：2025-2026年4月
风格因子的累计收益率净值
图表5显示2025-2026年4月底的5个表现最好的行业因子累计收益率净值。
图表5：2025年行业因子的累计收益率净值
图表6显示2025-2026年4月底的5个表现最差的行业因子累计收益率净值。
图表6：2025年行业因子的累计收益率净值
图表7-11显示市场常用指数的风格因子暴露度(2026/04/30)。上证50和沪深300指数在SIZE上呈现较强正向暴露，在BETA、NON_LINE、和LIQUIDITY中呈现较强的负向暴露。
中证500和中证1000指数在SIZE上呈负向暴露，在BETA、NON_LINE、和LIQUIDITY中呈较强的正向暴露，基本和上证50/沪深300相反；中证全指作为全市场指数，在各个风格因子上的暴露度都比较小（因子中性）。
这里值得一提的是，因为多因子模型中因子暴露度标准化是把原始因子值减去流通市值加权的均值，再除以标准差，所以全市场股票的因子中位数并不是零。图表7里也显示了各个因子暴露度的中位数。比如，size因子的中位数是-1.92，也就是说，全市场一半股票的size因子值大于-1.92，另一半小于-1.92。size因子为0的股票的总市值对应大约533亿元。
截止到2026/04/30，A股的总市值中位数大约为68亿元，平均值为212亿元。总市值分布的最密集处位于25亿元左右，ln（总市值）分布的最密集处位于36亿元左右，non-line因子最大值对应的市值大约为133亿元。
图表7：20260430市场常用指数的
风格因子暴露度
图表8：20260430市场常用指数的
风格因子暴露度在全市场的分位数
图表9-14显示常用指数的风格因子暴露度和在全市场的分位数。
图表9：上证50和沪深300指数的
风格因子暴露度
图表10：中证500和中证1000指数的
风格因子暴露度
图表11：中证全指指数的风格因子暴露度
图表12：上证50和沪深300指数的
风格因子暴露度分位数
图表13：中证500和中证1000指数的
风格因子暴露度分位数
图表14：中证全指指数的
风格因子暴露度分位数
图表15显示市场常用指数的行业因子暴露度(2026/04/30)。上证50行业暴露主要集中于银行、非银金融、食品饮料和电子；沪深300则集中于电子、银行、非银金融、电力设备、通信、食品饮料和有色金属；中证500在电子、电力设备、医药生物、有色金属上有较高的暴露度；中证1000集中于电子、电力设备、医药生物、计算机和机械设备；作为代表全市场的指数，中证全指在电子、电力设备、医药生物、非银金融、银行有较高的暴露度。
图表15：20260430行业因子暴露度
