基金研究系列之二十二：所有日子并不平等：基于市场注意力的基金动量改进

主要观点：

• 通过对特定日期（如财报密集发布日、宏观数据发布日、量价背离日）的基金收益进行加权，可以增强传统动量因子的有效性。
• 构建了包含78个市场特征的维度库，发现信息密度、市场状态、分化程度、情绪等维度对动量有效性有显著影响。
• 构建了基于注意力机制的神经网络模型（CMM），自动学习每日权重，有效整合多维信息。
• CMM模型在样本外测试中表现优异，rank IC达到11.60%，ICIR达到1.50，TOP100策略年化超额7.69%。
• 模型分析显示，量价背离、信息密集、情绪适中的交易日获得更高权重。

关键数据：

• 传统动量因子2020年后失效，IC均值仅2.8%。
• 财报密集期动量因子IC达到10.9%，宏观信息密集期动量因子IC达到10.5%，量价背离期动量因子IC达到9.10%。
• CMM模型静态训练样本外rank IC达到11.60%，滚动训练样本外IC提升至13.22%，ICIR 1.50。
• CMM TOP100策略年化收益8.80%，年化超额7.69%。

研究结论：

• “所有日子并不平等”的假设适用于基金动量因子构建。
• 通过识别和加权“信息含量更高”的交易日，可以有效提升动量因子的有效性。
• CMM模型能够有效整合多维市场特征，自动学习权重分配，为基金动量改进提供了新思路。