本文目录导读：
关于基本面在系统化投资（量化）模型中的权重，并没有一个放之四海而皆准的固定比例，它完全取决于你的策略类型、投资周期、资金规模以及市场环境。
根据行业内主流的系统优化工具（如多因子模型回测、机器学习特征重要性分析）的实践共识，可以给出以下参考框架和逻辑：
按策略周期划分的参考权重
- 短周期/高频策略（日内至数天）：基本面权重通常为 0% - 10%
- 原因：短期价格由资金流、情绪和技术面主导，基本面信息（如财报）更新频率低，对短期波动的解释力极弱。
- 中周期策略（数周至数月）：基本面权重通常在 20% - 40%
- 原因：这是基本面与技术面结合最紧密的区间，基本面用于筛选股票池（剔除垃圾股），技术面用于择时。
- 长周期/价值策略（半年至数年）：基本面权重通常在 60% - 80% 甚至更高
- 原因：长期来看，股价是称重机，企业盈利、ROE、现金流等基本面因子是核心驱动力。
系统优化工具中的“动态权重”逻辑
现代系统优化工具（如基于机器学习的因子权重分配）通常不会设定静态权重，而是通过以下方式动态调整：
- IC/IR 分析：工具会计算基本面因子（如BP、ROE）与未来收益的信息系数，如果当前市场环境下基本面因子的IC值高，优化器会自动提高其权重；反之则降低。
- 市场状态识别：在熊市或震荡市中，基本面（低估值、高股息）的防御权重通常会被优化器调高；在牛市中，动量和技术面权重可能上升。
- 风险平价模型：基本面因子通常波动率较低，在风险平价优化下，为了贡献相同的风险，基本面因子可能会获得较高的资金权重（但杠杆后的名义权重可能不同）。
实操建议
如果你正在使用系统优化工具（如聚宽、米筐、JoinQuant或自行编写的遗传算法优化器）进行参数寻优：
- 不要过度优化权重：基本面权重不宜通过回测过度拟合（例如精确到小数点后两位），建议设定为5%的整数倍（如30%、40%），以避免过拟合。
- 分层测试：先固定基本面权重为0%，观察纯技术策略的表现；再逐步加入10%、20%、30%的基本面因子，观察夏普比率和最大回撤的边际改善情况，通常存在一个“拐点”，超过该权重后，策略换手率下降但超额收益不再显著提升。
- 注意因子共线性：基本面因子（如PE、PB）与技术面因子（如动量）可能存在低相关性，这是它们能组合的前提，如果优化工具显示两者相关性突然升高，需警惕权重失效。
对于大多数中低频系统化策略，基本面权重的经验中枢在 30% 左右，但请务必以你的优化工具回测结果（夏普比率、Calmar比率）为准，而非依赖固定数字，建议从 20% 开始进行敏感性测试。
版权声明：除非特别标注，否则均为本站原创文章，转载时请以链接形式注明文章出处。
