因子拥挤度是怎么算出来的：五种代理指标和它们各自的盲区

Alpha101 这类量价因子的公式是公开的。公开意味着任何人都能照着复现，也意味着市场上可能有一大批账户持有几乎一样的仓位。

这件事平时看不出来。行情正常的时候，大家都赚钱或者都不赚钱，各过各的。问题出在压力期：一旦有人开始减仓，同样的持仓会被同时抛售，多头和空头一起被打——多头砸下去，空头轧上来，两边同时亏。

2007 年 8 月发生过一次教科书级别的案例。多家量化基金在几天内出现远超模型预期的回撤，而市场整体几乎没动。Khandani 和 Lo 的《What Happened to the Quants in August 2007?》复盘了这个过程：起因是某些机构因为其他资产的问题被迫去杠杆，平掉的量化仓位触发了同类持仓的连锁反应。持有相同因子暴露的账户，谁都没做错什么，一起亏了。

想提前知道自己有没有站在这样的位置上，就得算拥挤度。

拥挤度为什么没法直接测

拥挤度想回答的问题是「有多少钱压在同一个信号上」。这个数没有任何地方可以直接查——没人公布自己的因子仓位。

所以所有拥挤度指标都是代理：找一个能被观测到、且和「资金拥挤」有稳定关联的量，用它去逼近。

代理有代理的代价。每个指标都会在某些情况下给出错误信号，而且它们之间经常打架。实操里通常是几个一起看，取一致的方向。

五种算法

一、估值价差（valuation spread）

思路。把因子的多头组合和空头组合分别算一个估值指标（P/B、P/E、EV/EBITDA 都行），取比值：

$$\text{VS}_t = \frac{\text{median}(P/B)_{\text{long}}}{\text{median}(P/B)_{\text{short}}}$$

因子被大量买入时，多头那一篮子会被推贵，空头那一篮子被压便宜，比值往上走。价差越宽，说明这个因子已经被交易得越充分，未来的收益空间被提前透支。

用法。看 $\text{VS}_t$ 相对自身历史的 z 分数，不看绝对值。不同因子的估值价差绝对水平天差地别，横向比没有意义。

$$z_t = \frac{\text{VS}_t - \mu(\text{VS})}{\sigma(\text{VS})}$$

数据要求。基本面数据，而且必须是 point-in-time 的——用今天的财报数据去回填三年前的持仓，会得到一个完全失真的序列。

盲区。对价值类因子最有效，因为它本身就是估值驱动的。对纯量价因子（动量、反转、波动率）效果差很多，多空两边的估值分布可能根本没系统性差异。Alpha101 大多属于后者，用这个指标去测它们基本白费力气。

二、空头利用率（short interest / utilization）

思路。空头这一腿更容易观测。融券余额、券源利用率、days-to-cover 都是公开或半公开数据。

$$\text{DTC}_i = \frac{\text{ShortInterest}_i}{\text{ADV}_i}$$ $$\text{Utilization}_i = \frac{\text{已借出券量}_i}{\text{可借券总量}_i}$$

对因子的空头组合取加权平均，得到一个组合层面的拥挤度。利用率逼近 100%、days-to-cover 高的时候，说明这批票的空头已经很挤——一旦要平仓，需要好几天的成交量才能出得来，轧空的条件已经具备。

数据要求。美股的 short interest 是双周披露，滞后大约两周。券商的实时利用率数据一般要付费。

盲区。只看得到空头。多头拥挤（大家一起买同一批票）在这个指标上完全不显示。而且披露滞后两周，对快速积累的拥挤反应不过来。

三、成对相关性（pairwise correlation）

思路。同一批钱在同时买卖同一批票的时候，这些票的日内和日间走势会变得更同步。算组合内所有标的的两两相关，取平均：

$$\bar{\rho}_t = \frac{2}{N(N-1)}\sum_{i<j}\rho_{ij,t}$$

$\rho_{ij,t}$ 用滚动窗口（60 日常见）算。这个均值相对自身历史往上跳，是拥挤在积累的信号。

更干净的做法是先把市场因子回归掉，用残差算相关。否则大盘一波动，所有相关性都会同时上升，跟拥挤没关系。

$$r_{i,t} = \alpha_i + \beta_i r_{m,t} + \varepsilon_{i,t}$$

拿 $\varepsilon$ 序列去算 $\bar{\rho}$。

数据要求。只要价格。这是五个里门槛最低的，个人完全做得起来。

盲区。行业集中会污染结果。如果组合里一半是半导体股，它们的残差相关本来就高，这跟拥挤没关系。需要先做行业中性化，或者至少分行业看。

四、因子收益的波动与自相关

思路。拥挤会改变因子收益序列本身的形状。资金持续流入的阶段，因子收益的自相关会变正（趋势变强）；同时波动率上升。这两个一起出现，通常意味着行情由资金流推着走，基本面在这个阶段说了不算。

$$\text{AC}_1(t) = \text{corr}\big(f_{t}, f_{t-1}\big) \quad \text{（滚动窗口）}$$

$f_t$ 是因子的多空组合日收益。

还有一个更直接的信号：回撤的形状。拥挤因子的回撤特征是又快又深，几天之内跌完一年的超额。慢慢磨出来的回撤通常另有原因。如果你的因子历史回撤里出现过前一种形态，它大概率被拥挤过。

数据要求。只要因子的历史收益序列，自己的回测就能产出。

盲区。这是滞后指标。它在拥挤已经形成、甚至已经开始出清的时候才亮灯，用来事后归因比事前预警好用。

五、持仓重叠度（overlap）

思路。如果能拿到别人的持仓，直接算重叠是最准的。机构的 13F 是季度披露的公开数据，可以用来算你的组合和主流量化基金持仓的交集：

$$\text{Overlap} = \sum_i \min(w_i^{\text{mine}}, w_i^{\text{theirs}})$$

拿不到持仓时的替代做法。算自己的因子排名和几个公开因子排名的相关性。

$$\rho_{\text{rank}} = \text{corr}\big(\text{rank}(f^{\text{mine}}), \text{rank}(f^{\text{public}})\big)$$

$f^{\text{public}}$ 用 Fama-French 那几个因子，或者任何一个你能复现的广为人知的信号。相关性高，说明你的信号和公开信号在选同一批票，那么公开信号的拥挤度就是你的拥挤度。

跑公开公式的人尤其该量一下这个数。公式人人可见，持仓大概率高度重合，重合到什么程度是可以算出来的。

数据要求。13F 数据有免费源但清洗麻烦，季度频率也太粗。排名相关性版本只要价格数据。

盲区。13F 只覆盖美股多头，不含空头和衍生品，也不含对冲基金的全部仓位。季度滞后对高换手策略基本没用。

怎么合成一个能用的数

单个指标都有盲区，实操里一般合成。最简单的做法是各自转成 z 分数再取平均：

$$C_t = \frac{1}{K}\sum_{k=1}^{K} z_{k,t}$$

有几个细节值得注意：

用 z 分数，不用原始值。每个指标的量纲和分布完全不同，不标准化就没法加。

z 分数的窗口要够长。至少两三年，否则「相对自身历史」这个基准会跟着短期波动漂移。窗口太短的话，缓慢积累的拥挤会被当成新常态，指标一直显示正常。

不要给拥挤度设绝对阈值。「z > 2 就减仓」这种规则听着爽，但 z 分数本身依赖于你选的窗口和指标组合，换一组就是另一个数。更实际的用法是看方向和斜率：这个季度比上个季度挤了多少，加速了还是在缓解。

算出来之后能干什么

别拿它当交易信号。拥挤度和未来收益之间没有稳定的可交易关系。因子可以在高度拥挤的状态下继续赚一年钱，也可以在看起来不挤的时候崩掉。用它来择时进出，多半是给自己加噪音。

拿它调风险敞口。这是我认为最合理的用法。拥挤度高的时候，把杠杆降下来、把单因子的权重上限收紧、把止损带放宽一点（因为拥挤期的正常波动就是更大）。目标是在出清发生的时候少亏。至于出清哪天到，别指望能预测出来。

拿它做事后归因。策略回撤的时候，先看拥挤度指标那几天有没有异动。有异动，这次回撤大概率是流动性事件，扛住或者降杠杆就行；没异动，才该怀疑因子本身失效，那是要改模型的。这两件事经常被混为一谈，处理方式完全相反。

拿它决定要不要继续用一个因子。这是最根本的一层。如果一个因子的拥挤度长期处在高位，说明它的超额已经被交易得差不多了。与其在上面调参数，不如去找相关性更低的信号。

从哪个指标开始

五个指标的落地成本差得很远。按门槛从低到高：

1. 残差成对相关性——只要价格数据，回测框架里直接就能加
2. 排名相关性——把自己的组合排名和几个公开因子对一下，量化重合度
3. 因子收益的自相关和回撤形态——历史收益序列已经有了，纯粹是算不算的问题
4. 空头利用率——要买数据，但对做空的策略值这个钱
5. 估值价差——要 point-in-time 基本面数据，且只对价值类因子有用

前三个不需要新增任何数据源，一个下午就能加上。绝大多数人卡在拥挤度上，卡的是没排优先级，不是数据不够。

先把最便宜的那个装上，让它跑起来产出一条时间序列。拥挤度这种东西，只有攒够历史才有参照系——今天的读数单看毫无意义，它必须和自己过去两三年比。越早开始记，越早能用。