来源：源达信息证券研究所

　　证券研究报告/金融工程研究

　　报告日期：2026年08月27日

　　投资要点

　　规模因子的定义

　　本文选取总市值的自然对数（ln市值）作为规模因子构建策略，其公式为：规模因子= ln（股价 × 总股本）。规模因子的经济学基础源于小市值溢价现象 ，即小市值股票的长期收益系统性高于大市值股票；取对数可有效缓解A股市值长尾分布带来的偏态与异方差问题
，提升线性回归的拟合效率 。

　　规模因子的特点

　　①规模因子整体呈负向选股能力，小市值溢价显著 ，在中小盘指数中尤为突出
。 因子在中证1000指数中负向预测能力最强
，平均RankIC为-0.0773，行业中性化后RankICIR增强 ，稳定性和强度俱佳；在沪深300指数中呈正向选股能力
，平均RankIC为0.0521。

　　②规模因子在商业贸易、纺织服装 、轻工制造等行业负向选股效果最强，仅在银行
、非银金融中呈正向 。 商业贸易、纺织服装 、轻工制造等行业RankIC均值均低于-0.13 ，行业内小市值股票持续跑赢大市值股票；银行的RankIC均值达0.1288
，RankIC正比例为64%，大市值占优特征显著
。

　　③规模因子的负向有效性随市值增大而单调递减 ，在小市值组中最为显著。市值组1的RankIC均值为-0.1038，正比例仅0.16
，小市值溢价最为显著；市值组5的RankIC均值转正至0.0402，大市值股票转而占优 。

　　规模因子多因子选股策略与沪深300指数走势对比

　　多因子组合策略构建

　　规模因子捕捉的是小市值溢价 ，但小市值股票中混杂着大量盈利质量差
、估值泡沫化的标的
，故引入两类辅助约束：净利润总额TTM≥1亿元的盈利质量门槛，剔除亏损、微利及壳属性公司；市净率≤3的估值约束 ，避免为规模溢价支付过高费用 
。具体筛选流程包括：1．剔除ST 、退市的公司；2．剔除净利润总额TTM小于1亿的公司；3．剔除市净率大于3的公司。根据定期报告披露日期
，在每年的4月30日及10月30日调仓，非交易日则顺延 ，根据规模因子从小到大排序
，选取前5只等权重持有构建策略 。2014.04.30-2026.08.25该策略组合实现了708.50%的总回报，年化收益率为18.38%
。相较于沪深300指数 ，该组合实现了598.14%的超额收益。

　　风险提示

　　历史收益表现不代表未来；回测模型未考虑实际交易费用率；其他数据统计误差

　　规模因子的IC检测

　　1．规模因子的定义

　　规模因子（Size Factor）是衡量上市公司规模的经典因子
，其经济学基础源于小市值溢价现象 。自Banz（1981）提出以来，大量研究表明小市值股票的长期收益系统性高于大市值股票 ，Fama-French三因子模型中的SMB（Small Minus Big）因子即是对该效应的刻画。规模因子的常见构建方式包括总市值
、流通市值、自由流通市值及对数市值等，具体如表1所示
。

　　表1：规模因子的主要构建方式

　　因为A股市值从几十亿到数万亿跨度极大且呈长尾分布
，直接采用原始市值容易受极端值影响，取自然对数可有效缓解数据偏态和异方差问题 ，提升线性回归的拟合效率。故本文选取 ln市值（总市值的自然对数）作为规模因子构建策略
，其公式为：

　　规模因子 = ln（股价 × 总股本）

　　其中，股价与总股本均取调仓时点数据 。

　　2．规模因子的 IC检测分析

　　考虑到定期报告的披露时间 ，我们对中证全指成分股
，采用半年度频率数据，对2014-2026年期间4月30日及10月31日的数据进行 IC 检测 ，可以发现规模因子的主要特征如下：

　　『1』 规模因子整体呈负向选股能力
，小市值溢价显著，在中小盘指数中尤为突出
。 因子在中证1000指数中负向预测能力最强 ，平均RankIC为-0.0773
，RankICIR为-0.4429，行业中性化后RankICIR进一步增强至-0.5085 ，负向预测的强度与稳定性俱佳；在沪深300指数中因子呈正向选股能力，平均RankIC为0.0521。

　　『2』 规模因子在商业贸易 、纺织服装
、轻工制造等行业负向选股效果最强
，仅在银行、非银金融中呈正向 。 商业贸易 、纺织服装、轻工制造
、综合、传媒等行业的RankIC均值均低于-0.13，行业内小市值股票持续跑赢大市值股票 ，负向强度较高；与之相对
，因子在银行 、非银金融行业中呈正向选股能力，其中银行的RankIC均值达0.1288 ，RankIC正比例为64%
，大市值占优的特征显著
。

　　『3』 规模因子的负向有效性随市值增大而单调递减，在小市值组中最为显著。 市值组1至市值组4（市值中位数约24亿至109亿元）的RankIC均值依次为-0.103〖捌〗
、 -0.050〖伍〗、 -0.030〖贰〗 、 -0.0103 ，均为负值且绝对值逐级收窄
，RankIC正比例分别为0.1〖陆〗
、 0.2〖肆〗、 0.2〖捌〗 、 0.44，小市值组内负向预测的强度与信号一致性俱佳；市值组5（市值中位数约305亿元）的RankIC均值转正至0.0402 ，正比例升至0.68
，大市值股票转而占优 。因子有效性整体随市值增大呈单调递减态势
。

　　分指数对规模因子进行IC检测，规模因子整体呈现负向选股能力 ，平均RankIC为-0.0835，RankICIR为-0.3771
，体现出A股市场整体的小市值溢价特征。分指数来看，因子在中证1000中负向表现最为突出 ，平均RankIC最低
，且RankICIR绝对值比较高 ，行业中性化后RankICIR进一步增强至-0.5085 。沪深300平均RankIC为0.0521 ，因子呈正向选股能力
，但RankICIR偏低，仅为0.2964 ，稳定性较弱；中证500与中证800中因子有效性整体偏弱
，信号方向不稳定
。

　　表2：不同指数规模因子 IC 检测情况（包含行业中性化前后的2种情况）

　　我们对规模因子分行业进行 IC 检测。从行业表现数据来看，该因子在绝大多数行业中呈负向选股能力 ，小市值效应普遍存在
，其中在商业贸易
、纺织服装、轻工制造 、综合
、传媒等行业负向预测能力最强，Rank IC 均值均低于-0.13；与之相对 ，因子在银行、非银金融行业中呈正向选股能力，其中银行的Rank IC均值达0.1288
，Rank IC正比例为64%，为全部行业中大市值占优最显著的行业 。

　　表3：不同行业规模因子 IC检测情况

　　接着 ，我们对不同市值的股票分组进行 IC 检测
，规模因子的有效性随市值增大呈单调递减的特征：市值组1至市值组4的RankIC均值依次为-0.103〖捌〗 、 -0.050〖伍〗、 -0.030〖贰〗
、 -0.0103，均为负值且绝对值呈阶梯式收窄 ，在市值组1（市值中位数约24亿元）负向强度比较高 
，小市值溢价最为显著；市值组5（市值中位数约305亿元）的RankIC均值转正至0.0402，大市值股票转而占优。从稳定性看 ，市值组1的RankIC正比例仅为0.16
，负向信号一致性最强；市值组5的RankIC正比例比较高 （0.68），正向信号最稳定
。综上 ，规模因子在小市值区间的股票中负向表现最强
，兼具预测的强度和稳定性。

　　表4：不同市值规模因子 IC检测情况

　　从时间维度来看，结合不同年份的市场风格轮动 ，规模因子的有效性高度依赖于市场的大小盘风格 。大盘风格占优的年份，因子呈正向
，例如2017年；小盘风格主导的年份，因子显著为负 ，例如2015年、2021年 、2025年
，小市值股票大幅跑赢
。

　　表5：不同年份规模因子 IC检测情况

　　规模因子较低组跑赢规模因子较高组，将规模因子从小到大分为10组 ，计算累计平均收益率曲线
，可以发现规模因子较低组即小市值组的收益表现整体优于较高组，与IC检测所呈现的小市值溢价特征相互印证。

　　图1：规模因子的分组平均累计收益

　　〖Two〗
、 组合策略构建

　　1．多因子组合策略构建

　　规模因子捕捉的是小市值溢价 ，但小市值股票是一个高度异质的群体
，其中既包含处于成长早期、具备业绩弹性的优质公司，也混杂着大量基本面持续恶化 、盈利质量低下甚至具有壳属性的标的 。单纯依赖规模因子筛选 ，容易在市场风格切换或流动性收紧时承受较大回撤
。因此
，本文在规模因子的基础上引入两类辅助约束——盈利质量与估值安全边际。

　　具体而言，本文采用净利润总额TTM作为筛选门槛用于保证盈利质量 ，设置净利润总额TTM≥1亿元的门槛，可剔除亏损股
、微利股及壳属性公司
，确保入选公司具备持续的盈利能力和一定的经营规模 。市净率则用于控制估值风险，小市值股票容易成为资金炒作的对象 ，估值波动剧烈
，当市净率过高时，投资者为小市值溢价支付的费用 可能已透支未来收益 ，设置市净率≤3的约束
，可将组合限定在估值合理的区间内，保留足够的安全边际
。

　　具体优化流程如下：

　　1．剔除ST、退市的公司

　　2．剔除净利润总额小于1亿的公司

　　3．剔除市净率大于3的公司

　　根据定期报告披露日期 ，在每年的4月30日及10月30日调仓
，非交易日则顺延，根据净利润增速因子从小到大排序 ，选取前5只等权重持有构建策略。

　　2014.04.30-2026.08.25该策略组合实现了708.5%的总回报
，年化收益率为18.38% 。相较于沪深300指数，该组合实现了598.14%的超额收益
。

　　图2：规模因子多因子选股策略（2014.04.30-2026.08.25）

　　表6：规模因子多因子选股组合表现

　　〖Three〗 、 风险提示

　　历史收益表现不代表未来；

　　回测模型未考虑实际交易费用率；

　　其他数据统计误差

　　投资评级说明

　　分析师：吴起涤

　　执业登记编号：A0190523020001

　　wuqidi@yd.com.cn

　　研究助理：王娜

　　执业登记编号：A0190125030006

　　wangna@yd.com.cn

　　分析师声明

　　作者具有中国证券业协会授予的证券投资询问 执业资格并注册为证券分析师 ，以勤勉的职业态度，独立
、客观地出具本报告。分析逻辑基于作者的职业理解
，本报告清晰准确地反映了作者的研究观点 。作者所得报酬的任何部分不曾与，不与 ，也不将与本报告中的具体推荐意见或观点而有直接或间接联系
，特此声明。

　　重要声明

　　河北源达信息技术股份有限公司具有证券投资询问 业务资格，经营证券业务许可证编号：911301001043661976
。

　　本报告仅限中国大陆地区发行 ，仅供河北源达信息技术股份有限公司（以下简称：本公司）的客户使用。本公司不会因接收人收到本报告而视其为客户 。本报告的信息均来源于公开资料
，本公司对这些信息的准确性和完整性不作任何保证，也不保证所包含信息和建议不发生任何变更
。本公司已力求报告内容的客观、公正 ，但文中的观点 、结论和建议仅供借鉴 
，不包含作者对证券费用 涨跌或市场走势的确定性判断。本报告中的信息或所表述的意见均不构成对任何人的投资建议，投资者应当对本报告中的信息和意见进行独立评估 。

　　本报告仅反映本公司于发布报告当日的判断 ，在不同时期
，本公司可以发出其他与本报告所载信息不一致及有不同结论的报告；本报告所反映研究人员的不同观点
、见解及分析方法，并不代表本公司或其他附属机构的立场
。同时 ，本公司对本报告所含信息可在不发出通知的情形下做出修改，投资者应当自行关注相应的更新或修改。

　　本公司及作者在自身所知情范围内
，与本报告中所评价或推荐的证券不存在法律法规要求披露或采取限制、静默措施的利益冲突 。

　　本报告版权仅为本公司所有，未经书面许可 ，任何机构和个人不得以任何形式翻版 、复制和发布
。如引用须注明出处为源达信息证券研究所
，且不得对本报告进行有悖原意的引用、删节和修改。刊载或者转发本证券研究报告或者摘要的，应当注明本报告的发布人和发布日期 ，提示使用证券研究报告的风险 。未经授权刊载或者转发本报告的
，本公司将保留向其追究法律责任的权利
。