由于这一现象的存在，度量因子拥挤度就显得至关重要。
        海通量化团队在前期发布的专题报告《选股因子系列（四十二）——因子失效预警：因子拥挤》中对于部分因子拥挤度指标在国内市场的表现进行了初步的测试。本文将基于客户反馈交流的结果，对于原有指标的计算方法进行尝试性的改进，为投资者在构建自己的拥挤度监控框架时提供更多的参考。
        在前期报告中，我们介绍并回测了四类因子拥挤度指标在A  股市场的表现情况。这四类指标分别是：估值价差、配对相关性、长期收益反转以及因子波动率。在路演交流的过程中，配对相关性以及因子波动率两个指标常会引起讨论，并且指标的效果也存在进一步提升的空间。因此，本文将会重点对比展示不同计算方法下指标的表现情况。
        算法改变后的配对相关性在部分因子上与未来因子收益正相关。在使用特质收益计算配对相关性时，这种正相关性会更加明显以及普遍。
        算法改变后的配对相关性对于因子未来收益波动的预测能力较强。在引入了特质收益后，指标对于波动的预测能力会进一步提升。
        算法改变后的配对相关性在原始因子集合以及正交因子集合上的效果差别较小。指标的收益预测能力以及收益波动的预测能力在正交的因子集合上依旧较为稳定，仅在部分因子上会有小幅变化。
        “多头/市场”的因子波动率具有一定的预测能力，但是弱于“多头/空头”的指标效果。“多头/市场”的因子波动率对于因子未来收益具有一定的预测能力，但是指标在原始因子集合上的效果并未明显强于系列前期报告中构建的“多头/空头”的指标效果。
        “多头/市场”的因子波动率在正交的因子集合上依旧具有收益预测能力，但是收益波动预测能力有所减弱。“多头/市场”的因子波动率在正交的因子集合上对于因子未来收益的预测能力有一定的提升，但是指标与因子未来收益波动之间的相关性会有所减弱。
        “多空/市场”的因子波动率在原始因子集合以及完全正交的因子集合上的预测能力偏弱。
        风险提示。市场系统性风险、资产流动性风险以及政策变动风险会对策略表现产生较大影响。