加权方法概述
　　因子加权是多因子策略流程中的重要一步，本篇报告重点介绍四种加权方法：等权加权、筛选后等权加权、IC均值加权、ICIR加权。等权加权是给予因子相同的权重；筛选后等权加权方法根据因子多头组合过去6个月的收益进行筛选，收益为正的因子等权加权；IC均值加权方法根据因子过去12个月的IC均值来调整权重；ICIR加权方法根据因子过去12个月的ICIR来调整权重。
　　因子的加权
　　在每类风格因子中，我们用这四种方法分别对因子进行加权，并对比合成因子的有效性。对质量类因子来说，筛选后等权的加权方法效果最好；对成长类因子来说，筛选后等权的加权方法效果最好；ICIR加权方法在北向资金类因子中最有效；IC加权方法在分析师预期类因子中最有效；对技术类因子来说，等权加权方法效果最好。
　　因子的正交
　　为了降低因子之间的相关性，提高模型的稳健性，我们用线性回归的方法对因子进行正交处理。在每类因子中，我们选择历史表现最好的因子作为初始因子，用其他因子对其进行正交处理，并检查残差因子的有效性。我们对初始因子及正交因子进行合成，并对比四种加权方法的效果。
　　中证500指数增强策略对比
　　对于每类因子，我们选择效果较优的加权方法，再将大类因子等权合成构建最终的股票打分。从合成因子的检验来看，原始合成因子和正交合成因子的效果均较好。同时，我们将两种合成因子用于中证500指数增强模型的构建，基于正交因子构建的增强策略表现更好，在回测期间，策略超额基准的年化收益有11.68%，信息比率有2.28，Calmar比率有1.52。
　　风险提示
　　本篇报告的模型基于历史数据检验结果，未来可能出现因子或模型失效风险。