由于数据源等原因，选基因子同质化现象相对较为明显。传统选基因子中表现最好的是使用线性回归法剥离掉基金收益中风格指数可解释的部分，用不可解释的残差构建选股Alpha因子，它在偏股基金中的季度IC达到0.12，ICIR达到0.7。但线性回归法是静态方法，没有考虑基金仓位的动态变化。
　　利用卡尔曼滤波（Kalman Filter）方法，我们能够基于每个时点可得信息动态估计风格仓位并复制基金净值。而卡尔曼平滑（Kalman Smoother）方法在卡尔曼滤波的基础上再进一步，相较于滤波法只利用到每个时刻之前的部分信息，卡尔曼平滑利用了全部样本信息来进行动态估计仓位，从而可以构建全新的风格无法解释的选股Alpha因子。
　　卡尔曼平滑法选股Alpha因子的IC显著上升至0.133，ICIR也上升至0.912，相比线性回归法0.118的IC和0.71的ICIR有了显著提升。
　　最后我们将基于卡尔曼平滑的选股能力因子加入多因子选基体系。我们在2020年11月13日的报告《基本面量化视角下的机构持仓信息研究系列之二：基金优选下的重仓股信息研究》中首次构建了兴证金工多因子选基模型。我们将其中选股Alpha因子从线性回归法替换成卡尔曼平滑法后，2012年以来基金优选组合的年化收益率从17.96%提升至19.01%，且从分年收益看大多数年份均有正超额。
　　风险提示：报告内容基于历史数据和模型，存在变化或失效的风险