本期投资提示：
　　宏观量化指标能够抓住一定的因子周期，部分退出时点偏左侧。在此前的报告《探寻风格因子周期：宏观量化能否贡献超额收益？》中，我们使用宏观量化方法对常用风格因子的周期性规律进行了测试，得到了估值、市值、成长等代表性的因子与宏观变量之间较强的关联，在因子选择上得到了不错的效果，但对市值、质量等部分因子的退出时点略偏左侧。在因子投资的实践中，我们也常常会使用因子IC等动量指标来筛选因子，即当因子在之前一段时间持续有效时继续使用，而因子动量和宏观环境选择的因子常常会有一定的差异，本报告中，我们重点讨论宏观因子配置和因子动量的配合。
　　不同因子在不同视角下的胜率不同，因子动量的选择整体上比宏观量化指标的选择更偏右侧。经过胜率测算和案例分析，使用宏观量化方法筛选因子通常具备一定的左侧特征，可能体现为提前配置或提前退出，对基本面因子的筛选效果更好；使用因子动量筛选因子偏右侧，对于宏观敏感性较弱的价量因子有更好的效果。对于沪深300，基本面因子整体有效性强于价量，宏观筛选方法的表现也更出色，而对于市值偏小的中证500，价量因子有效性强，因子动量的效果也优于宏观方法。
　　宏观与动量筛选因子的左右侧配合：我们观察宏观方法和因子动量同时提示选择因子的“共振”效果，共振因子的整体表现较为稳健，夏普率有所提升，选中因子的胜率多数都有明显的提升，但是“共振”会明显减少因子的数量，平均每期能够满足条件的因子仅约1个。因此我们考虑除了“共振”因子外根据因子在不同视角下的选择胜率进行配合，除了成长因子同时考虑宏观和因子动量结果，市值和基本面因子仅参考宏观结果，价量和分析师预期变化仅参考因子动量结果，得到综合筛选结果，综合后组合的收益、夏普率都有明显的提升。
　　宏观与因子动量结合的增强组合：确定了宏观量化方法与因子动量的左右侧配合方法后，我们仍然尝试通过多头组合、因子打分以及组合优化三种方式构建指数增强组合，组合超额收益整体较为稳定，相比仅使用一种方法筛选因子表现都有提升，其中优化组合在2019年表现偏弱，其余年份整体表现更好。对于沪深300，近阶段红利因子的共振明显，选择的风格持续为红利低波；中证500的情况略有不同，近期低流动性的共振最强，红利低波也持续被选中。
　　风险提示及声明：本报告模型根据历史数据构建，准确度受限于历史数据的长度；模型历史表现不代表未来，宏观及市场环境大幅变化时模型可能失效