市场状态的切换与股票间关联关系的变化对股票的预期收益影响显著。不同的市场状态对应着不同的交易模式，而传统方法为不同状态的数据赋予相同的重要性，尝试构建一种统一的交易模式，这种通用的方法可能难以适应市场状态的切换或市场的结构性变化，从而可能在极端的行情中出现较大回撤。股票间的关联性通常包括股票分类以及相似度的度量，其描述股票的协同效应，即对于某些信息的反应具有一致性，传统方法通常仅通过股票自身的特征序列来建模预期收益，在信息输入上存在缺失。传统方法存在着这两方面的局限性。
　　风险因子与深度风险模型建模股票关联关系，趋势与波动识别市场状态。风险因子涵盖股票基本面与量价信息，蕴含着股票的内在特征，且有着对收益解释力度强、截面相关性低、时序自相关性高等特点，可以作为计算股票相似度的重要依据。深度风险模型对原始风险因子进行进一步的加强，对股票的本质特征具有更好的刻画效果。对于市场状态的识别，窗口期内标准化价格的斜率作为趋势指标，窗口期内日收益率的标准差作为波动性指标，将市场状态分为暴涨、平稳上行、宽幅震荡、窄幅震荡、暴跌以及持续下行6种情形，实证结果表明，不同的市场状态具有不同的风格偏向。
　　Adaptive-GSM-Alpha是一种适应性的因子生成模型，适应市场状态与股票关联性的变动。Adaptive-GSM-Alpha分为基础模型与子模型两部分。基础模型在GSM-Alpha上做出改进，使用风险因子计算股票的相似性，另外在特征提取上将风险因子与量价序列数据组合输入，拓宽Alpha的信息源。6个子模型对应6种市场状态，利用每个状态对应的数据在基础模型上微调，旨在刻画不同状态下的交易模式。最后考虑到稳健性，依据当前的市场状态生成权重从而对6个子模型进行加权，并与基础模型复合得到最终输出结果。
　　Adaptive-GSM-Alpha因子具有稳定良好的表现。在基础模型的训练设定上，中性化标签对因子稳定性的提升较大，尤其是2024年中超额回撤显著降低。关联信息挖掘模块对结果同样具有一定影响，说明股票的关联性是预期收益的重要组成部分。在各市场状态中对应的子模型具有更优的表现，另外各子模型的风格偏向有所不同，分别体现了子模型的专一性与差异性。Adaptive-GSM-Alpha因子在2018年1月至2024年8月月频Rank IC：14.55%，ICIR：1.68，五分组多头年化收益：18.09%；因子做行业市值中性化后月频Rank IC：12.85%，ICIR：1.91，五分组多头年化收益：14.72%。基于Adaptive-GSM-Alpha的沪深300指数增强策略超额年化收益15.61%，跟踪误差5.16%；中证500指数增强策略超额年化收益15.66%，跟踪误差6.00%；中证1000指数增强策略超额年化收益16.05%，跟踪误差6.08%。交易费用设定为双边千三。
　　风险提示：以上分析基于模型结果和历史测算，存在模型失效风险。