A股牛市阶段的划分可以考虑两类方法：景气度角度、市场趋势角度。景气度角度来看，牛市一般启动于景气度上升之前，结束于景气度见顶后不久。景气前的涨幅往往最高，其次是景气中和景气后。各阶段占优风格各牛市不同，没有统一的规律，景气下未必总是成长占优。市场趋势角度更为直观，从情绪的抬升、降温、冲顶过程进行划分，更注重量价特征。在因子表现统计中我们主要采用市场趋势角度的划分，与因子表现的一些拐点更为匹配。
　　纵观A股近3轮牛市，市场上涨背后的逻辑不同，不同阶段市场风格与表现领先的因子也不尽相同：
　　牛市的初期，因前期超跌过多，市场大幅买入低估值股票，大多数股票无差别上涨，宽基指数往往是较好的选择，贝塔因子也表现出色；
　　牛市的中期，随着市场估值回升，行情开始出现分化，贝塔和价值因子作用减弱，市场开始偏好财务质量好，预期高，市场情绪好的股票；
　　牛市的末期，质地好，估值较低的公司已被充分定价，市场转而偏好成长动量强，预期未来高盈利的股票，也侧面反映了牛市末期的特点。
　　基本面量化因子和机器学习因子在牛市的不同阶段表现出不同的有效性。基本面量化因子在牛市初期效果一般，市场往往受到流动性和情绪的驱动，而在牛市中期，随着市场对公司基本面的关注增加，基本面因子的有效性会增强。到了牛市末期，市场可能再次受到其他因素的影响，如投机行为或对顶部的预期，这可能导致基本面因子的有效性再次减弱。另一方面，机器学习因子因模型较为超前，拥挤度较低，且包含流动性和情绪输入等原因，在19年牛市中表现较为出色，且各个阶段表现较为相近。公募持仓嵌入因子表现优于其他机器学习因子，主要得益于公募基金在同时期优秀的选股能力，对机器学习因子有所增益。
　　风险提示：本报告基于量化研究方法，可能存在模型偏差和数据处理误差。市场环境不断变化，可能影响报告中的预测和建议。宏观经济、政策环境、行业动态等因素均可能导致实际结果与预期存在差异。