我们《大小单重定标与资金流因子改进》的报告中，利用逐笔成交数据重新切分大小单资金流并构造CNIR因子，但是在实际使用过程中发现效果并不理想。
　　资金流因子失效不应归结于策略同质化
　　1、资金流因子失效不应归结于策略同质化
　　CNIR因子在不同预测周期长度下的IC变化趋势，2016年以前的峰值大约出现在第15个交易日，2016年以后峰值似乎已经消失并且均值水平出现明显下滑。这说明即便是在若干个组合内共同使用资金流策略，也不至于出现的因子衰减。
　　2、以CNIR因子的构造为例，具体分析：
　　其一，合并资金流：将超大单、大单和中单合并为广义主力资金；
　　其二，剥离反转效应：逐日计算资金流指标（IMB）对涨跌幅的截面回归残差值，作为修正后的Alpha因子。
　　上述两步骤在分组的多空收益、多头超额等均有不错的收益增强，我们着重从这两个方面着手讨论。
　　关于回归方式的讨论
　　由于买卖行为促使价格发生变动会导致资金流因子暴露反转特征，我们在原始报告中通过截面回归的方式，剥离反转的负向IC，从而得到正向的资金流Alpha。考虑到改进的可能性，我们使用备用的回归方法构造CNIR因子。
　　1、此对比时序回归和截面回归而言，极端考虑个股差异同样不是可选项，因为这容易在截面上丧失同一分布假设的显著性，因子IC会降低；
　　2、资金流因子的核心定价逻辑主要背靠机构的优秀的选股能力。在A股市场，机构交易者往往是以市值由大到小的方向覆盖其选股范围，在大市值股票中的选股效果会更加稳定，在小市值范围的排序能力较弱；
　　3、资金流Alpha对于非稳定的市场环境的适应性会更弱一些，CNIR因子在沪深300指数成分股内的分组多空收益出现了较大回撤，小市值影响更甚。
　　关于大小单识别标准的讨论
　　行情软件中提供的超大单、大单、中单和小单的四类划分方法并不适合2015年以后的订单分布，我们讨论了如何更好地重新界定大单与小单的边界。
　　1、绝对阈值：设定某个金额作为统一的划分阈值，将大于该金额的订单识别为大单；
　　2、相对阈值：逐日统计所有个股的逐笔成交订单的委托金额，设定其由小到大的百分位r对应的金额作为阈值；
　　3、动态阈值：回溯过去N个交易日，将区间内所有股票的逐笔成交订单视作整体，将其委托金额由小到大的百分位r对应数值作为统一标准。
　　主力资金识别难的问题并不能通过单纯调节大小单划分阈值来解决。划分标准的普适性减弱，拆单行为是最直接的影响因素，并且这一变化在流动性上分布不均。
　　风险提示：模型基于历史数据测试，未来市场可能发生变化。