之前我们提出对个股的波动率进行分层，分别实行不同的个股偏离约束，是更能兼顾超额收益和最大回撤的推荐方案。随后我们又探索了对动量因子的极值——前10%因子得分股票进行中性的方案，也能提升超额收益的同时减少回撤，本文进一步探索因子在分布和极值上的约束，即因子的偏度和峰度约束方案。
　　我们从因子分布与指数的偏离定义偏度，因子极值股票与指数的偏离定义峰度。我们按照指数在因子得分上分五组，量化组合在五组股票的权重与指数的偏离平方和定义为因子的偏度。按照指数在因子得分前10%的股票在指数里的权重和量化组合里的权重之差作为因子的峰度。前者刻画因子的分布偏离，后者刻画因子的极值偏离。从各组合的因子偏度和峰度敞口来看，使用动量因子的组合大都动量分布有偏，大部分量化组合呈现出高波股票的因子峰度有偏。
　　除了动量，高波动、大市值的因子峰度约束也能提升组合的超额收益，改善最大回撤。在本文测算的六个多因子组合里，除了动量前10%中性能提升组合收益和降低回撤，高波动前10%中性、大市值前10%中性都能取得类似的效果，其中高波动前10%中性对回撤的改进平均幅度较为出色。动量前10%中性对动量超配的组合也同样具有改进效果，说明不是量化组合低配高动量股票的问题，维持动量因子的峰度中性比单纯超配更合适。同时叠加使用动量、高波、大市值的前10%股票中性，组合的收益和回撤改善幅度可以进一步提升。
　　同时约束组合的波动率分布和三个因子的峰度约束，是对不同组合具有普适性的推荐方案，能有效改进组合的表现，也能提升2026年以来组合的超额收益。三因子的峰度约束与波动率的偏度约束可以叠加起来使用，对波动率进行分五组中性，并叠加三因子的峰度约束后，不同组合的表现有了进一步的提升，六个组合的长期超额收益都有提升，最大回撤都下降，具体到2026年，中证500内六个组合的超额收益都有所提升。
　　风险提示与声明：本报告对于量化策略、指数的研究分析均基于历史公开信息，可能受指数样本股的变化而产生一定的分析偏差；阅读本报告时，投资者需结合自身风险偏好及风险承受能力，充分理解因子表现及量化策略的波动、风格、历史表现、风险等因素。模型根据历史数据构建，历史表现不代表未来，市场环境发生重大变化时可能失效。