模型会更新什么内容？主要是超参和因子。不同的超参实质上对应不同的模型，因此在市场环境发生变化时需要对模型的超参做出一定的调整，例如模型的预测时滞长度不同，相应就会有短期预测模型和长期预测模型的区分。
　　从因子层面来看，首先不同因子的择时能力和择时长度存在差异，其次同一因子在不同环境下择时能力和择时长度同样也会存在强弱差别。对于某些相对占优因子，可能它们在不同的环境下都会被选出，但一些尾部因子的调整恰恰可能对短期利率变动方向有更强的指导意义。因此我们的因子更新主要基于原始的大规模因子池，按照SHAP值排序从中选出固定数量的因子，这样既可以保证在不同窗口中均有较好表现的因子能够被选出，也可以找到一些带来边际贡献的尾部因子。
　　从过去一年看，模型有什么特征？宏观定价逻辑清晰的资产择时效果更佳，微观定价的资产可能偏右侧。例如债券和黄金，价格变动的驱动因素相对明确，持续性和趋势性相对更强，模型效果更好。其他资产波动率更高，且日频量价因子本身更多蕴含市场对已有信息的反应，左侧效果相对较差；并且受消息面和事件冲击的影响更大，因此可能模型可能偏右侧或者滞后，稳定性也相对较差。
　　模型的主要影响因子在短期内出现较大的数值波动，模型的结果可能也可能随之出现震荡。但从模型历史输出来看，债券模型“反复横跳”的现象仍然较少出现，模型仍然更加偏好于把握中期波段。
　　从MA5的角度看，一旦区间波段较短，单日输出的多空信号只持续2-3天时，MA5就会因此持续落在40%-60%中间的震荡区间。从单日输出结果的角度看，多数情况下模型有观点较为明确的输出，偶尔的输出值震荡更多源于价格走势的高频震荡。
　　模型更新后有什么变化？从债券模型整体因子来看，模型仍然比较重视宏观定价因子。例如期限利差、CD利率、社融等因子。
　　基本面因子权重进一步下降。例如高炉开工率、PPI同比等因子重要性衰减，机构行为、权益市场因子更加重要。
　　因子频率分布的变化体现了对不同节奏信号的权衡：日频因子虽然占据主导地位，但月频因子数量也相对稳定，说明模型在捕捉短期波动的同时也重视中低频的趋势性信号。
　　风险提示：模型失效风险；因子失效风险；数据质量风险