Avramov等研究发现：alpha最高的因子策略容量不足20亿美元，盈利因子可支撑330亿美元

量化投资文献长期用alpha、夏普比率和统计显著性来评估一个信号值不值得做。Avramov、Bongaerts、Crego和Kvaerner的新论文提出了一个被忽视的维度：容量——一笔策略在交易成本吞掉市场对冲收益之前，究竟能装多少钱。他们用2010至2023年的NYSE TAQ数据估算了价差、价格冲击和流动性补充，对35个特征异象和因子逐一计算了可部署资本。

核心发现是alpha排名和容量排名严重脱节。两个毛alpha最高的多头腿，各自只能支撑不到20亿美元的市场对冲资本；而alpha明显更低的盈利能力和现金流策略，却能支撑200亿到330亿美元。利润边际异象的alpha大约是最高五日收益策略的五分之二，容量却是后者的97倍。对任何真正在配置资金的人来说，这意味着回测里最亮眼的信号未必是经济上最大的机会。

容量差异主要来自价格冲击，而价格冲击由两个组合特征驱动：换手率和底层股票的流动性。短期反转策略每月换手1.8次，在100亿美元规模下每月付出1.6%的冲击成本；Amihud流动性策略几乎不换手（每月0.12次），但因为持有非流动性股票，在同等规模下仍付出1.2%的月度冲击。两条路径不同，结果都是成本吃掉alpha。

论文还给出了一个对实务影响很大的杠杆：调仓速度。当调整系数τ小于1时，退出目标分位的股票不立即清仓，而是逐月递减。仅这一项改变，正容量因子的中位数从15亿美元升至210亿美元，策略层面中位增幅为十三倍。价值加权的机器学习复合策略容量从1.77亿美元扩展到190亿美元，而信号本身没有变化。容量排名的秩相关为0.93，说明慢调仓主要放大规模，不大幅改变相对排序。

需要强调的是，这些数字全部来自论文作者自身的第一方估算，基于特定数据窗口和特定的市场对冲成本假设，尚未经独立复现。中位因子容量15.3亿美元与中位对冲基金净资产11亿美元处于同一量级，这个对比本身就是一个冷静的规模约束提醒：多数因子策略在机构规模下并非无摩擦。

对读者的实际含义是：在决定一个异象或因子配多少之前，先量它的交易容量，而不只看回测收益。一个两亿美元的小众策略和一个两百亿美元的机构策略之间的差距，写在所交易股票的流动性里，也写在调仓的速度里。