传统多因子模型具有结构简单、直观明了的优势，适用范围广泛且易于历史回测。但该模型忽视了行业内部差异以及行业间相关性，导致其在各类基准条件下难以实现稳定的超额收益，效果较为有限。 主成分分析（PCA）指数增强策略通过对原始变量进行线性组合，提取主要行业因子，有效简化了因子数量，同时保留了关键信息。该策略在大盘股市场表现一般，但在中小盘股市场中因子作用显著提升投资回报。投资组合效果受基准股票池、时间窗口及分组变化影响，需根据市场环境灵活调整。 差值因子指数增强策略通过分析股票与所属行业及相关基准的相关性差异，捕捉股票的独立表现。其中，基于市值最大或最小行业的差值因子表现优异，在沪深300、中证500等不同股票池均取得较高平均超额收益；而基于动量的差值因子虽能带来稳定收益，但表现逊于市值差值因子。需注意模型存在失效风险，投资者应谨慎参考。