主要观点：
　　非线性效应无处不在
　　在当前A股市场的量化实践中，传统线性模型对因子收益关系的刻画存在局限。市值因子的实证研究率先揭示了这一困境——Barra风险模型发现，线性假设会系统性高估中盘股收益并低估大小盘分化，其通过在CNE5/CNE6模型中构建对数市值立方残差项，分离出中盘股独立风险敞口。这类非线性效应在基本面领域同样具有普适性。无论是市场风格指数的长期表现，还是行业市值中性化处理后的因子分组测试，均指向了核心规律：基本面指标的边际效用存在临界点，历史财务数据的线性外推常因商业环境剧变、信息快速定价、财务粉饰行为而失效。
　　非线性因子的挖掘框架
　　本文突破传统线性框架，主要以三大财务报表的字段为特征，辅以因子库中的基本面与量价因子，通过四类模型系统挖掘因子非线性效应：1、多项式回归：通过中心化处理与残差正交化分离高阶效应；2、样条回归：捕捉局部非线性结构并平滑过渡；3、锯齿函数：组间非线性+组内线性化；4、门限模型：自动识别关键状态转折点。通过经上述模型转换后的新因子与原始因子进行截面回归，提取残差项作为剥离线性成分后的纯非线性因子。
　　自2013年1月1日-2025年5月30日，非线性复合因子RankIC均值为9.4%，年化ICIR为4.53，IC月胜率为90.6%，分组严格单调，多头年化超额12.7%，信息比3.31，且样本内外表现较为一致。
　　基于非线性复合因子的指数增强策略表现优异
　　为考察非线性复合因子对多因子模型的实际贡献，我们以沪深300、中证500和中证1000增强模型为例，结果表明，沪深300增强组合的年化超额收益为6.5%，信息比1.64；中证500增强组合的年化超额收益为8.6%，信息比1.67；中证1000增强组合表现相对优异，年化超额收益为13.4%，信息比2.22。样本外增强策略仍有不错的表现。
　　风险提示
　　本报告基于历史个股数据进行测试，历史回测结果不代表未来收益。未来市场风格可能切换，Alpha因子可能失效，本文内容仅供参考。