定量研究行業(yè)2020年度投資策略：市場擇時與風格擇時策略回顧與探索

1、正文目錄 HYPERLINK l _TOC_250014 靈活擇時策略回顧與更新4 HYPERLINK l _TOC_250013 策略回顧跟蹤4 HYPERLINK l _TOC_250012 策略更新6 HYPERLINK l _TOC_250011 A 股日歷效應7 HYPERLINK l _TOC_250010 中期市場擇時方法探索9 HYPERLINK l _TOC_250009 盈利視角9 HYPERLINK l _TOC_250008 估值視角10 HYPERLINK l _TOC_250007 其他擇時因子13 HYPERLINK l _TOC_250006 風格擇時方法：周期

2、框架13 HYPERLINK l _TOC_250005 周期劃分方法14 HYPERLINK l _TOC_250004 周期分析結果15 HYPERLINK l _TOC_250003 風格輪動方案18 HYPERLINK l _TOC_250002 風格擇時方法：多因素框架21 HYPERLINK l _TOC_250001 方法論介紹21 HYPERLINK l _TOC_250000 風格輪動方案：以大小盤輪動為例215.結論24圖表目錄圖 1. 當前擇時模型的指標體系4圖 2. 擇時模型全樣本表現(xiàn)統(tǒng)計（2006.1-2019.4）6圖 3. 擇時模型樣本外表現(xiàn)統(tǒng)計（2017.6-2

3、019.4）6圖 4. 新增指標：民企與地方國企信用利差變化7圖 5. 修正前后策略表現(xiàn)對比7圖 6. 基于月度+旬度日歷效應規(guī)則的擇時策略8圖 7. 中證 500 盈利增速與 EPS 增速比較10圖 8. A 股PB 中位數(shù)與萬得全A 指數(shù)走勢對比11圖 9. A 股PB 離散度與萬得全A 指數(shù)走勢對比11圖 10. 股權風險溢價與A 股指數(shù)走勢12圖 11. 基于估值中位數(shù)指標的市場擇時策略12圖 12. 多周期擇時模型疊加下?lián)駮r策略表現(xiàn)13圖 13. 常見 Smart Beta 產品指數(shù)表現(xiàn)14圖 14. 常見大類行業(yè)指數(shù)14圖 15. 市場周期框架下的風格輪動19圖 16. 市場周期視

4、角下的風格輪動策略（相對收益）19圖 17. 市場周期視角下的風格輪動策略（絕對收益）20圖 18. 大小盤風格輪動22圖 19. 大小盤風格輪動策略表現(xiàn)23圖 20. 大小盤風格輪動策略動態(tài)倉位情況24表 1. 擇時策略逐年收益比較（2006.1-2019.4）5表 2. A 股日歷效應顯著性統(tǒng)計（2005.1-2019.4）8表 3. A 股企業(yè)盈利預測9表 4. 中證 500 指數(shù)逐年收益拆分10表 5. 不同經濟增長周期下風格指數(shù)表現(xiàn)15表 6. 不同通脹周期下風格指數(shù)表現(xiàn)16表 7. 不同貨幣周期下風格指數(shù)表現(xiàn)16表 8. 不同信用周期下風格指數(shù)表現(xiàn)17表 9. 不同市場周期下風格指

5、數(shù)表現(xiàn)17表 10. 不同估值狀態(tài)下風格指數(shù)表現(xiàn)18表 11. 市場周期視角下的風格輪動策略表現(xiàn)統(tǒng)計20表 12. 市場周期視角下的風格輪動策略（絕對收益）21表 13. 單指標擇時模型回測表現(xiàn)22表 14. 大小盤輪動策略表現(xiàn)統(tǒng)計23A 股市場的波動性遠高于成熟市場，同時市場投資者中又以偏短期的絕對收益考核導向為主，導致A 股市場投資者對于擇時策略的需求十分旺盛。自 2016 年以來，我們陸續(xù)發(fā)布了四篇市場擇時研究報告，從不同的思路框架出發(fā)來設計適用于 A 股市場的擇時策略，尤其是 2017 年年中發(fā)布的面向戰(zhàn)術配置的量化擇時方法一文，在近兩年的樣本外跟蹤中表現(xiàn)優(yōu)異，受到了大量機構投資者的持

6、續(xù)關注。撰寫本文的目標，一方面希望對當前擇時策略進行跟蹤回顧，并介紹我們最新對模型進行的修改，同時為滿足不同客戶的需求，我們擴展了不同周期下的擇時模型以提供給不同資金規(guī)模換手約束的機構投資者使用，另外在市場擇時基礎上討論了風格擇時的思路方法，并進行了實證檢驗。靈活擇時策略回顧與更新策略回顧跟蹤在面向戰(zhàn)術配置的量化擇時方法一文中，我們詳細闡述了當前擇時策略的邏輯和方法，在此我們僅做簡要回顧。在擇時策略的設計當中，我們強調偏短期的擇時中更關注趨勢邏輯1，這其中既包括基本面趨勢也包含市場面趨勢，其核心理論基礎來自于行為金融學，即投資者對基本面/市場面短期的反映不足，因此實踐擇時策略可以帶來Alpha

7、 收益。當前擇時策略從企業(yè)盈利、流動性和風險偏好三個維度尋找領先市場的量化指標， 總結了三大類共九個指標，并通過合成打分的形式來形成市場擇時的多空信號。具體來說，企業(yè)盈利層面關注的領先指標包括綜合合成的 PMI 指標、新增信貸的變化，流動性層面則同時關注貨幣市場利率和PPI/CPI 剪刀差的變化，風險偏好層面則會兼顧跨市場信號的傳導和A 股情緒指標的跟蹤。圖 1. 當前擇時模型的指標體系資料來源： 1 對擇時周期的劃分判定沒有唯一標準，本文中將操作頻率在日度到季度之間均稱為短期擇時為了平衡策略的穩(wěn)定性和及時性，模型對擇時策略的信號調整頻率設定為不定期， 實際操作方式為月度信號疊加日頻跟蹤不定期

8、調整，即整體倉位信號以模型月度信號為主，但考慮到基本面信息不定期公布以及市場面信息逐日存在波動，因此模型會基于最新信息進行逐日跟蹤，設定規(guī)則僅當最新日頻信號與月度信號存在較大差異時進行倉位結構調整，否則維持月度信號的建議。從策略完成并對外定期發(fā)布以來，在一些關鍵時點擇時策略給出了精準的預判。例如在 2018 年 5 月底，擇時模型關注到流動性邊際轉緊疊加市場情緒的轉弱，提示六月市場仍需防范風險，接下來一個月市場月度跌幅超過 8%；在 2019 年 1 月中下旬， 擇時模型跟蹤到盈利預期和流動性的邊際寬松，提示未來春節(jié)效應有望延續(xù)，接下來二月份市場月度漲幅接近 18%。在擇時模型提示了機會和風險

9、時，樣本外依然延續(xù)了高勝率的表現(xiàn)。下圖表分別展示了策略全樣本區(qū)間的表現(xiàn)和真實樣本外跟蹤的表現(xiàn)，可以看到無論在何種統(tǒng)計區(qū)間，擇時策略在年化收益、收益風險比和回撤控制上都比市場基準2有顯著提升，樣本外擇時策略的超額收益超過了 18%，反映出在當前散戶為主的 A 股市場， 紀律化的量化擇時方法在當前依然有廣闊應用空間。擇時策略比較基準（萬得全 A）年份收益率波動率最大回撤收益率波動率最大回撤200684.83%20.95%9.19%93.91%23.68%13.99%2007165.45%30.79%19.20%165.14%35.85%21.05%20087.24%10.20%6.84%-62.1

10、7%47.58%70.59%200991.34%25.77%16.78%103.66%31.12%22.62%2010-0.65%11.44%11.10%-6.85%22.82%25.73%2011-2.92%8.12%8.01%-22.18%18.74%28.81%201210.60%12.28%7.74%4.64%18.22%20.43%20134.92%11.53%8.71%5.44%21.26%16.75%201433.48%12.59%5.01%51.40%18.21%10.60%201588.97%22.78%18.13%37.95%46.56%50.77%20167.04%8.9

11、2%4.76%-12.76%28.47%30.28%20177.88%5.37%2.42%4.87%11.21%9.22%2018-12.79%10.69%15.87%-28.06%21.18%33.17%201932.15%21.29%4.06%35.81%23.39%4.06%表 1. 擇時策略逐年收益比較（2006.1-2019.4）資料來源：Wind, 2 當前采用的基準指數(shù)為萬得全 A（881001.WI）圖 2. 擇時模型全樣本表現(xiàn)統(tǒng)計（2006.1-2019.4）資料來源：Wind, 圖 3. 擇時模型樣本外表現(xiàn)統(tǒng)計（2017.6-2019.4）資料來源：Wind, 策略更新在策

12、略的跟蹤使用過程中，不少機構投資者對擇時策略提了不少寶貴建議意見，同時也有部分投資者對擇時模型的跟蹤維護表示關注。當前，我們采用年度評價的形式， 對存量的擇時指標進行及時跟蹤評估，用以確定是否會對存量指標信號進行剔除修正。在此同時，若發(fā)現(xiàn)新的有效信號，能夠對當前模型邊際上產生正向貢獻，則不定期對模型進行調整。當前我們在原三大類九個擇時指標體系中新增一項反映流動性狀況的指標，具體指標為民企與地方國企信用利差。從指標邏輯來看，民企信用利差的水平同時反映了實體流動性狀況和市場投資者對未來企業(yè)盈利能力預期的情況，而地方國企由于投資者認為其擁有地方政府的信用背書，因而其信用利差更多僅反映流動性情況，因此

13、兩者之差能夠較好的反映投資者對企業(yè)盈利能力信用狀態(tài)的預期，更好的反映了實體經濟真實風險偏好的情況。圖 4. 新增指標：民企與地方國企信用利差變化資料來源：Wind, 因此，更新后模型為三類共十個因子，無論從整體策略表現(xiàn)還是近兩年樣本外跟蹤的策略表現(xiàn)來看，整體策略收益相對原模型有小幅提升，并且優(yōu)點在于可以進一步降低換手。圖 5. 修正前后策略表現(xiàn)對比資料來源：Wind, A 股日歷效應除了上述系統(tǒng)化擇時模型之外，我們發(fā)現(xiàn) A 股市場也存在顯著的日歷效應，在當前擇時模型中我們并未添加，但依然給投資者作為短期時機選擇的參考。從下表的統(tǒng)計結果來看，A 股市場在月度、旬度和星期都存在顯著的日歷效應現(xiàn)象，

14、其中：月度效應中以六月效應最為顯著，平均月度收益率達到-3.4%，與正常月度收益相比差異 T 值達到-2.11；旬度效應中在上旬和下旬都出現(xiàn)了明顯的日歷效應現(xiàn)象，往往是上旬顯著正向超額收益，下旬顯著負向超額收益；星期效應中在周一和周四都有顯著日歷效應現(xiàn)象， 往往周一出現(xiàn)顯著正向超額收益，周四呈現(xiàn)顯著負向超額收益。我們認為 A 股之所以存在顯著日歷效應，一方面與市場流動性狀況有關，另一方面與市場交易機制投資者行為模式顯著關聯(lián)。從流動性的分布規(guī)律來看，往往下旬、季末由于財政繳款、存貸款考核等原因導致市場流動性存在擾動，因此可以看到下旬、六月出現(xiàn)顯著季節(jié)效應；另外由于 A 股是 T+1 交易機制，投

15、資者傾向于周四賣出以保證資金不會在周末被占用，因而導致出現(xiàn)相應的星期效應。月度效應月份平均收益率差異 T值旬度效應旬度平均收益率差異 T值1-0.13%-0.69上旬0.21%2.9824.66%1.47中旬0.05%-0.2632.17%0.34下旬-0.04%-2.5943.30%0.8552.12%0.316-3.40%-2.1172.52%0.48星期效應星期平均收益率差異 T值8-1.30%-1.17周一0.21%2.3490.94%-0.20周二0.01%-0.83100.41%-0.43周三0.14%1.29111.94%0.23周四-0.13%-3.23123.35%0.84周

16、五0.09%0.46表 2. A 股日歷效應顯著性統(tǒng)計（2005.1-2019.4）資料來源：Wind, 基于 A 股日歷效應的規(guī)律，我們可以設計簡單的擇時策略，策略實施方法是每月下旬以及六月選擇空倉，其他時間滿倉進行投資，自 2005 年以來，僅依賴月度和旬度的日歷效應構建的倉位控制策略，都可以獲得顯著的絕對和超額收益。圖 6. 基于月度+旬度日歷效應規(guī)則的擇時策略資料來源：Wind, 中期市場擇時方法探索同步預測類型回歸 BetaT 值R2常數(shù)項0.570.5865.47%工業(yè)增加值3.125.28PPI1.363.26領先預測類型回歸 BetaT 值R2常數(shù)項0.630.4837.26%

17、A 股0.711.91M1 增速2.573.51表 3. A 股企業(yè)盈利預測在前文的策略介紹中，我們強調追蹤基本面和市場面的短期趨勢，利用市場階段性的反應不足來獲取超額收益，但這種模式的潛在約束是換手相對較高尤其對交易靈活性效率方面要求較高。對于大型機構投資者而言，采用該模式存在一定困難。因此，我們也嘗試探索中期市場擇時的方法框架，更強調從中期的盈利和估值角度進行預判。盈利視角從預測盈利到預測市場的漲跌，實際上存在兩個相對獨立傳導過程，即如何尋找企業(yè)盈利增速的同步或領先預測變量，以及企業(yè)盈利能力的變化是如何傳導到市場的漲跌的？因此，我們將分開進行分析預測。首先，模型需要關注企業(yè)盈利增速的同步或

18、者領先預測變量，下表展示了我們對 A 股盈利增速進行同步預測和領先一期預測的建模情況。從分析結果來看，市場實際盈利增速的即時預測（Nowcasting）具有較高的可信度，而領先一期的預測（Forecasting） 也具有一定的參考價值。注：同步即為使用本季度數(shù)據(jù)對本季度企業(yè)盈利進行預測（經濟數(shù)據(jù)的發(fā)布略早于企業(yè)盈利數(shù)據(jù)的發(fā)布），領先預測為使用本季度數(shù)據(jù)對下季度數(shù)據(jù)進行預測。資料來源：Wind, 其次，我們再來觀察企業(yè)盈利的變動對指數(shù)漲跌的傳導。從邏輯上來說，指數(shù)的漲跌可以拆分為指數(shù) EPS 的變動和估值的變化，而 EPS 的變化則與盈利增速同步，只是如果受到股權稀釋效應的影響則會在幅度上存在一

19、定差異。下表展示了我們對滬深 300 指數(shù)逐年業(yè)績拆分的結果，可以看到多數(shù)年份指數(shù)的 PE 波動要大于EPS 的波動，導致單年份來看指數(shù)的收益跟PE 波動相關性會更強而跟盈利波動的聯(lián)動性較弱。這也給基于盈利視角的指數(shù)預測提出了較高的困難，一方面企業(yè)盈利的即時預測可靠性較強但領先預測只有一定的參考性，另一方面盈利的波動小于PE 的波動，導致最終的傳導性較弱?？偠灾?，企業(yè)盈利的增長是長期股市收益來源的保障，但多數(shù)情形下盈利的波動幅度較小，而 A 股市場的波動很高，導致基于盈利的預判來成功擇時困難重重，當前我們會強調對盈利預測的跟蹤，但多數(shù)情形下難以基于盈利的預判來發(fā)出市場的擇時信號。圖 7. 中

20、證 500 盈利增速與 EPS 增速比較資料來源：Wind, 年份指數(shù)收益股息率可比 EPS 增速PE 變化2010/12/3110.51%0.55%38.75%-20.79%2011/12/31-33.49%0.64%-2.40%-32.29%2012/12/311.18%1.08%-24.27%32.19%2013/12/3118.06%1.29%13.02%3.14%2014/12/3140.45%1.14%2.01%36.14%2015/12/3143.85%0.85%-8.94%56.64%2016/12/31-17.17%0.57%30.23%-36.76%2017/12/310.

21、61%0.84%33.77%-25.41%表 4. 中證 500 指數(shù)逐年收益拆分資料來源：Wind, 估值視角考慮到 A 股具有明顯的估值波動性，而估值指標存在顯著的均值回復特點，因此我們可以借助不同的估值衡量指標來設計逆向投資策略。本文提出三種有效觀察市場估值變化的指標：第一，全市場估值中位數(shù)（典型如每期計算截面?zhèn)€股 PB 的中位數(shù)）；第二，全市場估值離散度（典型如每期計算截面?zhèn)€股 PB 的標準差）；第三，市場股權風險溢價（盈利分紅穩(wěn)定型可成熟定價公司的股權風險溢價）?？梢钥吹焦乐抵笜烁袌鲎邉蓍g存在明顯且穩(wěn)定的同步或者反向關系：一方面，估值中位數(shù)和估值離散度都跟市場走勢呈現(xiàn)明顯的正相關，

22、在市場情緒悲觀時即使針對績優(yōu)的成長股可能市場都不予估值，導致估值明顯壓縮，此時中位數(shù)和離散度都會很小， 反之牛市后期則會給過多股票過高估值，導致估值整體擴張，導致指標處于極高水平； 另一方面，從戈登模型出發(fā)，股票的預期收益來自于其當前盈利能力和未來的盈利增速， 對于多數(shù)公司而言，當前盈利能力的跟蹤較為容易而未來盈利增速的判斷（尤其長期增速的判斷）是一件很難的事情，這導致部分公司的估值在很大區(qū)間波動都是合理的，因此為了合理計算股權風險溢價，我們優(yōu)先選擇盈利分紅穩(wěn)定型公司，形成股票集合再計算該板塊的盈利能力相對長期國債收益的高低，此時股權風險溢價指標的預測力更強。圖 8. A 股 PB 中位數(shù)與萬

23、得全 A 指數(shù)走勢對比資料來源：Wind, 圖 9. A 股 PB 離散度與萬得全 A 指數(shù)走勢對比資料來源：Wind, 圖 10. 股權風險溢價與 A 股指數(shù)走勢資料來源：Wind, 結合上圖可以看到估值指標具有良好的均值回復特性，以PB 中位數(shù)為例，可以看到其波動區(qū)間在 2-5 之內，因此我們可以設計相應的擇時策略方案：當估值指標高于歷史 80%分位點或前期觸及到并未回落至 60%分位點時，則建議低配權益；當估值指標低于歷史 20%分位點或前期觸及并未回歸 40%分位點時，則建議超配權益；其他情形下則建議標配。下圖展示了基于估值中位數(shù)的指數(shù)擇時回測結果，可以看到 2000 年以來策略的年化

24、收益達到 12.94%，收益波動比達到 0.88，最大回撤為 37.56%，與同期一直持有指數(shù)基準比較，年化收益僅 6.99%，收益波動比 0.26，最大回撤達到了 70.59%。同樣的，基于其他估值指標也可以得到類似的回測結論。圖 11. 基于估值中位數(shù)指標的市場擇時策略資料來源：Wind, 我們認為，A 股市場機構投資者中多數(shù)以短期絕對收益導向為考核，而個人投資者中追漲殺跌特性更為明顯，這也是 A 股波動明顯高于成熟市場的一大原因，而這種對于短期業(yè)績的過度追尋也給逆向投資者帶來了極大的投資機會，這也是為什么簡單基于估值方法的逆向投資長期來看也可以獲得較高收益。進一步的，我們希望了解不同市場

25、周期的擇時模型疊加是否能夠進一步提高擇時模型的擇時能力。 從回測結果來看，單純從收益角度出發(fā)，多周期擇時模型的疊加并不能顯著增加擇時模型的收益。如下圖所示，我們將前文中的短期擇時+中期擇時模型進行疊加，構造的策略收益及收益風險比在兩者之間。換句話說，Alpha 和資金規(guī)模（投資靈活性）上存在矛盾，資金規(guī)模越大擇時成本越高相應換手約束高只能進行低頻率的交易擇時 alpha 相對較低，資金規(guī)模越小擇時成本越低相應換手約束低則可選擇更高頻率的交易。因此，我們建議投資者可以基于自身投資規(guī)模的情況來選擇相匹配適應的擇時策略。圖 12. 多周期擇時模型疊加下?lián)駮r策略表現(xiàn)資料來源：Wind, 其他擇時因子除

26、了盈利和估值兩維度外，許多擇時研究報告中也提到了大量的情緒面、資金面指標，我們也對系列指標進行實證回測，其中情緒面指標包括換手率、非流動性指數(shù)、封閉式基金折溢價率、小單資金流等四個指標，資金面指標包括股東回購占比、內部人增減持占比和市場增發(fā)占比等三個指標。從結果來看，上述指標的擇時能力都相對有限， 本文中不再列出詳細數(shù)據(jù)結果，感興趣的客戶可以直接聯(lián)系我們索取。風格擇時方法：周期框架對于絕對收益投資者，市場倉位的擇時是第一位，而對于相對收益投資者，市場風格的擇時判斷更為重要。不過市場對于風格的劃分與定義存在較大的差異，這也跟投資者的投資習慣有關。對于量化投資者而言，往往會更強調因子視角來構建風格

27、指數(shù)，對應的是市場上的Smart Beta 產品，常見因子視角的風格指數(shù)包括小盤、大盤、價值、紅利、低波動；對于主觀投資者而言，往往會更強調從大類行業(yè)板塊進行劃分，常見行業(yè)視角的風格指數(shù)包括金融（銀行/非銀）、周期、消費、成長、穩(wěn)定。我們認為并不存在唯一最優(yōu)的風格劃分方法，并且從市場指數(shù)產品來看也是行業(yè)板塊指數(shù)產品和 Smart Beta 產品共存，因此在下文中我們會同時進行歸因探索，并不會做過多區(qū)分。針對風格的擇時方法其實多種多樣，一種典型的分析思路可以自上而下在周期框架下進行輪動分析，不同的風格在不同的經濟階段或市場階段表現(xiàn)可能存在明顯差異，因此只要能夠對經濟或市場狀態(tài)有預判，則可以得到相

28、應的風格推薦。圖 13. 常見 Smart Beta 產品指數(shù)表現(xiàn)資料來源：Wind, 圖 14. 常見大類行業(yè)指數(shù)資料來源：Wind, 周期劃分方法周期框架下進行風格輪動方案是否能成功，取決于兩方面因素：一方面是否能夠找到有效的周期劃分方式，能夠最大程度的對風格進行劃分（即不同周期狀態(tài)下風格指數(shù)表現(xiàn)差異最大化），另一方面則是是否能夠對周期狀態(tài)進行提前預判，本節(jié)中將先重點分析不同周期劃分下的風格指數(shù)表現(xiàn)。結合已有研究，我們觀察到常見的周期劃分至少包括以下三種：增長通脹周期：典型美林時鐘的劃分方式，增長維度的常見觀察指標是實際 GDP 或工業(yè)增加值，通脹維度的常見觀察指標是CPI 和PPI，我們

29、使用季度經濟數(shù)據(jù)的變化來劃分出不同經濟狀態(tài)下風格指數(shù)的表現(xiàn)；貨幣信用周期：考慮到國內流動性的傳導機制并不完善，因此貨幣市場流動性與實體流動性可能會存在明顯差異，經驗上貨幣市場流動性對估值的影響更大，實體流動性則會對企業(yè)盈利產生更直接的影響，類似的我們使用不同利率、信用劃分方法觀察不同流動性狀態(tài)下風格指數(shù)的表現(xiàn)；市場估值周期：經濟狀態(tài)的變化更多是基于盈利的途徑對風格表現(xiàn)產生影響，但基于前文的分析我們發(fā)現(xiàn) A 股中短期波動更多受到估值的影響，因此我們更關注在不同的市場漲跌和估值狀態(tài)下風格指數(shù)的表現(xiàn)。具體的分析流程如下，首先基于關注指標的數(shù)據(jù)變化劃分出高、中、低區(qū)間，其次計算不同狀態(tài)區(qū)間下風格指數(shù)相

30、對市場基準（中證全指）的超額收益（季度/月度），最后統(tǒng)計不同狀態(tài)下的收益差異顯著性。周期分析結果下圖表中展示了在不同增長、通脹觀察周期下，各類風格指數(shù)超額收益的統(tǒng)計表現(xiàn)情況：可以看到成長風格具有一定的逆增長周期特性，低波動風格則在順增長周期下仍有不錯表現(xiàn)；大盤/紅利/銀行在 CPI 正增長時存在超額收益，消費/成長則在 CPI 走弱時存在超額收益，另外消費股與PPI 走勢正相關。實際 GDP均值T 統(tǒng)計值工業(yè)增加值均值T 統(tǒng)計值類型下跌震蕩上漲類型下跌震蕩上漲小盤2.27%1.15%-0.04%-0.95小盤2.07%-2.40%3.27%0.47大盤-0.95%-1.30%1.55%1.28

31、大盤-0.80%2.41%-1.25%-0.25價值0.23%-1.14%2.39%1.23價值-1.01%2.84%0.88%1.22紅利-0.49%-0.31%1.77%1.22紅利-0.95%3.82%-1.15%-0.12低波0.71%-0.25%2.20%0.98低波-0.42%2.04%1.89%1.64銀行0.52%-1.40%2.82%0.52銀行1.50%2.41%-0.36%-0.37非銀1.35%-1.70%6.37%0.80非銀0.23%6.94%1.77%0.30周期0.19%0.37%-0.40%-0.38周期-0.34%0.07%0.13%0.32消費0.89%2

32、.32%0.39%-0.27消費1.40%-0.25%1.78%0.21成長1.74%3.08%-1.94%-1.74成長2.38%-1.66%0.34%-0.82穩(wěn)定-0.50%-2.20%-0.87%-0.15穩(wěn)定-0.98%0.04%-2.16%-0.49表 5. 不同經濟增長周期下風格指數(shù)表現(xiàn)資料來源：Wind, CPI 周期均值T 統(tǒng)計值PPI 周期均值T 統(tǒng)計值類型下跌震蕩上漲類型下跌震蕩上漲小盤0.91%-0.21%0.08%-1.36小盤-0.02%0.08%0.86%1.46大盤-0.69%0.67%0.28%2.02大盤0.53%-0.33%-0.10%-1.17價值-0.

33、33%1.03%0.30%1.29價值0.77%-0.16%0.16%-1.11紅利-0.40%0.60%0.53%1.93紅利0.72%-0.41%0.33%-0.68低波0.17%0.76%0.17%0.00低波0.50%0.03%0.44%-0.12銀行-1.18%0.92%1.31%2.02銀行0.80%0.00%0.14%-0.52非銀-0.73%2.38%1.46%1.52非銀2.09%0.84%-0.21%-1.49周期-0.16%0.27%-0.23%-0.19周期-0.49%0.22%0.02%1.33消費1.00%0.05%-0.02%-1.96消費-0.14%0.09%1

34、.16%2.12成長1.10%-0.61%-0.12%-1.76成長-0.12%0.14%0.57%0.98穩(wěn)定-0.22%0.62%-1.17%-1.60穩(wěn)定0.10%-0.78%-0.43%-0.79表 6. 不同通脹周期下風格指數(shù)表現(xiàn)資料來源：Wind, 其次，我們分析了不同利率、信用周期下風格指數(shù)的表現(xiàn)情況：價值、低波、穩(wěn)定風格在 M1 同比負增長時有較為明顯的超額收益，邏輯在于 M1 同比負增長意味著企業(yè)盈利增速的下滑，此時低 Beta 品種可以獲得相對收益；大盤、紅利、非銀等風格在寬信用周期表現(xiàn)更好，體現(xiàn)順信用周期特性，消費、成長、穩(wěn)定則在緊信用周期下表現(xiàn)更強勢，體現(xiàn)逆信用周期特性

35、。貨幣周期均值T 統(tǒng)計值M1增速均值T 統(tǒng)計值類型下跌震蕩上漲類型下跌震蕩上漲小盤2.66%0.52%-0.11%-1.23小盤0.48%-0.03%0.45%-0.05大盤-0.41%0.93%-0.30%0.05大盤-0.01%0.44%-0.33%-0.61價值1.88%0.66%-0.11%-0.90價值0.39%0.97%-0.54%-1.78紅利-1.13%1.83%0.96%1.00紅利0.06%0.79%-0.19%-0.45低波1.88%0.97%0.39%-0.79低波0.45%0.95%-0.40%-1.86銀行2.58%2.24%-2.04%-1.09銀行0.01%1.

36、17%-0.21%-0.17非銀3.03%4.17%2.04%-0.16非銀-0.04%1.57%1.17%0.87周期-0.89%-1.01%1.58%1.42周期0.02%-0.63%0.35%0.83消費0.31%1.94%0.76%0.22消費0.46%0.32%0.34%-0.21成長1.36%-1.29%1.30%-0.02成長0.28%-0.57%0.84%0.73穩(wěn)定1.74%-3.14%-1.97%-1.47穩(wěn)定0.21%0.45%-1.72%-2.88表 7. 不同貨幣周期下風格指數(shù)表現(xiàn)資料來源：Wind, 信貸周期均值T 統(tǒng)計值信用利差均值T 統(tǒng)計值類型下跌震蕩上漲類型下

37、跌震蕩上漲小盤2.17%1.42%-0.63%-1.38小盤0.21%-0.09%0.15%-0.12大盤-2.12%1.15%1.26%2.02大盤-0.07%0.53%-0.06%0.03價值-1.01%2.05%1.32%1.51價值0.29%0.50%0.13%-0.22紅利-1.02%0.89%1.94%1.71紅利-0.14%0.68%0.63%1.10低波0.24%2.88%0.08%-0.13低波0.32%0.38%0.10%-0.43銀行-1.69%0.15%4.31%1.49銀行0.23%0.57%0.32%0.07非銀-3.52%9.34%3.48%1.80非銀-0.10

38、%2.12%-0.53%-0.36周期1.02%-1.38%0.04%-0.66周期-0.13%-0.49%0.42%1.25消費2.26%1.71%-0.87%-1.72消費0.56%0.00%0.83%0.41成長3.03%-0.19%-1.61%-1.88成長0.67%0.33%0.36%-0.35穩(wěn)定-0.48%1.98%-5.13%-2.50穩(wěn)定0.73%-0.13%-0.50%-1.59表 8. 不同信用周期下風格指數(shù)表現(xiàn)資料來源：Wind, 最后，我們觀察不同市場周期下風格指數(shù)的表現(xiàn)：一方面，可以看到市場漲跌對風格因子表現(xiàn)的影響最為顯著，其中小盤、非銀、周期、成長體現(xiàn)出順市場周期

39、特性，大盤、價值、紅利、低波、銀行、消費、穩(wěn)定則體現(xiàn)出逆市場周期特性；另一方面，估值狀態(tài)也對風格指數(shù)表現(xiàn)產生影響，其中小盤、周期、消費板塊在高估值狀態(tài)下體現(xiàn)出更強超額收益，大盤、銀行、非銀則在低估值狀態(tài)下表現(xiàn)更好。市場周期均值中位數(shù)T 統(tǒng)計值類型下跌震蕩上漲下跌震蕩上漲小盤-0.45%0.39%0.97%-0.64%0.41%1.42%2.19大盤0.81%0.08%-0.79%0.81%-0.04%-1.07%-2.75價值1.11%0.03%-0.36%0.70%-0.16%-0.17%-2.48紅利0.72%0.24%-0.33%0.26%-0.16%-0.90%-1.75低波1.57%

40、-0.11%-0.47%1.28%-0.05%-0.77%-4.08銀行2.67%0.13%-1.83%2.38%-0.54%-1.96%-3.33非銀-0.92%0.64%2.95%-1.35%-0.38%1.44%2.35周期-0.87%-0.06%0.69%-0.79%-0.12%0.65%3.75消費0.88%0.75%-0.51%0.73%0.67%-0.28%-2.37成長-0.73%0.32%0.99%-0.74%-0.23%0.97%2.21穩(wěn)定1.37%-0.69%-1.78%1.24%-0.88%-2.51%-4.34表 9. 不同市場周期下風格指數(shù)表現(xiàn)資料來源：Wind,

41、 估值周期均值中位數(shù)T 統(tǒng)計值類型低中高低中高小盤-0.31%0.42%0.81%-0.13%0.72%0.35%1.78大盤0.45%0.17%-0.53%0.37%-0.22%-0.22%-2.01價值0.44%0.37%-0.04%0.43%0.10%0.26%-0.94紅利-0.29%0.55%0.35%-0.55%-0.40%0.35%1.17低波0.17%0.55%0.24%0.22%0.16%0.51%0.15銀行1.93%-0.10%-0.87%2.13%-0.91%-0.88%-2.15非銀2.63%0.85%-0.77%2.37%0.16%-1.16%-2.17周期-0.8

42、5%-0.26%0.87%-1.08%-0.31%0.83%4.76消費-0.31%0.80%0.61%-0.07%0.57%0.51%1.65成長-0.40%0.44%0.55%-0.53%0.40%0.32%1.27穩(wěn)定-0.42%-0.30%-0.41%-0.50%-0.48%-0.77%0.03表 10. 不同估值狀態(tài)下風格指數(shù)表現(xiàn)資料來源：Wind, 風格輪動方案基于上文的分析可以看到，經濟周期、金融周期的變化對部分風格指數(shù)的確產生一 定的影響，但是其影響范圍和幅度都遠小于市場的變化對風格產生的影響，另外一個角 度即經濟周期、金融周期可能是經過對市場的漲跌產生影響而間接對風格指數(shù)產生

43、影響。因此，我們設計了市場周期框架下的風格輪動方案，策略實施過程如下：首先，基 于擇時模型判斷未來市場周期的方向，并基于估值水平觀察判斷當前估值周期所處位置； 其次，結合當前市場周期的觀察進行風格配置；最后，針對不同市場周期進行風格推薦， 在低估值上漲階段超配非銀+成長+小盤組合，在高估值上漲階段超配周期+成長組合（考慮到降低跟蹤誤差風險，可以增加非銀），在高估值下跌環(huán)境下超配銀行+低波組合， 在低估值下跌環(huán)境下超配銀行+穩(wěn)定行業(yè)組合，其他情形下則超配金融（銀行/非銀）+ 消費組合。圖 15. 市場周期框架下的風格輪動資料來源：Wind, 根據(jù)上述方案，我們設計了相應的風格輪動相對收益策略，下

44、圖表即為回測結果， 回測區(qū)間為 2011-2019，可以看到即使在未進行任何相對風險的控制前提下，策略在近十年的過程中策略實現(xiàn)了超過 11%的年化超額收益，信息比達到了 1.52，并且每年都實現(xiàn)了正向超額收益。圖 16. 市場周期視角下的風格輪動策略（相對收益）資料來源：Wind, 類型年化收益年化波動收益風險比最大回撤絕對收益15.75%22.37%0.7040.92%基準3.83%23.11%0.1748.58%超額收益11.00%7.25%1.5212.23%年份超額收益跟蹤誤差信息比相對最大回撤201111.22%6.30%1.785.15%20126.74%5.54%1.224.08

45、%20136.26%5.41%1.175.58%20141.54%6.04%0.254.51%201531.94%12.39%2.5812.23%201610.86%7.00%1.553.82%20176.74%6.07%1.113.80%20188.83%6.15%1.442.65%20198.11%8.67%3.833.15%表 11. 市場周期視角下的風格輪動策略表現(xiàn)統(tǒng)計資料來源：Wind, 進一步的，我們可以結合前文中的市場擇時策略，疊加風格輪動策略可以構建絕對收益策略，具體實現(xiàn)思路如下：首先由市場擇時策略決定倉位，中性倉位為 20%，模型看多時則權益?zhèn)}位提升到 40%，模型看空時則權

46、益?zhèn)}位降低到 5%；其次，由風格輪動策略來決定權益資產內部的結構配置。從策略表現(xiàn)來看，年化絕對收益達到 11.87%，收益風險比達到 1.90，最大回撤為7.41%，且策略基本每年實現(xiàn)了正向收益。圖 17. 市場周期視角下的風格輪動策略（絕對收益）資料來源：Wind, 類型年化收益年化波動收益波動比最大回撤策略11.87%6.25%1.907.41%年份收益率波動率收益波動比最大回撤20113.34%3.84%0.873.54%20128.39%6.32%1.334.67%2013-0.78%5.38%-0.156.79%201427.73%6.85%4.053.35%201543.98%10.24%4.294.75%20161.04%3.97%0.264.90%20170.66%3.11%0.213.46%20185.42%4.48%1.213.11%201914.34%12.08%4.872.13%表 12. 市場周期視角下的風格輪動策略（絕對收益）資料來源：Wind, 風格擇時方法：多因素框架方法論介紹周期視角下的風格輪動比較適合多風格下的配置，其核心特色在于抓住