量化研究系列报告之十四：风格轮动三部曲：重构、探索和实践

金融工程 专题报告 风格轮动三部曲：重构、探索和实践 ——量化研究系列报告之十四 报告日期：2023-12-17 主要观点： 分析师：吴正宇 执业证书号：S0010522090001邮箱：wuzy@hazq.com 分析师：严佳炜 执业证书号：S0010520070001邮箱：yanjw@hazq.com 相关报告 1.《收益和波动共舞：非对称性理论蕴含的alpha——量化研究系列报告之十二》2023-9-10 2.《ChatGPT与研报文本情绪的碰撞 ——量化研究系列报告之十一》2023-6-11 3.《股价和资金流间的引力和斥力— —量化基本面系列报告之十》2023-3-10 4.《可比公司法的量化实践：重塑价值因子——量化基本面系列报告之九》2023-3-10 5.《行业轮动逻辑的标签化应用：重构轮动框架——中观量化系列报告之四》2022-12-12 6.《固收+组合构建白皮书：大时代的 Alpha日益稀缺，拥抱beta势在必行 当前，传统多因子选股模型遭遇瓶颈：一方面，基本面因子近两年遭遇较大幅度的回撤；另一方面，人工挖掘的价量因子增量有限。在当前alpha日益稀缺的环境下，本文尝试理解并拥抱beta，通过重构定义、探索规律和投资实践捕捉风格的转换，丰富策略收益。 大小盘和价值成长风格的再定义 重构大小盘和价值成长风格：对于大小盘风格，考虑到可投资性以及超大盘和微盘股的“独立行情”，利用分位数+流动性筛选机制进行划分；对于价值成长风格，补充分析师预期指标丰富对成长和价值维度的刻画，综合考虑个股的价值和成长大类得分，并基于分位数筛选和设定 单项得分阈值划分价值和成长，使得两者互斥且保有自身特点。 基于宏观经济、市场状态和微观特征构建风格轮动策略 宏观层面，基于逻辑先导+统计后验的原则，使用事件驱动法来研究风格和宏观因素之间的关系，综合信号表现和信号间的相关性来严格筛选宏观事件库。市场状态反映投资者情绪和风险偏好程度，同样采用事件研究法考察市场状态和风格轮动间的关系。微观层面，以多因子模型为基础，多样化风格微观特征的表达方式，从业绩变化、资金趋向和交易情绪三个方面挖掘有效指标，结果表明，历史业绩更佳、资金偏好或 交易活跃的风格，未来仍会相对占优。 风格轮动策略和投资实践的结合 通过指数投资或因子改进的形式考察风格轮动模型的实践性：仅做 多条件下，大小盘轮动策略年化超额收益达16.72%，IR为1.80。价值成长轮动策略年化超额收益达13.6%，IR为2.06，月胜率75.6%。在可 做空股指期货的条件下，大小盘轮动策略的年化收益达33.92%，夏普比为1.80。价值成长轮动策略的年化收益达27.39%，夏普比为2.07，月胜率约74.8%。结合风格轮动信号对BP因子进行改造，改进后相对初 始BP在IC表现、多空收益和回撤方面均有明显提升，多头年化超额由 3.74%提升至11.48%。 小尝试（下）——“量化绝对收益之路”风险提示 系列之四》2022-7-20 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。 敬请参阅末页重要声明及评级说明证券研究报告 正文目录 1PUREALPHA日渐稀缺下的困境和破局6 1.1挖掘ALPHA因子愈发困难，拥抱风格BETA势在必行6 1.2风格轮动是A股市场永恒的话题，蕴含着丰富的收益6 2风格轮动三部曲其一：风格的再定义8 2.1大小盘风格的再定义8 2.1.1现存的大小盘风格定义存在缺陷8 2.1.2采用市值+流动性的动态筛选机制12 2.2价值成长风格的再定义16 2.2.1现存的价值、成长风格指数定义存在缺陷16 2.2.2历史为主+预期为辅的动态筛选机制18 2.3大小盘和价值成长风格四象限的交叉和演变21 3风格轮动三部曲其二：构建多维度视角下的风格轮动策略24 3.1如何构建风格轮动的宏观事件库？25 3.1.1宏观指标的选择及宏观事件定义25 3.1.2基于逻辑先导+统计后验筛选有效宏观事件27 3.2如何构建基于市场状态的风格轮动策略？31 3.3如何构建微观风格轮动策略？33 3.4基于宏观经济、市场状态和微观特征三维视角下的风格轮动模型表现出色37 4风格轮动三部曲其三：策略与投资实践的结合39 4.1基于宽基指数构建风格轮动组合39 4.2结合风格轮动信号能显著提升BP因子表现43 5总结44 风险提示：46 图表目录 图表1不同时间段的基本面因子表现对比6 图表2SUE因子表现受价值风格影响7 图表3大小盘和价值成长风格轮动现象长期显著7 图表4月度轮动策略收益显著8 图表5月度轮动策略分年度表现8 图表6宽基指数示意图9 图表7宽基指数总市值占比及股票总数变化9 图表8宽基指数市值中位数变化10 图表9不同市值组下收益相关性11 图表10总市值分十组市值占比统计11 图表11总市值最低的10%个股日均成交额统计（单位，千万）12 图表12各宽基指数分年度收益12 图表13HA大小盘编制方案13 图表14HA大小盘风格指数净值走势（相对=大盘/小盘）13 图表15HA大小盘风格指数分年度表现14 图表16HA大小盘风格成分股数量时序走势14 图表17等权重大盘风格成分股行业分布15 图表18市值加权大盘风格成分股行业分布15 图表19HA大盘风格成分股行业分布15 图表20HA小盘风格成分股行业分布15 图表21HA大小盘风格成分股总市值中位数（亿元）16 图表22HA大小盘风格成分股宽基指数占比16 图表23市场风格指数编制总览16 图表24价值成长得分相关系数时序走势17 图表25价值成长四象限重合度18 图表26HA价值成长指标定义及权重18 图表27HA价值成长编制方案19 图表28HA价值成长风格指数净值走势（相对=价值/成长）19 图表29HA价值成长风格指数分年度表现20 图表30HA价值成长风格成分股数量时序走势20 图表31HA价值风格成分股行业分布21 图表32HA成长风格成分股行业分布21 图表33大小盘、价值成长风格指数相对净值走势21 图表34大小盘、价值成长风格指数分年度表现22 图表35大小盘、价值成长超额相关系数22 图表36市值因子和价值成长得分相关性23 图表37大小盘和价值成长风格成分股重合度23 图表38资产配置、风格轮动、行业轮动、选股的示意图24 图表39多层次的风格轮动框架示意图25 图表40宏观因子汇总26 图表41宏观事件模式定义27 图表42宏观事件筛选流程27 图表43大小盘有效宏观事件示例28 图表44价值成长有效宏观事件示例28 图表45等权投票法示意图29 图表46大小盘风格轮动宏观策略净值29 图表47大小盘风格轮动宏观策略分年度表现29 图表48大小盘宏观信号时间序列分布29 图表49价值成长风格轮动宏观策略净值30 图表50价值成长风格轮动宏观策略分年度表现30 图表51价值成长宏观信号时间序列分布30 图表52不同事件数筛选条件下的策略表现31 图表53市场状态指标汇总31 图表54大小盘风格有效市场状态指标示例31 图表55价值成长风格有效市场状态指标示例32 图表56基于市场状态的大小盘风格轮动策略净值32 图表57基于市场状态的大小盘风格轮动策略分年度表现32 图表58大小盘市场状态信号时间序列分布32 图表59基于市场状态的价值成长风格轮动策略净值33 图表60基于市场状态价值成长风格轮动策略分年度表现33 图表61价值成长市场状态信号时间序列分布33 图表62微观因子列表示例34 图表63风格微观因子计算方法34 图表64入选的微观因子示例35 图表65大小盘风格轮动微观策略净值35 图表66大小盘风格轮动微观策略分年度表现35 图表67大小盘微观信号时间序列分布36 图表68价值成长风格轮动微观策略净值36 图表69价值成长风格轮动微观策略分年度表现36 图表70价值成长微观信号时间序列分布36 图表71风格轮动模型策略总览及信号权重37 图表72三维视角下的大小盘风格轮动策略净值38 图表73三维视角下的大小盘风格轮动策略分年度表现38 图表74多维视角下的价值成长风格轮动策略净值39 图表75多维视角下的价值成长风格轮动策略净值39 图表76仅做多的大小盘宽基指数轮动策略净值40 图表77仅做多的大小盘宽基指数轮动策略分年度表现40 图表78仅做多的价值成长风格指数轮动策略净值41 图表79仅做多的价值成长风格指数轮动策略分年度表现41 图表80多空结合的大小盘宽基指数轮动策略净值42 图表81多空结合的大小盘宽基指数轮动策略分年度表现42 图表82多空结合的价值成长风格指数轮动策略净值43 图表83多空结合的价值成长风格指数轮动策略分年度表现43 图表84改进前后BP因子有效性对比44 图表85原始BP_TIMING因子多头相对净值走势44 图表86原始BP_TIMING因子多头分年度表现44 图表87中性化BP_TIMING因子多头相对净值走势44 图表88中性化BP_TIMING因子多头分年度表现44 1Purealpha日渐稀缺下的困境和破局 1.1挖掘Alpha因子愈发困难，拥抱风格beta势在必行 当前，传统多因子选股模型遭遇瓶颈：一方面，以成长、盈利、分析师为基石的基本面因子近两年遭遇较大幅度的回撤，我们对比了净利润超预期（SUE0）、营业收入超预期（SUR0）、单季度ROE、单季度ROA和分析师情绪类因子在全市场中不同时期的表现：可以看出，不管从哪个角度评价，无论从因子的整体或局部进行考察，基本面因子近年来的预测能力出现显著下滑已是不争的事实。 图表1不同时间段的基本面因子表现对比 资料来源：wind资讯，华安证券研究所 另一方面，受地缘政治、美联储加息等外部因素影响，风险偏好相对弱势，A股市场步入存量博弈的环境，价值、红利和量价类因子异军突起，撑起了因子选股模型的半边天。然而，由于因子交易拥挤、alpha因子beta化，迫使新因子的开发，因子模型的迭代不能停滞不前，但后发优势的逐渐丧失导致因子的挖掘周期越来越长，加之人工挖掘的价量因子不可避免地与已有因子有着较高的信息重叠性，增量十分有限，投资者开始尝试通过深度学习或集成学习来挖掘、合成因子，通过加强模型的特征提取能力，更准确地概括市场规律，虽有所成效，但“黑盒式”的决策过程、算力的需求以及高换手在交易、规模层面上的约束，导致了深度学习的广泛应用较 难在短时间内落实于投资实践中。 1.2风格轮动是A股市场永恒的话题，蕴含着丰富的收益 随着市场定价效率的提升，部分alpha因子，尤其是基本面因子，有逐渐风格化的趋势。从净利润超预期因子的IC累计曲线来看，2022年之前可视为一条平稳上升的直线，与价值风格的周期性表现近乎无关，而最近两年，IC累计曲线斜率趋平，且与价值因子IC走势呈现明显的背离趋势，这说明了净利润超预期因子的有效性一定程度上受价值风格占优的影响，超额收益开始呈现较大的波动。 图表2SUE因子表现受价值风格影响 资料来源：wind资讯，华安证券研究所 面对alpha因子的大面积、持续性失效，作为量化从业者该如何应对呢？除了通过深度学习算法继续挖掘alpha之外，以科学的手段拥抱风格beta是提高策略收益的另一条途径，与其对具有“不确定性”的beta抱有恐惧而完全规避，不如更深入地理解风格切换时的规律及其影响因素。 A股市场中，风格轮动现象一直是投资者讨论的热点话题，常说的市场风格包括大小盘和价值成长，从量化的角度而言，市值和价值两大风险因子对横截面收益有很强的解释力度。以沪深300和中证1000指数表征大盘股和小盘股，国证价值 和国证成长代表价值股和成长股，如图表3所示：可以看到，风格间的相对强弱关系历年来发生频繁的转换，但每次切换后强势风格的持续时间相较行业轮动更长，因此，对于右侧信号居多的量化策略而言，提供了合适的土壤，且蕴含着丰富的收益。 图表