风格轮动量化研究系列之一：量化视角多维度构建大小盘风格轮动策略

核心观点

本报告从量化视角研究大小盘风格轮动策略，构建了涵盖宏观、估值、基本面、资金、情绪、量价6个维度的风格轮动量化模型，并结合主观分析生成最终风格观点。

关键数据和研究结论

• 历史回测表现：模型在2013年12月31日至2024年9月30日的历史回测中表现优秀，月度胜率达73.28%，超额年化收益17.45%，夏普比率1.83，收益回撤比1.18。
• 因子分析：
  • 宏观维度：期限利差、货币活化、信用利差三个因子等权合成宏观维度信号，月度胜率65.12%，超额年化收益14.59%。
  • 估值维度：沪深300和中证2000指数PB估值溢价等权合成估值维度信号，月度胜率68.18%。
  • 基本面维度：大小盘分析师预期因子边际变化等权合成基本面维度信号，月度胜率64.66%，超额年化收益11.99%。
  • 资金维度：大单资金、外资流入压力、ETF份额、龙虎榜、融资买入五个因子等权合成资金维度信号，月度胜率62.18%，超额年化收益12.54%。
  • 情绪维度：换手率、创新高新低、超买超卖、上行趋势四个因子等权合成情绪维度信号，月度胜率59.46%，超额年化收益5.67%。
  • 量价维度：动量因子和拥挤度因子结合，月度胜率57.52%，超额年化收益6.18%。
• 样本外分析：结合月度效应（2、3、5、8月小盘占优，1、4、12月大盘占优）和政策维度（经济政策、技术变革、并购重组政策、IPO发行节奏）进行主观分析，调整量化模型打分，生成最终风格观点。
• 模型不足及改进方向：
  • 宏观维度引入经济周期分析。
  • 确定各维度权重，把握主线维度。
  • 模型层面兼容“哑铃型策略”。

风险提示

量化模型基于历史数据构建，历史回测不代表未来表现，模型存在失效风险。市场环境变化可能导致投资逻辑改变，模型存在失效风险。