风格轮动策略月报第12期：5月建议超配小盘和价值风格，中长期继续看好小盘、成长风格

5月建议超配小盘和价值风格，中长期继续看好小盘、成长风格 ——风格轮动策略月报第12期 本报告导读： 张雪杰(分析师)0755-23976751zhangxuejie@gtht.com登记编号S0880522040001 本报告对大小盘轮动月度策略、价值成长轮动月度策略以及风格因子表现进行跟踪。根据量化模型信号，5月建议超配小盘风格，价值风格。中长期观点，未来一年继续看好小盘风格、成长风格。 投资要点： 朱惠东(分析师)0755-23976176zhuhuidong@gtht.com登记编号S0880525070025 中证1000领涨，国内资产BL策略1本年涨幅2.05% 2026.03.063月建议超配小盘和价值风格，中长期继续看好小盘、成长风格2026.03.02黄金再度领涨，1月国内资产BL策略1收益达到1.55% 2026.02.062月建议超配小盘风格，中长期继续看好小盘、成长风格2026.02.04根据量化模型信号，1月建议超配小盘风格，均衡配置价值成长风格2026.01.08 价值成长风格轮动月度策略。月度观点：4月底量化模型信号为-0.67，建议5月超配价值风格。中长期观点，未来一年更看好成长风格。截止4月底，模型收益3.75%，相对等权基准（6.16%）的超额收益为-2.12%。策略构建详见报告《量化视角多维度构建月度和周度价值成长风格轮动策略_20250305》。 风格因子表现跟踪。8个大类因子中，本月波动率、动量因子正向收益较高；流动性、质量因子负向收益较高。本年动量、波动率因子正向收益较高；质量、大市值因子负向收益较高。24个风格因子中，本月动量、贝塔、短期反转因子正向收益较高；残差波动、流动性、投资质量因子负向收益较高。本年动量、贝塔、长期反转因子正向收益较高；残差波动、投资质量、行业动量因子负向收益较高。因子构建详见报告《A股风险模型实践：风险因子篇_20240519》。因子协方差矩阵更新。股票协方差矩阵估计是股票组合风险预测的 核心。利用多因子模型，可以将股票协方差矩阵拆解为因子协方差矩阵和股票特质风险矩阵的结合，从而完成较为准确的估计。本文更新了最新一期（2026/04/30）的因子协方差矩阵。股票协方差矩阵构 建 详 见 报 告 《A股 风 险 模 型 实践 ： 股票 协方 差 矩阵估计篇_20240530》。 风险提示：量化模型基于历史数据构建，而历史规律存在失效风险。 目录 1.大小盘风格轮动观点更新.....................................................................31.1.月度观点........................................................................................31.2.中长期观点.....................................................................................52.价值成长风格轮动月度观点..................................................................72.1.最新观点........................................................................................73.A股风险模型因子表现跟踪..................................................................83.1.大类因子表现跟踪..........................................................................93.2.风格因子表现跟踪........................................................................103.3.最新一期因子协方差矩阵..............................................................114.附录...................................................................................................124.1.大小盘轮动策略月度模型介绍.......................................................124.2.价值成长轮动策略月度模型简介...................................................134.3.A股风险模型介绍........................................................................145.风险提示............................................................................................16 国泰海通金融工程团队专注于资产配置、风格轮动、行业轮动、量化选股、量化择时等研究。风格是影响股票收益的重要因素。在之前的报告《基于Barra CNE6的A股风险模型实践：风险因子篇20240519、股票协方差矩阵估计篇20240530》系列中，我们构建了A股风格因子、协方差矩阵估计，通过对主要指数进行归因，可以发现风格是影响股票收益和风险的重要因素。在报告《从量化视角复盘A股1995年以来的风格轮动和选股因子表现_20240422》中，对市值和估值风格的轮动效应做过初步分析和研究。在历史上A股市场存在着明显的风格轮动效应；不同风格轮流搭台唱戏，依次占优；没有哪一种风格能够始终战胜市场。想要战胜市场获得较好的超额收益，投资者需要对未来风格进行提前预判和布局。因此，国泰海通金融工程团队从量化的方法论出发，构建多维度的风格轮动跟踪模型和策略，目的正是希望帮助投资者把握风格轮动线索，获取战胜市场的超额收益。在报告《量化视角多维度构建大小盘风格轮动策略_20241102》中构建了大小盘轮动月度策略，在报告《量化视角多维度构建月度和周度价值成长风格轮动策略_20250305》关注价值成长轮动月度策略。 月报主要对大小盘风格轮动月度策略、价值成长风格轮动月度策略、以及A股风格因子表现进行月度跟踪，输出风格轮动月度观点。 1.大小盘风格轮动观点更新 1.1.月度观点 月度最新观点（模型数据截止至2026/4/30）：4月底量化模型最新信号为0.17，指向小盘。日历效应上，历史5月小盘相对占优；建议5月超配小盘风格。中长期观点，当前市值因子估值价差为0.98，近期有所上升，距离历史顶部区域1.7~2.6仍有距离，中长期并不拥挤，继续看好小盘。 复盘4月观点为超配小盘，判断正确；超配价值风格，判断错误。 截止4月底，模型本年收益9.66%，相对等权基准（6.83%）的超额收益为2.83%。结合主观观点的策略收益9.66%，超额收益2.83%。策略简介见附录4.1，构建细节详见《量化视角多维度构建大小盘风格轮动策略_20241102》。 数据来源：Wind，朝阳永续，国泰海通证券研究 具体而言，当前量化模型6个维度中，宏观、量价、情绪维度均指向小盘。基本面、资金维度指向大盘。 大小盘风格具有明显的月度效应。其背后原因尚待研究，部分是由于财报披露时间，这里仅做统计学分析供投资者参考。按照市值10分组构建大小市值组，根据1995年以来的历史数据，在2、3、5、8月，小盘风格明显超过大盘；1、4、12月，大盘风格明显超过小盘。 1.2.中长期观点 在《从量化视角复盘A股1995年以来的风格轮动和选股因子表现_20240422》报告中，对十分组下市值和估值风格的中长期轮动效应做过初步分析 和研究。 估值价差的高点和低点对于市值因子择时（大小市值切换时点）有较强的指示作用。估值价差的计算公式为小市值组的PB中位数/大市值组的PB中位数。目前市值因子最新估值价差为0.98，相对历史高点区域1.7~2.6，估值价差当前位置不高，小市值相对大市值组估值价差或许仍有60%以上提升空间。中长期，未来一两年，我们更看好小盘风格。需要注意的是，上述基于小样本归纳的结论，存在失效风险。 数据来源：wind，国泰海通证券研究。数据区间：1995.02-2026.04。注：图的左轴均为对数坐标轴。 从下图可以看出，市值因子估值价差（小市值组的PB中位数相对于大市值组的PB中位数）最大达到2.64倍，最低为0.44倍。小市值因子的估值价差走势上有3轮上行和2轮下行。 2.价值成长风格轮动月度观点 2.1.最新观点 最新观点（模型数据截止至2026/4/30）：4月底量化模型信号为-0.67，建议5月超配价值风格。中长期观点，未来一年更看好成长风格。 截止4月底，模型收益3.75%，相对等权基准（6.16%）的超额收益为-2.12%。策略简介见附录4.2，构建细节详见《量化视角多维度构建月度和周度价值成长风格轮动策略_20250305》。 数据来源：Wind，朝阳永续，国泰海通证券研究 具体而言，当前量化模型宏观、基本面指向价值。 3.A股 风险模型因子表现跟踪 A股风险模型通过涵盖市场因子𝑓𝑐、行业因子𝑓𝐼𝑖和风格因子𝑓𝑆𝑗的因子体系，对股票预期收益构建多因子回归模型，从而实现将对股票组合的收益、风险分析转化为对因子的收益、风险分析： 首先，通过使用财务数据、交易数据等进行处理和加权可以得到因子 暴露𝑋𝑛𝐼𝑖和𝑋𝑛𝑆𝑗，然后对上述回归模型进行求解，即可得到各因子的收益率𝑓𝑐、𝑓𝐼𝑖和𝑓𝑆𝑗。其中，市场因子可以看作截距项；行业因子按照中信一级行业划分；对于风格因子而言，计算了涵盖描述股票各方面收益来源的20个风格因子，并将其根据相似属性汇总成了8个大类因子，因子体系构成详见附录4.2。 本章对8个大类因子和20个风格因子的纯因子组合表现进行月度跟踪，从纯因子的视角观察市场风格动向。 3.1.大类因子表现跟踪 4月波动率、动量、大市值、价值、红利因子分获正向收益4.43%、2.86%、0.91%、0.04%、0.02%;流动性、质量、成长因子分获负向收益-1.81%、-1.02%、-0.4%。 本年以来，8个大类因子中，动量、波动率、价值、红利因子分获正向收益3.99%、3.3%、0.62%、0.44%；质量、大市值、流动性、成长因子分获负向收益-2.56%、-1.45%、-1.32%、-0.18%。 对8个大类因子本年以来的净值走势进行跟踪。 3.2.风格因子表现跟踪 20个风格因子中，4月动量、贝塔、短期反转、大市值、盈利波动因子正向收益较高，分获4.6%、3.98%、1.14%、0.71%、0.6%；残差波动、流动性、投资质量、账面市值比、行业动量因子负向收益较高，分别为-1.57%、-1.12%、-0.94%、-0.89%、-0.75%。 20个风格因子中，本年以来，动量、贝塔、长期反转、短期反转、季节性因子正向收益较高，分获5.89%、2.88%、1.77%、1.44%、0.96%；残差波动、投资质量、行业动量、大市值、账面市值比因子负向收益较高，分别为-2.93%、-2.44%、-2.05%、-1.89%、-1.53%。 对20个风格因子本年以来的净值走势进行跟踪。 3.3.最新一期因子协方差矩阵 股票协方差矩阵估计是股票组合风险预测的核心，广泛应用于风险预测、风险归因和组合构建，但简单的通过股票收益率