量化视角下的市场风格分析

1、1. 市场风格1资料来源：Wind，中信证券研究部 注：2021年数据截至于3月26日。资料来源：Wind，中信证券研究部。注：2021年数据截至于3月26日。资料来源：Wind，中信证券研究部 注：2021年数据截至于3月26日。资料来源：Wind，中信证券研究部中信证券因子策略组合2021年以来不同时段超额收益市场风格：大盘空间风格持续分化，中小盘空间下半年有所缓解沪深300空间各大类因子（年化）超额收益20%15%10%5%0%-5%-10%-15%-20%盈利因子2018年成长因子2019年绝对价值2020年至2021年春节前相对价值小市值2021春节后流动性反转因子波动率中证500空

2、间各大类因子（年化）超额收益20%15%10%5%0%-5%-10%-15%-20%盈利因子2018年成长因子2019年绝对价值2020年至2021年春节前相对价值小市值2021春节后流动性反转因子波动率中证1000空间各大类因子（年化）超额收益2018年2019年2020年至2021年春节前2021春节后20%15%10%5%0%-5%-10%-15%-20%盈利因子成长因子绝对价值相对价值小市值流动性反转因子波动率大盘分大红盘价值2大盘规模中盘规模中盘分红中盘重要股东增持大盘成中长盘成长中盘业大绩盘预业增绩预增中盘基金重仓大盘基大金盘重财仓务质量中盘财务质量小盘财务质量小盘重要股东增持大盘

3、重要股东增持小盘成小长盘业大绩盘中预一盘增致一预小致期盘预一期致预期小盘基金重仓-15.00%-10.00%-5.00%0.00%5.00%小盘小分盘红价值小盘规模中盘10价.00%值15.00%-15.00%-10.00%-5.00%0.00%5.00%10.00%15.00%2021年春节后至3月26日2021年初至春节前估值分化是导致结构性行情的根本原因，而估值的分化本质是市场预期个股的基本面将发生分化。静态PB隐含了市场对公司未来的ROE的预期，静态PE和静态PS隐含了对公司未来净利润增长率和营收增长率的预期。回归法度量估值分化程度，回归线系数即为估值分化度指标。PBMRQ = + R

4、OETTM + PETTM = + 净利润TTM增速 + PSTTM = + 销售TTM增速 + 盈利性和成长性的估值分化均已达到历史极致，其中盈利性估值分化水平在市场兑现盈利的推动下依然在提升，而成长性的估值分化在下 半年后已经有所弱化。截止3月26日，PB分化度为2017年后的上85%分位数，PE分化度为2019年后的上85%分位数，PS分化度为2019年后的上65%分位数。资料来源：Wind，中信证券研究部估值分化：盈利/成长分化均已达历史极致，成长性分化回落迹象初现资料来源：Wind，中信证券研究部资料来源：Wind，中信证券研究部(5)(10)-25201510570%60%50%4

5、0%30%20%10%0%-10%PB分化度与PB因子、ROE因子历史超额收益PB分化度PB因子ROE因子100-10-20-30-40-50-60-7060%50%40%30%20%10%0%2009-01-052009-06-262009-12-142010-06-032010-11-262011-05-192011-11-072012-05-022012-10-182013-04-112013-10-082014-03-262014-09-102015-03-062015-08-192016-02-152016-07-292017-01-182017-07-122017-12-27201

6、8-06-212018-12-072019-06-032019-11-202020-05-142020-11-03PE分化度与PE因子、净利润增长率因子历史超 额收益PE分化度PE因子净利润TTM增长率因子(2)(4)(6)-64270%60%50%40%30%20%10%0%-10%2009-01-052009-06-262009-12-142010-06-032010-11-262011-05-192011-11-072012-05-022012-10-182013-04-112013-10-082014-03-262014-09-102015-03-062015-08-192016-02

7、-152016-07-292017-01-182017-07-122017-12-272018-06-212018-12-072019-06-032019-11-202020-05-142020-11-03PS分化度与PS因子、营收TTM增长率因子历史 超额收益PS分化度PS因子营收TTM增长率因子32017年之后，以价值类因子为桥梁，常规的大类因子形成了两大组，而两大组之间则为此强彼弱的关系。以中证全指空间为例，2017年以来，盈利、成长因子和价值类因子的收益率之间形成了较为显著的负相关关系（见表中 淡黄色区域），即盈利、成长因子表现较好之时即为价值类因子表现较弱之时，这一现象在2017年之

8、前并不显著。2017年之后，价值类因子与四个量价大类因子也形成了较显著的正相关关系（见两表中淡蓝色、淡灰色区域），即价值 因子失效时，四个量价大类因子总体上也失效。资料来源：Wind，中信证券研究部中证全指空间因子收益相关系数矩阵（2009年至2016年）中证全指空间因子收益相关系数矩阵（2017年至2020年10月）因子收益趋于同源，并且逐步向中小盘空间扩散（1/2）盈利因 子1.00-0.090.270.09-0.50-0.200.450.33成长因 子1.00-0.63-0.440.43-0.07-0.45-0.39绝对价 值1.000.76-0.440.220.370.28相对价 值1

9、.00-0.280.230.210.18盈利因子成长因子绝对价值相对价值市值因子反转因子流动性波动率市值因 子1.000.36-0.63-0.47反转因 子1.00-0.27-0.21流动性1.000.88波动率1.00盈利因子1.00-0.11-0.28-0.28-0.72-0.630.360.00成长因子1.00-0.40-0.380.240.09-0.55-0.56绝对价值1.000.930.180.360.260.51相对价值1.000.220.360.210.474盈利因子成长因子绝对价值相对价值市值因子反转因子流动性波动率市值因子1.000.82-0.51-0.19 反转因子1.0

10、0-0.38-0.05流动性1.000.83 波动率1.00资料来源：Wind，中信证券研究部资料来源：中信证券研究部。注：“+”表示年度内该风格较强。沪深300空间盈利/成长因子与估值因子的强弱统计资料来源：Wind，中信证券研究部沪深300空间各因子滚动250日累计超额收益率资料来源：Wind，中信证券研究部中证500空间各因子滚动250日累计超额收益率因子收益趋于同源，并且逐步向中小盘空间扩散（2/2）盈利/成长因子价值类因子市场主题/状态2010年+“四万亿”尾声2011年+流动性下行+经济增速下行2012年+传统行业面临较大转型压力2013年+移动互联2014年+小盘股行情逐步转为全

11、面牛市2015年+过山车行情2016年+暴跌后市场信心的逐步恢复2017年+漂亮502018年+中美贸易摩擦2019年+核心资产+科创2020H1+消费+科技+医药30%25%20%15%10%5%0%-5%-10%-15%盈利因子成长因子 绝对价值 相对价值35%30%25%20%15%10%5%0%-5%-10%-15%-20%盈利因子成长因子 绝对价值 相对价值5主风格的识别：我们使用基本面（盈利&成长）因子增强组合与估值因子增强组合相对强弱的60日均线趋势判断。GARP策略想法的修正：对主风格次序影响较小的相对估值因子给予一个较低的权重。使用“主风格因子*70%+相对估值*30%”的方

12、式对股票进行打分，同时使用技术因子进行尾部修正，进行组合优化。考察期内沪深300增强组合的年化超额收益为13.70%，信息比率为3.5；2020年超额收益约22.01%，信息比5.1；今年以来超额收益1.5%。截至2021年2月26日，基本面因子表现虽然有所下降，但未触发60日均线切换点，策略仍维持基本面风格为主风格的判断。资料来源：Wind，中信证券研究部注：数据截至2021年2月26日资料来源：Wind，中信证券研究部注：数据截至2021年2月26日沪深300增强策略净值及相对强弱表现沪深300增强策略相关子组合的相对强弱表现“主风格判断+相对估值修正”的因子配置框架，当前基本面因子动量较

13、强2.82.62.42.221.81.61.41.21765432102012123120130315201305272013080220131016201312192014030320140509201407152014091820141128201502042015041720150624201508272015111020160114201603252016060120160808201610202016122320170307201705152017072020170922201712042018020720180423201806292018090320181114201901212

14、019040220190612201908152019102820191231202003132020052220200729202010092020121420210224相对强弱（右轴）沪深300增强组合沪深300指数00.511.522.532.42.221.81.61.41.210.8201112302012032320120613201208282012111620130204201305022013071920131011201312252014031820140605201408192014111020150126201504172015070320150918201512092

15、016030120160517201608022016102520170109201703302017062020170901201711222018020620180503201807182018100920181221201903152019060420190819201911082020012320200416202007072020091820201210沪深300(右轴）基本面相对估值绝对估值技术6盈利因子与PB因子的相对强弱，和高盈利组合相对低盈利组合的实现ROE分化度之间有较强的相关性。在沪深300空间中，定义高盈利组合为行业中性下盈利因子得分前20%股票构成的组合，低盈利组合为

16、行业中性下盈利因子得分后20%股票构成的组合。ROETTM分化度 = 高盈利组合ROETTM 低盈利组合ROETTMROE分化度 = 高盈利组合一致预期ROE 低盈利组合一致预期ROEROETTM分化度的走势总体与高盈利组合ROETTM高度相关，而且市场总体盈利水平的变化受到高盈利组合盈利水平变化的影响更加明显。盈利分化度的提升或市场盈利水平的提升有利于盈利因子的表现。受益于经济的回暖和市场盈利水平的回升， 沪深300空间ROETTM分化度和一致预期ROE分化度仍然处在上升趋势中，或将强化盈利风格。资料来源：Wind，中信证券研究部。注：数据更新至2021年3月26日。资料来源：Wind，中信

17、证券研究部。注：数据更新至2021年3月26日ROE分化度vs. 盈利与PB因子相对强弱实现及预期盈利分化的回落导致盈利因子短期遇到回撤ROE（TTM）走势：盈利Top20% 组合vs. Btm20%组合30%ROE_Est：Top20%ROE_Est:Btm20%ROE_Est:分化度ROE(TTM)分化度19%25%17%20%15%15%13%10%11%9%5%7%0%5%50%40%30%20%10%0%-10%-20%-30%-40%16%14%12%10%8%6%4%2017-01-032017-02-152017-03-232017-05-032017-06-122017-07

18、-182017-08-232017-09-282017-11-102017-12-182018-01-242018-03-082018-04-172018-05-252018-07-032018-08-082018-09-132018-10-292018-12-042019-01-112019-02-252019-04-022019-05-142019-06-202019-07-262019-09-022019-10-162019-11-212019-12-272020-02-122020-03-192020-04-272020-06-052020-07-152020-08-202020-09

19、-252020-11-102020-12-162021-01-222021-03-08盈利因子-PB因子ROE(TTM)分化度ROE_Est:分化度7成长风格大概率爆发于利率下降过程的中段。成长风格的表现和利率的走势存在一定相关性，但两者的关系较为复杂。在利率顶部拐点刚刚到来时，流动性的宽松还未传导至股市；而在利率接近底部区域时，通常伴随着短期利率的快速下 降和期限利差的提升，当期限利差提升时，久期套利对资金的吸引力或高于成长股。2021年1月上旬，短期利率快速下降导致期限利差快速走阔，中旬后利率快速回升，此后成长风格开始出现大幅回撤。资料来源：Wind，中信证券研究部。数据截止日：2021年

20、3月26日资料来源：Wind，中信证券研究部。数据截止日：2021年3月26日成长风格表现受利率影响较大国债到期收益率vs. 中证500成长因子未来250日收益成长因子国债：1Y国债：3Y国债：10Y4%30%20%10%3%0%-10%2%-20%-30%-40%1%-50%国债期限利差vs. 中证500成长因子未来250日收益成长因子利差：10Y-1Y利差：3Y-1Y1.60%30%1.40%20%1.20%10%1.00%0%0.80%-10%0.60%-20%0.40%-30%0.20%-40%0.00%-50%82. 对冲成本9以全收益指数作为现货组合，使用股指期货当月合约对冲，并逐

21、月进行展期，该组合的收益率可视作由对冲造成的损益。2021年Q1，上证50、沪深300、中证500三大指数的年化损益 分别是-1.80%、-2.09%和-9.76%。2020年三大期指对冲成本分别为-2.96%、-3.25%和-8.71%。资料来源：Wind，中信证券研究部上证50全收益指数+上证50期指对冲回测上证50、沪深300期现对冲成本较上年下降资料来源：Wind，中信证券研究部沪深300全收益指数+沪深300期指对冲回测资料来源：Wind，中信证券研究部中证500全收益指数+中证500期指对冲回测三大期指每季度的对冲成本上证50沪深300中证5001.0%0.5%0.0%-0.5%-

22、1.0%-1.5%-2.0%-2.5%-3.0%-3.5%1.201.101.000.900.800.700.600.501.051.000.950.900.850.800.750.702017-012017-032017-052017-072017-092017-112018-012018-032018-052018-072018-092018-112019-012019-042019-062019-082019-102019-122020-022020-042020-062020-082020-102020-122021-02对冲组合净值中证500（右轴）1.851.751.651.551

23、.451.351.251.151.050.950.851.021.000.980.960.940.920.900.882017-012017-032017-052017-072017-092017-112018-012018-032018-052018-072018-092018-112019-012019-042019-062019-082019-102019-122020-022020-042020-062020-082020-102020-122021-02对冲组合净值沪深300（右轴）1.801.701.601.501.401.301.201.101.000.901.061.051.0

24、41.031.021.011.000.990.982017-012017-032017-052017-072017-092017-112018-012018-032018-052018-072018-092018-112019-012019-042019-062019-082019-102019-122020-022020-042020-062020-082020-102020-122021-02对冲组合净值上证50（右轴）1011中金所前20大结算会员多空持仓比资料来源：Wind，中信证券研究部公募绝对收益基金数量及管理规模资料来源：Wind，中信证券研究部私募市场中性基金发行数量变化全市场

25、套保需求441574136451623315806555500510152025-700600500400300200100规模数量（右轴）亿元372996203928193623284540353025201510502020-1 2020-2 2020-3 2020-4 2020-5 2020-6 2020-7 2020-8 2020-9 2020-10 2020-11 2020-122020去年同月30003500400045005000550085%90%95%100%80%2019-01-022019-04-032019-07-03资料来源：Wind，中信证券研究部。数据截止日：20

26、21年3月26日。2019-09-262019-12-262020-03-302020-06-302020-09-222020-12-232021-03-25105%沪深300（右轴）上证50期指沪深300期指中证500期指60003. 量化策略开发反向12新技术人工智能新工具ETF1.1 另类及文本数据的使用以新闻舆情指标开发为例资料来源：中信证券研究部整理BERT模型的原理图海外金融机构已投入高成本布局另类数据。每年为另类数据花费在10万到100万美金的机构占41%，高于100万美金的占比为22%。新闻舆情作为另类数据的代表，文本数据的信息丰富、及时，采用先进的自然语言处理技术有望解决传统

27、方法处理效果的瓶颈。我们使用Google团队提出的BERT模型来进行文本建模，并构建了个股的新闻情绪指标。13情绪指标与动量指标结合，可构建市场顶部与底部拐点的预测信号。为新闻情绪变动指标设定下阈值，指数动量指标设定上阈值，当新闻情绪变动值低于下阈值且指数动量高于上阈值时发出顶部拐点信号，反之可构建底部拐点信号。情绪变动的下阈值设为-0.03，月度动量上阈值设为7%时效果最好，训练集上有效信号10次，准确率70%，测试集中有 效信号3次，正确率100%。资料来源：Wind，中信证券研究部资料来源：Wind，中信证券研究部参数（-0.03,7%）下的警示信号vs中证全指今年以来的情绪跟踪1.2

28、新闻情绪指标应用一：中期择时20003000400050006000700080000.200.150.100.050.00-0.05-0.10-0.15-0.20-0.252012-022012-042012-072012-092012-112013-022013-042013-072013-092013-122014-022014-042014-072014-092014-122015-022015-052015-072015-092015-122016-022016-052016-072016-092016-122017-022017-052017-072017-092017-12201

29、8-022018-052018-072018-092018-122019-022019-052019-072019-092019-122020-022020-05信号新闻情绪变动中证全指（右轴）0.090.070.050.030.01-0.01-0.03-0.05-0.075600540052005000480046004400420040002020-01-022020-01-092020-01-162020-01-232020-02-072020-02-142020-02-212020-02-282020-03-062020-03-132020-03-202020-03-272020-04

30、-032020-04-132020-04-202020-04-272020-05-072020-05-142020-05-212020-05-282020-06-042020-06-112020-06-182020-06-292020-07-062020-07-132020-07-202020-07-272020-08-032020-08-102020-08-172020-08-242020-08-312020-09-072020-09-142020-09-212020-09-282020-10-132020-10-202020-10-27警示信号反弹信号中证全指20日情绪变动14在情绪指标相

31、对5日均值变化高于上阈值时做多，低于下阈值时做空。阈值的设定取决于策略在训练集上的信息率表现，实际测试中分别设为0.01和-0.01。结合波动率可以进一步提升策略效 果。另外，保证金比例设为10%，期指开仓的名义本金等于多头持仓，期指手续费为双边5%。策略在2019年至今的测试区间上表现保持稳定。今年以来（截至2020年10月30日），杠杆增强策略实现了32.04%的超 额收益，大幅跑赢沪深300指数。资料来源：Wind，中信证券研究部资料来源：Wind，中信证券研究部杠杆增强策略的净值趋势杠杆增强策略的历史表现1.3 新闻情绪指标应用二：基于情绪指标的杠杆增强策略4.543.532.521.

32、510.51098765432102012-012012-032012-062012-082012-112013-012013-042013-062013-082013-112014-012014-042014-072014-092014-112015-022015-042015-072015-092015-122016-022016-052016-072016-092016-122017-032017-052017-072017-102017-122018-032018-052018-082018-102018-122019-032019-062019-082019-102020-01202

33、0-032020-062020-08杠杆增强策略沪深300 相对收益（右轴）总超额收益年化超额收超额收益年化波超额收益最（%）益（%）动率（%）信息率索提诺比率大回撤（%）全部295.4917.5714.901.182.0114.05202032.0442.7015.522.755.768.2120193.313.4311.290.300.427.0720182.702.8113.180.210.3014.05201711.5912.047.901.522.525.2220166.817.0714.130.500.7311.45201575.9479.6626.632.996.2110.571

34、5162.1 现有行业轮动模型及优缺点总结五策略各有优缺点，但不同视角存在互补性，可取长补短，结合五策略优缺点构建多视角轮动策略。行业轮动模型及优缺点总结业绩估值动量趋势宏观驱动模式匹配机构跟踪优点缺点综合基本面与估值， 较单一基本面和估值 策略表现更稳定。基本面与估值的结合方式 较单一，且基本面一致预 期的高低往往落后于行业 表现。时序动量叠加截面动量，策 略设计简洁有效。策略在行业表现轮动较快 的行情中表现较差。依据月度经济数据，自 上而下结合宏观驱动因 素选择出基本面向好的 板块。仅关注基本面，策略在 技术性行情中选择准确 度较低并且策略仅推荐 板块，忽视了板块内行 业表现的分化。机器学

35、习多维度匹配历史行 情并预测未来表现，较单一 技术指标策略更高效，能捕 捉到行业间的结构性信息。未考量基本面数据，历史行 情与未来表现不完全相同， 行业表现易受到政策和基本 面影响而产生较大变化。较好地挖掘到公募基金重仓 股中隐含的行业与板块配置 信息。公募基金按季度披露持仓， 策略无法追踪到市场风格转 变引起的公募调仓行为，在 市场多变的行情中表现较 差。资料来源：中信证券研究部172.2 珠联璧合，自上而下构建多视角综合行业轮动模型基于以上对宏观板块选择和中观行业选择的分析，自上而下，构建出融合宏观基本面、趋势技术面、行业成长与估值 和政策与市场预期等多视角的综合行业轮动模型。数据来源：中

36、信证券研究部， Wind模式匹配：技术面机构跟踪：政策与市场预期行 业 Industry板 块 Sector宏观驱动：基本面上游中游必选消费可选消费防御TMT金融地产板块选择结合基本面、技术面、政 策与市场预期选择板块。成长估值业绩估值提取成长、业绩预期 差与估值信息。业绩预期差动量趋势 截面动量模式匹配截面与时序动量综合动量综合成长估值偏离度警 示风险机构跟踪政策与市场预期石油石化煤炭建筑.国防军工医药非银行金融行业选择成长动量估值机构观点攻守决 策 Decision取长补短构建综合行业轮动模型的流程图182.3 综合行业轮动模型的历史回测表现综合行业轮动策略2010年1月4日至2020年9月30日实现年化收益14.39%，年化超额收益11.37