重结构、轻指数、防风险、顺周期

1、目 录 HYPERLINK l _TOC_250035 股票市场观察 6 HYPERLINK l _TOC_250034 A 股资金流向情况 6 HYPERLINK l _TOC_250033 A 股指数、板块投资机会 8 HYPERLINK l _TOC_250032 A 股风格展望 9 HYPERLINK l _TOC_250031 基金市场观察 11 HYPERLINK l _TOC_250030 2020 年基金市场整体概况 11 HYPERLINK l _TOC_250029 ETF 产品值得关注 12 HYPERLINK l _TOC_250028 ETF 产品市场概览 12 HY

2、PERLINK l _TOC_250027 2020 年 ETF 产品表现统计 13 HYPERLINK l _TOC_250026 通过行业 ETF 构建行业轮动模型 15 HYPERLINK l _TOC_250025 重仓股成为投资重点关注对象 15 HYPERLINK l _TOC_250024 重仓股集中度变动情况 16 HYPERLINK l _TOC_250023 重仓股构建投资组合 16 HYPERLINK l _TOC_250022 因子选股专题：北向因子及其风格组合探析 18 HYPERLINK l _TOC_250021 北向资金的风格、行业偏好 18 HYPERLINK

3、 l _TOC_250020 北向选股能力优异 20 HYPERLINK l _TOC_250019 北向风格组合：以北向做优选、用动量做增厚 22 HYPERLINK l _TOC_250018 资产配臵专题：利用宏观风险因子进行大类资产配臵 24 HYPERLINK l _TOC_250017 宏观风险因子体系构建 24 HYPERLINK l _TOC_250016 宏观风险因子的构造方式比较 24 HYPERLINK l _TOC_250015 高频宏观风险因子体系搭建 24 HYPERLINK l _TOC_250014 如何将大类资产和宏观风险联系起来 25 HYPERLINK l

4、 _TOC_250013 从宏观风险角度如何构建股债绝对收益组合 26 HYPERLINK l _TOC_250012 基准股债轮动组合构建以股息率10Y 国债指导股债配臵为例 26 HYPERLINK l _TOC_250011 股债绝对收益组合的痛点利率风险暴露过大 26 HYPERLINK l _TOC_250010 控制利率风险暴露三种思路 27 HYPERLINK l _TOC_250009 控制利率风险的绝对收益组合构建 31 HYPERLINK l _TOC_250008 股票择时专题：扩散指标择时因子化框架 32 HYPERLINK l _TOC_250007 扩散指标的定义和

5、计算方法 32 HYPERLINK l _TOC_250006 单因子扩散指标模型构建 33 HYPERLINK l _TOC_250005 因子选择 33 HYPERLINK l _TOC_250004 沪深 300 单因子回测 34 HYPERLINK l _TOC_250003 中证 500 单因子回测 35 HYPERLINK l _TOC_250002 创业板单因子回测 37 HYPERLINK l _TOC_250001 结论与展望 38 HYPERLINK l _TOC_250000 风险提示 40图目录图 1：证券市场交易结算金趋势图(亿) 6图 2：陆股通资金流向 6图 3：

6、中信一级行业 2020 年以来北向资金累计净流入情况 1(亿) 7图 4：中信一级行业 2020 年以来北向资金累计净流入情况 2(亿) 8图 5：中信一级行业 2020 年以来北向资金累计净流入情况 3(亿) 8图 6：沪深 300 指数估值扩散指标走势图 9图 7：沪深 300 指数估值扩散指标历史回测净值曲线 9图 8：barra 风格因子收益累计净值曲线(2020 年以来) 10图 9：barra 风格因子(除贝塔和流动性)收益累计净值曲线(2004 年以来) 10图 10：各类型基金指数与市场各指数累计净值 11图 11：2010 年以来基金只数、份额及资产变动 12图 12：201

7、0 年以来每月新增基金个数 12图 13：2020 年以来新发行公募基金种类统计 12图 14：2010 年以来基金只数、份额及资产变动 13图 15：2020 年股票型 ETF 每月市场变动 13图 16：2020 年以来新发行 ETF 基金不同种类占比 13图 17：2020 年以来宽基 ETF 涨幅前十五名 14图 18：中信一级行业 2020 年以来表现对比 14图 19：2020 年以来行业 ETF 涨幅前十五 15图 20：通过行业 ETF 构建行业轮动模型回测效果 15图 21：历年重仓股集中度的变化情况 16图 22：重仓股因子分组测试 17图 23：重仓股因子多头组合对比 1

8、7图 24：北向资金累积净流入（万亿人民币，截至 2020 年 10 月 16 日） 18图 25：北向持仓市值及占 A 股自由流通市值比例（截至 2020 年 10 月 16 日） 18图 26：北向持仓市值占各行业总自由流通市值比（2020 年 10 月 16 日） 19图 27：北向持仓相对全市场超额 BARRA 风格暴露（2020 年 9 月底） 19图 28：动量风格行业中性后北向覆盖内分组收益 20图 29：市值风格行业中性后北向覆盖内分组收益 20图 30：持仓类因子中性前表现（仅列出 t 值3 的情况） 21图 31：净流入类因子市值、行业中性后表现（仅列出 t 值3 的情况）

9、 21图 32：净流入占比 2 中性后 500 内周频多头净值 21图 33：净流入占比 1 中性后 300 内季频多头净值 21图 34：净流入占比 2+动量分组收益柱状图 22图 35：净流入占比 2+动量分组收益热力图 22图 36：净流入类因子与风格双重排序的多头表现 22图 37：净流入动量组合样本内分年业绩表现（截至 2020 年 7 月底） 23图 38：净流入动量组合样本内净值表现（截至 2020 年 7 月底） 23图 39：净流入动量组合超额收益分解 23图 40：净流入动量组合风格、行业超额 23图 41：宏观风险因子的历史表现（统一以 2007/03 作为起点归一化处理

10、） 25图 42：“股息率10Y 国债”股债轮动组合净值表现 26图 43：基准股债轮动组合宏观风险暴露 27图 44：股债轮动组合宏观风险结构 27图 45：“股息率-10Y 国债”股债轮动组合和十年期国债收益率对比 27图 46：利率债择时后的股债轮动组合表现 28图 47：不同利率债配比下组合 Calmar 比率 29图 48：不同利率债配比下组合 Sharpe 比率 29图 49：引入短久期信用债后的股债轮动组合表现 29图 50：权益资产设计后和中证红利全收益对比 30图 51：在利率上行时期，主动行业偏离能够获得超额收益 31图 52：沪深 300 择时风格因子 Sharpe 表现

11、 34图 53：沪深 300 择时风格因子胜率表现 34图 54：沪深 300 基于市盈率倒数的 ROC 扩散指标择时效果图 35图 55：沪深 300 基于市盈率倒数的 ROC 扩散指标择时收益净值曲线 35图 56：中证 500 择时风格因子 Sharpe 表现 36图 57：中证 500 择时风格因子胜率表现 36图 58：中证 500 基于 3 个月换手率的 MA 扩散指标择时效果图 36图 59：中证 500 基于 3 个月换手率的 MA 扩散指标择时净收益曲线 37图 60：创业板择时风格因子 Sharpe 表现 37图 61：创业板择时风格因子胜率表现 37图 62：创业板基于中

12、盘规模因子和流动性因子的扩散指标择时净收益曲线 38表目录表 1：陆股通 2020 年以来流入行业分布 7表 2：历年基于 T-M 模型的择时择股能力评估 16表 3：因子名及释义 20表 4：宏观风险因子构建方式比较 24表 5：宏观风险因子构建方式 25表 6：CNE5 Barra 风格因子 33表 7：中盘规模和流动性因子创业板回测交易次数和回撤情况 38股票市场观察展望 2021 年，从资金方面来看，资金仍然向好，有一定增量资金入市。外资看好电力设备及新能源、基础化工、汽车和机械等。今年沪深 300 暂时并无大机会，明年沪深 300 或有机会。风格上倾向于低估值板块。A 股资金流向情况

13、我们首先观察的资金流向情况就是证券市场结算金数据，它表征了散户资金情况。一般情况，证券结算金越高，意味着增量资金越多，股市越容易上涨。年初以来证券市场结算金几乎走了一个过山车，截至 2020 年 10 月 21 日，证券市场结算金估计值为 1.76 万亿，较去年年底增加约 4000 亿。在国庆节之后，结算金触底反弹，目前仍然有上升趋势。从该指标的角度来看，由于散户目前仍然维持在 80%的成交占比，因此该指标用于衡量散户参与情绪和增量资金方面有一定的帮助。图 1：证券市场交易结算金趋势图(亿)40000证券市场结算金2017/6/16之前为投保基金公司披露2017/6/16之后为估计值35000

14、300002500020000150001000050002020/10/062020/07/062020/04/062020/01/062019/10/062019/07/062019/04/062019/01/062018/10/062018/07/062018/04/062018/01/062017/10/062017/07/062017/04/062017/01/062016/10/062016/07/062016/04/062016/01/062015/10/062015/07/062015/04/062015/01/062014/10/062014/07/062014/04/062

15、014/01/062013/10/062013/07/062013/04/062013/01/062012/10/062012/07/062012/04/060数据来源：东北证券，Wind图 2：陆股通资金流向14000 陆股通(亿) 沪股通(亿) 深股通(亿)1200010000800060004000200002014-11-172015-11-172016-11-172017-11-172018-11-172019-11-17数据来源：东北证券，Wind，数据截至 2020 年 10 月 21 日其次观察的陆股通资金流向情况，它是外资流向的一个高频先行指标。2014 年 11月 17 日

16、至 2020 年 10 月 22 日，陆股通合计流入 10956 亿。今年累计流入 1021 亿，2019 年累计净流入 3517 亿，2018 年累计流入 2920 亿，2017 年累计流入 1997 亿。因此，可以看到北向资金在 2019 年流入达到一个高峰之后，2020 年流入边际大幅放缓。2020 年以来，资金流入最多的五个行业是电力设备及新能源、医药、基础化工、计算机和机械，资金流出最多的五个行业是食品饮料、消费者服务、银行、电力公用事业和农林牧渔。表 1：陆股通 2020 年以来流入行业分布累计流流向累计流流向累计流流向行业行业行业入(亿)占比入(亿)占比入(亿)占比电力设备及新能

17、源28024%房地产383%综合10%医药20718%轻工制造373%建材00%基础化工16514%钢铁343%非银行金融-10%计算机15213%建筑323%煤炭-40%机械13311%有色金属252%纺织服装-40%电子11510%国防军工242%农林牧渔-26-2%汽车1109%石油石化212%电力及公用事业-31-3%通信908%家电161%银行-54-5%传媒716%交通运输111%消费者服务-93-8%商贸零售424%综合金融30%食品饮料-213-18%数据来源：东北证券, Wind，数据截至 2020 年 10 月 21 日从结构上看，受到疫情影响，今年对于确定性强的行业资金大

18、幅流入较多，例如医药、计算机等；但医药在 7 月初见顶之后则持续净流出。而电力设备新能源则受益于特斯拉、光伏等板块需求旺盛成为黑马，持续净流入，一举成为今年净流入第一。像基础化工板块虽然年初流入不多，但一直持续净流入，最后挤进前三。而食品饮料、消费者服务板块在疫情期间和 7 月之后则开始持续流出。展望 2021 年，我们认为电力设备及新能源仍然值得关注外，基础化工、汽车、机械板块都值得关注。图 3：中信一级行业 2020 年以来北向资金累计净流入情况 1(亿)数据来源：东北证券，Wind图 4：中信一级行业 2020 年以来北向资金累计净流入情况 2(亿)数据来源：东北证券，Wind图 5：中

19、信一级行业 2020 年以来北向资金累计净流入情况 3(亿)数据来源：东北证券，WindA 股指数、板块投资机会从估值扩散指标来看，2020 年 10 月 21 日收盘后沪深 300 指数发出死叉信号，这意味着未来三个月左右 A 股难以有大的行情，未来将聚焦细分板块的超额收益机会。整体上仍然以防风险降仓位为主。2021 年或许将有机会重回升势。图 6：沪深 300 指数估值扩散指标走势图数据来源：东北证券，Wind估值扩散指标从 2006 年初回测至 2020 年 10 月 22 日，一共交易 17 次，胜率 88%，年化收益率 28%，年化波动率 18%，夏普比率 1.5，最大回撤 32%，

20、收益回撤比 0.86，盈亏比 9.7，累计净值 37.7。图 7：沪深 300 指数估值扩散指标历史回测净值曲线数据来源：东北证券，WindA 股风格展望从风格因子走势来看，2020 年表现最好的贝塔、动量，表现最差的是估值、残差波动和流动性。即便动量因子表现强势，但最近也处于回撤之中，即反转因子开始表现较好，估值因子从 10 月之后开始有所反弹。今年成长因子、市值因子表现并不突出。展望 2021 年，风格有望转向持续回撤的估值因子。图 8：barra 风格因子收益累计净值曲线(2020 年以来)数据来源：东北证券，Wind图 9：barra 风格因子(除贝塔和流动性)收益累计净值曲线(200

21、4 年以来)数据来源：东北证券，Wind基金市场观察2020 年对于公募基金是大丰收的一年，基金产品尤其是股票型、偏股混合型基金不仅在收益端获得了丰厚的回报，在规模和产品丰富度上也迈向了新的台阶。由于疫情等因素的影响，医药、消费、新能源与军工等行业获得了明显的收益，ETF 产品作为指数化投资产品能够提供灵活性与便利性，行业主题 ETF 表现居于前位的十五只产品均获得了超过 50%的涨幅，利用 ETF 可以为行业轮动等策略提供便捷交易的标的。股票型、偏股混合型基金良好表现的获得离不开重仓股的高胜率选择，基于基金重仓股的研究可以提供浓缩股票池，提高组合表现的作用，今年年初至 2020年 9 月 3

22、0 日，基于重仓股的多头组合累计涨幅 52.74%，超越基准沪深 300 指数收益 34.09%。2020 年基金市场整体概况今年以来，基金市场表现出众，中证基金指数累计涨幅 15.14%，其中股票型基金指数增长 30.40%，混合型基金指数增长 33.69%，大幅超过上证 50、沪深 300 大市值风格指数，与小市值风格的中小板指表现趋同。图 10：各类型基金指数与市场各指数累计净值 数据来源：东北证券，Wind，数据截止至 2020 年 10 月 17 日从 2010 年至今，基金的总数以及规模都呈现加速上涨的趋势，截止 2020 年 10 月15 日，基金数量已经达到 7111 只，基金

23、规模达到 180493 亿元。今年以来单月新发基金个数也呈现明显上涨趋势，爆款基金频频刷屏，目前单月新发基金水平已经逼近 2016-2017 高位的水平，基金市场欢迎度高涨。图 11：2010 年以来基金只数、份额及资产变动图 12：2010 年以来每月新增基金个数180,0008,000150,0006,000120,00090,0004,00060,0002,00030,00000基金总数截止日份额(亿份)截止日资产净值(亿元)新增基金个数 历史新增基金均值数据来源：东北证券，Wind数据来源：东北证券，Wind图 13：2020 年以来新发行公募基金种类统计纯债型基金偏股混合型基金 被动

24、指数型基金 偏债混合型基金普通股票型基金 灵活配臵型基金 平衡混合型基金 QDII型基金增强指数型基金 商品型基金股票多空数据来源：东北证券，Wind今年以来，纯债型、偏股混合型与被动指数型基金发行数量占比居于前位，分别为27.97%、27.44%与 14.75%，混合型基金总体占比 29.65%。ETF 产品值得关注ETF 产品近两年发展势头正盛，对于 ETF 基金产品的深入研究，可以极大的丰富投资者的投资工具，对于指数化投资的发展具有重要意义。ETF 产品市场概览ETF 产品近两年发展势头正盛。自 2019 年以来，基金发行的数量和在基金市场中所占比重都有快速提升。2020 年 ETF 仍

25、处于火热的发行阶段，截止 2020 年 10 月 17 日新发行 ETF 共 76 只，接近高位 2019 年的 90 只。今年 ETF 的发行不仅仅是数量上的提升，产品的丰富度同样是令人瞩目的，其中包括行业 ETF 的横向扩张、商品 ETF 的覆盖以及新指数产品科创 50ETF 的快速推进。指数化投资作为权益类投资的重要组成部分，近两年逐渐成为市场新的宠儿，对于资产配臵提供了丰富的投资工具。图 14：2010 年以来基金只数、份额及资产变动图 15：2020 年股票型 ETF 每月市场变动100当年新发ETF产品数量 新发ETF占整体市场新发基金比率108000基金总份额(亿份)基金总规模(

26、亿元)基金规模增长率()15808600012960640420240002000630-3002010 2011 2012 2013 2014 2015 2016 2017 2018 2019 202001月2月3月4月5月6月7月8月9月 10月-6数据来源：东北证券，Wind数据来源：东北证券，Wind2020 年 ETF 市场经历了较为快速的扩张，8 月份基金规模增长率超过了 10%，截止2020 年 10 月份，只有三个月经历了基金规模的回调，其他月份都保持上涨的趋势。图 16：2020 年以来新发行 ETF 基金不同种类占比被动指数型股票基金商品型基金被动指数型债券基金国际(QDI

27、I)股票型基金数据来源：东北证券，Wind图 16 统计了 2020 年 ETF 产品的不同种类发行个数占比，联接基金已剔除。在新发行的 ETF 产品中，被动指数行股票基金占据绝对的优势地位，发行基金只数占比 78.63%。公募基金公司围绕黄金也纷纷开发相应 ETF 产品，今年商品型基金占比11.97%,QDII 产品占比最低，仅为 3.42%。2020 年 ETF 产品表现统计今年以来，得益于创业板指数的亮眼表现，各公募基金的创业板 ETF 都取得了亮眼的成绩，其中华夏基金、博时基金与平安基金的创业板 ETF 涨跌幅排名前三，其中平安基金的创业板PA规模增长了近650%，博时基金的创业板 B

28、S 规模增长了237%，说明其收到了市场资金的高度认可。证券代码证券简称年初至今涨跌幅( ) 基金规模(亿元) 较年初基金规模变动( 亿元) 图 17：2020 年以来宽基 ETF 涨幅前十五名159957.SZ创业板HX54.702.811.10159908.SZ创业板BS54.083.372.37159964.SZ创业板PA53.433.372.92159956.SZ创业板F53.310.770.16159955.SZ创业板E53.270.260.02159948.SZ创业板EF52.8725.2313.06159977.SZ创业板TH52.3439.9713.68159952.SZ创业E

29、TF52.3121.177.71159915.SZ创业板52.25170.863.54159958.SZ创业板ET51.193.070.57159971.SZ创业10050.850.110.04159991.SZ创大盘41.421.181.18515380.SH泰康沪深300ETF38.7186.7415.09159902.SZ中小板37.5229.525.87159975.SZ深100SZ35.661.39-9.01数据来源：东北证券，Wind今年以来中信一级行业中大部分行业都呈现上涨趋势，其中电力设备及新能源、食品饮料、国防军工指数涨幅居前三位，而食品饮料、消费者服务一级电力设备新能源的成

30、分股年化收益率均值居于前列。ETF 产品具有手续费低，灵活的特点，对于指数化投资、资产配臵及 FOF 产品的投资者来说，都具有十分积极的意义。图 18：中信一级行业 2020 年以来表现对比今年以来行业指数涨幅()该行业股票平均年化收益率()100806040200-20数据来源：东北证券，Wind由于今年疫情的影响以及消费、科技的政策支持，今年以来行业主题涨幅前十五名 ETF 中，有 14 只都被以上行业主题所覆盖。今年由于五年规划以及地缘复杂环境的影响，军工行业涨势同样显著，国防 ETF 从而能够跻身前列。表现抢眼的行业主题 ETF 涨幅能够明显战胜宽基 ETF 排名第一的创业板 HS 的

31、 54.7%，说明在能够把握行业的情况下，通过行业 ETF 相较于宽基 ETF 在收益端能够有更佳的表现。证券代码证券简称年初至今涨跌幅( ) 基金规模(亿元) 较年初基金规模变动( 亿元) 图 19：2020 年以来行业 ETF 涨幅前十五512170医疗ETF78.6514.4410.56512290生物医药ETF77.3642.5837.56510630消费ETF基金68.542.920.67510660医药卫生ETF63.121.170.15512690酒ETF61.3910.939.12512670国防ETF58.982.741.30159806新能车58.128.278.27510

32、150消费ETF57.544.582.93515200创新100ETF57.312.41-3.32512760芯片ETF55.88143.74113.29159938医药54.2418.97-5.16512300医药ETF基金53.590.410.07515950医药50ETF基金53.221.331.33512120医药50ETF52.241.560.67159929医药ETF51.855.451.97数据来源：东北证券，Wind2.2.3.通过行业 ETF 构建行业轮动模型由于行业存在动量效应，这里采用行业动量加速的方法构建行业轮动模型，标的采用各行业规模最大的 ETF 进行替代。模拟交易

33、中，采用月度调仓的方法进行跟踪组合表现，通过加权、等权的组合来和沪深 300 进行比较，探索用 ETF 基金构建行业轮动模型的可行性，回测日期 2019 年 10 月-2020 年 10 月。通过回测效果可以看出该时间区间行业轮动以及 ETF 的等权组合都大幅战胜沪深 300 指数的表现，该时间区间内行业轮动模型涨幅 61.29%，等权组合涨幅 48.31%，沪深 300 涨幅 24.86%，行业轮动模型超额 36.43%，等权组合涨幅 23.25%，都在收益端获得了良好的效果。图 20：通过行业 ETF 构建行业轮动模型回测效果行业轮动等权沪深3001.81.61.41.210.82019/

34、102019/122020/22020/42020/62020/82020/10数据来源：东北证券，Wind重仓股成为投资重点关注对象由于 2020 年基金获得良好的收益，基金的重仓股得到了进一步的关注，通过基金的重仓股，同样可以构建策略组合来战胜市场。重仓股集中度变动情况图 21 展示了股票型、混合偏股型以及灵活配臵型基金的重仓股票情况，通过重仓股形成的股票池中不相同的股票个数形成集中度指标，我们可以看到重仓股的集中度自 2017 年以来，基金的重仓持股逐渐集中化，在 2018 年第三季度达到峰值 1176只，截止 2020 年中报，目前基金重仓股集中度为 1261 只，同样我们知道近两年是

35、基金发行的高峰期，基金数量的增加对应重仓股的减少，进一步加强了重仓股的集中度效应。股票池的缩小，证明基金经理等专业投资者的选股并集进一步集中，重仓股股票池的有效性得到了来自专业投资者的增强。对于重仓股的运用，一个方向就是通过量化的手段进一步取并集、精简股票池，将选股失误的条件期望概率进一步降低。图 21：历年重仓股集中度的变化情况200017584015003011761261201000100500-10020052007200920112013201520172019-20持股数量(只)持股集中度涨跌幅()数据来源：东北证券，Wind2.3.2.重仓股构建投资组合2020 年以来可以看到股

36、票型基金及偏股混合型基金都获得了丰厚的收益，这些产品的重仓股票是值得关注的。首先通过 T-M 模型进行估计股票型、偏股混合型等基金的择时择股能力，可以看到今年以来整体上基金经理具备正向的选股能力。表 2：历年基于 T-M 模型的择时择股能力评估日期2011 年2012 年2013 年2014 年2015 年择股能力-0.57-1.001.723.180.52择时能力-0.44-0.961.353.030.28日期2016 年2017 年2018 年2019 年2020 年择股能力0.263.030.11-2.490.09择时能力-0.072.640.19-1.95-0.24数据来源：东北证券,

37、 Wind图 22：重仓股因子分组测试图 23：重仓股因子多头组合对比第一组第二组第三组第四组第五组多头组合沪深300 超额净值2.11.91.71.51.31.10.90.70.52016/12 2017/6 2017/12 2018/6 2018/12 2019/6 2019/12 2020/62.221.81.61.41.210.80.62016/12 2017/6 2017/12 2018/6 2018/12 2019/6 2019/12 2020/6数据来源：东北证券，Wind，米筐数据来源：东北证券，Wind，米筐图 22、图 23 中展示了，通过市值因子在股票型、偏股混合型基金中

38、构建组合的表现情况，通过市值因子从小到大顺序排列五组进行回测，每组的股票通过初步的等权方式构建组合，来探索重仓股投资策略的可行性。我们可以看到分组的组间单调性良好，尤其是 2020 年以来组间表现分化明显。用沪深 300 作为基准进行比较业绩表现，也可以看到重仓股多头组合在今年以来取得了明显的超额收益，截止 2020年 9 月 30 日，多头组合累计涨幅 52.74%,大幅战胜沪深 300 指数的 18.65%，超额 34.09%，收益端表现十分抢眼，初步印证了通过基金的重仓股构建投资策略的可行性。因子选股专题：北向因子及其风格组合探析自 2014 年沪股通开通以来，北向资金整体上对 A 股保

39、持长期净流入状态，其所持有 A 股市值及市值占比不断提升，对 A 股的影响越来越大。截至 2020 年 10 月 16日，北向资金累积净流入达 1.11 万亿，持仓市值约 2 万亿，占 A 股总自由流通市值比值达 6.2%。与此同时，自 2017 年有陆股通个股持股数据以来，我们看到北向的持股风格、板块选择与 A 股整体的风格、板块偏好较为契合。我们也可以通过A 股通 50、互联互通 A 股投资等跟踪北向重仓的指数中看到近年来北向选股能力十分突出。在此背景下，我们基于因子的视角试图解构北向选股的秘密，并通过结合风格的方式构建超越指数的选股组合。图 24：北向资金累积净流入（万亿人民币，截至 2

40、020 年 10 月 16 日）数据来源：东北证券，Wind图 25：北向持仓市值及占 A 股自由流通市值比例（截至 2020 年 10 月 16 日）数据来源：东北证券，Wind北向资金的风格、行业偏好从分行业角度看，截至 2020 年 10 月 16 日，北向持仓占行业自由流通市值比前 5行业为：家电、食品饮料、消费者服务、建材、医药。其中家电行业近 19%的自由流通市值由北向持有，对应的食品饮料行业占比有超 14%。整体上看，北向对消费板块较为青睐。图 26：北向持仓市值占各行业总自由流通市值比（2020 年 10 月 16 日）数据来源：东北证券，Wind从风格上看，截至 2020 年

41、 9 月底，以北向持仓市值加权的北向组合相对自由流通市值加权的全市场组合在大市值、高动量、高估值风格上有明显超额暴露。北向偏好的风格十分契合近年来市场的强势风格。在北向持仓股票内，我们观察不同风格因子在行业中性后的分组收益，可以看到动量与市值因子有明显的分组单调性，而其他风格单调性均不明显。说明近年来北向重仓的优异表现一部分也是源自对风格的精准把握。图 27：北向持仓相对全市场超额 BARRA 风格暴露（2020 年 9 月底）数据来源：东北证券，Wind图 28：动量风格行业中性后北向覆盖内分组收益图 29：市值风格行业中性后北向覆盖内分组收益数据来源：东北证券，Wind数据来源：东北证券，

42、Wind北向选股能力优异我们基于持仓市值、过去一段时间累积净流入构造两大类因子，测算 2007 年 3 月至 2020 年 7 月间不同调仓频率与选股范围中下各因子的表现。其中，每类因子分为一个金额、三个占比因子。表 3：因子名及释义因子名释义因子名释义持仓市值持仓市值净流入净流入金额持仓占比 1持仓占比 2持仓占比 3持仓市值/自由流通市值持仓市值/流通市值持仓市值/总市值净流入占比 1净流入占比 2净流入占比 3净流入/自由流通市值净流入/流通市值净流入/总市值数据来源：东北证券北向因子在宽基指数内的覆盖度较高。沪深 300 内平均覆盖度在 95%左右，中证 500内的平均覆盖度在 90%

43、上下。而在全 A 上，因子覆盖度则更低，在 35%-45%之间。其次，不论是持仓或是净流入，北向对于行业的选择有明显偏离，整体上对于消费行业有较大暴露，且持仓因子暴露更为稳定。另外，持仓类因子与市值、动量相关性高达 35%-70%；而净流入类因子在周、月频上与风格相关性相对较低，但季频上净流入金额与市值相关性也超过 20%。从单因子测试结果看，两类北向因子有各自缺点：持仓类因子中性后不显著、净流入类因子显著分组并非完美线性。但共同优点也十分明显，即多头收益高，且集中了大部分收益。持仓类因子中性前分组收益单调性好，在各种周、月频上具有显著的 IC，且多头收益高；但对市值、动量、行业中性后（我们对

44、相关系数介于 0.2-0.8 之间的风格做中性）t 值小于 3，失去显著性，故其中性前的良好表现来源于对市值、动量的准确把握以及行业的精准选择，除此之外持仓类因子并无多余的有效选股信息。图 30：持仓类因子中性前表现（仅列出 t 值3 的情况）数据来源：东北证券，Wind净流入类因子中性前同样展现出统计上的显著性、多头表现优异；对市值、行业中性后，除净流入金额因子外，依然在统计上维持显著。净流入类因子的主要优点是多头集中了大部分收益，缺点是其分组收益并非完全线性。整体上看，综合中性前后表现，净流入占比类在沪深 300 内季频选股、中证 500 内周频选股具有较好效果。图 31：净流入类因子市值

45、、行业中性后表现（仅列出 t 值3 的情况）数据来源：东北证券，Wind图 32：净流入占比 2 中性后 500 内周频多头净值图 33：净流入占比 1 中性后 300 内季频多头净值数据来源：东北证券，Wind数据来源：东北证券，Wind北向风格组合：以北向做优选、用动量做增厚通过前文分析我们认为相较于把北向数据做因子用，不如直接利用其多头收益强的特性直接构建多头组合。更进一步，我们尝试探究北向因子与风格搭配后能否产生1+12 的效果。具体的，我们在与单因子测试相同的回测周期内，通过北向与风格因子双重排序后的单调性以及相较北向单因子的业绩增强两个维度考察选什么风格搭配，以及怎样的搭配方式。通

46、过单因子分析，我们认为净流入占比类因子在季频选股下表现出色，故我们选其作为研究对象。从双重排序后的分层单调性看，净流入占比类 3 因子结论相似仅与动量搭配时显示出单调性，且搭配方式为净流入+动量；颠倒组合方式即失去单调性。说明净流入类因子适合作为基础因子去框定一批“优质”股票池，再以动量做业绩增厚。图 34：净流入占比 2+动量分组收益柱状图图 35：净流入占比 2+动量分组收益热力图数据来源：东北证券，Wind数据来源：东北证券，Wind其次，将净流入占比类因子结合动量后的多头与净流入类单因子多头进行业绩对比，我们看到结合动量后的等权组合 IR 有近一倍的提高，而市值加权组合 IR 略有降低

47、，但不妨碍其绝对值依然很高。综合对比我们认为净流入占比 2，即净流入占流通市值与动量的搭配表现最好。图 36：净流入类因子与风格双重排序的多头表现数据来源：东北证券，Wind基于以上结论，我们构造“净流入动量组合”：每个季末，在北上覆盖内先按净流入占流通市值降序排列、取排名前 100 的股票，然后按 BARRA 动量降序排列，取排名前 50 的股票作为成分股，自由流通市值加权构建组合。组合样本内表现优异。图 37：净流入动量组合样本内分年业绩表现（截至 2020 年 7 月底）数据来源：东北证券，Wind图 38：净流入动量组合样本内净值表现（截至 2020 年 7 月底）数据来源：东北证券，

48、Wind若限制个股最高权重 10%，收益端下降 2%。再考虑费用，组合单期换手平均双边 140%。若按双边千三计交易费用，则收益端继续降低 1%。图 39：净流入动量组合超额收益分解图 40：净流入动量组合风格、行业超额数据来源：东北证券，Wind数据来源：东北证券，Wind该组合在样本外的外表现同样较优：8 月绝对收益 1.2%，相对沪深 300 超额-1.4%；9 月绝对收益-0.5%，相对沪深 300 超额 4.3%。资产配臵专题：利用宏观风险因子进行大类资产配臵宏观风险因子体系构建在宏观风险研究这一领域，海外已经有许多成熟的研究成果，而国内尚处于起步阶段。在这一部分，我们对海外资管机构

49、的研究方法和结论进行介绍，并且根据我们自己的理解，构建了高频的宏观风险因子体系。宏观风险因子的构造方式比较通过对海外研究成果的整理，目前共有三种常见的宏观风险因子构建方式：直接选取合适的宏观指标、PCA 降维寻找宏观风险因子、用多空组合表现复制宏观因子。直接选取宏观指标：以 BlackRock 为例，在选取宏观指标时，主要参照了三条标准：第一，宏观风险因子应该能够解释大多数资产的价格波动；第二，长期来看，由于宏观风险因子代表系统性风险，它们都存在风险溢价；第三，宏观风险因子具有直观的经济学逻辑。在这三个条件的基础上，BlackRock 共提出了 6 大类宏观风险因子：经济增长风险、利率风险、通

50、胀风险、信用风险、流动性风险和新兴市场风险。PCA 降维寻找宏观风险因子：以 SSGA 为例，在研究不同大类资产收益的驱动因素时，采用主成分分析(PCA)方法做降维处理，来提取出几个关键的驱动因素，同时可以将每一个宏观因子都表示成不同大类资产的组合。根据其研究结果，SSGA 的宏观风险因子体系包括：经济增长风险、利率风险、流动性风险、通胀风险。用多空组合表现复制宏观因子走势：为了解决直接选取宏观指标的不足，BlackRock提出可以通过用不同资产构造多空组合，使得该组合在对应的宏观风险因子的暴露最纯粹，这样可以通过测算多空组合的表现来反映宏观风险因子的表现。表 4：宏观风险因子构建方式比较宏观

51、风险因子构造方式优点缺点1、 不可直接投资直接选取宏观指标1、具有直观的经济学逻辑1、 宏观风险因子严格正交2、 宏观风险因子本质上是多资产的组PCA 降维寻找宏观风险因子合，可直接投资3、 日频数据1、 数据频率高且解决了滞后的问题2、 数据频率低且滞后1、 与资产类别的选取关联度很大2、 主成分结构稳定性差3、 经济学逻辑性不强1、 根据高频代理指标选取的不同，多用多空组合表现复制宏观因子走势2、 可直接投资3、 具有直观的经济学逻辑数据来源：东北证券，Wind空组合构造方式不唯一高频宏观风险因子体系搭建我们认为宏观风险因子应当具备数据频率高、具有经济学逻辑支撑且可投资的特点，所以采用构建

52、多空组合来复制宏观因子走势的方式搭建宏观风险因子体系。参照 BlackRock 的研究成果，我们对经济增长风险、利率风险、通胀风险和信用风险分别构造高频隐含因子。其中，利率风险和信用风险有现成的日频宏观指标可以代替，由于国内没有通胀挂钩产品，通胀风险和经济增长风险都需要通过构造 FactorMimicking Portfolio 来进行复制，具体的构造方式和宏观风险表现如下：表 5：宏观风险因子构建方式宏观风险真实宏观指标高频宏观风险因子沪深 300 指数、恒生指数、CRB 工业经济增长风险GDP 同比 - 预期 GDP 同比原料指数、百城住宅价格指数利率风险10 年期国债收益率中债-国债总财

53、富(5-7 年)指数通胀风险0.3*PPI+0.7*CPI原油价格、猪肉价格、螺纹钢价格信用风险中期票据到期收益率(AA):3 年- 3 年期国债收益率企业债 AA(3-5 年)总财富指数 国债(3-5 年)总财富指数数据来源：东北证券，Wind图 41：宏观风险因子的历史表现（统一以 2007/03 作为起点归一化处理） 通胀因子 经济增长因子 利率因子 信用利差因子1.81.61.41.210.80.60.42007-03 2008-03 2009-03 2010-03 2011-03 2012-03 2013-03 2014-03 2015-03 2016-03 2017-03 2018

54、-03 2019-03 2020-03数据来源：东北证券，Wind4.1.3.如何将大类资产和宏观风险联系起来宏观风险对大类资产的解释可以从两个角度来看：资产的宏观风险暴露和宏观风险对资产的风险贡献。资产的宏观风险暴露计算方法：识别与资产相关的宏观风险因子，比如利率债资产就与信用风险不相关。以资产价格作为因变量，相关宏观风险因子作为自变量进行多元线性回归，记录宏观风险因子的 beta 值。随机抽取 500 个长度任意的时间段，在每个时间段内重复上述线性回归操作。将平均 beta 值作为资产的宏观风险暴露。宏观风险对资产的风险贡献：根据Asset Allocation with Risk Fac

55、tors中提到的方法，可以将大类资产的价格波动拆分到公共的宏观风险因子和资产的特质风险因子（残差项）上，具体风险拆分方法我们在报告宏观风险配臵系列利用股债构建绝对收益组合中有详细阐述。从宏观风险角度如何构建股债绝对收益组合近年来固收+大热，目前偏债混合型产品形式是主流产品类型之一。我们从宏观风险的角度出发，利用股债资产构建出稳收益、低回撤的绝对收益组合。基准股债轮动组合构建以“股息率10Y 国债”指导股债配臵为例对于以绝对收益为目的的股债组合来说，指导股债配比的方式多种多样。在本文中我们用股债风险溢价（中证红利股息率-10Y 国债收益率）指导股债配比的方法来构建组合，将其设臵为一个比较基准并进

56、行研究，期望在保持股债配比不变的情况下改进组合表现。我们构造如下的股债轮动方案，债券资产的仓位不低于 80%，权益资产的仓位不超过 20%。回测使用的资产为：中债-国债总财富(总值)指数和中证红利全收益指数，股债配比具体方案为：当风险溢价小于 -1% 时，权益资产仓位 0。当风险溢价位于-1%至 0 之间，权益资产仓位 5%。当风险溢价位于 0 至 1%之间，权益资产仓位 10%。当风险溢价大于 1% 时，权益资产仓位 20%。从回测结果来看，权益资产的平均仓位为 8.98%，股债轮动组合的年化收益率为 5.96%，年化波动率为 3.25%，夏普比率为 1.83，最大回撤为-5.59%。从固收

57、+的评价标准来看，最大回撤略大。图 42：“股息率10Y 国债”股债轮动组合净值表现最大回撤股债轮动组合累计净值(左轴)2.20.00%2-1.00%1.8-2.00%1.61.4-3.00%-4.00%1.21-5.00%0.82008200920102011201220132014201520162017201820192020数据来源：东北证券，Wind-6.00%股债绝对收益组合的痛点利率风险暴露过大在前文中，我们建立了资产组合和宏观风险之间的联系，这一节我们将上文中股息率10Y 国债股债轮动组合的宏观风险做详细研究。首先，测算股息率10Y 国债股债轮动组合的宏观风险暴露，我们发现：组

58、合对利率风险和经济增长风险正向暴露，对通胀风险负向暴露。组合对信用风险的暴露不稳定，箱体包含 0 且箱体较宽。而对该组合的宏观风险结构进行分析后，我们发现：利率风险对组合的风险起主导作用，边际贡献达到了 85.07%。经济增长风险和通胀风险的风险边际贡献分别是 16.29%和 1.72%。信用风险对整个组合起到了一定程度的降低波动的效果。图 43：基准股债轮动组合宏观风险暴露图 44：股债轮动组合宏观风险结构100%80%“股息率-10Y国债”股债轮动组合宏观风险结构85.07%16.29%1.72%60%40%20%0%-20%-4.31%通胀风险因子经济增长风险因子利率风险因子信用风险因子

59、数据来源：东北证券，Wind数据来源：东北证券，Wind控制利率风险暴露三种思路改进思路是引入一类在利率风险上负向暴露或者不暴露的资产，或是在原有股债类别中找到对利率风险正向暴露更小的资产。具体而言，我们有如下三种思路。思路一：对利率债做主动择时在一部分我们的思路是通过对利率择时，从而能够对利率债做波段操作，这等价于在组合中引入现金资产。我们将股息率-10Y 国债股债轮动组合净值和十年期国债收益率比较，能够看到较大的回撤往往发生在利率快速上行的阶段，而与利率本身是否所处高位关系不大。图 45：“股息率-10Y 国债”股债轮动组合和十年期国债收益率对比 股债轮动组合累计净值(左轴) 十年期国债收

60、益率(%)2.221.81.61.41.210.82008200920102011201220132014201520162017201820192020数据来源：东北证券，Wind54.543.532.52对利率债做择时难度较大，需要同时正确预测利率走势的方向和幅度，其原因在于债券价格反映市场对未来利率路径的预期。鉴于利率受政策影响较大，而政策一般具有延续性，反映在利率走势上就显示出了短期的动量效应。沿着这个思路，我们提出了一种衡量利率上升速度的方法：对十年期国债收益率做 LLT 平滑（参数设臵为 50），计算平滑后利率的 5 日变动幅度，再计算变动幅度在历史中的分位数。针对这一方法，我们设