6月因子观点因子周期的新思考

6月因子观点：看好估值、波动率、换手率因子综合内变量生变量因子期三逻辑6月好估值动率手率子内变量视短期好估、波率、手率子，看好Bt、技因子外生量视短期看好估值、反转、波动率、换手率因子，不看好小市值因子。因子周期视角中长期看好小市值转技术波动率换手因子月荐荷量化投部首研究员viditz于2年1月在JPM因子投资刊发表的TeQtyce论文，研究出因周期三阶段论，理解子周提供新思。图表：内生变量和外生变量对风格因子6月表现的预测内生变量得分 外生变量预测（右轴..%.4.8.5.%4.3.7.0.7.%.7.0.%.%.%.%-.%-%-.%.5.0(.)

-%-%ta-ta估 成 盈值 长 利

财 小 反 波 换 技务 市 转 动 手 质 值 率 率量资料来源Wi，预测基拥测，因散；子子6、好t率。外生变量视角假设风格因子表现受市场变量、宏观变量等外生变量驱动，对每个大类风格因子筛出具预测力的生变，使线性归测未来个月的kIC。外变量对类风因子6月kIC预测果如估反波率手率因子kIC预测值超过可能为有，建短期多上因子表；不好小值因未一个月现，能受观环制约。因子周期视角将华泰金工经济周期研究成果应用于风格配置，自上而下构建经济系统周期运行状与因表现应关“因投资钟根当前周状态测因未来现整体趋库涅茨期仍于上区间接近部计经济期维趋势上的境但即将来拐朱拉周向下动性于宽建议配小市反转技术子另外，动率换手因子不同宏观境下现较好，两个子建长期置。因子表现回顾5月大类风格因子表现大类风因子5月在全A股票池的kIC值因子益率如图所。成、小值反转、术因表现色，kIC超过，因收益率正。利、务质、换手率因表现kIC值因子益率为值动Bta子出回撤。图表：5月大类风格因子表现因子Rak因子RakC因子收益率（右轴）.%.%.%.%.%.%%.%.%%.%.%-.%-.%-.%-.%-.%-.%% % % % -% -%-%估 成 值 长

财小反波务市转动质值 率量

-%ta资料来源Wi，近1年大类风格因子表现对大类格因子近2个月的kIC值做加，各月累计kIC值，下图示。总的来，波率、手率反转子近1年现出。小市因近1表现好，但在2年4月大幅回撤估值子在1年1月前略有起，此表现好。长、盈利、务质、Bt技术子均现一。图表：近1年大类风格因子累计RkIC值估值 成长 盈利 财务质量 小市值反转波动率反转波动率换手率eta技术0%2--12--2--12--02--02--12--02--92--02--12--82--82--12--92--1资料来源Wi，近期细分因子表现计算4细分子5月kC值及近2个月月频kIC值将近2个月kIC的均值以标差，到近1年II。近细分子表现下图示。图表：近1年细分因子表现上月Ra上月RakC近年C_R（右轴）

.5% .0% .5% .0-% (.)DPasGDPasGqrftGqROGqROEROArspoftagntrftmrnsetrvrbtsstscrntcsssnctlrtr1mrtr3mxwgtrtr3mxwgtrtr6mstmsmIVR_F3fctrmIVR_F3fctrmtr_mtr_mistrmetaadifrisyis资料来源Wi，因子表现计算方法因子T月表的计方法以简描述：以-1最后个交日为面期以全A为股，计算录中0大共个细分子值对每大类格因内部细分子去极值标准预处及因向调整再等合成得到面期类风因子。计算T月股池内股区收益。对大类格因或细因子去极值标准和行值中性预处理计算-1月处理后子与T月股区收益的Smn秩相数，即T月因子kIC值。对大类格因值个总市做去值和准化理以-1月处理大类因子值处理个股市值中信级行哑变自变量以T月个区间益因变以通市平方为权加权性回大类风因子对应回归即为T月大风格子收率。详细计方法参见录二。heQatCcle：量化因子的周期TeQtyce化因周期究于1年9月在印本台SSN发布并于年1月在JrlfPrfioMmt的子投特刊发，作是荷量化资部首席研究员vdit。基于传统资产定价理论，因子溢价等同于风险溢价，反映承担特定宏观经济风险而获得的补偿，这意味着因子表现与经济周期有关。过往研究试图在因子和经济周期之间建立一种稳定的联，但得到确结论Btz出因子价于风险溢的逻存疑因子的来源能是的行偏差并基因子身表划因子的阶段期。该研究先对统宏经济情绪标与子收的系进行验。于3年7月至0年2月美国场数，计价值l、质（Qty动量Mmtm、低波（wik）共4大类因子每类子包含2个分因子。选择4种典型的观经与情指标分析同宏济环境因子现：美国国经济究局经济张与济衰的划；viletl.（）分的胀时；美国采经理指数）反的情，将I分为0以上和0以下分别示乐观与观预；BkrdWlr（）提出投资情绪标。图表：NER划分经济扩张与经济衰退 图表：经济扩张与衰退期间因子收（3年7月至0年2月）资料来源：itz().TeQtCcle.RN， 资料来源：itz().TeQtCcle.RN，图表：基于rdWrlr（）划分投资者情绪 图表：不同投资者情绪下因子收益（3年7月至20年2月）资料来源：itz().TeQtCcle.RN， 资料来源：itz().TeQtCcle.RN，Bitz现这指标因子益没显著关关系四指标中BkrdWrlr）的投资者情绪指标相比其他三种指标对于因子收益的区分度稍好。但是投资者情绪指标区分能仍有，如图所，乐和悲情况因收益均正。在宏观经济风险和因子溢价间建立联系如此困难，可能是因为“因子溢价是对投资者承风险的补偿”这一前提本身存在问题。因子周期的重要转折点可能并没有重要的宏观经事件同发生。不妨思考另一种假设，如果因子溢价来源于人的行为偏差，那么就可以解释为什么BkrdWrlr的投者情指数够相有效区分因收益高低即便此，情绪指标只能释因收益的小部变化。iz为，因子益的期性由情动的，这种情绪直接由因子收益推断最为准确，而不是依赖各种间接指标。换言之，因子本质上有自己的变化周期，虽然其他宏观经济和行为指标能捕捉其中一些变化，但是全貌只能通研究子本揭示。Bitz通过性识因子收的高和低（对应市熊市）来分量周期为了量化周期作者关波动的因如价和动这样更易划出不阶段而收益水温和因子如质。图表：TeQatCyle概念图解资料来源：itz(2).TeQtCcle.RN，图表：TeQatCyle划分（3年至0年）资料来源：itz(2).TeQtCcle.RN，Bitz观察价值子每0会有次大回撤据此分周期每个期具分三阶段：阶段一：正常阶段。所有因子都有较稳定的正收益。阶段一持续时间大约占整个周的/，即约6年。阶段二价值子大回撤或是于成股反（thlly，是由价值股崩溃（ler。阶段大约持续2年。成长股反弹的特征是价值因子较大的负收益以及动子较大的正收益。成长股反弹期间低波子表较弱质量子表较好子等权（/益为接近0的负值。价值股在3至0只发了一即7至9年球金危机。虽然市场收益与成长股反弹相比不同，但是因子表似，价值与低波因子带来负收益动量子带正收。质因子价值暴时表现好，为/N组带来小正收。阶段三：紧接着成长股反弹/价值股暴跌，会有一次强烈反转，分为熊市反转（Brvrl）牛市转（Blvrl熊市反转的特征是前一阶段反弹的成长股，这一阶生暴跌，带来价值因子强烈反熊反转质动低因子利因子在些时均有为/N组合产生观收，但个市却是大的益。牛市反转的特征是前一阶段大跌股票反弹，导致动子出现明显负收益。质因子/N合也现为的负益此市反因子投是更的挑市场和规模因子的表现却相反，在这种情况下有大收益。牛市反转主要接价值股暴跌之后，但如果在熊市反转中被大量抛售长股再次反弹，那么熊反转后可能现牛反转，如2至3年。图表：TeQatCyle各阶段因子收益总结资料来源：itz(2).TeQtCcle.RN，该研究计算2个内从个阶转移另一阶段概率年内正常段转到成股反弹价值暴跌概率为这与常阶平长度约6年符合成长反弹价值股跌和转阶的长短不，一内转到一阶段概率为。分转概率估值为，这不意着种转不存，只研究的本期未发。Bitz三阶模型可能应是帮投资形成对来年的预期例如经历长股弹和随后的反转后，可能就会回到正常阶段；而如果正常时期已持续很久，那么成长股反弹或价值暴跌可能就会加。我们发新的la因子，可以计期各段因表现，而检新因的稳性。一规律在A股市是否成有待一步试。内生变量视角内生变视角于因动量因子散度因子挤三类指预风格子未表现因子动量反映因子过去一段时间内表现；因子离散度相当于因子估值，高因子离散度反映因子被过度忽视，低因子离散度反映因子被过度投资；因子拥挤度反映因子是否处于拥挤状态。一般看好高因子动量、高因子离散度、低因子拥挤度因子短期表现，三项指标在截面和时上均预测果。内生变量综合预测结果基于因子动量、因子离散度、因子拥挤度三类指标，分别从截面和时序角度，对大类风格因子6月表现进打分测综合测结如下所看好估值波动换手率因，不看好t、技术因子。，估、动率子在量指标占；换率因在离度指标占优处于度忽状态盈利财务量子在拥度指上占。图表：内生变量预测大类风格因子6月表现综合预测得分..5.4.8.4.3.0.7.7.0.9.8.7.6.5.4.3.2.1.0估值

成盈长利务质量

小 反 波 换 技ta市 转 动 手ta值 率 率资料来源Wi，预测综合预得分以下6项细分标的值：归一化面因动量；因子动历史位数；归一化面因离散；因子离度历分位；－归一截面子拥度；－因子挤度史分数。其中，一化采用mimx归一，根截面各类子相应标最值和大值将缩放至[,]范内历史位数每个子最月末面期相指在历史（自年1月末截期开）所分数，身在[,]内；因拥挤为反指标故用1减去相指标。因子动量定义因动量因子过去2个月末面期的1日kIC均从面角估、小市值、波动率因子动量较强，成长、盈利、财务质量因子动量较弱。从时序角度看，估值、波率因动量处于史高，过7年来的分数水；盈、财质量、术因动量于历低位低于7年以的分位数水。图表：大类风格因子动量历史序列估值 成长 盈利 财务质量 小市值0.20

反转 波动率 换手率 eta 技术0.150.100.050.00(.5)(.0)0--10--10--0--10--10--11--11--11--11--11--11--11--11--11--11--12--12--12--1资料来源Wi，图表：大类风格因子5月底截面动量和7年以来历史分位数.%.%.%.%.%.%.%.%.%.%.%.%.%.%.% .% .%.%-.%-.%-.%-2%-4%-6%

100%-25%eta-eta估 成 盈值 长 利

财 小 反 波 换 技务 市 转 动 手 质 值 率 率量资料来源Wi，因子离散度因子离度计方式：在月末截面期取每个中一级行业因值排名前个股的因子值中数，以及子值排名后股的子值位数两者差值；0个行业的差求平值，到当截面该因离度原始；对当前面期子离度原值做准化计算其在过去72个月末截面期的Z分数。从截面度看盈利换手因子散度对较，值、Bta因离散相对低。时序角看，手率子离度处历史位，过7年以的分位水平可能处于度忽状态估值子离度处历史位低于7年来的位数平，可处于度投状态。估值反转成长波动率盈利换手率财务质量eta小市估值反转成长波动率盈利换手率财务质量eta小市值技术6420()()0--10--100--10--10--11--11--11--11--11--11--11--11--11--11--12--12--12--1资料来源Wi，图表：大类风格因子5月底截面离散度和7年以来历史分位数截面离散度 时序离散度分位数（右轴.%..%.%.0.%.8.2.4.%.%.%.7.9.%.3.8.%.6.%(.)321

100%0 () -25%()估成盈值长利务质量

小 反 波 市 转 动 值 率

-50%ta资料来源Wi，因子拥挤度因子拥度计方式：在每个末截期，别计个股）过去3个日的日涨跌标准作为率指标，）过去3交易的日换手作为手指标，）过去3交易股收益万得全A收线性归的归数作为Bta指标；取各个信一行业子值名前个股波动/手率/Bta均值以及子值名后个股的动率换手/Bta均，两求比；对波动、换率、Bta的三个值求值，到当截面期因子挤度。从截面度看小市技因子挤度对较动率手率子拥度相较低从时序度看Bta因拥挤超过7年来的历史分数水，可处于易拥挤状；盈、财质量子拥度近7年来的历分位水平交易对不拥。估值反转成长波动率盈利换手率财务质量eta小市估值反转成长波动率盈利换手率财务质量eta小市值技术.0.6.2.8.40--10--100--10--10--11--11--11--11--11--11--11--11--11--11--12--12--12--1资料来源Wi，图表：大类风格因子5月底截面拥挤度和7年以来历史分位数截面拥挤度 时序拥挤度分位数（右轴）..%0.1.0.0.%.9.8.%% .%.6.6%.%.%.2.0.8.6.4.2.0估 值

盈 财 小利 务 市质 值量

反 波 换转 动 手率 率

100%ta技术资料来源Wi，外生变量视角外生变量视角假设风格因子表现受市场变量、宏观变量等外生变量驱动，对每个大类风格因子筛出具预测力的生变，使线性归测未来个月的kIC。以分别展最新期预方法预测果。外生变量选取选取6项市指和3项观标作外生量。择沪深0和证0月跌幅月波动率及月均换手率，用于表征市场行情的变化。从国民经济核算、工业、价格指数、银行与币、率与汇率5个面，择较用的3项宏观标。时间序列回归模型的一个重要前提是自变量为平稳时间序列，而大部分宏观指标和市场指标在时间序列上的分布非平稳，不符合预测模型对自变量的假设，因此我们针对不同的外生变量，进行一定差分处理或计算变化率，使得外生变量在单位根检验下均为平稳时间序列。另外，部分宏观变量数据发布具有滞后性，我们在建模时将这部分宏观数据按其实际发布时滞后用例-1月的M1同比数通在T月中旬布因此们在T月建模时到的是-1月的M1同比据。下表展具体9项外生量及所属别和量处方法了更楚地示部宏观量的滞期，们以T月为截期，右为外量能取的最数据间。图表：外生变量列表变量类别变量细分类别变量名称变量处理方法最新数据时间市场变市场变市场变市场变市场变市场变宏观变量国民经济核算沪深0月涨跌幅中证0月涨跌幅沪深0月波动率中证0月波动率沪深0月均换手率中证0月均换手率PI不处理不处理变化率变化率一阶差一阶差二阶差分第T第T第T第T第T第T第T月宏观变量国民经济核算宏观经济景气指数先行指数变化率第T-3月宏观变量工业工业增加值当月同比二阶差分第T-1月宏观变量价格指数CPI当月同比二阶差分第T-1月宏观变量价格指数PI全部工业品当月同比一阶差分第T-1月宏观变量价格指数企业商品价格指数GI当月同比二阶差分第T-1月宏观变量银行与货币1同比一阶差分第T-1月宏观变量银行与货币2同比一阶差分第T-1月宏观变量银行与货币大型存款机构存款准备金率二阶差分第T月宏观变量利率与汇率中债国债到期收益率3个月变化率第T月宏观变量利率与汇率国债收益率差0年期-3月期变化率第T月宏观变量利率与汇率美元兑人民币汇率变化率第T月宏观变量利率与汇率HOR1W变化率第T月Wi，外生变量预测方法参考Ktyrv和in于2年发表论文Fc-TmgM用外变量预测大类格因子kIC值首先用条期望型和AIC准则，在-1月最一交易日，对个大风格子筛出可影响因子kIC值的条变量其次大类格子与筛出的件变做线回归预测T的因子kIC值。条件期望模型假设单风格因子kIC时序向量Y外生量时向量X的联合分布服多元态布，即：𝑋 𝜇𝑥 ∑𝑋𝑋∑𝑋𝑌(𝑌)~𝑁(𝜇𝑌)，(∑

𝑌𝑋

∑𝑌𝑌

)，则在给定＝x的情下，Y的件分仍为态分，条件数学期望和条件方差分别为：𝜇 =(𝑋=)=𝜇+

∑−1𝑥−𝜇)|𝑋=𝑥

𝑌

𝑋𝑋 𝑋∑𝑋

=

−

−1∑∑

其中E(Y|x称为Y关于X的回归，它是x的性数。IC和Ic准则使用AIC池信量准衡量计模拟合良性比其它型评指标AIC的在于兼模型洁性准确在进多个型比选择通选择AIC小的型基于条期望型的AIC计公式下：𝐴𝐼𝐶=𝑇∙𝑔(∑𝑌𝑋)+𝑁∙𝐾其中T为样窗口度，N为格因数量这里为，K为外生量数。当样本量较时，于IC的法可会产模型拟合问。为免此题，究提出AIc指标在IC上添小样误差正量于条件望模型的AIc计公式下：𝐴𝐼𝐶𝑐=𝑇∙𝑔(∑𝑋)+𝑁∙𝐾

𝐾∙𝐾+)𝑇−𝐾−1外生变量筛选流程样本区内筛外生量流如下所示具体骤：最优外变量集合0初为空，AIc始值AIc＝Tl(|Σ|)；遍历在i中的个外变量k，算将k加到合i后型AIc值取最值AIci；若AIcin小于AIc，则向第4步；否筛选束集合i为优外变量合；将AIcin对应外生变量k加入i即i+1＝∪}AIci+1基于生变集合i+1计算得到的Ic，转至第2步。图表：外生变量筛选流程图资料来源：回归预测模型构建对于每大类格因，取本区为过去2个月分三步测未一个月RankIC值：使用AIc在本区内筛出对因子kIC值具解释能的外变量；将筛选来的部外变量入回模型在样区内构造因子kIC值列关外生变的多线性归模；将最新期的生变代入归模，得未来个的因子kIC预值。外生变量预测结果外生变对大风格因子6月kIC预测结如下所示估值、反转、波率、换率因子nkIC预测值超过，可能较为有，建短期看多上述因表现；不看小市值因子未来一月表现，能受观境制。图表：外生变量对大类风格因子6月RkIC预测值..%.%.%.%.%.%.%-%-.% -.%-%估值

成 盈 财 小 反 波 换 技ta长 利 务 市 转 动 手ta质 值 率 率量资料来源Wi，预测因子预测结果解读下面展各个类风因子kIC预值，及进回归模的外变量预测果贡献情，贡度定为自量与归系的乘。.%.%.%.%图表：估值因子RkIC预测值及外生变量贡献情况 图表：成长因子R.%.%.%.%估值%.%-.%

% 成长-%预 回 美测 归 同 元模 比 兑值 型 人截 民距 币项 汇率

CI-CI预 回 工当测 归 业当月模 增月同值 型 加同比截 值比距 变项 动资料来源Wi，预测 资料来源Wi，预测图表：盈利因子RkIC预测值及外生变量贡献情况 图表：财务质量因子RkIC预测值及外生变量贡献情况盈利..%%.%预 回 沪测 归 深模 同值 型 比截 月距 均项 换手率

财务质量..%.%.%.%预 回 沪 存测 归 深 款模 准值 型 备截 月 金距 均 率项 换手率资料来源Wi，预测 资料来源Wi，预测图表：小市值因子RkC预测值及外生变量贡献情况 图表：反转因子RkIC预测值及外生变量贡献情况小市小市值.%-.%-.%-%-%-%-%I预I测 归模 指值 型 截距项

% 反转..%.%-.%-%预 回 中测 归 模值 型截 月距 均项 换手率资料来源Wi，预测 资料来源Wi，预测图表：波动率因子RkC预测值及外生变量贡献情况 图表：换手率因子RkC预测值及外生变量贡献情况..%波动率.%.%%-.% -.% -.%.9-%-%预测值

回中沪沪 归证深深同模 比型 人截 月 月 月 民距 涨 涨 波 币项 跌 跌 动 汇幅 幅 率 率

..%换手率.%.%.%-.%.%-%-%-%预测值

回中沪 美归证深同元模 比兑型 人加截 月 月 民 值距 涨 波 币 变项 跌 动 汇 幅 率 率资料来源Wi，预测 资料来源Wi，预测图表：Bta因子RkC预测值及外生变量贡献情况 图表：技术因子RkIC预测值及外生变量贡献情况-%-%-%预测值

ta.%..%.%.%-.%-.%归 同 业 款模 比 增 准型 加 备截 值 金距 变 率项 动

..%技术.%.%-.%-.%-.%-%-%-%-%预 回测 归模值 型截距项

中中中存证证证款准备月月月金涨波均率跌动换幅 率 手率资料来源Wi，预测 资料来源Wi，预测下面尝对预测kIC绝对超过的风因子行解在建回模型我们对部分外生变量进行了差分处理或计算变化率，在解读预测结果时，我们应关注这些外生变量取值边际化，非变值本。估值因归模截距项为.对kIC预测有较大向贡明长看估值因存在收元兑民币汇率5月.相比4月（.提升.，为预值提供.正向献。反转因归模截距项为.对kIC预测有较大向贡明长看反转因存在收益。波动率子回归型截项为.对kIC预值有较正向献说明期看波动率子存正收益美元人民汇率为测提供.的正贡献中证0指数5月涨跌幅.为预测值提供.的正贡献M2同比（.4月）相前值（.，3月）提升.t，预测提供.的负向献。换手率子回归型截项为.对kIC预值有较正向献说明期看波动率子存正收益美元人民汇率为测提供.的正贡献中0指数月涨跌幅预测提供.的向贡献M2同比为测值供-.负向贡献。另外小值因子6月kIC预测为-.I分新（5月相对4月提升.c）相比前（4月相对3月降低.c）提升.c，预测值供-.负向献。值因子现可受宏环境约。因子周期视角因子周期视角将华泰金工经济周期研究成果应用于风格因子表现预测。预测分为两部分：自上而构建济系周期行状与因表现应系“因投资钟根当前期状态预测因子未来表现的整体趋势；自下而上对风格因子去趋势累计收益率进行三周期回归拟合，外推因子未来表现的边际变化。与前述内生变量、外生变量视角不同，因子周期视角重于因子长期现的测。自上而下预测整体趋势：因子投资时钟对因子周期的研究发现，大部分因子的中长期走势与经济形势挂钩，影响较为明显的两因素是经济增长和流动性，前者可使用库兹涅茨周期刻画，后者可使用朱格拉周期辅助断。我们借助这两个变量将经济环境分为四种情况，不同经济周期下因子表现分类如下所示，称之为因子投资时钟。因子投资时钟的详细构建方法请参考华泰金工研究报告《期视角的因投资钟（图表：不同经济周期下的因子表现分类资料来源：在不同资产类别中，商品是靠近实体经济的一种资产，商品价格长周期上的波动在一定程度上反了实经济总需，因可借商品别济的中期波。B综现货数三周期分解结果如下图所示，库兹涅茨周期仍处于上行区间但接近顶部，预计经济短期维持趋势向上的环境，但即将迎来拐点；朱格拉周期向下，流动性趋于宽松。当前周期运行状态于因投资钟第象限声将进第象限期建配置市值反转技术因子。另外，波动率、换手率因子在不同的宏观环境下表现都较好，这两个因子建议长期配。综来看预测未来一小市值、转、术、波动率、换率因子有效。图表：实体经济三周期滤波结果基钦周期朱基钦周期朱格拉周期库兹涅茨周期.5%.0%.5%.0%-.%-.%-.%1991-12191991-121992-121993-121994-121995-121996-121997-121998-121999-122000-122001-122002-122003-12204-12205-122006-122007-122008-122009-12210-12211-122012-122013-122014-122015-122016-122017-122018-122019-122020-122021-122022-12资料来源Wi，预测自下而上预测边际变化：因子周期回归拟合下面展示各个大类风格因子三周期回归拟合结果。三周期回归拟合详细方法请参考华泰金工研究告因子益率周期研究探（0。图红线去趋后因累收益率，灰线为回归拟合曲线，灰线相对红线的延伸部分为因子未来一年表现边际变化情况预测。综合来看，估值、小市值、反转、波动率、换手率技术因子处于触底回升阶段；成长、盈利、财质量因子处下行阶段；ta因子周期不明显。图表：估值因子去趋势后累计收益率与三周期回归拟合 图表：成长因子去趋势后累计收益率与三周期回归拟合去趋势后因子累计收益率回去趋势后因子累计收益率回归拟合曲线去趋势后因子累计收益率回归拟合曲线% -%-%

-%-%-%0-100-10-10-10-10-11-11-11-11-11-11-11-11-11-11-12-12-12-12-10-10-10-10-10-11-11-11-11-11-11-11-11-11-11-12-12-12-12-1资料来源Wi，预测 资料来源Wi，预测去趋势后因子累计收益率回归拟合曲线图表：盈利因子去趋势后累计收益率与三周期回归拟合 图表：财务质量因子去趋势后累计收益率与去趋势后因子累计收益率回归拟合曲线-%-%-%-%0-0-10-10-10-10-11-11-11-11-11-11-11-11-11-11-12-12-12-12-1

去趋去趋势后因子累计收益率回归拟合曲线-%-%-%-%2005-2005-012006-012007-012008-012009-012010-012011-012012-012013-012014-012015-01216-012017-012018-01219-012020-012021-01222-012023-01资料来源Wi，预测 资料来源Wi，预测图表：小市值因子去趋势后累计收益率与三周期回归拟合 图表：反转因子去趋势后累计收益率与三周期回归拟合-%-%-%

去趋去趋势后因子累计收益率回归拟合曲线-%-%-%去趋势后因子累计收益率回归拟合曲线0去趋势后因子累计收益率回归拟合曲线0-10-10-10-10-11-11-11-11-11-11-11-11-11-11-12-12-12-12-10-10-10-10-10-11-11-11-11-11-11-11-11-11-11-12-12-12-12-1资料来源Wi，预测 资料来源Wi，预测图表：波动率因子去趋势后累计收益率与三周期回归拟合 图表：换手率因子去趋势后累计收益率与三周期回归拟合去趋势后因子累计收益率回去趋势后因子累计收益率回归拟合曲线去趋势后因子累计收益率回归拟合曲线% % % -% -%-% -%0-0-10-10-10-10-11-11-11-11-11-11-11-11-11-11-12-12-12-12-1

-%0-10-10-10-0-10-10-10-10-11-11-11-11-11-11-11-11-11-11-12-12-12-12-1去趋势后因子累计收益率回归拟合曲线图表：Bta因子去趋势后累计收益率与三周期回归拟合 图表：技术因子去趋势后累计收益率与去趋势后因子累计收益率回归拟合曲线-%-%-%-%0-0-10-10-10-10-11-11-11-11-11-11-11-11-11-11-12-12-12-12-1

去趋去趋势后因子累计收益率回归拟合曲线-%-%-%-%0-0-10-10-10-10-11-11-11-11-11-11-11-11-11-11-12-12-12-12-1资料来源Wi，预测 资料来源Wi，预测风险提示风格因子的效果与宏观环境和大盘走势密切相关，历史结果不能预测未来。金融周期规被打破市场现超期波，导拥挤易。附录附录一：所有细分因子计算方法图表：报告中涉及的所有细分因子及其计算方式因子类别因子简称因子简称因子方向因子计算方式计算说明估值估值-1Wd因子tm的倒数估值类计算过程中涉及的四估值估值-1Wd因子lf的倒数个Wid因子均可以按交易估值估值-1Wd因子stm的倒数日提取。估值股息率DP1Wd因子iidil2成长营业收入增长率lsGq1由Wid因子rrv自行计算同比增长率成长盈利财务质量市值成长净利润增长率rfitGq1由Wid因子trfitis自行计算同比增长率类计算过程中涉及到的1个成长ROE增长率ROGq1由Wid因子rg自行计算同比增长率Wd因子均按季（报告期盈利ROEROE1Wd因子rag提取使用方法为截面日在盈利ROAROA1Wd因子ra4月0日及以后的可使用当盈利毛利率rssrfimrin1Wd因子rssritmrin年一季报、上一年年报信息，盈利净利率trfitmrin1Wd因子trfitmrin截面日在8月1日及以后的财务质量总资产周转率sstror1Wd因子sststrn可使用当年半年报信息截面财务质量资产负债率tssts-1Wd因子tssts日在0月1日及以后的可财务质量流动比率crrt1Wd因子crr（部分金融企业不适用）使用当年三季报信息。财务质量 资产的经营现金流量cfssts 1 Wd因子cfssts回报率小市值 对数总市值 lcitl -1 Wd因子mtcrd取对数反转 1个月反转 rtrm -1 个股最近N个月收益率（N=，） 个股每日收益率均采用Wid反转 3个月反转 rtrm -1反转 衰减换手率加权3个ewtrtrm-1 最近N个月内，在每个交易日对个股计算如下公式的值，最

后复权收盘价自行计算个每日换手率采用Wid因子月反转反转 衰减换手率加权6个ewtrtrm-1月反转

求和日换手率乘以函数(-i/N/)乘以日收益率其中i为该日距离截面日的交易日个数（N=，）

tr将个股停牌涨跌停的交易日的换手率设为（计算均值、标准差时不取用波动率 1个月波动率 stm -1 个股最近N个月内日收益率序列的标准差（，波动率 3个月波动率 stm -1波动率 FF三因子残差1个IR_FFfctrm -1 个股最近N个月内日收益率序列对Fm-Frch三因（中

最近