量化投资月报：6月看好价值风格推荐高股息模型-20210602-华泰证券-27正式版

证券研究报告金工6月看好价值风格，推荐高股息模型华泰研究2021年

6月

02日│中国内地量化投资月报6月因子观点：看好估值、反转、波动率、换手率因子，推荐高股息模型综合内生变量、外生变量、因子周期三重逻辑，6月看好估值、反转、波动率、换手率因子。内生变量视角短期看好换手率、波动率、反转、估值因子，不看好成长、盈利、财务质量因子。外生变量视角短期看好估值、反转、波动率、换手率、Beta因子。因子周期视角中长期看好大市值、估值、盈利、财务质量、波动率、换手率因子。我们认为市场大概率不会再出现成长显著优于价值的极端风格分化，股息率因子所代表的价值风格或存在机会，推荐关注华泰高股息率模型。华泰证券

2021年度中期投资峰会若未来价值风格走强，推荐关注华泰高股息率模型若未来价值风格走强，除在量化因子选股模型中适当高配价值因子外，我们推荐投资者关注华泰高股息率模型。该模型在华泰金工研报《华泰基本面选股之高股息率模型》（2016-06-26）中曾作详细介绍，借鉴美国著名投资人奥轩尼斯的价值选股思想，精选低市盈率、低市收率、高股息率股票，样本外跟踪接近

5年。回测期内（2005-05-09至

2021-05-31），模型相对沪深300全收益指数年化超额收益为

7.40%，相对基准月胜率约

60%；2021年1~5月模型绝对收益为

8.47%。风格因子

6月表现预测内生变量得分1.2外生变量预测（右轴）30%20%10%0%内生变量视角：短期看好换手率、波动率、反转、估值0.80.4内生变量视角基于因子动量、因子离散度、因子拥挤度三类指标，预测风格因子未来表现，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；因子拥挤度反映因子是否处于拥挤状态。内生变量对大类风格因子

6月表现预测结果如下：看好换手率、波动率、反转、估值因子，不看好成长、盈利、财务质量因子。其中，估值、换手率因子在动量指标上占优；小市值、反转、波动率、换手率因子在离散度指标上占优，处于过度忽视状态；估值、反转、波动率、换手率因子在拥挤度指标上占优。0.0(0.4)-10%估

成

盈

财

小

反

波

换值

长

利

务

市

转

动

手质

值

率

率技术量资料来源：Wind，华泰研究预测外生变量视角：短期看好估值、反转、波动率、换手率、Beta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选出具备预测能力的外生变量，使用线性回归预测未来一个月的

RankIC值。外生变量对大类风格因子

6月

RankIC预测结果如下：估值、反转、波动率、换手率、Beta因子

RankIC预测值超过

5%，可能较为有效，建议短期看多上述因子表现。因子周期视角：中长期看好大市值、估值、盈利、质量、波动率、换手率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态与因子表现对应关系的“因子投资时钟”，根据当前周期状态预测因子未来表现的整体趋势。预计未来一年处于库兹涅茨周期向上，经济长期趋势向上的环境，同时朱格拉周期向下，流动性趋于宽松。建议配置大市值、估值、盈利、财务质量因子。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置。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。金融周期规律被打破。市场出现超预期波动，导致拥挤交易。免责声明和披露以及分析师声明是报告的一部分，请务必一起阅读。1金工研究正文目录6月因子观点：看好估值、反转、波动率、换手率因子

...............................................................................................4若未来价值风格走强，推荐关注华泰高股息率模型......................................................................................................5因子表现回顾................................................................................................................................................................85月大类风格因子表现

..........................................................................................................................................8近

1年大类风格因子表现......................................................................................................................................8近期细分因子表现.................................................................................................................................................8因子表现计算方法.................................................................................................................................................9内生变量视角..............................................................................................................................................................10内生变量综合预测结果........................................................................................................................................10因子动量..............................................................................................................................................................10因子离散度..........................................................................................................................................................11因子拥挤度..........................................................................................................................................................12外生变量视角..............................................................................................................................................................14外生变量选取

......................................................................................................................................................14外生变量预测方法...............................................................................................................................................14条件期望模型...............................................................................................................................................15AIC和

AICc准则.........................................................................................................................................15外生变量筛选流程

.......................................................................................................................................15回归预测模型构建

.......................................................................................................................................16外生变量预测结果...............................................................................................................................................16因子预测结果解读...............................................................................................................................................17因子周期视角..............................................................................................................................................................20自上而下预测整体趋势：因子投资时钟

..............................................................................................................20自下而上预测边际变化：因子周期回归拟合

.......................................................................................................21风险提示..............................................................................................................................................................22附录

............................................................................................................................................................................23附录一：所有细分因子计算方法

.........................................................................................................................23附录二：风格因子合成、RankIC值计算、因子收益率计算方法

.......................................................................24图表目录图表

1：

内生变量和外生变量对风格因子

6月表现的预测..........................................................................................4图表

2：

华泰高股息率模型净值与重要全收益指数对比（回测区间：2005-05-09至

2021-05-31）..........................5图表

3：

华泰高股息率模型相对沪深

300全收益指数超额净值（回测区间：2005-05-09至

2021-05-31）

..............5图表

4：

华泰高股息率模型业绩表现（回测区间：2005-05-09至

2021-05-31）.......................................................6图表

5：

华泰高股息率模型历年区间收益率（回测区间：2005-05-09至

2021-05-31）............................................6图表

6：

华泰高股息率模型

2021年

6月持仓.............................................................................................................7免责声明和披露以及分析师声明是报告的一部分，请务必一起阅读。2金工研究图表

7：

5月大类风格因子表现...................................................................................................................................8图表

8：

近

1年大类风格因子累计

RankIC值............................................................................................................8图表

9：

近

1年细分因子表现

.....................................................................................................................................9图表

10：

内生变量预测大类风格因子

6月表现综合预测得分

..................................................................................10图表

11：

大类风格因子动量历史序列.......................................................................................................................11图表

12：

大类风格因子

5月底截面动量和

2007年以来历史分位数

........................................................................11图表

13：

大类风格因子离散度历史序列...................................................................................................................12图表

14：

大类风格因子

5月底截面离散度和

2007年以来历史分位数.....................................................................12图表

15：

大类风格因子拥挤度历史序列...................................................................................................................13图表

16：

大类风格因子

5月底截面拥挤度和

2007年以来历史分位数.....................................................................13图表

17：

外生变量列表

............................................................................................................................................14图表

18：

外生变量筛选流程图

.................................................................................................................................16图表

19：

外生变量对大类风格因子

6月

RankIC预测值.........................................................................................16图表

20：

估值因子

RankIC预测值及外生变量贡献情况

.........................................................................................17图表

21：

成长因子

RankIC预测值及外生变量贡献情况

.........................................................................................17图表

22：

盈利因子

RankIC预测值及外生变量贡献情况

.........................................................................................17图表

23：

财务质量因子

RankIC预测值及外生变量贡献情况..................................................................................17图表

24：

小市值因子

RankIC预测值及外生变量贡献情况......................................................................................17图表

25：

反转因子

RankIC预测值及外生变量贡献情况

.........................................................................................17图表

26：

波动率因子

RankIC预测值及外生变量贡献情况......................................................................................18图表

27：

换手率因子

RankIC预测值及外生变量贡献情况......................................................................................18图表

28：

Beta因子

RankIC预测值及外生变量贡献情况

........................................................................................18图表

29：

技术因子

RankIC预测值及外生变量贡献情况

.........................................................................................18图表

30：

不同经济周期下的因子表现分类

...............................................................................................................20图表

31：

实体经济三周期滤波结果

..........................................................................................................................21图表

32：

估值因子去趋势后累计收益率与三周期回归拟合......................................................................................21图表

33：

成长因子去趋势后累计收益率与三周期回归拟合......................................................................................21图表

34：

盈利因子去趋势后累计收益率与三周期回归拟合......................................................................................21图表

35：

财务质量因子去趋势后累计收益率与三周期回归拟合...............................................................................21图表

36：

小市值因子去趋势后累计收益率与三周期回归拟合

..................................................................................22图表

37：

反转因子去趋势后累计收益率与三周期回归拟合......................................................................................22图表

38：

波动率因子去趋势后累计收益率与三周期回归拟合

..................................................................................22图表

39：

换手率因子去趋势后累计收益率与三周期回归拟合

..................................................................................22图表

40：

Beta因子去趋势后累计收益率与三周期回归拟合.....................................................................................22图表

41：

技术因子去趋势后累计收益率与三周期回归拟合......................................................................................22图表

42：

报告中涉及的所有细分因子及其计算方式.................................................................................................23免责声明和披露以及分析师声明是报告的一部分，请务必一起阅读。3sPsOtRwOvN6MbP6MmOoOpNnMeRmMsMkPmMoM7NmNqOuOnOpPvPsRwP金工研究6月因子观点：看好估值、反转、波动率、换手率因子综合内生变量、外生变量、因子周期三重逻辑，6月看好估值、反转、波动率、换手率因子。内生变量视角短期看好换手率、波动率、反转、估值因子，不看好成长、盈利、财务质量因子。外生变量视角短期看好估值、反转、波动率、换手率、Beta因子。因子周期视角中长期看好大市值、估值、盈利、财务质量、波动率、换手率因子。图表1：

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）1.20.830%20%10%0%24.4%0.8721.2%20.5%0.680.810.750.500.520.436.9%0.262.9%0.48.6%0.123.4%0.110.0-1.6%-1.9%-1.8%(0.4)-10%估值成长盈利财务质量小市值反转波动率换手率技术资料来源：Wind，华泰研究预测内生变量视角基于因子动量、因子离散度、因子拥挤度三类指标，预测风格因子未来表现，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；因子拥挤度反映因子是否处于拥挤状态。内生变量对大类风格因子

6月表现预测结果如下：看好换手率、波动率、反转、估值因子，不看好成长、盈利、财务质量因子。其中，估值、换手率因子在动量指标上占优；小市值、反转、波动率、换手率因子在离散度指标上占优，处于过度忽视状态；估值、反转、波动率、换手率因子在拥挤度指标上占优。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选出具备预测能力的外生变量，使用线性回归预测未来一个月的

RankIC值。外生变量对大类风格因子

6月

RankIC预测结果如下：估值、反转、波动率、换手率、Beta因子

RankIC预测值超过

5%，可能较为有效，建议短期看多上述因子表现。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态与因子表现对应关系的“因子投资时钟”，根据当前周期状态预测因子未来表现的整体趋势。预计未来一年处于库兹涅茨周期向上，经济长期趋势向上的环境，同时朱格拉周期向下，流动性趋于宽松。建议配置大市值、估值、盈利、财务质量因子。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置。免责声明和披露以及分析师声明是报告的一部分，请务必一起阅读。4金工研究若未来价值风格走强，推荐关注华泰高股息率模型若未来价值风格走强，应如何构建投资组合？除了在传统量化多因子选股模型中适当高配价值因子外，我们推荐投资者关注华泰高股息率模型。该模型在华泰金工研报《华泰基本面选股之高股息率模型》（2016-06-26）中曾作详细介绍，借鉴美国著名投资人奥轩尼斯的价值选股思想，精选低市盈率、低市收率、高股息率股票，样本外跟踪接近

5年。华泰高股息率模型具体选股方法为：1.总市值在全市场从大到小前

80%；2.市盈率在全市场从小到大前

40%（剔除市盈率为负的股票）；3.市收率小于

2.5；4.满足前三条标准的股票按照近

12个月股息率从大到小排序，选取股息率最高的前

50只股票等权重配置。每个自然月月末核算因子值，下月首个交易日以收盘价换仓。对于调仓日无法交易的股票，保持其在投资组合中权重不变，其余新调入股票权重进行一定比例缩放（新调入股票仍为等权重）。交易费用以双边

0.4%计算。选股策略中“全市场”的定义为：全

A股中上市满3个月、未退市、非

ST和*ST的股票。华泰高股息率模型净值与重要全收益指数对比如下图所示。图表2：

华泰高股息率模型净值与重要全收益指数对比（回测区间：2005-05-09至

2021-05-31）高股息率策略净值沪深300全收益净值中证500全收益净值302520151050资料来源：Wind，华泰研究图表3：

华泰高股息率模型相对沪深

300全收益指数超额净值（回测区间：2005-05-09至

2021-05-31）高股息率策略超额净值（基准为沪深300全收益）5.0消费板块占优成长风格主导价值风格失效4.54.03.53.02.52.01.51.00.5模型受周期股拖累资料来源：Wind，华泰研究免责声明和披露以及分析师声明是报告的一部分，请务必一起阅读。5金工研究华泰高股息率模型相对沪深300全收益指数超额净值如上图所示。模型长期跑赢基准指数，但是在

2011年下半年至

2012年、2017年下半年、2019~2020年三阶段表现不佳。下面分析上述区间内模型弱于基准指数的原因。1.2011~2012年及

2017年下半年，市场主要表现为消费股行情，而高股息率模型偏好选择金融、周期板块，模型受到板块风格拖累。2.2019~2020年，市场表现为大盘、成长行情，价值风格短暂失效，此时基准沪深

300全收益指数表现强势，高股息率模型选出的价值股表现惨淡，此消彼长之下，模型创下历史最大超额收益回撤。但随着

2021年

2月市场风格切换，模型走出阶段反弹。我们认为市场大概率不会再出现成长显著优于价值的极端风格分化，高股息率模型所代表的价值风格或存在机会。华泰高股息率模型业绩表现如下表所示，从

2005年

5月至

2021年

5月的完整回测区间看，模型相对沪深

300指数年化超额收益为

9.25%，相对基准月胜率为

61%；模型相对沪深

300全收益指数年化超额收益为

7.40%，相对基准月胜率为

59%。图表4：

华泰高股息率模型业绩表现（回测区间：2005-05-09至

2021-05-31）年化年化夏普比率最大

年化超额

年化跟踪

超额收益信息比率Calmar相对基准

月均双边指标收益率波动率回撤收益率误差

最大回撤比率月胜率换手率比较基准：沪深

300高股息率选股沪深

30022.52%11.98%28.55%26.91%0.790.4570.55%72.30%9.25%11.09%37.06%42.22%0.830.6724.97%17.53%60.62%42.29%比较基准：沪深

300全收益高股息率选股22.52%13.91%28.55%26.91%0.790.5270.55%72.04%7.40%11.10%58.55%42.29%沪深

300全收益资料来源：Wind，华泰研究华泰高股息率模型区间收益率如下表所示，除前面提到的个别年份外，模型在大部分年份表现优于沪深

300和沪深

300全收益指数。2021年

1~5月绝对收益为

8.47%，同样优于基准指数。图表5：

华泰高股息率模型历年区间收益率（回测区间：2005-05-09至

2021-05-31）年份2005200620072008200920102011201220132014201520162017201820192020高股息率选股6.44%比较基准（沪深

300）

比较基准（沪深

300全收益）1.57%121.02%161.55%-65.95%96.71%-12.51%-25.01%7.55%1.57%125.23%163.28%-65.61%98.58%-11.58%-24.05%9.80%105.94%257.43%-59.48%173.55%3.71%-21.55%4.48%8.73%-7.65%51.66%5.58%-5.33%55.85%7.22%69.20%41.72%-5.31%-11.28%21.78%-25.31%36.07%27.21%2.31%-9.26%24.25%-23.64%39.19%29.89%2.52%6.08%-19.62%25.73%12.82%8.47%2021资料来源：Wind，华泰研究免责声明和披露以及分析师声明是报告的一部分，请务必一起阅读。6金工研究华泰高股息率模型

2021年

6月持仓如下表所示。图表6：

华泰高股息率模型

2021年

6月持仓序号1代码简称权重0.020.020.020.020.020.020.020.020.020.020.020.020.020.020.020.020.020.020.020.020.020.020.020.020.02序号26272829303132333435363738394041424344454647484950代码简称权重0.020.020.020.020.020.020.020.020.020.020.020.020.020.020.020.020.020.020.020.020.020.020.020.020.02000048.SZ000156.SZ000656.SZ000863.SZ000895.SZ001979.SZ002003.SZ002124.SZ002146.SZ002233.SZ002381.SZ300498.SZ600000.SH600016.SH600028.SH600126.SH600153.SH600216.SH600269.SH600282.SH600325.SH600327.SH600350.SH600376.SH600383.SH京基智农华数传媒金科股份三湘印象双汇发展招商蛇口伟星股份天邦股份荣盛发展塔牌集团双箭股份温氏股份浦发银行民生银行中国石化杭钢股份建发股份浙江医药赣粤高速南钢股份华发股份大东方600395.SH600466.SH600594.SH600606.SH600681.SH600724.SH600743.SH600823.SH600985.SH601000.SH601006.SH601088.SH601098.SH601126.SH601169.SH601328.SH601588.SH601988.SH603569.SH603858.SH603878.SH603839.SH603980.SH601916.SH603950.SH盘江股份蓝光发展益佰制药绿地控股百川能源宁波富达华远地产世茂股份淮北矿业唐山港2345678910111213141516171819202122232425大秦铁路中国神华中南传媒四方股份北京银行交通银行北辰实业中国银行长久物流步长制药武进不锈安正时尚吉华集团浙商银行长源东谷山东高速首开股份金地集团资料来源：Wind，华泰研究免责声明和披露以及分析师声明是报告的一部分，请务必一起阅读。7金工研究因子表现回顾5月大类风格因子表现大类风格因子

5月在全

A股票池的

RankIC值和因子收益率如下图所示。成长、小市值因子表现相对较好，RankIC值超过

5%，因子收益率为正。盈利、财务质量因子表现尚可。估值、反转、波动率、换手率、Beta、技术因子出现回撤。图表7：

5月大类风格因子表现因子RankIC因子收益率（右轴）20%10%0%4%2%0%-2%-4%7.6%6.5%0.7%1.1%1.6%0.0%1.7%0.1%-1.6%-8.1%-1.2%-8.3%-10%-20%-1.7%-10.4%-1.8%-11.8%-2.6%-13.3%-13.3%-3.0%估值成长盈利财务质量小市值反转波动率换手率技术资料来源：Wind，华泰研究近

1年大类风格因子表现对大类风格因子近

12个月的

RankIC值做累加，得到各月累计

RankIC值，如下图所示。总的来看，波动率、换手率、反转、估值因子近

1年表现良好；技术因子表现尚可；成长、盈利、财务质量、Beta因子表现相对平淡。小市值因子波动较大，2020年

12月及

2021年

1月出现较大回撤，随后止跌反弹。图表8：

近

1年大类风格因子累计

RankIC值估值反转成长盈利财务质量小市值技术120%100%80%60%40%20%0%波动率换手率Beta-20%-40%-60%资料来源：Wind，华泰研究近期细分因子表现计算

34个细分因子

5月

RankIC值，以及近

12个月的月频

RankIC值。将近

12个月

RankIC的均值除以标准差，得到近

1年

IC_IR。近期细分因子表现如下图所示。免责声明和披露以及分析师声明是报告的一部分，请务必一起阅读。8金工研究图表9：

近

1年细分因子表现上月RankIC近1年IC_IR（右轴）30%20%10%0%1.51.00.50.0-10%-20%(0.5)(1.0)资料来源：Wind，华泰研究因子表现计算方法因子

T月表现的计算方法可以简要描述为：1.以

T-1月最后一个交易日为截面期，以全

A股为股票池，计算附录一中

10大类共

34个细分因子值。对每一大类风格因子内部各细分因子做去极值、标准化预处理及因子方向调整，再等权合成，得到截面期大类风格因子值。2.计算

T月股票池内个股区间收益。3.对大类风格因子或细分因子做去极值、标准化和行业市值中性化预处理，计算

T-1月预处理后因子与

T月个股区间收益的

Spearman秩相关系数，即

T月因子

RankIC值。4.对大类风格因子值、个股总市值做去极值和标准化预处理，以

T-1月预处理后大类风格因子值、预处理后个股总市值、中信一级行业哑变量为自变量，以

T月个股区间收益为因变量，以流通市值平方根为权重，做加权线性回归，大类风格因子值对应的回归系数即为

T月大类风格因子收益率。详细计算方法请参见附录二。免责声明和披露以及分析师声明是报告的一部分，请务必一起阅读。9金工研究内生变量视角内生变量视角基于因子动量、因子离散度、因子拥挤度三类指标，预测风格因子未来表现。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序上均有预测效果。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月表现进行打分预测，综合预测结果如下表所示。看好换手率、波动率、反转、估值因子，不看好成长、盈利、财务质量因子。其中，估值、换手率因子在动量指标上占优；小市值、反转、波动率、换手率因子在离散度指标上占优，处于过度忽视状态；估值、反转、波动率、换手率因子在拥挤度指标上占优。图表10：

内生变量预测大类风格因子

6月表现综合预测得分1.00.870.90.80.70.60.50.40.30.20.10.00.810.750.680.520.500.430.260.120.11估值成长盈利财务质量小市值反转波动率换手率技术资料来源：Wind，华泰研究预测综合预测得分是以下

6项细分指标的均值：1.归一化截面因子动量；2.因子动量历史分位数；3.归一化截面因子离散度；4.因子离散度历史分位数；5.1－归一化截面因子拥挤度；6.1－因子拥挤度历史分位数。其中，归一化采用

min-max归一化，根据截面上各类因子相应指标最小值和最大值，将其缩放至[0,1]范围内；历史分位数取每个因子最新月末截面期相应指标，在其历史上（自

2007年

1月末截面期开始）所处分位数，本身在[0,1]范围内；因子拥挤度为反向指标，故用

1减去相应指标。因子动量定义因子动量为因子在过去

12个月末截面期的

21日

RankIC均值。从截面角度看，估值、波动率、换手率因子动量较强，成长、盈利、财务质量、小市值、Beta因子动量较弱。从时序角度看，估值、换手率因子动量仍处于历史高位，超过

2007年以来的

75%分位数水平；小市值、反转因子动量处于历史低位，低于

2007年以来的

25%分位数水平。免责声明和披露以及分析师声明是报告的一部分，请务必一起阅读。10金工研究图表11：

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技术0.200.15反转波动率换手率Beta0.100.050.00(0.05)(0.10)(0.15)资料来源：Wind，华泰研究图表12：

大类风格因子

5月底截面动量和

2007年以来历史分位数截面动量时序动量分位数（右轴）93.6%5.7%8%6%4%2%0%-2%100%75%50%25%0%7.1%88.4%6.2%71.7%53.2%52.6%1.2%4.0%41.6%38.2%1.4%25.4%22.5%24.3%0.7%0.1%-0.1%-0.5%-25%估值成长盈利财务质量小市值反转波动率换手率技术资料来源：Wind，华泰研究因子离散度因子离散度计算方式为：1.在月末截面期，取每个中信一级行业因子值排名前

20%个股的因子值中位数，以及因子值排名后

20%个股的因子值中位数，两者求差值；2.30个行业的差值求平均值，得到当前截面期该因子离散度原始值；3.对当前截面期因子离散度原始值做标准化，计算其在过去

72个月末截面期的

Z分数。从截面角度看，反转、波动率、换手率因子离散度相对较高，成长、财务质量、Beta因子离散度相对较低。从时序角度看，小市值、反转、换手率因子离散度处于历史高位，超过2007年以来的

80%分位数水平，可能处于过度忽视状态；成长、财务质量因子离散度处于历史低位，低于

2007年以来的

20%分位数水平，可能处于过度投资状态。免责声明和披露以及分析师声明是报告的一部分，请务必一起阅读。11金工研究图表13：

大类风格因子离散度历史序列估值成长盈利财务质量小市值技术54反转波动率换手率Beta3210(1)(2)(3)(4)资料来源：Wind，华泰研究图表14：

大类风格因子

5月底截面离散度和

2007年以来历史分位数截面离散度

时序离散度分位数（右轴）99.4%3.53.02.52.01.51.00.50.0100%3.381.5%80.9%2.290%80%70%60%50%40%30%20%10%0%73.4%1.955.5%1.548.6%1.61.51.127.2%29.5%0.10.20.20.6%0.6%估值成长盈利财务质量小市值反转波动率换手率技术资料来源：Wind，华泰研究因子拥挤度因子拥挤度计算方式为：1.在每个月末截面期，分别计算个股

a）过去

63个交易日的日度涨跌幅标准差作为波动率指标，b）过去

63个交易日的日均换手率作为换手率指标，c）过去

63个交易日个股收益与万得全

A收益线性回归的回归系数作为

Beta指标；2.取各个中信一级行业因子值排名前

20%个股的波动率/换手率/Beta均值，以及因子值排名后

20%个股的波动率/换手率/Beta均值，两者求比值；3.对波动率、换手率、Beta的三个比值求均值，得到当前截面期该因子拥挤度。从截面角度看，成长、盈利、财务质量因子拥挤度相对较高，估值、反转、波动率、换手率因子拥挤度相对较低。从时序角度看，成长、盈利、财务质量因子拥挤度超过

2007年以来的

80%历史分位数水平，可能处于交易拥挤状态；估值、小市值、反转、波动率、换手率、Beta、技术因子拥挤度低于

2007年以来的

10%历史分位数水平，交易相对不拥挤。免责声明和披露以及分析师声明是报告的一部分，请务必一起阅读。12金工研究图表15：

大类风格因子拥挤度历史序列估值成长盈利财务质量小市值技术2.01.81.61.41.21.00.80.60.40.20.0反转波动率换手率Beta资料来源：Wind，华泰研究图表16：

大类风格因子

5月底截面拥挤度和

2007年以来历史分位数截面拥挤度时序拥挤度分位数（右轴）99.4%1.296.5%1.31.41.21.00.80.60.40.20.0100%1.283.2%80%60%40%20%0%0.90.70.70.60.60.50.48.1%8.7%2.3%4.0%0.6%1.2%0.6%估值成长盈利财务质量小市值反转波动率换手率技术资料来源：Wind，华泰研究免责声明和披露以及分析师声明是报告的一部分，请务必一起阅读。13金工研究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选出具备预测能力的外生变量，使用线性回归预测未来一个月的

RankIC值。以下分别展示最新一期预测方法及预测结果。外生变量选取选取

6项市场指标和

13项宏观指标作为外生变量。选择沪深

300和中证

500月涨跌幅、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、银行与货币、利率与汇率

5个方面，选择较常用的

13项宏观指标。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间滞后使用。例如，T-1月的

M1同比数据通常在

T月中旬公布，因此我们在

T月末建模时用到的是

T-1月的

M1同比数据。下表展示具体

19项外生变量及其所属类别和变量处理方法。为了更清楚地展示部分宏观变量的滞后期，我们以

T月末为截面期，最右列为外生变量能取到的最新数据时间。图表17：

外生变量列表变量类别市场变量市场变量市场变量市场变量市场变量市场变量宏观变量宏观变量宏观变量宏观变量宏观变量宏观变量宏观变量宏观变量宏观变量宏观变量宏观变量宏观变量宏观变量变量细分类别变量名称变量处理方法不处理最新数据时间第

T月沪深

300月涨跌幅中证

500月涨跌幅沪深

300月波动率中证

500月波动率沪深

300月均换手率中证

500月均换手率PMI不处理第

T月变化率第

T月变化率第

T月一阶差分一阶差分二阶差分变化率第

T月第

T月国民经济核算国民经济核算工业第

T月宏观经济景气指数先行指数工业增加值当月同比CPI当月同比第

T-3月第

T-1月第

T-1月第

T-1月第

T-1月第

T-1月第

T-1月第

T月二阶差分二阶差分一阶差分二阶差分一阶差分一阶差分二阶差分变化率价格指数价格指数PPI全部工业品当月同比企业商品价格指数

CGPI当月同比M1同比价格指数银行与货币银行与货币银行与货币利率与汇率利率与汇率利率与汇率利率与汇率M2同比大型存款机构存款准备金率中债国债到期收益率

3个月国债收益率差

10年期-3月期美元兑人民币汇率SHIBOR1W第

T月变化率第

T月变化率第

T月变化率第

T月资料来源：Wind，华泰研究外生变量预测方法参考

Hua，Kantsyrev和

Qian于

2012年发表论文

Factor-TimingModel，使用外生变量预测大类风格因子

RankIC值。首先使用条件期望模型和

AIC准则，在

T-1月最后一个交易日，对每个大类风格因子筛选出可能影响因子

RankIC值的条件变量；其次将大类风格因子与筛选出的条件变量做线性回归，预测

T月的因子

RankIC值。免责声明和披露以及分析师声明是报告的一部分，请务必一起阅读。14金工研究条件期望模型假设单个风格因子

RankIC时序向量

Y与外生变量时序向量

X的联合分布服从多元正态分布，即：휇∑ꢃꢃ∑ꢁꢃ∑∑푋푌()~푁ꢀ(푥)，

ꢂꢃꢁꢄꢅꢁꢁ，휇ꢁ则在给定

X＝x的情况下，Y的条件分布仍为正态分布，条件数学期望和条件方差分别为：−1휇푌|푋=ꢆ=퐸ꢇ푌|푋=ꢆꢈ=휇푌+∑푌푋∑ꢉꢆ−휇푋ꢊ푋푋−1∑푌|푋=∑푌푌−∑푌푋∑∑푋푌푋푋其中

E(Y|X=x)称为

Y关于

X的回归，它是

x的线性函数。AIC和

AICc准则使用

AIC赤池信息量准则衡量统计模型拟合优良性。相比其它模型评价指标，AIC的优势在于兼顾模型简洁性和准确性。在进行多个模型比较和选择时，通常选择

AIC最小的模型。基于条件期望模型的

AIC计算公式如下：퐴퐼퐶=푇∙푙표푔ꢉꢋ∑ꢁ|ꢃꢋꢊ+2푁∙퐾其中

T为样本窗口长度，N为风格因子数量（这里固定为

1），K为外生变量数量。当样本数量较小时，基于

AIC的方法可能会产生模型过拟合问题。为避免此问题，研究者提出

AICc指标，在

AIC上添加小样本误差修正量。基于条件期望模型的

AICc计算公式如下：2퐾∙ꢇ퐾+1ꢈ퐴퐼퐶푐=푇∙푙표푔ꢉꢋ∑ꢁ|ꢃꢋꢊ+2푁∙퐾+푇−퐾−1外生变量筛选流程样本区间内筛选外生变量流程如下图所示，具体步骤为：1.最优外生变量集合

S初始为空集，AICc初始值

AICc＝T·log(|Σ

|)；00XX2.遍历不在

S中的每个外生变量

k，计算将

k加入到集合

S后模型

AICc值，取最小值iiAICcmin；3.若

AICcmin小于

AICc，则转向第

4步；否则筛选结束，集合

S为最优外生变量集合；ii将

AICcmin对应的外生变量

k加入

Si，即

Si+1＝Si∪{k}，AICci+1为基于外生变量集合

Si+1算得到的

AICc，并转至第

2步。计免责声明和披露以及分析师声明是报告的一部分，请务必一起阅读。15金工研究图表18：

外生变量筛选流程图资料来源：华泰研究回归预测模型构建对于每个大类风格因子，取样本区间为过去

72个月，分三步预测未来一个月

RankIC值：1.使用

AICc在样本区间内筛选出对因子

RankIC值具有解释能力的外生变量；2.将筛选出来的全部外生变量纳入回归模型，在样本区间内构造因子

RankIC值序列关于外生变量的多元线性回归模型；将最新一期的外生变量代入回归模型，得到未来一个月的因子

RankIC预测值。外生变量预测结果外生变量对大类风格因子

6月

RankIC预测结果如下图所示。估值、反转、波动率、换手率、Beta因子

RankIC预测值超过

5%，可能较为有效，建议短期看多上述因子表现。图表19：

外生变量对大类风格因子

6月

RankIC预测值30%24.4%25%20%15%10%5%21.2%20.5%8.6%6.9%3.4%2.9%0%-1.9%-1.8%-1.6%-5%估值成长盈利财务质量小市值反转波动率换手率技术资料来源：Wind，华泰研究预测免责声明和披露以及分析师声明是报告的一部分，请务必一起阅读。16金工研究因子预测结果解读下面展示各个大类风格因子

RankIC预测值，以及进入回归模型的外生变量对预测结果的贡献情况，贡献度定义为自变量与回归系数的乘积。图表20：

估值因子

RankIC预测值及外生变量贡献情况图表21：

成长因子

RankIC预测值及外生变量贡献情况25%20.5%估值成长4%3%2%1%0%20%15%10%5%3.4%3.4%9.2%7.9%6.2%-0.3%0.0%0%-0.1%-2.4%-5%预测回归模型截距项中债国债到期收益率国债收益率差美元兑人民币汇率工业增加值变动存款准备金率同比值年期预测IC值回归模型截距项个月月期资料来源：Wind，华泰研究预测资料来源：Wind，华泰研究预测图表22：

盈利因子

RankIC预测值及外生变量贡献情况图表23：

财务质量因子

RankIC预测值及外生变量贡献情况财务质量盈利3.5%4%2%2%1%1.6%2.9%0%-1%-2%-3%-4%-0.5%0%-1.8%-0.5%-3.0%-2%预测回归模型截距项沪深预测回归模型截距项沪深同比值值月均换手率月均换手率资料来源：Wind，华泰研究预测资料来源：Wind，华泰研究预测图表24：

小市值因子

RankIC预测值及外生变量贡献情况图表25：

反转因子

RankIC预测值及外生变量贡献情况3%2%小市值反转10%8%6%4%2%0%1.6%8.6%8.6%1%0%-1%-2%-3%-0.6%-1.1%-1.8%-1.9%预测回归模型截距项同比指标当月同比值预测IC值回归模型截距项资料来源：Wind，华泰研究预测资料来源：Wind，华泰研究预测免责声明和披露以及分析师声明是报告的一部分，请务必一起阅读。17金工研究图表26：

波动率因子

RankIC预测值及外生变量贡献情况图表27：

换手率因子

RankIC预测值及外生变量贡献情况波动率换手率25%20%15%10%5%21.2%30%24.4%20%10%0%9.4%9.1%10.0%10.2%8.9%6.5%0.0%-0.3%0%0.7%-0.3%-4.3%-5%-4.3%美元兑人民币汇率-10%预测回归模型截距项沪深工业增加值变动预测回归模型截距项美元兑人民币汇率工业增加值变动存款准备金率同比当月同比同比当月同比值值月均换手率资料来源：Wind，华泰研究预测资料来源：Wind，华泰研究预测图表28：

Beta因子

RankIC预测值及外生变量贡献情况图表29：

技术因子

RankIC预测值及外生变量贡献情况Beta技术5.2%6%4%8%6%4%2%0%6.9%2%4.4%0.0%0%-2%-4%-6%1.2%-1.6%-1.3%0.6%0.7%0.0%预测回归模型截距项沪深存款准备金率-5.4%预测回归模型截距项沪深存款准备金率同比当月同比同比值月均换手率值月涨跌幅资料来源：Wind，华泰研究预测资料来源：Wind，华泰研究预测免责声明和披露以及分析师声明是报告的一部分，请务必一起阅读。18金工研究下面尝试对预测

RankIC绝对值超过

5%的风格因子进行解读。在构建回归模型前，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的边际变化，而非变量值本身。1.估值因子：回归模型截距项为

6.2%，对

RankIC预测值有较大的正向贡献，说明长期看估值因子存在正收益。M2同比新值（4月，8.1%）较前值（3月，9.4%）降低

1.3pct，为

RankIC预测值提供

9.2%的正向贡献。工业增加值变动同比指标的环比增速提升（4月环比-4.3pct，3月环比-38.2pct），为

RankIC预测值提供

7.9%的正向贡献。美元兑人民币汇率新值（5月末，