基本面指導(dǎo)大類資產(chǎn)配置系列二之股票風(fēng)格配置（下）

目錄

傳統(tǒng)框架下映射的風(fēng)格特征 4

方差檢驗 5

主要結(jié)論 6

周期擾動下映射的風(fēng)格特征 6

再論大小盤風(fēng)格輪動 8

傳統(tǒng)框架下的風(fēng)格配置實踐測算 10

選股策略的實踐效果 11

因子投資的組合實踐——SmartBeta 13

周期擾動下風(fēng)格配置的測算 16

相對保守型配置方案 16

積極進(jìn)取型配置方案 19

因子配置的系統(tǒng)性框架 21

總結(jié) 22

圖表目錄

圖1：傳統(tǒng)經(jīng)濟(jì)周期劃分下各階段對應(yīng)的因子表現(xiàn) 4

圖2：M1M2剪刀差、信用利差與大小盤輪動的關(guān)系 8

圖3：依據(jù)信用利差和M1M2剪刀差的大小盤輪動策略表現(xiàn) 9

圖4：因子配置的選股策略表現(xiàn) 12

圖5：因子配置的SmartBeta投資策略凈值表現(xiàn) 14

圖6：保守型因子配置的選股策略凈值表現(xiàn) 18

圖7：進(jìn)取型因子配置的選股策略凈值表現(xiàn) 19

表1：不同經(jīng)濟(jì)狀態(tài)下因子表現(xiàn)（單位：%） 5

表2：方差分析和Tukey檢驗結(jié)果 5

表3：因子在不同指標(biāo)狀態(tài)下的顯著性檢驗結(jié)果 7

表4：因子在不同流動性指標(biāo)狀態(tài)下的顯著性檢驗結(jié)果 7

表5：大小盤輪動策略的表現(xiàn) 10

表6：大小盤輪動策略的分年表現(xiàn) 10

表7：傳統(tǒng)狀態(tài)劃分下的因子配置原則 11

表8：因子配置的選股策略分年表現(xiàn) 12

表9：因子配置的選股策略綜合表現(xiàn) 13

表10：部分因子對應(yīng)的SmartBeta指數(shù) 13

表11：因子配置的SmartBeta投資策略分年表現(xiàn) 14

表12：因子配置的SmartBeta投資策略綜合表現(xiàn) 15

表13：美國代表性SmartBetaETF產(chǎn)品策略及規(guī)模 15

表14：傳統(tǒng)狀態(tài)劃分下的因子配置原則 16

表15：單個指標(biāo)狀態(tài)對應(yīng)下的因子配置原則 17

表16：保守型因子配置的選股策略分年表現(xiàn) 18

表17：保守型因子配置的選股策略綜合表現(xiàn) 19

表18：因子的敏感性指標(biāo)匯總 19

表19：進(jìn)取型因子配置的選股策略分年表現(xiàn) 20

表20：進(jìn)取型因子配置的選股策略綜合表現(xiàn) 20

表21：單資產(chǎn)內(nèi)部因子配置的常見方法 21

表22：跨資產(chǎn)因子及對資產(chǎn)的影響 21

回顧本篇（上）的內(nèi)容我們選取成長、質(zhì)量（ROE）、價值、Beta、波動率、財務(wù)杠桿、流動性、規(guī)模、反轉(zhuǎn)、動量作為股票細(xì)分風(fēng)格的代表來進(jìn)行風(fēng)格配置探究，依據(jù)傳統(tǒng)的“產(chǎn)出水平+通脹+政策”三維度的框架可以印證基本面對于幾個因子的解釋作用。本文作為下篇分為以下幾個部分：

1、首先重新梳理了上篇的主要結(jié)論，同時為了驗證配置結(jié)果的穩(wěn)健性，使用方差分析

（ANOVA）方法對統(tǒng)計結(jié)果進(jìn)行顯著性檢驗；

2、承接上篇驗證在周期擾動下基本面和政策維度對不同因子表現(xiàn)的指導(dǎo)意義；

3、再論大小盤風(fēng)格輪動現(xiàn)象，探索基本面及政策因素對于大小盤風(fēng)格輪動解釋程度；

4、驗證傳統(tǒng)周期劃分方式及周期擾動下的風(fēng)格配置結(jié)論的有效性；

5、最后一部分系統(tǒng)性梳理一下常見的單資產(chǎn)內(nèi)部因子配置方法。

傳統(tǒng)框架下映射的風(fēng)格特征

傳統(tǒng)劃分方式以產(chǎn)出缺口（VAI）和CPI為信號，政策維度結(jié)合貨幣和信貸相關(guān)指標(biāo)體系，在每一個狀態(tài)下驗證因子表現(xiàn)，主要結(jié)果參見圖1和表1。

圖1：傳統(tǒng)經(jīng)濟(jì)周期劃分下各階段對應(yīng)的因子表現(xiàn)

資料來源：DavidHillCompany,《不同市場階段影響資產(chǎn)價格的因素》,

在每個階段均能獲取正收益率的強(qiáng)勢因子有規(guī)模（小市值）、Beta、反轉(zhuǎn)、流動性（低流動性），其中規(guī)模、反轉(zhuǎn)和流動性三個因子特征是在滯脹前期即投資者情緒最為高漲的階段表現(xiàn)最好，典型的風(fēng)險偏好高下的受到投資者情緒影響最劇烈的因子。

表1：不同經(jīng)濟(jì)狀態(tài)下因子表現(xiàn)（單位：%）

經(jīng)濟(jì)狀態(tài)

成長

質(zhì)量

價值

財務(wù)杠桿

規(guī)模

Beta

動量

反轉(zhuǎn)

波動率

流動性

復(fù)蘇

3.02

0.12

4.38

1.53

3.25

4.69

1.25

4.93

0.83

8.91

繁榮

2.50

1.70

3.70

0.30

8.60

5.31

4.53

3.35

4.44

8.76

滯脹

5.05

0.10

1.82

-3.46

24.58

5.50

-3.78

11.62

-5.76

12.64

滯脹后

1.42

-0.90

-2.21

1.87

12.73

3.81

-10.38

8.82

-20.76

4.29

衰退前

1.81

1.50

4.20

-2.02

5.75

1.58

0.48

6.31

3.53

5.78

觸底

-0.99

-2.40

5.47

0.45

16.96

2.11

0.31

2.52

2.15

10.24

資料來源：Wind，

方差檢驗

傳統(tǒng)框架下在每個狀態(tài)下得到了因子收益表現(xiàn)結(jié)果，但是結(jié)果上的差異并不能說明因子表現(xiàn)與劃分的狀態(tài)之間的關(guān)聯(lián)性，使用方差分析來驗證宏觀狀態(tài)和因子表現(xiàn)之間關(guān)聯(lián)的統(tǒng)計顯著性。

方差分析由R.A.Fisher提出，一般用于兩個及以上樣本均數(shù)差別的顯著性檢驗，由于各種因素的影響，樣本數(shù)據(jù)呈現(xiàn)波動特征，方差分析認(rèn)為波動的原因有兩類，一種是由于隨機(jī)因素導(dǎo)致的，一種則是由于特定處理方式確實對分組有效?；驹砣缦拢?/p>

對于總數(shù)為n，組數(shù)為m的樣本，通過比較組間均方和組內(nèi)均方來比較各組之間是否有顯著不同。

特定分組方式造成的差異稱為組間差異，用變量在各組均值與總均值之偏差平方和的總和表示，記作SSb，組間自由度dfb=m-1；

隨機(jī)誤差稱為組內(nèi)差異，用變量在各組的均值與該組內(nèi)變量值之偏差平方和的總和表示，記作SSw，組內(nèi)自由度dfw=n-m。

將組間SSb和組內(nèi)SSw除以各自的自由度，分別得到均方MSw和MSb，如若組別之間有顯著區(qū)別則存在MSb>>MSw，MSb/MSw比值構(gòu)成F分布，用F值與其臨界值比較。

除此之外，可以進(jìn)一步使用Tukey方法或Duncan檢驗對兩兩組別進(jìn)行遍歷，找出差異性較大的組別。

表2：方差分析和Tukey檢驗結(jié)果

經(jīng)濟(jì)狀態(tài)

成長

質(zhì)量

價值

財務(wù)杠桿

規(guī)模

Beta

動量

反轉(zhuǎn)

波動率

產(chǎn)出水平+通脹

***

**

*

-

***

-

**

-

*

產(chǎn)出水平+通脹+政策

*

*

-

*

***

**

*

**

*

六組別劃分差異

觸底+滯脹

繁榮+觸底

復(fù)蘇+滯脹后

-

衰退+滯脹

復(fù)蘇+衰退

繁榮+滯脹

-

繁榮+滯脹后

復(fù)蘇+緊縮

繁榮+寬松

-

滯脹+緊縮

滯脹+寬松

-

-

滯脹+寬松

復(fù)蘇+緊縮

十二組別劃分差異

觸底+寬松

觸底+寬松

-

觸底+寬松

繁榮+緊縮

-

-

觸底+緊縮

滯脹后+寬松

資料來源：Wind，

統(tǒng)計檢驗的結(jié)果見表2，其中‘***’、‘**’和‘*’分別代表置信度99.99%、99.9%、99%下的顯著性。組別劃分差異列舉了各個因子表現(xiàn)差異最大的兩組對應(yīng)的狀態(tài)。統(tǒng)計結(jié)果基本和上篇中不同狀態(tài)下因子表現(xiàn)分析一致，有所區(qū)別的是規(guī)模因子雖然在大周期及加

了政策維度后的細(xì)分周期下收益率區(qū)別并不顯著，但是在方差分析中出現(xiàn)了非常顯著的差異，主要是由于規(guī)模因子在滯脹前期突出的表現(xiàn)與在其他狀態(tài)下有顯著的不同。

主要結(jié)論

總結(jié)上一部分統(tǒng)計結(jié)果及對應(yīng)的因子收益來源，可以得到以下結(jié)論：

、在不考慮政策維度下，Beta、價值、成長在大的“產(chǎn)出水平+通脹”劃分方式下有一定的收益區(qū)分度；質(zhì)量和財務(wù)杠桿整體有效性弱于同為基本面因子的價值和成長，帶來的風(fēng)險溢價有限；

、動量和反轉(zhuǎn)的輪動效果并不十分顯著，表現(xiàn)為反轉(zhuǎn)大部分階段下優(yōu)于動量，而政策維度的切入對兩個因子表現(xiàn)的解釋度都有所提升，尤其是反轉(zhuǎn)因子，在寬松的流動性環(huán)境下更易獲取超額收益；

、在市場由繁榮剛剛切換至滯脹前階段時，市場情緒高漲，投資者風(fēng)險偏好最高，此時表現(xiàn)得最好的因子是規(guī)模、反轉(zhuǎn)和流動性，而這三個因子也是從2005年年初跟蹤至今（2019年5月底）A股市場上年化收益率最高的三個因子，一定程度上反映了情緒面在過去長時間以來都具備較好的風(fēng)險溢價能力；

、因子在大部分時候具備配置價值，這是由其本身特性及市場行為所決定的，但是與此同時，不同狀態(tài)下，尤其是添加了政策后的細(xì)分階段下我們所選取的幾個因子間強(qiáng)弱關(guān)系并不恒定而與所處環(huán)境相關(guān)，說明不同因子的風(fēng)險溢價來源確實存在差異，可以起到互補(bǔ)作用，新因子的挖掘也可以從這個方向進(jìn)行考量；

、需要直面的問題是在時間序列上無論是宏觀維度，還是A股的市場結(jié)構(gòu)、因子收益來源都在發(fā)生變化。較為顯著的是2016年之后宏觀周期扁平化，總量指標(biāo)衡量下的經(jīng)濟(jì)波動小，更多的是內(nèi)部結(jié)構(gòu)分化；宏觀政策上，也一改以往的粗口徑調(diào)控方式，從早期的直接信貸管控到間接數(shù)量調(diào)控并積極推動利率市場化，每一輪的調(diào)整都是市場及參與者學(xué)習(xí)和進(jìn)化的過程；同期，過去很長一段時間表現(xiàn)較好的以規(guī)模為代表的因子出現(xiàn)較大回撤，基本面類因子有效性提升，背后是從宏觀、政策到資本市場的傳導(dǎo)，最后反映在因子表現(xiàn)上。

無論是進(jìn)行因子輪動還是所謂的因子擇時，從因子表現(xiàn)出發(fā)是一種舍本逐末的做法，把握背后核心驅(qū)動因素的變化更為重要。

周期擾動下映射的風(fēng)格特征

考慮到傳統(tǒng)周期劃分方式并不能對所有因子進(jìn)行較好解釋，部分因子或在“產(chǎn)出缺口+通脹+政策”固定組合下有較好表現(xiàn)，但是在每個單獨(dú)維度下，因子對指標(biāo)的敏感度也可能存在較大差異。

下面測算各個因子對單個指標(biāo)的敏感度，使用高低點(diǎn)劃分的方式，將幾個指標(biāo)劃分為上行、下行狀態(tài)。在狀態(tài)切分之后，統(tǒng)計因子表現(xiàn)和指標(biāo)處于上行和下行狀態(tài)是否存在顯著相關(guān)。這里用線性回歸的方法，以各個指標(biāo)的上行、下行狀態(tài)為區(qū)分建立0、1啞變量，作為自變量，因子收益率作為因變量，建立模型，以回歸得到的斜率項的t值作為不同狀態(tài)內(nèi)收益率是否顯著不同的標(biāo)準(zhǔn)。

首先是大周期劃分指標(biāo)，包括產(chǎn)出缺口、CPI同比及政策維度下幾個指標(biāo)合成的流動性，表3列出了在不同指標(biāo)下各個因子的回歸t值。t值的正負(fù)體現(xiàn)了指標(biāo)上行狀態(tài)對因子

收益能力的影響方向，t值大于0說明在該狀態(tài)下因子的超額收益能力增加；t值的絕對值水平體現(xiàn)了當(dāng)前區(qū)間對行業(yè)收益能力影響的程度，絕對值越大表明因子收益率對于該指標(biāo)狀態(tài)越敏感。

表3：因子在不同指標(biāo)狀態(tài)下的顯著性檢驗結(jié)果

經(jīng)濟(jì)狀態(tài)

成長

質(zhì)量

價值

財務(wù)杠桿

規(guī)模

Beta

動量

反轉(zhuǎn)

波動率

產(chǎn)出缺口

-0.8112

1.3425

-0.9708

1.2904

0.7126

0.5557

2.1818

2.4835

-1.6366

CPI

2.1706

1.8980

0.3406

0.6413

-0.7312

1.4126

1.3094

-0.1192

0.1404

流動性

1.2009

-0.6768

-1.4762

1.7264

-3.8078

0.7656

-1.7213

-3.4953

3.1877

資料來源：Wind，

在政策維度下，貨幣流動性和信貸流動性也時常存在分化，各個指標(biāo)側(cè)重面的不同對上市公司的影響存在差異，因此針對合成流動性的各個指標(biāo)進(jìn)行單獨(dú)測算，包括新增信貸累計增速、社會融資規(guī)模存量同比（社融增速）、M1M2增速差、十年期國債收益率及信用利差。同樣以t檢驗值的方向及絕對值大小衡量指標(biāo)對因子的解釋度。需要注意的是流動性指標(biāo)中，上行和下行對應(yīng)的寬松、緊縮方向是不一致的，如利率上行往往代表信貸環(huán)境緊張，社融增速上行則是流動性相對寬松。

M1、M2和社融增速是判斷宏觀信用環(huán)境松緊的最常用指標(biāo)。M1M2剪刀差可突出反映企業(yè)資金占比和其資金活化程度，可追溯歷史較長；社融增速和新增貸款增速的變化也是對信用周期的一種反映，區(qū)別在于社融增速包含了各類金融創(chuàng)新和一些表外融資渠道等，對于中小企業(yè)而言直接貸款的可得性有限，因此當(dāng)社融增速受到的負(fù)面影響多于信貸增速時，往往體現(xiàn)的是中小企業(yè)受到了更大的沖擊。

市場利率直接影響到股票定價模型的分母項。十年期國債收益率體現(xiàn)了市場無風(fēng)險利率水平，一方面反映了投資者的資金成本，另外一方面也是衡量配置股債性價比的參考指標(biāo)，體現(xiàn)了市場的風(fēng)險偏好水平。信用利差在行業(yè)內(nèi)部可以一定程度反應(yīng)行業(yè)景氣度，當(dāng)信用利差收窄時，說明行業(yè)基本面向好，即使小企業(yè)也能夠獲取相對較低的融資成本。

表4：因子在不同流動性指標(biāo)狀態(tài)下的顯著性檢驗結(jié)果

經(jīng)濟(jì)狀態(tài)

成長

質(zhì)量

價值

財務(wù)杠桿

規(guī)模

Beta

動量

反轉(zhuǎn)

波動率

流動性

新增信貸

-0.3179

-1.7088

-1.0565

2.3069

-1.2969

0.9568

-1.5131

-2.1127

1.9058

-3.4606

M1M2

0.7630

-1.0750

-1.1527

1.6692

-3.5385

1.9488

-0.8062

-1.7454

2.3133

-2.5731

社融增速

0.9486

0.3673

-1.2491

2.4840

-1.6538

0.9318

-1.0609

-1.7548

1.0152

-2.5811

十年期國債收益率

1.2015

-0.8400

1.1561

-1.5821

-1.7051

-0.6513

-3.1934

-3.0579

1.7261

0.9606

信用利差

-1.4525

-2.0991

1.6176

-0.0304

-1.9251

0.2122

-0.3842

-1.2072

1.3617

-0.7367

資料來源：Wind，

對于檢驗出來較為顯著的結(jié)果進(jìn)行了標(biāo)注，從表中給出的數(shù)據(jù)可以得到以下結(jié)論：

、在傳統(tǒng)狀態(tài)劃分下即能區(qū)分收益表現(xiàn)的因子往往對單個指標(biāo)的敏感度不高，如成長、質(zhì)量、價值、Beta，說明其表現(xiàn)更多依據(jù)于多維度的組合而非單個指標(biāo)的影響；

、難以在傳統(tǒng)周期劃分下解釋的因子均能夠找到緊密相關(guān)的單個影響指標(biāo)，并大多是對流動性指標(biāo)較為敏感，如規(guī)模、波動率和流動性，規(guī)模代表的小市值因子在流動性寬松的環(huán)境下更易有突出表現(xiàn)，細(xì)分指標(biāo)中M1M2增速差和信用利差的影響最大。

、預(yù)料之外的發(fā)現(xiàn)有：成長因子對CPI同比敏感，或因為CPI上行對應(yīng)的通脹上行階段投資者對于公司業(yè)績增速有更高要求；總量指標(biāo)中產(chǎn)出缺口對動量和反轉(zhuǎn)的表現(xiàn)有較為顯著影響，流動性指標(biāo)中動量和反轉(zhuǎn)均對十年期國債收益率較為敏感，寬松的環(huán)境更有利于反轉(zhuǎn)因子的表現(xiàn)。

、部分因子表現(xiàn)出對信貸環(huán)境和貨幣環(huán)境敏感度的差異，如財務(wù)杠桿在信貸寬松環(huán)境下有較好表現(xiàn)；流動性合成指標(biāo)對質(zhì)量因子無顯著影響，但是信用利差擴(kuò)大狀態(tài)下質(zhì)量因子往往表現(xiàn)較差。

單指標(biāo)維度下的測算是對傳統(tǒng)劃分方式的補(bǔ)充，在固定的“產(chǎn)出缺口+通脹+政策”框架下無法有效解釋的因子可以通過這種方式找到較為合適的解釋維度。

再論大小盤風(fēng)格輪動

從2005年至今，A股市場上年化收益率最高的因子是規(guī)模因子，對應(yīng)的是小市值長時間較為穩(wěn)定的風(fēng)險溢價，結(jié)合前面兩個部分的結(jié)論首先傳統(tǒng)周期劃分的方式并不能解釋小市值的表現(xiàn)，考慮周期擾動后，在剔除一些因素如IPO暫停（如2012年11月3日

-2014年1月）等事件驅(qū)動影響后，我們發(fā)現(xiàn)規(guī)模因子與貨幣政策中貨幣供給、利率變動呈現(xiàn)較高相關(guān)性，而與大的經(jīng)濟(jì)周期相關(guān)性不高。不過縱觀海外市場，基本面因素對于規(guī)模因子的作用將隨著市場逐漸成熟而變強(qiáng)，A股市場近兩年呈現(xiàn)同樣趨勢。

整體而言，當(dāng)信用利差處于明顯擴(kuò)張期，且上升速率高于貨幣供給增長速率時，規(guī)模因子失效，與預(yù)期較為一致。一方面，當(dāng)政策環(huán)境趨于緊縮時，相比于大公司，小公司更加難以獲得融資，投資者對于小公司發(fā)展前景存疑；另一方面，在政策緊縮環(huán)境下，投資者風(fēng)險偏好下降，更愿意持有確定性較強(qiáng)的大公司，因而市場整體風(fēng)格偏向大市值股票。典型代表是2017年，政策環(huán)境上金融去杠桿，A股市場跟隨美國市場進(jìn)行加息，貨幣供應(yīng)量也在下降，不利于小市值因子。

圖2：M1M2剪刀差、信用利差與大小盤輪動的關(guān)系

資料來源：Wind，

過去幾輪較長的大市值占優(yōu)階段具備的共同特征是信用利差上行疊加一定程度的貨幣緊縮，不過也會出現(xiàn)利差上行貨幣供應(yīng)下行時小市值仍然保持強(qiáng)勢的區(qū)間，典型的是2013年4月份至2014年2月份。

我們測算僅依據(jù)信用利差和M1M2剪刀差的大小盤配置策略的效果，測算過程如下：使用申萬大盤指數(shù)、申萬小盤指數(shù)作為配置對象，時間區(qū)間為2008-04至2019-06，當(dāng)信用利差上行且M1M2剪刀差縮小時，配置申萬大盤指數(shù)，反之，配置申萬小盤指數(shù)。輪動效果如下圖所示：

圖3：依據(jù)信用利差和M1M2剪刀差的大小盤輪動策略表現(xiàn)

資料來源：Wind，

以大小盤的等權(quán)組合作為比較基準(zhǔn)，主要的回撤發(fā)生在2008年4季度至2009年1季

度、2014年4季度以及2018年2季度。比較輪動策略、等權(quán)組合和大、小盤之間的凈值走勢，2016-2017年是個明顯的分界點(diǎn)，在2016年之前小市值的強(qiáng)勢表現(xiàn)無法單純使用信用利差和M1M2剪刀差等宏觀流動性因素解釋，此后輪動策略的凈值表現(xiàn)跑贏小盤指數(shù)。

表5：大小盤輪動策略的表現(xiàn)

策略

收益率

波動率

夏普比率

最大回撤

勝率

盈虧比

大小盤輪動

7.77%

29.85%

0.26

60.93%

54.71%

0.89

等權(quán)組合

3.17%

27.27%

0.12

57.81%

53.46%

0.91

申萬小盤

5.71%

30.62%

0.19

71.39%

55.63%

0.85

申萬大盤

-0.19%

26.87%

-0.01

58.28%

51.14%

0.98

資料來源：Wind，

從分年收益率來看，輪動策略大部分年份相對于三個基準(zhǔn)均能有超額收益，但是從純因子角度來看，在2016年之后規(guī)模因子不僅出現(xiàn)回撤，相較于其他因子及其本身歷史表現(xiàn)，帶來的Alpha也被削弱，大小盤輪動現(xiàn)象不明顯。

表6：大小盤輪動策略的分年表現(xiàn)

年份

輪動

等權(quán)組合

申萬小盤

申萬大盤

超額等權(quán)

超額小盤

超額大盤

規(guī)模因子

2009

92.89%

82.30%

91.74%

72.85%

10.59%

1.15%

20.04%

21.19%

2010

30.09%

7.55%

30.83%

-15.73%

22.54%

-0.74%

45.82%

11.15%

2011

-26.38%

-31.65%

-36.92%

-26.38%

5.27%

10.54%

0.00%

5.98%

2012

3.54%

7.59%

3.54%

11.63%

-4.05%

0.00%

-8.09%

4.24%

2013

15.64%

8.11%

23.52%

-7.30%

7.53%

-7.88%

22.94%

13.52%

2014

26.23%

39.56%

34.52%

44.61%

-13.33%

-8.28%

-18.37%

10.96%

2015

59.46%

34.82%

59.46%

10.18%

24.64%

0.00%

49.28%

31.15%

2016

-13.47%

-14.14%

-18.87%

-9.41%

0.67%

5.40%

-4.06%

14.86%

2017

23.57%

5.31%

-12.96%

23.57%

18.27%

36.53%

0.00%

-7.71%

2018

-32.48%

-34.52%

-42.18%

-26.85%

2.04%

9.71%

-5.62%

3.74%

2019

19.47%

24.77%

30.06%

19.47%

-5.30%

0.00%

-10.59%

3.51%

資料來源：Wind，

傳統(tǒng)框架下的風(fēng)格配置實踐測算

對因子表現(xiàn)的研究最終目的是進(jìn)行風(fēng)格即因子配置投資，多因子經(jīng)過多年的發(fā)展，因子構(gòu)建方式逐漸成熟也經(jīng)過理論和實踐上多重檢驗，其扮演的角色從以往收益分析和風(fēng)險控制工具上升為新的獨(dú)立投資方式。當(dāng)考慮因子投資時，對因子篩選的標(biāo)準(zhǔn)將更為嚴(yán)格，并非所有的因子都能獲得收益補(bǔ)償，需要考量的因素主要包括可執(zhí)行性、組合因子敞口選擇、未來收益溢價、收益周期性等。除此之外，因子所對應(yīng)的交易成本、流動性不足的股票、傭金、管理費(fèi)用、借款成本等都會損耗因子的實際回報。因此，我們從兩個方面進(jìn)行因子配置策略的落地驗證，第一是從因子映射到股票組合投資上，從基本面狀態(tài)對應(yīng)到因子配置，根據(jù)配置結(jié)果選擇對應(yīng)風(fēng)格的股票；第二是考慮到各家對因子定義的差異以及配置基金時選擇的局限性在市場中尋找契合風(fēng)格的指數(shù)標(biāo)的進(jìn)行配置。

總結(jié)前面的結(jié)論可以得到一個粗略的因子配置原則如下表所示：

表7：傳統(tǒng)狀態(tài)劃分下的因子配置原則

經(jīng)濟(jì)狀態(tài) 流動性 配置因子

復(fù)蘇繁榮滯脹滯脹后衰退前

觸底

寬松 成長 價值 財務(wù)杠桿 規(guī)模 Beta 反轉(zhuǎn)

緊縮 成長 ROE 價值 Beta 波動率寬松 成長 價值 財務(wù)杠桿 規(guī)模 Beta 動量 反轉(zhuǎn)

緊縮 成長 ROE 價值 Beta 動量 波動率寬松 成長 規(guī)模 Beta 反轉(zhuǎn)

緊縮 成長 Beta 波動率寬松 財務(wù)杠桿 規(guī)模 反轉(zhuǎn)

緊縮 波動率

寬松 價值 規(guī)模 反轉(zhuǎn)

緊縮 ROE 價值 波動率

寬松 價值 財務(wù)杠桿 規(guī)模 反轉(zhuǎn)

緊縮 價值 波動率

資料來源：Wind，

選股策略的實踐效果

策略一_因子配置的選股組合策略：資產(chǎn)及樣本時間的選擇：

測算時間：2005年2月—2019年6月；

選用資產(chǎn)：選擇成長、ROE、價值、財務(wù)杠桿、規(guī)模、Beta、動量、反轉(zhuǎn)及波動率幾大風(fēng)格因子所對應(yīng)的特征個股，進(jìn)行不同風(fēng)格個股的篩選配置；

配置原則：根據(jù)產(chǎn)出缺口、CPI和流動性指標(biāo)進(jìn)行狀態(tài)判斷，不同狀態(tài)下進(jìn)行對應(yīng)風(fēng)格的配置；

調(diào)倉規(guī)則：在每個月底選取由合成因子獲得的排名前10%的個股進(jìn)行等權(quán)組合，月度再平衡，由于宏觀指標(biāo)公布滯后，以當(dāng)月月底能夠獲取的數(shù)據(jù)來進(jìn)行狀態(tài)確認(rèn)；

其他：剔除停牌、ST、*ST等不可交易或者存在重大交易風(fēng)險的個股，同時加入漲跌監(jiān)控機(jī)制，充分考慮到難以交易的市場情形，交易費(fèi)用取雙邊0.3%。

圖4：因子配置的選股策略表現(xiàn)

資料來源：Wind，

通過等權(quán)方式合成幾個因子進(jìn)行選股，構(gòu)建等權(quán)組合作為比較基準(zhǔn)之一，配置組合與等權(quán)組合及Wind全A相比均能積累超額收益，在2015年后配置組合相對于等權(quán)組合有持續(xù)的超額收益，一定程度上說明近些年來基本面對于因子配置的指導(dǎo)性有所增強(qiáng)。不過與大部分量化選股策略類似在近三年未能跑贏Wind全A。

表8：因子配置的選股策略分年表現(xiàn)

年份

配置組合

Wind全A

等權(quán)組合

超額全A

超額等權(quán)

2005

5.43%

-10.10%

-4.28%

15.53%

9.71%

2006

94.87%

108.71%

99.33%

-13.84%

-4.46%

2007

190.73%

164.07%

250.05%

26.66%

-59.32%

2008

-63.17%

-63.50%

-64.14%

0.33%

0.97%

2009

159.60%

97.82%

143.13%

61.78%

16.47%

2010

10.74%

-6.18%

5.67%

16.92%

5.07%

2011

-26.11%

-23.62%

-24.78%

-2.49%

-1.33%

2012

7.01%

6.41%

14.88%

0.60%

-7.87%

2013

11.63%

5.36%

14.44%

6.27%

-2.81%

2014

29.14%

52.04%

53.91%

-22.90%

-24.77%

2015

162.46%

35.42%

62.82%

127.04%

99.64%

2016

14.09%

-4.94%

5.32%

19.03%

8.77%

2017

1.95%

3.93%

-5.87%

-1.98%

7.82%

2018

-33.03%

-29.15%

-33.16%

-3.88%

0.13%

2019

25.25%

25.87%

24.29%

-0.62%

0.96%

資料來源：Wind，

綜合來看，從年化收益率和夏普比率上比較，配置組合表現(xiàn)最優(yōu)。

表9：因子配置的選股策略綜合表現(xiàn)

組合

收益率

波動率

夏普比率

勝率

最大回撤

配置組合

25.99%

33.39%

0.78

60.95%

73.00%

Wind全A

16.71%

28.87%

0.58

59.17%

70.59%

等權(quán)組合

23.20%

31.01%

0.75

60.95%

74.63%

資料來源：Wind，

因子投資的組合實踐——SmartBeta

策略二_因子配置的SmartBeta指數(shù)投資組合：

因子配置的意義不僅在選股上，對于國內(nèi)FOF投資也有重要參考價值。受到大類資產(chǎn)類型的限制，F(xiàn)OF無法實現(xiàn)在大類上的充分分散，如若能通過基金投資的方式實現(xiàn)權(quán)益內(nèi)部風(fēng)格上的配置，也是一種較好的獲取超額收益的方式。如我們在框架性報告《因子投資：策略概述及收益回測》中提到的通過SmartBeta指數(shù)的方式以較低成本實現(xiàn)因子投資，我們上述用到部分因子也可以在中證指數(shù)網(wǎng)站上找到對應(yīng)的SmartBeta指數(shù)。

表10：部分因子對應(yīng)的SmartBeta指數(shù)

因子

指數(shù)名稱

指數(shù)代碼

成長

滬深300成長

000918.SH

Beta

滬深300高Beta

H00828.CSI

價值

滬深300價值

000919.CSI

波動率

300波動

000803.CSI

規(guī)模

300等權(quán)

000984.SH

動量

300動量

H30260.CSI

ROE

基本300

H30362.CSI

資料來源：Wind，

財務(wù)杠桿、反轉(zhuǎn)、流動性三個因子未能找到契合的SmartBeta指數(shù)，以上述7個SmartBeta為代表進(jìn)行配置測算。

資產(chǎn)及樣本時間的選擇：

測算時間：2005年1月—2019年5月；

選用資產(chǎn)：選擇成長、Beta、價值、波動率、規(guī)模、動量及ROE幾大風(fēng)格因子所對應(yīng)的SmartBeta指數(shù)，進(jìn)行不同風(fēng)格指數(shù)的組合配置；

配置原則：根據(jù)產(chǎn)出缺口、CPI和流動性指標(biāo)進(jìn)行狀態(tài)判斷，不同狀態(tài)下進(jìn)行對應(yīng)組合的配置；

調(diào)倉規(guī)則：SmartBeta指數(shù)之間進(jìn)行等權(quán)組合，并在每個月底進(jìn)行再平衡，由于宏觀指標(biāo)公布滯后，以當(dāng)月月底能夠獲取的數(shù)據(jù)來進(jìn)行狀態(tài)確認(rèn)。

圖5：因子配置的SmartBeta投資策略凈值表現(xiàn)

資料來源：Wind，

由于選用的SmartBeta指數(shù)是在滬深300內(nèi)部進(jìn)行風(fēng)格暴露，配置組合相當(dāng)于是對滬深300進(jìn)行增強(qiáng)，組合走勢和基準(zhǔn)相比如上圖所示，有較為穩(wěn)定的超額收益表現(xiàn)。

表11：因子配置的SmartBeta投資策略分年表現(xiàn)

年份

配置組合

滬深300

超額300

2005

-6.63%

-6.96%

0.33%

2006

111.71%

116.80%

-5.09%

2007

178.28%

158.25%

20.03%

2008

-66.00%

-66.25%

0.25%

2009

79.06%

89.90%

-10.84%

2010

-7.11%

-11.51%

4.40%

2011

-16.72%

-26.46%

9.74%

2012

6.26%

9.75%

-3.49%

2013

-4.11%

-7.70%

3.59%

2014

60.32%

52.19%

8.13%

2015

10.77%

2.46%

8.31%

2016

0.10%

-4.58%

4.68%

2017

18.44%

20.60%

-2.16%

2018

-20.37%

-26.34%

5.97%

2019

28.02%

28.83%

-0.81%

資料來源：Wind，

策略的分年表現(xiàn)如上表所示，過去15年間，有10年跑贏滬深300。累積下來的年化收益率超額滬深300指數(shù)2.67%，夏普比率略高于基準(zhǔn)。

表12：因子配置的SmartBeta投資策略綜合表現(xiàn)

組合

收益率

波動率

夏普比率

勝率

最大回撤

配置組合

17.14%

26.02%

0.66

58.58%

71.07%

滬深300

14.47%

27.57%

0.52

59.17%

70.59%

資料來源：Wind，

因子配置在投資中的應(yīng)用實踐已經(jīng)較為成熟，尤其是在海外，發(fā)展出了具備相當(dāng)規(guī)模的多因子SmartBeta產(chǎn)品，根據(jù)ETF.com的統(tǒng)計，目前美國市場上SmartBetaETF產(chǎn)品規(guī)模合計為8808億美元，數(shù)量占比超過ETF總數(shù)的一半，規(guī)模占比達(dá)到23.7%。代表性公司及產(chǎn)品策略如下表所示：

表13：美國代表性SmartBetaETF產(chǎn)品策略及規(guī)模

發(fā)行人

代表性產(chǎn)品

配置的因子

規(guī)模（$Mil）

iShare

iShareEdgeMSCIMultifactorConsumerStaplesETF

價值、質(zhì)量、動量、規(guī)模

2.53

PrincipalGlobalInvestors

PrincipalU.S.SmallCapIndexETF

成長、價值、流動性、質(zhì)量

354.17

GlodmanSachs

GoldmanSachsActiveBetaEuropeEquityETF

價值、質(zhì)量、動量、低波動

23.70

J.P.Morgan

JPMorganDiversifiedReturnU.S.MidCapEquityETF

價值、質(zhì)量、動量

173.72

Deutsche

DeutscheX-trackersRussell2000ComprehensiveFactor

ETF

價值、動量、質(zhì)量、低波動、規(guī)模

9.98

GlobalX

GlobalXScientificBetaU.S.ETF

價值、動量、低波動、規(guī)模

100.18

FirstTrust

FirstTrustNasdaqBankETF

動量、低波動、股息率

147.19

資料來源：Bloomberg，

通過對長期表現(xiàn)優(yōu)異的因子進(jìn)行組合，多因子SmartBetaETF可以降低投資者獲取Alpha的成本，同時在具有豐富SmartBeta產(chǎn)品的市場進(jìn)行因子配置時的選擇也會更為多樣化。

以上兩個策略只是對傳統(tǒng)周期劃分方式的有效性進(jìn)行簡單的驗算，但是效果并不是非常穩(wěn)健，主要原因在于：1）、正如我們在上一部分介紹的，傳統(tǒng)劃分方式較為粗糙，無法對某些因子失效做出較好的解釋，需要結(jié)合周期擾動下的結(jié)論；2）、配置方式上也有更為靈活的選擇，如在小市值失效的階段對應(yīng)的是大市值龍頭效應(yīng)的強(qiáng)勢，此時選擇規(guī)模因子仍然十分有效，但是卻被忽略；因此后續(xù)策略效果上存在較大提升空間，關(guān)于因子配置方式也存在一些系統(tǒng)性的方法。

周期擾動下風(fēng)格配置的測算

在周期擾動情況下因子的配置方式，可以分為積極進(jìn)取型和相對保守型兩種方案。

相對保守型配置方案

首先，對于成長、價值、Beta仍然依據(jù)傳統(tǒng)劃分方式進(jìn)行配置，針對其他因子質(zhì)量、財務(wù)杠桿、規(guī)模、動量、反轉(zhuǎn)、波動率和流動性考慮單個指標(biāo)影響下的配置方式。保守型方案即是考慮因子長期來看均是經(jīng)過市場考驗具備配置價值，只要當(dāng)前市場狀態(tài)對因子表現(xiàn)呈現(xiàn)利好因素即進(jìn)行配置。具體配置方案如下：

表14：傳統(tǒng)狀態(tài)劃分下的因子配置原則

經(jīng)濟(jì)狀態(tài) 流動性 配置因子

復(fù)蘇繁榮滯脹滯脹后衰退前

觸底

寬松 成長 價值 Beta

緊縮 成長 價值 Beta

寬松 成長 價值 Beta

緊縮 成長 價值 Beta

寬松 成長 Beta

緊縮 成長 Beta

寬松緊縮

寬松 價值

緊縮 價值

寬松 價值

緊縮 價值

資料來源：Wind，

成長、價值、Beta仍然依據(jù)傳統(tǒng)的狀態(tài)劃分方式來配置。

表15：單個指標(biāo)狀態(tài)對應(yīng)下的因子配置原則

指標(biāo) 狀態(tài) 配置因子

產(chǎn)出缺口流動性新增信貸M1M2

社融增速

十年期國債收益率信用利差

資料來源：Wind，

上行 反轉(zhuǎn) 動量下行

寬松 反轉(zhuǎn) 規(guī)模

緊縮 波動率

寬松 財務(wù)杠桿

緊縮 波動率

擴(kuò)張 規(guī)模

收縮 波動率

寬松 財務(wù)杠桿

緊縮 流動性

上行

下行 反轉(zhuǎn) 動量上行

下行 波動率 規(guī)模

其他因子在對應(yīng)指標(biāo)處于利好狀態(tài)時進(jìn)行配置。資產(chǎn)及樣本時間的選擇：

測算時間：2005年2月—2019年5月；

選用資產(chǎn)：成長、Beta、價值三大指數(shù)根據(jù)表12的規(guī)則進(jìn)行配置，波動率、規(guī)模、動量、ROE、反轉(zhuǎn)、財務(wù)杠桿幾大風(fēng)格因子根據(jù)表13的規(guī)則進(jìn)行配置；

配置原則：根據(jù)產(chǎn)出缺口、CPI和流動性指標(biāo)進(jìn)行狀態(tài)判斷對應(yīng)表12的結(jié)果；表

13中的指標(biāo)進(jìn)行上行、下行狀態(tài)劃分，在對應(yīng)狀態(tài)下選擇因子；

調(diào)倉規(guī)則及交易規(guī)則等同策略一_因子配置的選股組合策略。

圖6：保守型因子配置的選股策略凈值表現(xiàn)

資料來源：Wind，

與傳統(tǒng)劃分方式下因子配置選股策略相比，考慮單個指標(biāo)影響的方式整體策略表現(xiàn)更佳。

表16：保守型因子配置的選股策略分年表現(xiàn)

年份

配置組合

Wind全A

等權(quán)組合

超額全A

超額等權(quán)

2005

0.06%

-10.10%

-4.28%

10.16%

4.34%

2006

96.74%

108.71%

99.33%

-11.97%

-2.59%

2007

194.01%

164.07%

250.05%

29.94%

-56.04%

2008

-57.22%

-63.50%

-64.14%

6.28%

6.92%

2009

164.96%

97.82%

143.13%

67.14%

21.83%

2010

6.06%

-6.18%

5.67%

12.24%

0.39%

2011

-27.33%

-23.62%

-24.78%

-3.71%

-2.55%

2012

8.09%

6.41%

14.88%

1.68%

-6.79%

2013

27.29%

5.36%

14.44%

21.93%

12.85%

2014

30.14%

52.04%

53.91%

-21.90%

-23.77%

2015

176.55%

35.42%

62.82%

141.13%

113.73%

2016

-0.90%

-4.94%

-4.62%

4.04%

3.72%

2017

-8.47%

3.93%

-5.87%

-12.40%

-2.60%

2018

-33.05%

-29.15%

-33.16%

-3.90%

0.11%

2019

27.30%

25.87%

24.29%

1.43%

3.01%

資料來源：Wind，

分年來看，保守型因子配置策略和Wind全A及等權(quán)指數(shù)相比在大部分年份中能夠獲取超額收益，近幾年在傳統(tǒng)量化多因子模型大多表現(xiàn)不佳的情況下，相比于等權(quán)指數(shù)也能獲取一定超額收益。

整體比較來看，夏普比及最大回撤上都有所改善。

表17：保守型因子配置的選股策略綜合表現(xiàn)

組合

收益率

波動率

夏普比率

勝率

最大回撤

配置組合

25.55%

31.77%

0.80

56.90%

71.77%

Wind全A

16.71%

28.87%

0.58

59.17%

70.59%

等權(quán)組合

23.20%

31.01%

0.75

60.95%

74.63%

資料來源：Wind，

積極進(jìn)取型配置方案

積極型配置方案在因子權(quán)重上有所側(cè)重，例如流動性合成指標(biāo)、新增信貸、M1M2增速差及社融增速對反轉(zhuǎn)因子的表現(xiàn)均有所影響，當(dāng)幾個指標(biāo)狀態(tài)均有利于反轉(zhuǎn)因子的表現(xiàn)，那么配置反轉(zhuǎn)因子的確定性和有效性將會增強(qiáng)，此時可以適當(dāng)增加反轉(zhuǎn)因子配置權(quán)重。

表18：因子的敏感性指標(biāo)匯總

因子

影響指標(biāo)

質(zhì)量

信用利差

財務(wù)杠桿

新增信貸

社融增速

規(guī)模

流動形合成

信用利差

M1M2增速

動量

產(chǎn)出缺口

十年期國債收益率

反轉(zhuǎn)

產(chǎn)出缺口

流動性合成

新增信貸

十年期國債收益率

波動率

流動形合成

新增信貸

M1M2增速

資料來源：Wind，

根據(jù)表15的規(guī)則進(jìn)行權(quán)重分配，規(guī)模、反轉(zhuǎn)和波動率有較大機(jī)會被配置較高的權(quán)重。

資產(chǎn)及樣本時間的選擇、測算時間及測算資產(chǎn)同上。配置規(guī)則參考表15，例如當(dāng)同時出現(xiàn)產(chǎn)出缺口和十年期國債收益率利好于動量因子時，配置動量的權(quán)重是僅滿足一項條件的兩倍。調(diào)倉規(guī)則及交易規(guī)則等同策略一_因子配置的選股組合策略。

圖7：進(jìn)取型因子配置的選股策略凈值表現(xiàn)

資料來源：Wind，

與傳統(tǒng)劃分方式下因子配置選股策略相比，考慮了單指標(biāo)影響的方式整體策略表現(xiàn)更佳。

表19：進(jìn)取型因子配置的選股策略分年表現(xiàn)

年份

配置組合

Wind全A

等權(quán)組合

超額全A

超額等權(quán)

2005

2.77%

-10.10%

-4.28%

12.87%

7.05%

2006

82.21%

108.71%

99.33%

-26.50%

-17.12%

2007

194.07%

164.07%

250.05%

30.00%

-55.98%

2008

-47.36%

-63.50%

-64.14%

16.14%

16.78%

2009

166.24%

97.82%

143.13%

68.42%

23.11%

2010

4.27%

-6.18%

5.67%

10.45%

-1.40%

2011

-26.10%

-23.62%

-24.78%

-2.48%

-1.32%

2012

4.60%

6.41%

14.88%

-1.81%

-10.28%

2013

29.10%

5.36%

14.44%

23.74%

14.66%

2014

30.91%

52.04%

53.91%

-21.13%

-23.00%

2015

160.33%

35.42%

62.82%

124.91%

97.51%

2016

-3.36%

-4.94%

-4.62%

1.58%

1.26%

2017

-7.54%

3.93%

-5.87%

-11.47%

-1.67%

2018

-30.26%

-29.15%

-33.16%

-1.11%

2.90%

2019

26.67%

25.87%

24.29%

0.80%

2.38%

資料來源：Wind，

分年來看，進(jìn)取型因子配置策略相比保守型分年表現(xiàn)及綜合表現(xiàn)更勝一籌，和Wind全

A及等權(quán)指數(shù)相比在大部分年份中能夠獲取超額收益。

表20：進(jìn)取型因子配置的選股策略綜合表現(xiàn)

組合

收益率

波動率

夏普比率

勝率

最大回撤

配置組合

26.13%

31.82%

0.82

62.31%

66.35%

Wind全A

16.71%

28.87%

0.58

59.17%

70.59%

等權(quán)組合

23.20%

31.01%

0.75

60.95%

74.63%