本报告基于双因子定价模型,提出并实证了残差动量因子在全球及国内行业轮动中的应用。采用100个月滚动窗口和12个月残差动量计算窗长,通过多个案例回测验证残差动量因子的稳健表现,尤其在结合反转效应改进后效果显著提升,且与综合景气度因子保持低相关性,适合用作独立轮动策略因子,为行业轮动与资产配置提供新思路
残差动量策略基于剔除市场和风格beta的残差部分,捕捉资产或行业的专属信息,理论上与景气度策略低相关。滚动窗口长度定为100个月,残差动量计算窗长为12个月,用以定义残差动量因子 。
CASE1:全球资产配置中应用残差动量因子优于风险平价基准,年化收益3.72%,夏普比率1.15,换手率适中,且效果优于普通动量。残差动量和普通动量在部分时间段相关性较低,结合两者的综合动量因子进一步提升业绩和降低换手率。
| 业绩指标 | 综合动量优选 | 残差动量优选 | 普通动量优选 |
|---|---|---|---|
| 年化收益 | 3.83% | 3.72% | 3.56% |
| 年化波动 | 3.28% | 3.23% | 3.38% |
| 夏普比率 | 1.17 | 1.15 | 1.05 |
| 最大回撤 | -8.02% | -8.11% | -12.43% |
| 卡玛比率 | 0.48 | 0.46 | 0.29 |
| 年化换手率 | 单边2.2倍 | 单边2.3倍 | 单边2.3倍 |
CASE2:全球行业轮动策略基于MSCI一级行业指数,月频调仓选取残差动量或综合动量最高的5个行业,回测显示优于行业等权组合,年化收益近10%,夏普率分别为0.63和0.66,显示良好的普适性。
| 业绩指标 | 综合动量优选 | 残差动量优选 | 行业等权基准 |
|---|---|---|---|
| 年化收益 | 10.45% | 9.99% | 4.87% |
| 年化波动 | 15.75% | 15.85% | 14.89% |
| 夏普比率 | 0.66 | 0.63 | 0.33 |
| 最大回撤 | -53.05% | -52.58% | -55.12% |
| 卡玛比率 | 0.20 | 0.19 | 0.09 |
| 年化换手率 | 单边21倍 | 单边2.4倍 | - |
针对中国市场,重新选取代理资产并通过主成分分析(PCA)构建统一市场因子及多个风格因子,以克服A股市场beta占比较低带来的轮动效果一般的问题 。
CASE3:国内行业轮动以中信行业指数为底层资产,选取残差动量最高5个行业进行月频调仓,残差动量策略明显优于普通动量和等权基准,夏普比率达0.43。同时引入波动率分域方法发现残差动量具有反转效应,借此改进残差动量,从而实现业绩显著提升。
| 业绩指标 | 改进残差动量 | 残差动量 |
|---|---|---|
| 年化收益 | 14.79% | 10.40% |
| 年化波动 | 23.00% | 24.16% |
| 夏普比率 | 0.64 | 0.43 |
| 最大回撤 | -33.17% | -37.68% |
| 卡玛比率 | 0.45 | 0.28 |
| 年化换手率 | 单边3.3倍 | 单边3.2倍 |
改进残差动量与综合景气度因子相关度低(均值0.17),两者等权融合能带来超过2%的年化收益提升,且换手率较低,指示残差动量可能抓取产业趋势信息,能有效丰富行业轮动的信号来源。
CASE4:以ETF跟踪指数作为底层资产进行轮动,月末选取残差动量最高的10个指数组合回测,回测结果显示考虑与不考虑发达国家ETF组合均取得年化收益超过13%,夏普比率0.63-0.68,回撤控制较好,验证了残差动量策略的普适性。
| 业绩指标 | 考虑发达国家 | 不考虑发达国家 |
|---|---|---|
| 年化收益 | 13.90% | 13.64% |
| 2024-01月收益 | -8.99% | -19.00% |
| 年化波动 | 20.35% | 21.71% |
| 夏普比率 | 0.68 | 0.63 |
| 最大回撤 | -29.66% | -31.32% |
| 卡玛比率 | 0.47 | 0.44 |
| 年化换手率 | 单边3.3倍 | 单边3.0倍 |
风险提示指出残差动量策略基于历时规律,可能存在时效性问题,策略拥挤或市场环境变化均可能导致超额收益下滑,投资者需谨慎使用且非投资建议 。
报告强调传统双因子定价模型中,资产收益率被分解为市场因子β、风格因子β和残差收益三部分。 残差部分理论上与β无相关性,包含资产特有信息,例如技术进步与政策利好等。传统行业景气度策略主要关注β部分,对应大盘和风格因素。 residual momentum(残差动量)策略利用残差部分构建行业轮动模型,期望得到与景气度策略低相关的独立alpha因子。
作者以100个月滚动窗口和最近12个月残差累计和定义残差动量,作为行业轮动的信号。这种设计确保统计上的稳健性和策略的月度实施可行性。
以HYCLEM1.WI底层资产为样本(2007-2023年),对13个进攻资产和7个防御资产使用残差动量调整风险预算权重。回测结果显示:
此外,相关参数(滚动窗口100个月,动量计算12个月)即在此场景下调优得出,具有一定策略优化基础。
通过对比发现:
结论是残差动量补充了传统动量策略信号,二者结合构建更优稳健组合。
以MSCI一级行业指数(20个行业)为底层资产(2004-2023年),构建基于残差动量与综合动量的等权月度行业轮动组合。回测结果显示:
该结果说明残差动量因子能有效用于更细分的行业配置,且无需对参数重新优化,显示较好稳健性。
此外,报告指出由于中国市场在全球市场中的权重较低,采用全球因子体系难以有效捕捉A股行业趋势,因此需要重新选择代理变量建立国内市场的因子体系(股票、利率、商品分别采用PCA提取主成分,自变量数量控制为6个)。
以中信行业指数(31个行业)为底层资产,按类似月度调仓逻辑测试表现:
发现普通动量在2021年9月后存在趋势反转,其动量信号衰减且反转,即所谓“反转效应”——先前趋势强劲的资产接下来表现不佳;基于对残差动量涉及12个月不同波动率月份的分析(用IC指标衡量预测能力),高波动月份残差表现出明显反转效应,而低波动月份残差则表现动量效应增强。
改进方式是对波动率最高月份的残差做反转处理后,再求和得到改进动量指标。
回测效果看到明显提升:
且该改进残差动量与综合景气度低相关(相关系数均值0.17),同时二者等权结合策略收益进一步提升至17.34%,夏普提升至0.75,具有显著超额收益提升潜力。
展示双因子定价模型:
[ Y = \beta_1 \cdot X_{market} + \beta_2 \cdot X_{style} + \epsilon ]
其中Y为资产收益率,市场因子和风格因子解释部分分别乘以对应β,剩余部分为残差ε,残差不与β相关。此模型基础上定义残差动量。
| 业绩指标 | 残差动量优选 | 风险平价基准 |
|---|---|---|
| 年化收益 | 3.72% | 2.45% |
| 年化波动 | 3.23% | 2.62% |
| 夏普比率 | 1.15 | 0.94 |
| 最大回撤 | -8.11% | -8.58% |
| 卡玛比率 | 0.46 | 0.29 |
| 年化换手 | 单边2.3倍 | / |
显示残差动量策略在收益和风险调整表现上均优于风险平价基准。
残差动量优选组合净值表现明显优于基准,并有较高净值比,显示显著超额收益。净值比走势平稳向上,确认策略有效性。
显示普通动量与残差动量的相关性随着时间波动,2021年5月左右出现相关性临时降低,表明两类动量模型的信号存在不完全重合,残差动量能够捕获更多差异化信息。
| 业绩指标 | 综合动量优选 | 残差动量优选 | 行业等权基准 |
|---|---|---|---|
| 年化收益 | 10.45% | 9.99% | 4.87% |
| 年化波动 | 15.75% | 15.85% | 14.89% |
| 夏普比率 | 0.66 | 0.63 | 0.33 |
| 最大回撤 | -53.05% | -52.58% | -55.12% |
| 卡玛比率 | 0.20 | 0.19 | 0.09 |
| 年化换手 | 单边21倍 | 单边2.4倍 | - |
综合动量和残差动量策略相较行业等权基准显著提升业绩,夏普率提升反映风险调整收益变优。
利用PCA选取股票、利率、商品的主要主成分作为自变量输入构建国内因子模型,调整因子体系以更好捕捉A股市场波动。
| 业绩指标 | 残差动量优选 | 普通动量优选 | 等权基准 |
|---|---|---|---|
| 年化收益 | 10.40% | 4.44% | 1.99% |
| 年化波动 | 24.16% | 22.91% | 18.41% |
| 夏普比率 | 0.43 | 0.19 | 0.11 |
| 最大回撤 | -37.68% | -47.19% | -33.94% |
| 卡玛比率 | 0.28 | 0.09 | 0.06 |
| 换手率 | 单边3.2倍 | 单边3.1倍 | - |
残差动量的收益回撤表现明显优于普通动量及等权基准,风险调整收益大幅增加。
| 业绩指标 | 改进残差动量 | 原残差动量 |
|---|---|---|
| 年化收益 | 14.79% | 10.40% |
| 年化波动 | 23.00% | 24.16% |
| 夏普比率 | 0.64 | 0.43 |
| 最大回撤 | -33.17% | -37.68% |
| 卡玛比率 | 0.45 | 0.28 |
| 年化换手 | 单边3.3倍 | 单边3.2倍 |
改进后的因子收益率提升,风险略降,夏普率提升明显,显示实证有效。
| 业绩指标 | 改游动量 | 改进残差动量 | 综合景气度 |
|---|---|---|---|
| 年化收益 | 17.34% | 14.79% | 15.28% |
| 年化波动 | 23.04% | 23.00% | 22.51% |
| 夏普比率 | 0.75 | 0.64 | 0.68 |
| 最大回撤 | -35.43% | -33.17% | -38.62% |
| 卡玛比率 | 0.49 | 0.45 | 0.40 |
| 换手率 | 单边33倍 | 单边3.3倍 | 单边3.6倍 |
综合使用改进残差动量和景气度能够进一步超额收益,且换手率保持合适水平。
展示改进残差动量策略近年月频净值与中证800对比,纵览策略在实际市场环境中的表现,支持策略落地。
详细列出科技龙头、传媒、游戏、计算机等细分行业ETF及大宗商品、中国景气指数、发达国股票指数等,覆盖面广,具备代表性,彰显策略的可操作性。
| 业绩指标 | 考虑发达国家 | 不考虑发达国家 |
|---|---|---|
| 年化收益 | 13.90% | 13.64% |
| 2024-01收益 | -8.99% | -19.00% |
| 年化波动 | 20.35% | 21.71% |
| 夏普比率 | 0.68 | 0.63 |
| 最大回撤 | -29.66% | -31.32% |
| 卡玛比率 | 0.47 | 0.44 |
| 年化换手 | 单边33倍 | 单边3.0倍 |
无论纳入发达国家或否,改进残差动量策略均表现稳健且收益率吸睛。
本报告核心并非对某一资产进行估值分析,而是基于残差动量因子的构建与验证。估值方法依托统计学中的残差分解、主成分分析(PCA)和动量计算方法。
报告回测均采用净值增长比、夏普比率、卡玛比率、最大回撤等多指标评估策略,相当于风险调整收益的定量估值。
报告末尾明确提示风险:
并强调不构成具体投资建议,提醒投资者理性使用。
此次报告系统地深化了双因子定价模型中的残差动量因子应用,成功破解了传统景气度策略与动量策略的相关性难题,构建了残差动量行业轮动策略。其全球资产配置、全球行业轮动、本土行业轮动及ETF轮动四个案例均展现了该因子策略的显著超额收益和风险控制能力。
通过对比普通动量,残差动量表现更为稳健且能捕捉差异化信息。基于波动率调整后的改进残差动量策略进一步提升业绩,且与综合景气度因子保持低相关性。
残差动量策略的普适性和应用潜力强,已被纳入Wind真实交易模拟组合,彰显其实际应用价值。报告围绕统计学原理、主成分分析、定量实证以及交易规则等多个环节,体系化构建和验证策略,极具前瞻性与实操性。
图表与数据清晰支持核心结论,策略在收益、夏普率、最大回撤等关键指标的表现均优于各类基准,验证了策略的有效性与创新性。
整体而言,报告展现了残差动量在周期规律研究及行业轮动投资中的价值,为投资者提供了新的量化工具和策略思路,对资产配置与行业轮动领域具有重要启示意义。
华泰证券金融工程团队的报告以扎实的理论根基和广泛的实证测试,突破传统因子模型局限,通过对残差动量因子的精妙应用和优化,证明了其在周期规律驱动下行业轮动策略的优良性能。结合传统动量和景气度因素,使得投资组合实现更优风险调整收益,并具备良好的实际投资落地条件。报告对周期与资产配置的研究提供了理论与实践兼顾的范式,值得业内投资经理、量化研究员和学术研究者深入关注和借鉴。
周期规律的应用(下)——残差动量在行业轮动中的应用.pdf