报告分析2021年中国股票市场量化投资策略,指出盈利与成长风格驱动因素减弱,基本面因子表现弱化但价值策略回暖。基于多因子模型和机器学习的中低频策略具有显著超额收益,且料未来继续受益于信噪比提升。报告还涵盖基于AH溢价、预期高派现及前瞻盈利预测等多元量化选股模型,并提出基于业绩、技术与机构行为的ETF行业配置框架,结合合理的对冲成本和稳定的波动率环境,为投资组合优化提供策略指导
报告标题:《2022年量化投资策略》
作者及机构:王兆宇(中信证券研究部首席量化策略分析师等多位分析师)
发布日期:2021年12月2日
主题:围绕中国A股市场2021年行情特征,围绕量化投资策略尤其是价值与成长风格的变化,深挖量化选股、机器学习策略和对冲手段。涵盖从市场风格变迁、基本面因子与价值因子表现,到机器学习的深度应用,再到Beta策略与对冲环境。
核心论点与主旨摘要:
整体来看,报告传递一种对市场风格阶段性转换的认知,提示投资者在当前环境下价值因子更具优势,同时重视技术赋能提升量化模型运作效率和精准度 ,1,33]。
市场微观轮动与风格表现
沪深300指数呈宽幅震荡,中小市值及科创板表现明显分阶段:中证500和中证1000在2月下旬开始表现强于沪深300,创业板指和科创50则在3月底表现较强,但从8月起,创业板指、科创50走势转弱,继而9月底中证500、中证1000也表现弱于沪深300。显示成长板块和中小盘板块的强势行情到下半年开始减弱。
图表显示各大指数相对沪深300的比值走势清晰呈现上述转变,反映出风格轮动与板块切换的市场特征。
行业层面,周期行业及中游环节表现较好,Sharpe比率维持在1倍左右,尤其是煤炭、有色金属、钢铁、基础化工等相关行业的表现抢眼,显示经济周期影响明显。
月度行业收益延续一定趋势性,但行业层面存在切换的月份(如2021年4月、9月),行业相关性指标由正转负验证轮动难度。
基本面与价值类因子呈现“跷跷板”效应
逻辑与推断:
周期与中游行业表现稳定基于经济周期驱动,而成长股表现受利率和盈利预期束缚,市场高盈利基数使得成长预期切换,风格表现分化,导致整体收益特征呈现价值因子反弹的背景。
,4,5,6]
盈利与成长风格驱动因素减弱
行业预期净利润增长率趋向分化
宏观利率因素影响成长风格
综上,盈利与成长的驱动力分化,在高盈利基数和利率周期制约下,成长风格面临压力,而周期性与价值驱动仍存表现空间 ,8,9,10,11]
基本面因子弱化,价值类策略崛起
相对价值策略的改进与探索
类价值策略具体应用
预期高派现策略
基于AH溢价的选股策略
前瞻盈利预测组合
黑马成长精选组合
整体而言,基本面盈利与成长弱势环境中,价值及相关策略通过模型优化与多因子整合,更加凸显风险调整后的收益优势,配合对预期及行为层面的挖掘策略形成配置建议。 ,13,14,15,16,17,18,19]
优化目标:收益预测误差与信息系数IC的比较
深度神经网络架构
损失函数计算流程
策略表现
该部分充分展示了机器学习,特别是深度学习优化因子组合的可行性与有效性,为传统因子模型的结构改进提供了技术支撑。 ,21,22,23,24]
行业主题ETF配置框架
策略回测表现
此框架基于多因子融合加强了行业配置的有效捕捉,结合机构行为及动量趋势因子为量化Beta策略提供了系统化投资模式。 ,26,27]
股指期货对冲
场内期权隐含波动率
场内期权对冲
整体在当前低波动环境下,期货与期权对冲成本均处合理范围,对冲需求稳定,市场波动率水平支持多样化风险管理布局。 ,29,30,31]
总结陈述
投资建议具体操作上,报告建议价值类投资重新崛起,应优化改进相对价值策略,结合机器学习及未来Beta型配置策略,实现量化投资配置的绩效提升,并积极利用合理成本的期货和期权对冲工具以控制市场波动风险。
图4:沪深300及宽基指数相对强弱图显示2020年初至2021年中旬,中小盘(中证500/1000)、创业板及科创50指数曾有明显跑赢沪深300的阶段,但自2021年8月起,创业板和科创50明显下跌跌破沪深300中枢,印证成长风格转弱。
图5:中信一级行业指数收益率vs波动率散点图,行业关联性条形图说明煤炭、有色金属、钢铁、基础化工行业收益高且波动率大,行业之间相关性月度显示显著波动,体现行业轮动机制。
图6:因子指数分时超额收益图,ROE及净利润增长率呈周期性回撤,PB、PE等价值因子呈现回暖,揭示投资风格迥异动态。
图8-10:核心宽基指数盈利指标时间序列(净利润增长率、ROE及一致预期ROE)及其季节性变化为切换根源提供支撑。
图9:PB-ROE、PE-净利润增长率估值分化图体现估值被动非线性调整,β与γ变动反映市场对成长和盈利预期的新定价,基本面因子已造成估值层面的分层。
图10:行业预期净利润增长率分行业曲线,分别展示周期、消费、科技、基础、金融、制造业板块走势,展示结构分化,周期板块复苏明显,对比消费、科技板块更加稳健。
图11:国债不同期限收益率与成长因子滚动相关,展示利率与成长风格的宏观联动特征。
图13-15:PB、ROE和PE、净利润增长率因子累计超额收益曲线和相关系数,展示价值因子的表现力量及相关动态。
图16:预期高派现策略的组合净值和相对强弱,数据表明该策略在过去多年中相对沪深300具有稳定的附加收益。
图17:基于AH溢价的低溢价组合净值,与标的指数表现对比,及相关绩效指标显示该策略中短期内保持正超额收益。
图18-19:前瞻盈利预测和黑马成长精选组合表现曲线及历史统计,展示这两种SUE及行为类策略的优异超额收益及风险调整表现。
图22-23:深度神经网络结构图及损失函数计算流程,形象展示机器学习模型架构与信息系数损失的具体实现方式。
图24:深度学习模型策略净值曲线,表现稳定优于基准;并附历史业绩表明年化超额收益持续且回撤较小。
图26:ETF配置框架中业绩预期对净利润增长率的监测与沪深300、中证500比较,展示不同指数间的相对业绩变化,为多维度ETF评分提供基础。
图27:行业主题ETF配置框架绩效曲线及历年统计,呈现较强的信息率和超额收益。
图29-31:股指期货对冲成本与净空仓变化,期权隐含波动率与skew走势,期权合成空头对冲与认沽期权对冲成本情况,全面揭示当前市场风险管理工具环境稳定且成本合理。
这些图表构成了报告分析的实证支撑,充分说明市场风格变迁、因子策略表现、机器学习应用及对冲成本脉络。细节中还隐含诸多可供投资策略风控及优化的指标洞见。 ,5,6,8,9,10,11,13,14,15,16,17,18,19,22,23,24,26,27,29,30,31]
报告中未见具体DCF或传统绝对估值模型构造,而是基于量化角度的估值因子回归模型展开:
通过二次项回归模型构建PB与ROE、PE与净利润增长率的估值预测模型:
[
PB_{MRQ} = \alpha + \beta \cdot \tilde{ROE} + \gamma \cdot \tilde{ROE}^2 + \epsilon \
PE_{TTM} = \alpha + \beta \cdot \text{净利润增长率} + \gamma \cdot (\text{净利润增长率})^2 + \epsilon
]
残差ϵ揭示相对价值因子,通过此定义优化传统绝对价值与成长的相对权衡,提升因子有效性。
估值模型中β、γ系数与时间序列的变化反映市场对盈利、成长等基本面信息的不同解读,体现非线性估值模式。
在不同指数空间(沪深300、中证500等)验证策略有效性,确保估值因子模型适切性。
此类方法是量化估值的典型做法,相比传统DCF模型,更关注因子映射一致性与残差行为,适于量化回测与策略构建。 ,14,15]
报告明确指出三大主要风险:
模型风险:
市场预期大幅变化:
宏观及产业政策重大变动:
报告虽未详细展开缓解策略,但强调投资者需关注上述风险,合理配置及动态调整策略使用,防范不可控因素影响。 ,33]
这种专业量化策略报告基本没有明显内在矛盾,但对多层次风险提示较弱,在实际操作中需辅以宏观政策与市场环境跟踪。 ,35]
本报告全面回顾了2021年A股市场周期性与成长风格变换,探讨盈利与成长因子驱动减弱背景下的量化策略路径与配置框架。通过丰富的数据支撑与模型演示,报告提出以下核心结论:
市场风格切换明显,价值类策略迎来机会窗口。
市场面对高盈利基数,成长预期趋缓,核心宽基指数成长性走平,导致高盈利高成长组合估值吸引力降低。周期板块及部分行业呈现预期盈利改善的分化格局。
改进的量化选股策略聚焦价值估值及业绩预期预期差。
基于PB-ROE、PE-净利润增长率的相对价值模型表现优异,预期高派现、基于AH溢价的策略及前瞻盈利预测、黑马成长精选组合等SUE和行为类策略体现出良好的历史超额收益和风险调整效果。
机器学习,尤其是深度学习的应用推进中低频量化策略创新,优化IC目标有效提升信噪比并稳定收益。
深度神经网络模型通过加权IC损失函数指导因子融合的创新方式,为传统多因子策略带来显著收益提升。
Beta型行业主题ETF配置策略结合业绩趋势、技术趋势和机构行为,实现了超额收益的稳健捕捉,适合搭建中长期配置框架。
风险管理环境积极,股指期货及期权对冲成本均维持适度水平,波动率低位震荡,支持风险对冲需求持续稳定。
该研究报告为投资者提供了完整的市场风格剖析、量化策略革新路径及风险管理工具应用视角,体现了中信证券量化研究的精深功力及对A股市场风格演化的洞察。策略层面强调价值策略的复兴及机器学习技术的深化应用,展现了基于基本面与行为预期驱动的量化投资新阶段。投资者应密切关注宏观政策、盈利预期及市场流动性变化,结合报告策略思路调整投资布局。
沪深300宽基及中小盘相对强弱趋势图:
中信一级行业收益率vs年化波动率散点:
价值因子与成长因子超额收益对比:
PB-ROE估值分化趋势图:
预期高派现组合净值表现:
深度学习模型结构示意图:
ETF行业主题配置策略表现:
股指期货对冲成本及隐含波动率波动区间:,30]
(全文基于中信证券2022年量化投资策略报告整理撰写),1,3-35]
2022年量化投资策略:徘徊路口 价值当时.pdf