本报告基于趋势型与拐点型双维度因子,构建大小盘轮动量化模型。趋势因子涵盖流动性、经济增长和动量,拐点因子包括市场拐点期和风格关注度拐点期。模型2013-2022年回测显示,月度组合实现12.65%年化超额收益,最大回撤10.61%;不定期调仓组合年化收益24.03%,超额17.44%,回撤6.22%,月度和年度超额胜率分别超68%与100%。风格关注度拐点因子有效提升模型表现,轮动逻辑清晰且具稳健性
报告首次提出从“趋势”和“拐点”两大维度出发,系统挖掘大小盘风格轮动的预测因子。构建的综合大小盘轮动模型融合:
回测显示,纯趋势模型年化超额收益10.15%,结合拐点因子的综合模型年化超额收益提升至12.65%,而采用不定期高频调仓模型时,年化收益率升至24.03%,超额收益达到17.44%,表现稳健且有效, 3, 29]。
兴证金工团队过往在资产轮动领域积累深厚研究基础。报告进一步扩展风格轮动研究,将大小盘风格的轮动信号拆解为趋势把握和拐点判断两部分;特别强调拐点判断在择时中的关键作用,寻求定量化、实证化的拐点因子以提升轮动模型预测力。
核心逻辑是:趋势识别虽易实现但拐点捕捉更具超额收益价值。报告构建的结构化模型将二者融合,并对多个可独立扩展的拐点因子预留接口,增强模型拓展性和适应性。
报告指出传统轮动多偏重趋势信号,忽视拐点信息,由此收益的持续性和准确性受限。以2022年4月A股市场反弹为例,准确捕捉底部拐点能带来快速且超额的收益,示例中中证1000指数反弹期间涨超20%。
基于上述,构建涵盖趋势把握和拐点判断的复合模型能够更好提升风格轮动效果。趋势型指标反映市场当前环境的延续性,拐点型指标则从极端状态中捕捉反转信号,从而领导趋势形成,4]。
研究选择申万大小盘指数作为代表,经过对比(中证1000/沪深300、申万等)发现不同指数间大小盘相对走势高度一致,且申万指数数据历史覆盖更长,符合本研究需求,6]。
回顾2000年以来的发展:
历史显示大小盘轮动中既有长期占优趋势,也有短周期转换,受宏观、政策、资金结构等多重影响,7]。
小盘/大盘相对净值存在一定趋势性,利用一月均线突破构建动量交易信号。以月度调仓回测,策略年化收益10.56%,明显优于基准5.89%;换仓频率提升到日度,年化收益升至18.43%,超额达到11.8%,回撤和风险调整均改善,表明大小盘风格存在中短期动量效应。
定义10年期国债利率减去1年期国债利率的差值作为期限利差。利差变化反映经济预期与流动性之间的相对平衡,利差下行(尤其处于低位)通常不利于高风险小盘股,因经济预期转弱且流动性约束。
采用期限利差因子构建信号,月度调仓下年化收益18.32%,超额11.74%,表现优良,印证其作为大小盘轮动的重要流动性及经济预期指标。
用5年期中债中短期票据收益率与5年国开债收益率差值代表信用利差。信用利差上升意味着市场风险偏好下降,小盘企业融资成本上升更明显,大盘股相对占优。
信用利差与大小盘相对净值呈负相关,且信用利差变化领先大小盘风格转换。回测显示信用利差因子带来超额收益约4.91%,虽然波动大且对快速市场转向滞后,仍显示一定的趋势预测能力。
以GDP实际同比和房地产投资完成额累计同比代表宏观经济景气。经济高增长期,如2000-2007年及稳增长政策出台期(2012年、2014年等),大盘占优;经济放缓及结构调整期则小盘占优。
特别是房地产投资增速的走势与大小盘相对净值高度吻合,作为经济成长的高频近月指标能在一定程度上预测风格转向。利用房地产投资增长构建买卖信号,年化超额收益约4.62%,但仍存在阶段回撤,特别是2014年和2016年与政策炒作及市场调整错配导致。
拐点指标尝试捕捉市场或风格极端状态的反转概率。
通过宽基股息率与10年债收益率差值(股债性价比指标)来判断股票市场的高估或低估状态。历史上股债性价比极高常对应市场底部反弹,极低对应顶部崩盘。
此指标的极端值能较好捕捉A股大拐点,配合大小盘相对净值,能够判断风格所在的市场阶段。构建的因子组合表现实用,年化超额约4%,捕捉多次市场反弹与调整拐点。
用小盘/大盘相对换手率的滚动分位数作为市场对风格关注度的测度。换手率达到极端低位时,往往代表风格被过度忽视即将迎来转换。
结合15日短期动量确认换手率极端后的风格转向信号,表明市场情绪由忽视回归关注。该因子虽信号次数少,但能够有效抓取关键风格切换点,年化超额约1.63%,为轮动模型提供增量收益。
机构资金规模偏好大市值股票,且持仓占比和大小盘轮动高度同步。机构持仓占比时间序列显示机构化进程与大小盘风格间的对应关系较强:
外资持仓占比尤其是北向资金持仓亦与大小盘轮动高度关联,但受数据滞后与可得性限制,目前未纳入模型,仅作为解释因子。
利用结构化信号加总方式,对动量、期限利差、信用利差、房地产投资增长4大趋势因子信号进行合成。以月度调仓计算组合收益,年化收益16.53%,超额10.15%,最大回撤13.78%。模型实现了明确的大小盘轮动预测能力,虽部分年份如2015和2016年表现不佳,但整体稳健。
将市场拐点(给予2倍权重)与风格关注度拐点纳入整体模型,提升模型对关键转折点的感知能力。
组合月度调仓实现19.15%年化收益,超额12.65%,最大回撤降低至10.61%,显著优于单纯趋势模型。各年度绝大多数均表现优异,突显拐点因子在推动超额收益上的重要作用。
将调仓频率提高至日度(不定期调仓)后,性能进一步改善:年化收益达24.03%,超额17.44%,最大回撤大幅缩减至6.22%,且收益风险比显著上升至2.24,显示高频信号覆盖带来更灵敏、更有效的调仓。
加入风格关注度拐点因子后,组合年化收益率从22.49%提升到24.03%,超额年化收益率从16%提升至17.44%,极大改善了最大回撤性能。
分年收益显示2015年和2019年拐点因子贡献突出,2021年表现相对平稳,因其它因子同时捕获到风格转向,体现模型因子的互补性与可扩展性。
图表 0(报告首页)显示了2013年末至2022年底,基于趋势+拐点的综合大小盘轮动组合净值明显优于等权基准,超额净值大幅攀升,说明该模型在历史行情中实现稳健超额收益。
图表 1:2022年4月市场反弹示例,显示中证1000指数4月底快速反弹,说明判断拐点及时性的重要,否则容易错失短期大幅涨幅。
图表 2:趋势+拐点轮动思路示意图,逻辑清晰,表明趋势和拐点两个维度共同决定方向判定。
图表 3:多重大小盘指数走势对比,确认不同指数构建方法一致,支撑研究统一采用申万大小盘指数。
图表 4:2000-2022年大小盘风格相对走势,分阶段明显,匹配经济周期及政策导向。
图表 5-9(动量因子组合)清晰展示了不同调仓频率对应的收益增长和超额净值累积,证明动量是有效趋势指标。
图表 10-12(期限利差因子)关联曲线展现其与大小盘风格的高度负相关,因子组合实现超额收益。
图表 13-16(信用利差因子)说明信用风险环境变化对大小盘表现的影响,因子虽滞后但具实际参考价值。
图表 17-20(经济增长因子)关联GDP及房地产投资增长与大小盘,并映射至因子组合回测,揭示行业结构与经济周期的交互影响。
图表 21-25(市场拐点因子)股债性价比极端位置对应多个市场大转折点,验证该因子的拐点捕捉能力。
图表 26-29(风格关注度拐点因子)通过换手率分位数高度还原风格转向时点,模型信号对应实际风格切换,尽管信号较少但增效显著。
图表 30-33(机构及外资持仓)展示机构和外资逐步机构化进程,与大小盘风格走势高度同步,表现机构资金在风格轮动中的关键影响。
图表 34-43多因子综合模型各类调仓频率表现清晰,尤其日度调仓带来的性能跃升显著呈现
图表 44-46风格关注度拐点因子加入效果显著提升模型收益率和风险控制,且对应分年贡献说明其在关键年份的作用。
本报告主要为大小盘风格轮动策略研究及模型构建,未涉及对具体企业或行业的估值方法和目标价评估,因此无估值模型描述与分析[page::全报告无].
历史数据局限性风险:模型基于历史数据进行构建与回测,未来市场结构或者宏观环境的结构性变迁可能使模型失效。
拐点判断误差风险:拐点指标的极端信号虽有效,但预测准确率非100%,可能在极端波动时段产生信号误判。
流动性与交易成本风险:高频调仓策略交易成本可能影响实际收益,模型未显著考虑现实交易摩擦。
数据滞后和可得性风险:某些因子(如机构持仓)数据更新滞后,可能延时影响信号及时性。
模型过拟合风险:虽然引入高频验证降低了此风险,但因子和权重选择仍需警惕多重检验和样本内优化陷阱,29]。
报告在因子和指标的选择及权重设置上虽然注重逻辑和历史表现匹配,但具体权重分配尤其对市场拐点因子赋予双倍权重,是否最优缺少系统敏感性分析细节。
趋势和拐点因子各有优劣,交叉验证虽增强模型稳健性,但因子间是否存在潜在共振效应未详细展开讨论。
个别因子如信用利差因子在历史上表现波动较大,且在某些转折点延迟信号,提示模型仍有改进空间。
机构及外资持仓虽与大小盘风格高度相关,报告仅作为解释而非纳入因子,未来或可考虑细化建模。
报告暗示未来可增加更多拐点判断因子,彰显模型拓展潜力,但新因子实际贡献和数据可得性仍是挑战。
本报告系统构建了基于趋势与拐点相结合的大小盘轮动模型,创新性地从两大维度切入:
趋势层面涵盖动量、流动性(期限利差、信用利差)和经济增长因素,通过简单加权信号实现有效的风格预测,表现平稳且具有一定超额收益。
拐点层面通过股债性价比捕捉市场大拐点,用风格关注度换手率极端位置捕捉风格转折点,补充趋势因子的不足,大幅提升预测准确性和轮动表现。
模型融合后,回测期间的年化收益率最高可达24.03%,相较基准提升超17.44%,同时最大超额回撤仅6.22%,表现出了风险可控下的卓越超额回报。日级调仓策略的回测结果更突显了因子信号的高频有效性,降低了过拟合风险并增强模型实用价值。
大量图表清晰映证了因子与大小盘轮动的内在逻辑关系与实证表现,风格轮动不仅与宏观经济、资金流向紧密关联,也与市场极端情绪及投资者偏好周期性变动密切相关。
整体来讲,兴业证券经济与金融研究院的这份报告为基于定量模型的大小盘轮动策略提供了扎实而创新的理论及实证支撑,模型设计结构清晰,可扩展性强,适应未来风格逻辑变化,同时较好地考虑了风险控制与实操频率,具备较高的应用价值。
最后风险提示明确指出,该模型基于历史数据,未来市场环境若发生根本性变化,模型表现可能弱化,投资者需谨慎使用并结合其它因素进行决策,3,29]。
所有数据与分析基于Wind资讯数据库及兴业证券经济与金融研究院整理。
注:本分析严格基于报告内容展开,所有引用均标注了页码以便溯源与验证。
定量研究专题报告:基于拐点加趋势的大小盘轮动研究.pdf