本报告系统研究宏观量化指标与因子动量在风格因子筛选中的互补性,提出宏观量化方法偏左侧择时、因子动量偏右侧择时的观点,通过“共振”及综合筛选策略提升因子选择胜率及组合表现。基于沪深300和中证500,综合筛选的多头组合、打分组合和风险模型优化组合均显著优于单一方法,提升超额收益和夏普率,体现左右配合的实用价值
| 因子 | 宏观筛选选中时收益为正概率(沪深300) | 因子动量筛选选中时收益为正概率(沪深300) | 宏观筛选选中时收益为正概率(中证500) | 因子动量筛选选中时收益为正概率(中证500) |
|---|---|---|---|---|
| 估值 | 66.67% | 59.26% | 67.39% | 69.23% |
| 质量 | 66.67% | 66.67% | 68.42% | 71.43% |
| 成长 | 62.50% | 57.89% | 66.10% | 65.85% |
| 红利 | 76.09% | 68.57% | 83.33% | 69.23% |
| 低波动 | 41.67% | 65.38% | 75.61% | 66.25% |
报告标题:《求同存异:宏观量化与因子动量的左右侧配合 ——因子新视野研究系列之二》
作者与发布机构:申万宏源证券研究所,证券分析师沈思逸、邓虎
发布日期:2023年12月5日
研究对象:中国市场沪深300和中证500的风格因子筛选策略,重点比较宏观量化指标和因子动量指标的因子筛选效果及其组合优化方案。
报告延续此前“因子新视野系列”主题,特别聚焦于宏观量化指标与因子动量指标在选取风格因子上的不同侧重点及互补性。主要观点包括:
报告并提醒,模型基于历史数据构建,未来大幅宏观和市场变化可能造成模型失效。
报告初步建立了风格因子与宏观经济指标之间的周期性关联。
关键发现包括:
因子选取基于三类宏观指标(经济、流动性、信用)方向信号,使用宏观敏感性得分筛选,剔除表现弱的因子,得到2014年以来沪深300、中证500的因子多空净值显著优于等权组合,年化收益和夏普率大幅提升(沪深300宏观因子年化收益12.96%,夏普率1.38)。
图表清晰反映了宏观经济周期中估值因子的选择时段(如2013年下半年、2016年下半年、2021年中及近两年)与因子表现趋同,选中区间的多空收益(沪深300估值因子选中期为2.5%,未选中期为-0.25%)对比显著(图3、图4)。
质量因子筛选呈现左侧特征,表现好转1-2个月前提前配置(图5、图6);成长和小市值因子的宏观筛选时点较分散,且存在部分左侧配置未等到因子修复的情况(图7、图8)。
表2提供主要因子在“选中”与“未选中”阶段的平均多空收益,样本内外均显示显著差异,支持宏观方法筛选有效性。
总结:宏观因子筛选对基本面因子筛选效果较好,且因子在经济周期中的选择有明显时间规律,虽然存在退出偏左的问题。–7]
构建对应因子动量筛选策略,滚动计算各因子12个月的IC均值,选动量前三的因子进行配置(图9、图10展示沪深300和中证500的动量筛选多空净值)。
比较发现:沪深300宏观筛选优于动量筛选;中证500因子动量效果更佳。
具体对比估值因子(中证500)和成长因子(沪深300)筛选效果,因子动量的选中和退出时点均偏右侧,能够延续因子表现(图11、图12)。
统计胜率(选中时因子收益为正概率及收益排名前五的概率)显示:
报告明确提出:
以上差异为后续左右侧配置配合提供理论基础。–11]
研究了“共振”概念——宏观与动量策略同时选中因子时的筛选效果。图13、14显示共振组合净值优于分开策略;表7也反映收益、夏普率均提升。
共振因子的胜率显著提高,尤其是基本面因子,其中部分因子在选中阶段利润为正概率高达100%。但共振因子数量有限,平均每期仅约1个(表8–10)。
为克服共振因子稀缺问题,报告设计综合方案:
因子参考规则详细列于表11,适用沪深300和中证500。
综合筛选组合表现优越,年化收益、夏普率均显著改善(图15–18,表12)。–15]
设定行业偏离限制、成份股比例限制、个股权重及换手率约束,并设置因子敞口限制(共振因子敞口最高达1.0)。
具体权重、换手容忍度沪深300和中证500不同。
优化组合净值展示(2014年及2018年以来),综合因子筛选优化组合表现最佳(图26–29,表16)。
年度超额收益分布显示组合整体稳定,优化组合2019年表现较弱,其余年份均优(图30–31)。
2021年以来因子选择趋势中沪深300以红利和低波共振明显,阶段切换对应基本面因子和分析师预期因子变化(图32);中证500则以低流动性为主要共振因子,兼顾红利低波(图33)。
总结:结合宏观与动量筛选打造的指数增强组合在历史回测中显示更优风险调整收益率,策略较为稳健且能够应对不同市场环境。–21]
此部分为宏观信号和风格因子相结合的底层逻辑基础。–25]
图1、图2(沪深300和中证500宏观因子筛选多空净值):宏观因子筛选组(红线)显著跑赢等权基准(蓝线),表明宏观量化指标筛选有效。沪深300年化收益12.96%,波动较大;中证500年化10.09%。
表1 指出宏观因子回测组合年化收益均明显优于等权,夏普率略提升,最大回撤有所加大。
图3-8(宏观因子不同风格因子筛选时点与收益):通过可视化显示典型经济周期回报高峰期,估值因子收益表现优越且选中周期与经济复苏紧密对应,质量因子展现前瞻性配置特征,成长和小市值因子选择时间较为分散甚至存在提前配置现象。
表2 侧重对比选中与未选中期多空收益,显著差距支持宏观筛选有效。
图9、图10(因子动量筛选多空净值):中证500因子动量策略表现优于宏观量化,沪深300相反,说明两种指标对不同市场的因子有效性有所区别。
图11、图12:因子动量在退出时点更迟,能捕捉因子持续有效的阶段,弥补宏观量化偏左侧的不足。
表3-6(胜率统计):详尽呈现按因子类型划分的选中期收益为正概率和在全区间内表现排名上升的概率,定量评估两种筛选方法针对不同行为属性风格因子的效果差异。
图13、14(共振因子筛选多空净值)及表7:共振策略综合优势,年化收益和夏普率的提升,显著加固宏观与动量策略匹配的合理性。
表8、9(共振因子胜率):进一步体现共振因子阶段选择的超高成功概率,尤其在宏观敏感的基本面因子中。
表10(2023年共振因子):共振因子集中于红利和低流动性,显示当前市场偏防御风格。
图15-18及表12:综合筛选策略净值持续优于等权和单一筛选,验证综合方法的有效性。
图19(筛选流程图):清晰展示组合流程和权重分配,便于策略逻辑理解。
图20-23及表14(多头组合表现):不同时间段和市场规模下综合筛选组合稳健领先对比组合。
图24、25及表15(打分组合表现):评分加权方法提升稳定性和收益,一定程度优化单一多头方案缺陷。
图26-29及表16(优化组合表现):风险模型优化使风险调整后收益提升,2019年表现逊色,整体趋势良好。
图30、31(年度超额收益):亮点年份对应主要因子风格,表现出策略灵活适应市场的能力。
图32、33(2021年以来因子选择变化):因子权重动态显示共振逻辑下关键因子轮动和市场风格切换,支撑动态配置视角。
表18-21及图34:宏观领先指标、流动性及信用指标构成及最新周期状态,巩固宏观侧量化数据的权威性及参考价值。
本报告主要通过实证分析与多个组合构建实验评估策略有效性,未采用传统DCF等单一估值模型,而是以统计胜率与历史回报为核心评价指标。
具体方法包括:
此外,股票池分区(沪深300与中证500)及不同行为因子类别均作分别评估,体现策略的适应力和细致度。
报告末尾明确风险提醒:
报告没有对风险缓解提出细化的操作建议,但提醒决策者需将这些风险纳入策略运用的考量范畴,保持谨慎态度。,22]
报告基于历史数据构建,宏观变量与因子收益的关联具有一定经济逻辑,但在新经济结构变迁或政策转向期间可能失效。
宏观因子的左侧偏移配置,虽提供了提前获利机会,但可能导致部分信号误判,增大风险。因子动量的右侧偏移虽更能延续趋势,但也增加了追高风险。
共振策略因因子极度有限,可能引发集中风险,且2023年共振因子显著减少,表明部分时期模型适用度有限。
报告未详述因子动量与宏观指数建模中参数确定、数据处理具体细节,限制复现性与外部验证。
多头组合的实现较为粗糙,打分法与风险模型虽复杂,但换手率限制和敞口考虑可能未完全消除流动性风险。
报告对分析师预期因子筛选效果评价低,可能部分数据来源或测算方式影响了结果。
尽管如此,整体研究逻辑清晰,数据运用详实,策略综合性及多角度验证较好。
本报告系统分析了宏观量化指标与因子动量指标在中国A股(沪深300与中证500)风格因子投资中的差异与优势,提出“左右侧”配合的创新因子筛选策略。关键结论如下:
此研究为机构投资者在风格因子投资中结合宏观量化与因子动量提供了实证框架和策略设计思路,兼顾预测前瞻性与因子趋势持续性,期望实现超额收益的持续稳健增长。
图1:沪深300宏观因子筛选多空净值
图13:沪深300共振因子筛选多空净值
图19:综合因子筛选流程
图32:沪深300 2021 年以来综合因子选择
本报告全面详细地对比了宏观量化与因子动量在中国A股风格因子投资中的差异性及互补性,通过多层次因子胜率分析和历史回测,提出左右侧策略组合方案,通过多样化组合构建显著提高了组合的预测准确度和风险调整绩效。对机构量化投资者及风格轮动策略提供了重要的实践指导和策略工具。
因子新视野研究系列之二求同存异:宏观量化与因子动量的左右侧配合.pdf