AIA-Timing策略中动量因子为何重要及如何把握：行业轮动：何为趋势投资的正确打开方式

简单回顾AIA-Timing策略设计初衷。行业打分表六因子中，趋势性和均值回归性因子各占一半；趋势性因子包括景气度、夏普比、北向资金，追逐这三个因子可以提高组合的进攻性（其中夏普比就是动量因子）；均值回归性因子包括相对估值、拥挤度和产业资本，关注这三个因子可以提高组合的安全性；基于美林周期划分动态选择恰当的权重组合是AIA的核心。 何为动量因子以及为何23年需要重视。现有框架中我们基于夏普比指标（SR）构建动量因子；单因子测试发现，动量因子在复苏期表现较好，在滞胀期表现较差，周期性显著；宏观面展望上，我们维持行业配置年报中的预判，23年周期环境以复苏为主，趋势性因子（包括动量因子）将获得较多的表达机会。 信息比在市场动荡期比夏普比更有优势。基于IR（信息比指标）的动量因子和基于SR（夏普比指标）的动量因子存细微差别；两类动量因子和美林周期的关系保持一致；中长期而言，基于IR的动量因子单因子测试效果更加稳健；短期而言，基于SR的动量因子在三月份的表现优于基于IR的动量因子。 总结：短期可沿用夏普比，长期将引入信息比。23年的宏观周期环境使得趋势性因子获得更多表现机会；无论是基于SR的动量因子还是基于IR的动量因子都值得投资者重视；长期而言，基于IR的动量因子对于行业相对吸引力的解释力更强，未来可考虑将信息比引入打分表；短期而言，由于市场波动率较低，两类动量因子差异不大，甚至夏普比更具弹性，因此目前继续沿用基于SR指标的夏普比因子进行月度的AIA行业打分和排序。 风险提示：模型主观性，历史数据有偏，回测时间短，超额均值回归。 1.简单回顾AIA-Timing策略设计初衷 1.1.行业打分表六因子中，趋势性和均值回归性因子各占一半 AIA-Timing（Active Industry Allocation-Timing）框架融合了策略、宏观、量化和技术分析的思想，结合中宏观和主被动，提供“一站式”的战术行业配置方案。 作为行业相对吸引力打分表核心组成部分的中观因子，共包括被机构投资者广泛关注的6个中观维度（景气度、相对估值、夏普比、拥挤度、产业资本、北向资金），各行业评分由此六因子得分加权平均得到。 其中，趋势性因子包括景气度、夏普比、北向资金，追逐这三个因子可以提高组合的进攻性（其中夏普比就是我们的动量因子）；均值回归性因子包括相对估值、拥挤度和产业资本，关注这三个因子可以提高组合的安全性。 1.2.基于美林周期划分选择恰当的权重组合是AIA的核心 六因子权重方面，现实中投资者常对不同中观维度赋予不同的关注度，且投资者在不同宏观环境中的关注重点也不同。因此采用非均匀的因子权重有助于更好地把握行业配置决策中的主要矛盾，而可变的因子权重更可引入宏观beta对行业alpha的解释力。 具体地，我们依据宏观因子进行周期状态的划分（详请见《板块配置轮盘》专题报告）并选取合适的权重组合。在复苏和过热阶段，权益市场表现一般较好，我们采用进攻性权重组合，将关注度全部赋予趋势性因子；而在滞胀和衰退阶段，权益市场表现较羸弱，我们采用防御性权重组合，更多关注均值回归属性的因子。如此以来，行业多头组合很可能出现牛市有弹性而熊市跌不深的理想状态。 表1：可变权重组合粗分为三类：中性（通用）、进攻、防御 说明：对于权重组合调整滞后性的问题，我们虽未将未来（预期）宏观数据加入权重选择，但由于滤波和平滑处理使得美林象限的划分具有稳定性，且股票市场对宏观环境的共识往往需要时间凝聚，因此滞后性负面影响不大。 根据可变权重设置规则，我们自三月开始采用进攻性权重组合进行因子加权评分（而不再使用防御性权重组合），其结果是趋势性（动量型）因子将获得更多关注，均值回归性（反转型）因子获得更少关注。 图1：中国的美林周期于2月底确认进入复苏阶段 说明：我们为获得平滑的通胀和景气因子曲线而采用HP滤波进行处理，针对其端点漂移的技术问题采用手动平滑的方式修正，同时参考移动平均方式的结果进行趋势确认，以追求稳定性和灵活性的最佳平衡点为目标。 2.何为动量因子以及为何23年需要重视 2.1.现有框架中我们基于夏普比指标（SR）进行动量因子评分 动量因子是典型的交易面趋势性因子，在现有的AIA框架中，我们基于20日滚动夏普比指标（SR）进行单因子打分，构建动量因子（也称之为夏普比因子）。打分规则设计上同时考虑SR指标的高度和趋势，偏好那些突破中枢并继续向上的指标形态。 SR指标可谓是资产配置领域的金标准，很多著名的资产配置模型都从中获得灵感，它同时考虑了一维（收益率）和二维（波动率）信息，强调风险收益视角上的性价比概念，因此对于趋势投资者具有一定的领先意义。例如，当行业指数（以计算机为例）开始高位震荡时，SR指标已经提前回落了，此时投资性价比降低，可能出现“赚指数、不赚钱”的情况。 图2：SR指标往往领先于标的指数回落 将多个行业指数的SR指标并列后，行业轮动的顺序和行业相对强弱情况变得一目了然。通过因子得分排名高低即可选出这个维度上的多头行业和空头行业。 譬如，21年-22年大部分时候，电新板块是成长消费风格中的龙头，而22年底开始，计算机板块成为新的领导者。 图3：行业轮动顺序和指数相对强弱变得一目了然 2.2.动量因子在复苏期表现较好，在滞胀期表现较差 对基于SR的动量因子进行单因子测试发现，相关模拟组合在20年初到21年中期获得较多的多空对冲收益（即月频滚动持有动量得分靠前的5个行业指数而卖空靠后的5个）。累计对冲收益从21年下半年开始回落，下降一直到23年初才逐步结束。 图4：基于SR的动量因子模拟组合回测净值表现周期性明显 回顾上述时间段中美林周期的对应状态发现，动量因子在复苏期表现较好，在滞胀期表现较差，在无明确定义的非典型期可上可下，但多延续此前趋势。 图5：动量单因子表现和美林周期状态息息相关 2.3.维持行业配置年报中的预判，23年周期环境以复苏为主 在22年11月的行业配置年度报告《基本面三维齐聚，23年行业配置再展望——中长期行业配置思考系列之二》中，我们成功预言TMT将成为23年行业配置年度主线之一。 此文中，我们根据截至当时的宏观一致预期数据进行线性推测，预计在中性情景下，中国经济将于23年初进入复苏象限，并维持接近三个季度的时间，过热象限难以出现，市场面对的宏观环境和13-14年颇为相似。 截至目前，经历预期的上下波动后市场整体维持了弱复苏的预期，和我们在年报中的中性情景一致。未来是否上修景气和通胀因子预期还需要更多宏观数据的验证。简而言之，若市场开始上修下半年景气和通胀的预期，美林周期可能会短暂进入过热阶段。 在这样一个以复苏为基调的宏观环境中，趋势性因子（包括动量因子）将获得较多的表达机会，有可能为投资者创造较多的超额收益，因此我们认为23年应当给与动量因子足够的重视。 图6：我们于行业配置年报中判断2023年大部分时间或将处于复苏期 3.信息比在市场动荡期比夏普比更有优势 3.1.基于IR的动量因子和基于SR的动量因子存细微差别 信息比率指标（IR）在基金研究中常被用于衡量一个产品超额收益的稳定性，即用Alpha除以Alpha的波动率。若将行业指数视为一个基金产品，自然可以用IR衡量该行业的相对表现。 对于AIA这样一个行业相对吸引力评价体系，逻辑上更应关注行业超额收益而非绝对收益的变化规律，因此IR似乎更切题。以计算机行业指数为例，其IR指标和SR指标的拐点趋同度很高，但在部分时间段两者存在绝对位置方面的差异，这些差异若足够明显将会导致行业打分表的排名变化。 图7：行业IR和SR指标趋势高度相关，水平存在差异 3.2.基于IR的动量因子单因子测试效果更稳健 对基于IR的动量因子进行单因子测试发现，相关模拟组合在20年初到21年中期获得较多的多空对冲收益，累计收益率摸高70%附近，强于基于SR的动量因子的回测效果（50-60%）。累计对冲收益从21年下半年开始回落，回落速度和回落幅度均好于基于SR的动量因子模拟组合，并未出现显著的累计负收益。 图8：基于IR的动量因子模拟组合回测净值表现更加稳健 3.3.两类动量因子和美林周期的关系保持一致 两类动量因子的表达效果和美林周期的对应关系是基本一致的，复苏阶段明显好于滞胀阶段。随着市场对中国经济进入复苏阶段的共识逐渐加深，预计两类动量因子均将给投资者带来较好的超额收益。 图9：两类动量因子和美林周期的对应关系一致 3.4.三月基于SR的动量因子表现优于基于IR的动量因子 基于IR的动量因子的相对优势并不稳定，例如3月份，基于SR的动量因子模拟组合取得了更多超额收益。 图10：三月基于SR的动量因子表现反而更优 从两类动量因子对应的模拟组合中可以看出，SR动量因子3月的多头行业为公用事业、传媒、电子、通信、计算机，而IR动量因子的多头行业为纺服、通信、轻工、综合、计算机。TMT板块占比的多寡直接决定了两个模拟组合的表现差距。 图11：过去6个月两类单动量因子模拟行业多空组合构成回顾 可见，尽管基于两类单动量因子进行行业打分的排名相关性总体较高，但在少数时间依然存在明显差异，例如2022年一季度和2023年一季度。 造成差异的具体原因尚不完全清楚，但可以清晰地感受到其与市场波动率有一定关系，当市场波动率上升，投资者对行情的分歧加大时，市场的beta变得更加重要，这时基于SR的行业动量因子排名和基于IR的行业动量因子排名会出现较为明显的差异。 因此未来在对AIA框架进行升级改造时，可以在经济环境进入不利时期（滞胀和衰退）时将基于SR的动量因子替换为基于IR的动量因子（可使用更精细的动态因子权重实现），从而提高策略整体的预测能力。就目前经济而言，这个改良的紧迫性不强，我们在行业打分表中将继续沿用“夏普比”因子。 图12：基于两类单动量因子进行行业打分排序的相关性总体较高，偶尔偏离 3.5.总结：短期可沿用夏普比，长期将引入信息比 （1）23年的宏观周期环境使得动量因子获得表现机会； （2）无论是基于SR的动量因子还是基于IR的动量因子都值得关注； （3）长期而言，基于IR的动量因子对于行业相对吸引力的解释力更强，未来可考虑将信息比作为动量因子引入打分表； （4）短期而言，由于市场波动率较低，两类动量因子差异不大，可以继续沿用基于SR指标的夏普比因子作为AIA框架六因子之一进行行业打分和排序。