AIA模型跨市场延申系列之一：如何将定量行业配置策略拓展至港股市场

景气因子：基础维度趋势性因子在港股效果偏弱。单因子测试方面，2020-2022年，模拟多空组合年度对冲收益率分别28.7%、8.0%、-11.7%，年胜率66.7%，多头年化超额（-恒指）收益率12.8%，年化多空对冲收益率（收益程度）7.4%，月胜率53.0%，收益程度*（月）胜率=3.9%。 估值因子：基础维度均值回归属性因子效果最佳。单因子测试方面，2018-2022年，模拟多空组合年度对冲收益率分别9.4%、22.4%、7.6%、36.0%、20.0%，年胜率100%，多头年化超额（-恒指）收益率16.1%，年化多空对冲收益率（收益程度）23.5%，月胜率59.1%，收益程度*（月）胜率=13.9%。 动量因子：交易维度趋势性因子的效果略好于基础维度趋势性因子。 单因子测试方面，2018-2022年，模拟多空组合年度对冲收益率分别-4.4%、9.0%、28.2%、4.5%、-0.3%，年胜率60%，多头年化超额（-恒指）收益率15.0%，年化多空对冲收益率（收益程度）11.6%，月胜率63.6%，收益程度*（月）胜率=7.4%。 拥挤度因子：交易维度均值回归属性因子效果较好。2018-2022年，模拟多空组合年度对冲收益率分别2.2%、2.4%、7.7%、44.1%、20.8%，年胜率100%，多头年化超额（-恒指）收益率17.1%，年化多空对冲收益率（收益程度）18.7%，月胜率56.1%，收益程度*（月）胜率=10.5%。 四因子综合模型：“动态非等权”依然是最佳方案。（1）四因子等权组合表现好于任何一个单因子组合，收益程度*（月）胜率=17.2%。 （2）四因子静态非等权组合表现好于等权组合，收益程度*（月）胜率=18.4%。（3）四因子动态非等权组合表现得到进一步增强，收益程度*（月）胜率=19.1%。（4）最优模型七月底选出地产和钢铁。 风险提示：模型设计的主观性，历史数据有偏，回测时间较短，超额收益均值回归，高换手无法实现，样本内有效不代表样本外有效。 1.调整后的AIA策略可适应港股行业轮动研究需要 1.1.AIA策略框架的特点是中宏观结合和主被动结合 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，旨在为A股投资者提供“一站式”的战术行业配置方案。“AIA-Timing行业配置月报”目前是国君主动配置团队的拳头产品之一。 该策略的核心包含主观设定的6个中观因子（景气度、相对估值、夏普比、拥挤度、产业资本、北向资金），并根据宏观环境采用动态因子权重进行加权平均打分（详见报告《打造“一站式”主动行业配置体系——国君配置加权AIA-Timing策略介绍》）。2020年初至2023年7月底，多空对冲组合年化收益率31.3%。 1.2.首次尝试向境外市场拓展AIA策略的应用范围 随着陆港互联互通机制的持续发展，境内外ETF产品的日益丰富，以及主动权益基金产品对beta研究的愈发重视，港股行业配置策略被提上我们的工作日程。 与A股市场类似，港股市场同样具有显著的行业轮动现象。两市行业轮动方向呈较弱的正相关性（系数平均约0.4-0.5），体现出港股的特殊性。 这种特殊性来源于投资者结构、交易规则、估值体系、指数构成、信披口径等方面的差异。此外，研究港股行业轮动时还需要适应数量更少、或许难度更大、质量有待验证的底层数据。 我们曾在专项课题研究中尝试对港股行业轮动进行季频分析，取得初步效果，也获得了一些经验，主要包括：景气因子重要性明显降低，均值回归属性因子重要性普遍上升等。基于这些经验，本文对AIA策略框架进行调整和延伸，尝试为港股战术行业配置提供参考信息。当然，综合考虑受众数量、两市优先级和团队精力分配等客观原因，我们暂不打算定期发布港股行业配置月报，以免喧宾夺主、产生歧义。 说明：A股和港股均存在中信一级行业指数，分类数量和名称相同，以下研究基于该指数展开。 2.景气因子：基础维度趋势性因子在港股效果偏弱 按照AIA策略框架的定义，景气因子是基础维度趋势性因子。在针对A股行业轮动研究中，景气因子是单因子测试中长期表现最好的因子。无论在哪种动态权重组合下，其重要性都是第一位的。 然而，在此前的课题研究中我们已经发现，Wind口径下的港股上市公司的盈利预测数据存在样本数量不足、质量残参差不齐等特征。基于这些数据构建的景气因子对港股行业轮动的历史解释力较弱（多头组合基本没有超额收益），而部分客户的长期实践经验也证实了这一点。除数据本身的问题外，景气度趋势投资理念在港股市场的接受度普遍低于在A股市场，我们怀疑即使采用更高质量的底层数据库也未必能解决景气因子有效性偏低的问题。 当前，A股市场无论规模还是流动性都强于港股市场，南下资金的话语权也在持续增大，因此港股行业轮动和A股行业轮动间具有正相关性，且逻辑上是港股跟随A股。我们相信这种相关性主要来自于景气度预期的变化；当A股某个行业景气因子得分变化时，他直接影响A股该行业的股价表现，并间接影响港股对应行业的表现。因此，本文中我们直接借用A股AIA策略的景气因子数据来解释港股行业轮动。 根据单因子测试的结果，这种“多快好省”的处理思路似乎是可行的，至少在某些周期阶段，景气因子带来了较可观的超额收益和对冲收益。 2020-2022年，模拟组合年度对冲收益率分别28.7%、8.0%、-11.7%，年胜率66.7%，多头年化超额（-恒指）收益率12.8%，年化多空对冲收益率（收益程度）7.4%，月胜率53.0%，收益程度*（月）胜率=3.9%。 说明：景气因子构建方式详见报告《打造“一站式”主动行业配置体系——国君配置加权AIA-Timing策略介绍》，其核心在于公司样本和分析师样本池的筛选。 图1：景气因子单因子测试组合收益 图2：景气因子单因子测试组合净值 3.估值因子：基础维度均值回归属性因子效果最佳 在AIA策略框架下，估值因子属于基础维度均值回归属性因子。在针对A股的AIA行业配置策略中是权重总体偏低的一个维度，尤其当经济环境较好时，其权重可设为0。 然而在港股市场，估值受到更多的持续性关注。主观上分析，因为发行规则、交易规则、流动性的差异，港股市场的估值总体低于A股市场。 单因子测试结果也显示估值因子强大而稳定的解释力。 2018-2022年，模拟组合年度对冲收益率分别9.4%、22.4%、7.6%、36.0%、20.0%，年胜率100%，多头年化超额（-恒指）收益率16.1%，年化多空对冲收益率（收益程度）23.5%，月胜率59.1%，收益程度*（月）胜率=13.9%。 说明：估值因子构建方式详见报告《打造“一站式”主动行业配置体系——国君配置加权AIA-Timing策略介绍》，其核心在于不同周期属性指数估值指标可比性的调和。 图3：估值因子单因子测试组合收益 图4：估值因子单因子测试组合净值 4.动量因子：交易维度趋势的效果略好于基础维度趋 势 与景气因子类似，动量因子也属于趋势性因子，区别在于后者刻画的是交易层面的趋势。无论在港股还是A股市场，趋势性因子均表现出在经济环境好（市场环境一般也好）的阶段效果更好的特征。 单因子测试方面，2018-2022年，模拟组合年度对冲收益率分别-4.4%、9.0%、28.2%、4.5%、-0.3%，年胜率60%，多头年化超额（-恒指）收益率15.0%，年化多空对冲收益率（收益程度）11.6%，月胜率63.6%，收益程度*（月）胜率=7.4%。 说明：动量因子构建方式详见报告《打造“一站式”主动行业配置体系——国君配置加权AIA-Timing策略介绍》、《什么是“追热门”的正确姿势——AIA-Timing策略中动量因子为何重要及如何把握》，其核心在于对波动风险的深刻理解以及SR与IR指标的融合。 图5：动量因子单因子测试组合收益 图6：动量因子单因子测试组合净值 5.拥挤度因子：交易维度均值回归属性因子效果较好 在AIA策略框架下，拥挤度因子属于交易维度均值回归属性因子。在针对A股的AIA行业配置策略的中性权重组合中，其重要性排名第3（/6），但具明显的周期性，即当经济环境较好时（复苏和过热象限下），其权重可设为0。 然而在港股市场中，拥挤度因子的有效性是持续的，这一点和基础维度均值回归性因子（估值因子）类似。在交易维度两因子中，拥挤度因子效果好于动量因子。 单因子测试方面，2018-2022年，模拟组合年度对冲收益率分别2.2%、2.4%、7.7%、44.1%、20.8%，年胜率100%，多头年化超额（-恒指）收益率17.1%，年化多空对冲收益率（收益程度）18.7%，月胜率56.1%，收益程度*（月）胜率=10.5%。 说明：拥挤度因子构建方式详见报告《打造“一站式”主动行业配置体系——国君配置加权AIA-Timing策略介绍》，其核心在于针对指标存量和边际信息的综合以及针对趋势拐点主客观结合的识别。 图7：拥挤度因子单因子测试组合收益 图8：拥挤度因子单因子测试组合净值 6.四因子综合模型：“动态非等权”依然是最佳方案 6.1.四因子等权组合表现好于任何一个单因子组合 以1：1：1：1的权重将景气因子、估值因子、动量因子、拥挤度因子的打分排名进行加权平均和再排序，以排名前5的行业作为模拟多头组合（各自占比20%），以排名后5的行业作为模拟对冲组合（各自占比20%），每月初第一个交易日开盘调仓，月底最后一个交易日收盘结算。 2018-2022年，模拟组合年度对冲收益率分别-9.5%、11.3%、43.6%、36.9%、31.5%，年胜率80%，多头年化超额（-恒指）收益率18.1%，年化多空对冲收益率（收益程度）25.9%，月胜率66.7%，收益程度*（月）胜率=17.2%。 说明：2018-2019年景气因子做中性化处理。 图9：等权模拟组合收益 图10：等权模拟组合净值 6.2.四因子静态非等权组合表现好于等权组合 考虑均值回归属性因子在港股更加重要，以0.5：3：0.5：1.5的权重将景气因子、估值因子、动量因子、拥挤度因子的打分排名进行加权平均和再排序，以排名前5的行业作为模拟多头组合（各自占比20%），以排名后5的行业作为模拟对冲组合（各自占比20%），每月初第一个交易日开盘调仓，月底最后一个交易日收盘结算。 2018-2022年，模拟组合年度对冲收益率分别0.6%、20.2%、36.9%、38.9%、23.2%，年胜率100%，多头年化超额（-恒指）收益率18.0%，年化多空对冲收益率（收益程度）27.6%，月胜率66.7%，收益程度*（月）胜率=18.4%。 说明：这里仅展示了一种可能的权重组合设置方式，大概率存在其他效果更好权重组合有待挖掘。 图11：静态非等权模拟组合收益 图12：静态非等权模拟组合净值 6.3.四因子动态非等权组合表现得到进一步增强 参考AIA策略框架中宏观、中观相结合的核心思想，在非等权的基础上引入权重的动态调整，逻辑上有望进一步增强组合表现。即所谓的：既要把握矛盾的主次，也要把握主次矛盾的转化。 在针对A股的AIA策略框架中，我们依据中国美林周期的象限划分选择采用进攻性、防御性或者中性权重组合，其中进攻性权重组合中趋势性因子主导、防御性权重组合中均值回归属性因子主导。 港股面对的宏观因素复杂多样，中国的美林周期对其解释力不足。事实上，中国的库存周期和美国的金融周期共同决定了港股所面对的宏观环境的综合友好程度。在报告《择木而栖：A股和港股轮动规律研究》，我们据此逻辑构建了“HK宏观友好度评分指标”；以2：1的比例将中国库存周期友好度评分和美国金融周期友好度评分进行综合（相关宏观友好度评分指标系数据库可联系我们订阅）。 图11：平滑后的HK宏观友好度评分指标即将确认中期向上拐点 我们根据HK宏观友好度评分指标的方向和位置设定动态权重，初步方