风格因子观察周报第4期：小市值风格近期收益提升，质量风格今年持续强势

大类资产配置/2024.09.08 大类资产配 置 被动资产配置周报 证券研究报 告 小市值风格近期收益提升，质量风格今年持续强势 ——风格因子观察周报第4期 本报告导读： 本报告对A股风险模型中风格因子表现及主要指数的收益风险归因进行周度跟踪。本周流动性、质量因子正向收益较高；波动率、价值因子负向收益较高。本年价值、大市值因子正向收益较高；流动性、波动率因子负向收益较高。模型可应用于投资组合归因，对于中证红利指数，本年由风格因子贡献了18.10%的超额收益（价值因子9.01%、动量因子3.19%）和84.91%的超额风险（波动率因子58.44%、价值因子9.38%），由行业因子贡献了-4.48%的超额收益和12.07%的超额风险。对于微盘股指数，本周由风格因子贡献了0.41%的超额收益（波动率因子-1.11%、市值因子0.84%）和98.63%的超额风险（市值因子88.53%、波动率因子5.97%），由行业因子贡献了-0.21%的超额收益和0.77%的超额风险。 投资要点： 国君风格因子体系及A股风险模型简介：国泰君安金融工程团队构建的A股风格因子体系涵盖了8个大类因子和20个风格因子；基于此构建的风险模型可以很好的应用于风险预测与投资组合归因。 风格因子表现观察：8个大类因子中，本周流动性、质量因子正向 收益较高；波动率、价值因子负向收益较高。本年价值、大市值因子正向收益较高；流动性、波动率因子负向收益较高。20个风格因子中，本周短期反转、流动性、中市值因子正向收益较高；贝塔、大市值、动量因子负向收益较高。本年动量、盈利收益、大市值因 子正向收益较高；短期反转、中市值、流动性因子负向收益较高。因子协方差矩阵更新：股票协方差矩阵估计是股票组合风险预测的核心。利用多因子模型，可以将股票协方差矩阵拆解为因子协方差 矩阵和股票特质风险矩阵的结合，从而完成较为准确的估计。本文更新了最新一期（2024/09/06）的因子协方差矩阵。 主要指数收益与风险归因：使用风险模型，投资者可以基于持仓数 据对投资组合进行风格、行业层面的收益与风险归因（其中行业层 面归因结果代表剥离了风格影响的纯行业因子所带来的贡献，故其 与行业指数并不一致）。本文对主要宽基指数，主题指数以及部分行业指数进行归因。对于中证红利指数：本周，由风格因子贡献了0.51%的超额收益（波动率因子1.28%、价值因子-0.78%）和81.31% 的超额风险（波动率因子58.76%、价值因子8.67%），由行业因子 贡献了0.06%的超额收益（煤炭-0.33%、电子0.16%）和12.89%的超额风险（煤炭4.81%、银行3.34%）。本年，由风格因子贡献了18.10%的超额收益（价值因子9.01%、动量因子3.19%）和84.91% 的超额风险（波动率因子58.44%、价值因子9.38%），由行业因子贡献了-4.48%的超额收益（煤炭-2.02%、食品饮料1.03%）和12.07% 的超额风险（煤炭5.38%、银行2.40%）。对于微盘股指数：本周， 由风格因子贡献了0.41%的超额收益（波动率因子-1.11%、市值因 子0.84%）和98.63%的超额风险（市值因子88.53%、波动率因子5.97%），由行业因子贡献了-0.21%的超额收益（非银行金融-0.19%电子0.14%）和0.77%的超额风险（银行0.17%、机械0.16%）。本 年，由风格因子贡献了-11.10%的超额收益（市值因子-6.09%、价值 因子-4.48%）和98.98%的超额风险（市值因子92.46%、波动率因 子3.50%），由行业因子贡献了-0.34%的超额收益（食品饮料0.72% 纺织服装-0.62%）和0.70%的超额风险（机械0.17%、银行0.11%）。风险提示：量化模型基于历史数据构建，而历史规律存在失效风险 张雪杰(分析师) 0755-23976751 zhangxuejie025900@gtjas.com 登记编号S0880522040001 朱惠东(研究助理) 0755-23976176 zhuhuidong028682@gtjas.com 登记编号S0880123070152 张涵(研究助理) 0755-23976666 zhanghan029907@gtjas.com 登记编号S0880124070046 相关报告 全球经济意外指数向好，人民币走强2024.09.04 上月小市值风格强势占优，价量因子表现较好 2024.09.04 人民币大涨，A股消费风格拥挤度上升2024.09.01 风险偏好边际提振，A股有望结构性表现 2024.09.01 降息号角吹响，A股金融风格夏普比上升 2024.08.25 目录 1.A股风险模型因子表现跟踪3 1.1.大类因子表现跟踪3 1.2.风格因子表现跟踪4 2.最新一期因子协方差矩阵6 3.主要指数收益与风险归因6 3.1.中证全指收益与风险归因7 3.2.宽基指数相对中证全指的超额收益与风险归因7 3.2.1.沪深300超额收益与风险归因7 3.2.2.中证500超额收益与风险归因8 3.2.3.中证1000超额收益与风险归因8 3.2.4.中证2000超额收益与风险归因9 3.3.主题指数相对中证全指的收益与风险归因10 3.3.1.中证红利超额收益与风险归因10 3.3.2.微盘股指数超额收益与风险归因10 3.3.3.基金重仓指数超额收益与风险归因11 3.4.主要行业指数收益归因12 3.4.1.基础化工行业收益与风险归因12 3.4.2.医药行业收益与风险归因12 3.4.3.食品饮料行业收益与风险归因13 3.4.4.银行行业收益与风险归因14 3.4.5.电子行业收益与风险归因14 4.附录16 4.1.A股风险模型介绍16 4.2.A股风格因子体系介绍16 4.3.A股风格因子长期表现18 5.风险提示19 国君金融工程团队专注于量化选股、行业轮动、资产配置、量化择时等研究。针对风格因子体系和A股风险模型，之前推出了专题研究报告《基于BarraCNE6的A股风险模型实践：风险因子篇——权益配置因子研究系列06》、 《基于BarraCNE6的A股风险模型实践：股票协方差矩阵估计篇——权益配置因子研究系列07》。 本周报对A股风格因子表现及主要指数的收益风险归因进行周度跟踪。首先，对风格因子体系中的8个大类因子和20个风格因子表现进行周度跟踪，回顾因子近期表现。然后，更新展示最新一期的因子协方差矩阵。最后，对主要宽基、主题和行业指数进行基于持仓的收益与风险归因。本周报所基于的风格因子体系及A股风险模型介绍参见附录4.1与4.2，因子长期历史表现见附录4.3。协方差矩阵估计、收益与风险归因的方法等参见前述专题研究报告。 1.A股风险模型因子表现跟踪 A股风险模型通过涵盖市场因子𝑓�、行业因子𝑓𝐼�和风格因子𝑓𝑆�的因子体系，对股票预期收益构建多因子回归模型，从而实现将对股票组合的收益、风险分析转化为对因子的收益、风险分析： � 𝐼� � 𝑆� 𝑅�=𝑓�+∑𝑋�𝑓𝐼�+∑𝑋�𝑓𝑆�+𝜀� 𝑖=1𝑗=1 � 首先，通过使用财务数据、交易数据等进行处理和加权可以得到因子暴露𝑋𝐼� 和𝑋𝑆�，然后对上述回归模型进行求解，即可得到各因子的收益率�、�和�。 ��𝐼�𝑆� 其中，市场因子可以看作截距项；行业因子按照中信一级行业划分；对于风格因子而言，计算了涵盖描述股票各方面收益来源的20个风格因子，并将其根据相似属性汇总成了8个大类因子，因子体系构成详见附录4.2。 本章对8个大类因子和20个风格因子的纯因子组合表现进行周度跟踪，从纯因子的视角观察市场风格动向。 1.1.大类因子表现跟踪 本周以来（2024/09/02-2024/09/06），8个大类因子中，流动性、质量、红利、成长因子分获正向收益0.45%、0.07%、0.05%、0.05%；波动率、价值、大市值、动量因子分获负向收益-1.07%、-0.49%、-0.47%、-0.42%。 本年以来（2024/01/02-2024/09/06），8个大类因子中，价值、大市值、质量、动量、红利因子分获正向收益4.73%、3.95%、3.4%、3.03%、0.58%；流动性、波动率、成长因子分获负向收益-4.24%、-2.3%、-1.28%。 图1：8个大类因子表现跟踪 数据来源：Wind，朝阳永续，国泰君安证券研究 对8个大类因子本年以来的净值走势进行跟踪。质量因子年初以来不断走高，价值因子上涨走势近期有所收敛，大市值因子近期收益明显回撤；红利因子在5月底之后开始调整，近期收益提升；动量因子在年初以来表现较强，近期波动加大；波动率因子在年初以来表现不佳，成长因子今年以来表现平平；流动性因子在8月经历明显回撤后近期企稳反弹。 图2：质量因子年初以来不断走高，大市值因子近期收益回撤 数据来源：Wind，朝阳永续，国泰君安证券研究 1.2.风格因子表现跟踪 本周以来（2024/09/02-2024/09/06），20个风格因子中，短期反转、流动性、中市值、长期反转、杠杆率因子正向收益较高，分获0.36%、0.33%、0.32%、0.2%、0.2%；贝塔、大市值、动量、账面市值比、残差波动因子负向收益较高，分别为-0.93%、-0.51%、-0.48%、-0.42%、-0.34%。 本年以来（2024/01/02-2024/09/06），20个风格因子中，动量、盈利收益、大市值、盈利质量、账面市值比因子正向收益较高，分获4.66%、3.97%、 3.31%、2.34%、1.92%；短期反转、中市值、流动性、残差波动、盈利波动因子负向收益较高，分别为-9.93%、-5.28%、-4.36%、-2.65%、-2.07%。 图3：20个风格因子表现跟踪 数据来源：Wind，朝阳永续，国泰君安证券研究 对20个风格因子本年以来的净值走势进行跟踪。 图4：20个风格因子本年以来净值跟踪图5：20个风格因子本年以来净值跟踪（续） 数据来源：Wind，朝阳永续，国泰君安证券研究数据来源：Wind，朝阳永续，国泰君安证券研究 图6：20个风格因子本年以来净值跟踪（续）图7：20个风格因子本年以来净值跟踪（续） 数据来源：Wind，朝阳永续，国泰君安证券研究数据来源：Wind，朝阳永续，国泰君安证券研究 2.最新一期因子协方差矩阵 股票协方差矩阵估计是股票组合风险预测的核心，广泛应用于风险预测、风险归因和组合构建，但简单的通过股票收益率样本协方差进行预测具有较大误差。在之前的报告中，我们将股票协方差矩阵拆解为因子协方差矩阵和股票特质风险矩阵分别进行估计，两者结合得到股票协方差矩阵估计。 在多因子风险模型框架下，资产的风险是由核心的多个因子驱动的。通过因子收益率计算时序移动加权因子协方差矩阵，采用Newey-West方法对协方差矩阵进行自相关调整，并通过特征值风险调整法（EigenfactorRiskAdjustment）调整因子协方差矩阵相关性，最后根据波动率预测偏误调整 （VolatilityRegimeAdjustment）因子波动率，得到对因子协方差矩阵Σ�的有效估计。最新一期（2024/09/06）的因子协方差矩阵及归一化的因子相关系数矩阵如下。 图8：最新一期因子协方差矩阵 Analyst BetaBook-toDividendEarningsEarningsEarningsGrowthIndustry InvestmentLeverageLiquidityLong-Term Mid MomentumProfitabilityResidualSeasonalityShort-Term Size Sentiment -Price Yield QualityVariability Yield Momentum Quality Reversal Cap