风格轮动量化研究系列之一：量化视角多维度构建大小盘风格轮动策略

本文从量化视角研究大小盘风格轮动策略。在A股历史上不同风格轮动频繁，想要战胜市场获得超额收益，投资者需提前预判风格动向。作为国君金工团队风格轮动系列首篇报告，本文借鉴多因子模型打分思路，从量化视角研究大小盘轮动策略。 从宏观、估值、基本面、资金、情绪、量价等多个维度构建风格轮动量化模型，历史回测胜率73%，超额年化收益17.45%。本文希望建立起尽可能全面的风格轮动跟踪因子（指标）库，从涵盖宏、中、微观的6个维度出发，测试并选取在历史上有效的因子。各维度内部的因子信号进行等权合成，生成各维度信号，若看好小盘则信号为1，若看好大盘则信号为-1，若持中性则信号为0。然后，将不同维度的信号再等权复合，从而得到量化模型最终打分。对模型进行历史回测，使用沪深300、中证2000代表大小盘风格指数，月度调仓，以大小盘等权作为基准；模型在回测期内（2013/12/31-2024/09/30）表现优秀，月度胜率73%，年化超额收益17.45%，夏普比率1.83，收益回撤比1.18。 量化模型的样本外使用需结合主观分析，进一步考虑月度效应和政策维度，生成风格观点。对于风格轮动研究，量化模型无法完全刻画市场。在样本外结合主观分析、月度效应，对量化模型打分进行适当调整。月度效应方面，统计过去的历史数据，可以发现2、3、 5、8月小盘风格占优，1、4、12月大盘风格占优。政策维度主要关注经济政策、产业政策（技术变革）、并购重组政策与IPO节奏等对大小盘风格可能带来切换动能的因素。通常而言，新兴产业发展政策利好小盘风格，而稳增长政策则更利好大盘风格。技术变革与外部环境也可能带动板块主题性行情，从而推动大小盘风格切换。 此外，并购重组会带来盈利的外延式增长，对中小企业的影响较为显著；IPO发行节奏则会影响市场资金、小盘股的“壳价值”等，均对大小盘风格可能产生影响。在样本外使用时，我们将主观分析的结果也作为一个维度的信号，与量化模型6维度信号进行结合，从而生成最终月度风格轮动观点。 未来改进思路：一是宏观维度引入经济周期分析。目前宏观维度简单使用三个因子进行判断较为粗糙，未来可以对经济周期进行划分，以判断风格的长期相对优势。二是如何确定各维度权重，把握主线维度。目前对各维度进行等权汇总，未来我们希望对当下起主导作用，且未被充分定价的维度赋予更高权重。三是如何在模型层面兼容“哑铃型策略”，目前的量化模型无法兼容“哑铃型策略”两头配置的思路，这也是未来的改进方向之一。 风险提示：量化模型完全基于公开的历史数据构建，历史回测并不代表模型未来表现，模型存在失效风险。市场环境变化、外部环境变化可能导致投资逻辑改变，模型存在失效风险。 国君金融工程团队专注于资产配置、行业轮动、量化选股、量化择时等研究领域。本报告开启了新的风格轮动系列研究。我们将针对市场关注的各类风格轮动问题，构建出有逻辑、有依据、可量化、可追溯的轮动框架。本报告首先关注大小盘轮动，多维度选取有一定预测效果的因子（指标）构建量化模型，在样本外尝试结合主观分析对模型打分进行调整，从而生成最终风格轮动月度观点。 1.A股大小盘轮动频繁、月度效应明显 1.1.A股历史上不同风格轮动频繁 风格是影响股票收益的重要因素。在之前的报告《基于Barra CNE6的A股风险模型实践》系列中，我们构建了A股风格因子，通过对主要指数进行归因，可以发现风格是影响股票收益和风险的重要因素。在历史上A股市场存在着明显的风格轮动效应，市场重点关注的问题包括针对于市值风格的大小盘轮动，以及针对于估值风格的成长价值轮动等。我们曾在《从量化视角复盘A股1995年以来的风格轮动和选股因子表现》报告中，对大小盘轮动做过初步分析和研究。风格轮动系列研究的目标是针对这些市场所关心的风格研判问题，构建起有逻辑有依据，可量化可追溯的轮动框架。 回顾历史，可以发现不同风格轮流搭台唱戏，依次占优。没有哪一种风格能够始终战胜市场。想要战胜市场获得较好的超额收益，投资者需要对未来风格进行提前预判和布局。因此，国君金融工程团队从量化的方法论出发，构建多维度的风格轮动跟踪模型和策略，目的正是希望帮助投资者把握风格轮动线索，获取战胜市场的超额收益。本报告作为风格轮动系列开篇之作，主要关注大小盘轮动的问题。 图1：A股历史上，不同风格轮动频繁（曲线为风格指数相对中证全指的超额净值） 1.2.大小盘风格历史复盘 目前市场上的大盘指数主要有沪深300、上证50、申万大盘指数等，小盘指数主要有中证2000、中证1000、申万小盘指数等。充分考虑到对大小盘刻画的准确性和策略的可落地性，本文使用沪深300和中证2000作为代表指数。下面对大小盘风格走势进行历史复盘，从中长期看（几年维度），大致可以分为四个阶段： 图2：大小盘风格走势历史复盘 阶段一：2014年-2016年底，小盘风格占优。2014年初在宏观经济整体降速、货币流动性宽松、科技创新迭代升级的大背景下，以TMT为代表的主题投资盛行；2014年5月国务院发布国九条，鼓励资本市场并购重组，小盘风格持续占优。期间，2014年12月大盘短暂大幅占优。2015年上半年的大牛市期间，杠杆资金规模快速膨胀，进一步抬升了小盘风格的相对优势。 2016年工信部印发《关于促进中小企业发展规划》，提出重点培育“专精特新”中小企业，小盘风格继续占优。 2014年12月大盘短暂大幅占优。2014年11月21日央行突然降息，标志货币政策转向，直接带动2014年底股市行情；此后一个多月非银金融指数大涨90%、银行指数大涨50%，同期中证2000指数涨幅基本为0，大盘风格短期大幅占优。 阶段二：2017年5月-2021年2月，大盘风格占优。2017年初受金融去杠杆、并购重组监管加强、小盘股成本结构恶化等多重因素影响，小盘风格开始表现不佳；随着北向资金持续流入等因素影响，大盘风格开始占优。2018年受贸易摩擦影响，大盘股补跌，小盘股跌无可跌，小盘股超额收益回撤出现一定修复。但2019年以后，大盘风格行情继续演绎，直到2021年春节后大盘股见顶回落，市场风格悄然切换。这一轮大盘风格占优的大背景是A股纳入MSCI、以北向资金、公募基金为代表的机构资金话语权逐渐增大，持续抱团白马蓝筹股，出现了一波以上证50、沪深300、创业板指等指数成分股为代表的结构化牛市行情，在此期间小盘股被完全抛弃。 阶段三：2021年5月-2023年底：小盘风格占优；2021年春节后白马股抱团行情瓦解，风格发生切换，小盘重新崛起。在宏观经济进入高质量发展的转型阶段，小盘风格受益于科技创新政策扶持，阶段持续占优。随着北向资金持续流出，公募基金发行数量显著回落，偏好大盘股的资金力量逐渐减弱，进一步推动了大小盘风格分化，在这期间微盘股获得了远超市场的超额收益。 阶段三or新阶段四：2024年上半年：大盘相对占优：2024年1月受市场回调过程中情绪下行、衍生产品敲入导致基差扩大、DMA策略降仓位、量化产品的调仓等多重因素影响，小微盘风格开始大幅回撤，押注小市值风格的产品收益回撤较大，部分私募自营资金亏损较多。春节后由于市场风险偏好进一步降低，在4-6月份大盘风格相对占优；下半年以来大小盘风格分化不明显。 1.3.大小盘轮动具有明显月度效应 大小盘风格具有明显的月度效应。其背后原因尚待研究，这里仅做统计学分析供投资者参考。根据2014年以来的历史数据，在2、3、5、8月，小盘风格明显超过大盘；1、4、12月，大盘风格明显超过小盘。 表1：大小盘风格具有明显的月度效应 将各年度小盘/大盘超额收益进行简单平均，从而计算出平均净值曲线，以直观展现年内风格占优情况。从平均净值曲线可以看到，从年初开始，1月份明显大盘风格占优，到2月初开始小盘风格触底反弹。3月中旬，大小盘再次转向，大盘风格占优约1个半月。从5月到11月，总体而言小盘相对更强，期间在6月大盘阶段性胜过小盘。直到年末，大盘再次胜出，12月明显强于小盘。后续在对大小盘风格进行研判预测时，我们也会参考月度效应；不过由于这完全是对历史样本的统计分析，因此在构建量化模型时不纳入考虑范围，仅在样本外跟踪时参考。 图3：2015、2016、2021、2022、2023年小盘强于大盘 图4：2014、2017、2018、2019、2020、2024年（至今）大盘强于小盘 由于大小盘表现并不是完全对立的关系，我们亦统计了小盘/中证全指与大盘/中证全指的月度收益，可供参考。 表2：小盘/中证全指超额收益逐月统计 表3：大盘/中证全指超额收益逐月统计 2.大小盘轮动策略介绍 本章首先从宏观、估值、基本面、资金、情绪、量价6维度出发构建量化模型，测试并选取在历史上有效的因子。对于风格轮动研究，量化模型无法完全刻画市场，因此我们希望将模型的打分结合主观分析进行调整。其中，量化模型能够进行历史回测从而检验其有效性，样本外再引入主观分析适当调整，最终生成每月更新的风格轮动观点。 图5：大小盘轮动策略示意：量化模型打分+主观分析调整 表4：大小盘轮动策略使用的全部因子 2.1.量化模型：宏观维度 从宏观维度研究资产配置，最先想到的自然是美林时钟模型中的增长和通胀两因子。然而，美林时钟模型更加适用于股、债、商的大类资产配置，与大小盘之间很难确认逻辑关系。例如，增长下行到底是利好盈利确定性较高更加抗跌的大盘风格，还是利好受益于主题性博弈行情的小盘风格，难以从基本面分析中的分子分母端推导得到明确的对应关系。从量化的统计学角度来看，我们也对美林时钟的增长、通胀因子进行了历史回测，对大小盘轮动确实缺少指示作用。 相比而言，货币、信用两因子的逻辑更加适用于大小盘轮动。宽货币阶段，小盘股对流动性宽松更加敏感，从而小盘风格相对占优；反之紧货币阶段大盘风格相对占优。宽信用阶段，中小上市公司更加受益于较低的融资成本，从而小盘风格相对占优；反之紧信用阶段大盘风格相对占优。 2.1.1.宏观维度复合测试 宏观维度的细分因子包括期限利差因子、货币活化因子和信用利差因子，将信号等权合成宏观维度复合信号，进行回测。月频调仓，若月末信号看多大盘风格，则下月配置大盘指数；若月末信号看多小盘风格，则下月配置小盘指数；若月末为中性信号，则大小盘指数等权配置。以大小盘等权组合作为基准，回测区间为2013/12/31-2024/09/30。 宏观维度复合信号月度胜率65.12%，超额年化收益14.59%，在历史上指导大小盘轮动效果较好，不过在近两年表现一般，出现一定回撤。下面对宏观维度各个因子进行详细测试和分析。 图6：宏观维度复合历史回测 2.1.2.期限利差因子 首先从“价”，即利率的角度刻画流动性。相比于直接采用利率债收益率和Shibor等利率，更好的刻画方式是期限利差因子，即使用长久期利率减去短久期利率得到的差值。这么做的目的，是因为长久期利率更多体现了投资者对未来经济的预期，不同久期相减来剔除其他因素从而更好地刻画货币流动性水平。下面使用10年期与1年期的国开债收益率计算期限利差因子，其与大小盘相关关系如图所示。一般而言，当期限利差走阔时，流动性处于宽松阶段，小盘风格占优；当期限利差收窄时，流动性处于收紧阶段，大盘风格占优。 图7：期限利差因子走势 对期限利差因子进行历史回测。使用长短均线来捕捉因子趋势信号，当短均线上穿长均线时，意味着期限利差因子趋势上行，流动性阶段宽松，发出小盘信号；当短均线下穿长均线时，意味着期限利差因子趋势下行，流动性阶段收紧，发出大盘信号。均线参数分别选取5日和250日，以大小盘等权组合作为基准，回测区间为2013/12/31-2024/09/30。期限利差因子信号月度胜率58.91%，超额年化收益13.16%，对指导大小盘轮动具有一定的效果。 期限利差因子指导大小盘轮动失效的区间可以分为两段，一段是2023年下半年，宏观流动性偏紧，而小盘风格却占优，即二者之间对应逻辑的失效。 这一段时期，市场的关键词是“哑铃型策略”，在弱现实、弱预期的背景下，通过高股息的