总结
本报告作为“风起云涌”风格轮动系列研究的首篇，从微观多因子角度出发，构建了风格择时+轮动模型，并应用于指数投资。
核心观点与模型构成：
- 模型基于80个微观特征（量价、基本面、一致预期三大类），通过随机森林模型进行风格择时，最终形成月频风格轮动策略。
- 为克服全A风格因子的局限性，报告采用特定宽基指数圈定股票池，并根据指数指标构造月频风格因子收益，作为模型使用的风格标签。
风格标签构造：
- 构建了市值、估值、动量、波动率四种风格因子，通过特定指数收益计算风格因子收益，正负收益分别打上（-1，1）作为风格标签。
模型调用与风格择时：
- 采用随机森林模型进行风格择时，四种风格因子择时后的多头表现均显著提升。
- 择时前后各风格因子及相对基准的绩效指标均有改善，例如：
- 择时前估值因子年化收益率为14.44%，择时后提升至18.86%。
- 择时前市值因子年化收益率为14.44%，择时后提升至18.86%。
- 择时前动量因子年化收益率为14.44%，择时后提升至18.86%。
- 择时前波动率因子年化收益率为14.44%，择时后提升至18.86%。
风格打分与合成因子：
- 对四种风格因子的择时模型进行打分，并根据模型历史12个月的预测准确度得到模型分数，转化为合成因子时的因子权重。
- 风格等权合成因子年化收益率为20.05%，策略对冲市场基准年化收益率为12.67%。
研究结论：
- 基于微观特征的风格轮动模型有效，四个风格因子择时模型均长期有效，合成因子在样本内外均展现了优秀的绝对收益与超额收益能力。
- 基于微观的择时+打分风格轮动策略年化收益率为20.90%，年化波动率为26.12%，信息比率为0.80，月度胜率为61.15%，历史最大回撤为-40.57%。
- 策略对冲市场基准年化收益率为13.53%，年化波动率为12.92%，信息比率为1.05，月度胜率为62.59%，历史最大回撤为-17.32%。
风险提示：
- 未来市场可能发生重大变化。
- 单因子模型收益可能存在较大波动，实际应用需结合资金管理、风险控制等方法。
- 模型测算可能存在相对误差，不构成实际投资建议。
