中金：低频策略的超额密码，多策略配置思路

　　炒股就看金麒麟分析师研报，权威，专业，及时，全面，助您挖掘潜力主题机会！

　　中金点睛

　　Abstract

　　摘要

　　微观视角下的多策略配置思路

　　风格轮动现象长期存在于市场中，也较大程度影响了不同类型主动量化选股策略在不同市场阶段的收益水平。在这样的市场环境中，投资者不仅需要借助策略和风格的分散配置方式来降低组合风险，更需要能够动态评估各个风格（或策略）在不同市场周期中的配置价值的模型。本篇报告尝试从微观视角展开，通过估值差、主动流入率差、组合时序相关性等若干定量指标衡量风格（或策略）的配置价值，从而实现超配高性价比的风格（或策略）、低配低性价比风格（或策略）的配置思路。

　　核心思路：基于估值性价比、市场是否过度参与、组合一致性指标衡量风格配置价值。我们用风格估值差指标衡量风格的配置性价比，经过历史数据统计，发现风格估值差指标越大（反映风格估值水平越低），未来3个月超额收益表现越好。我们用资金主动流入率差指标衡量过去一段时间市场参与度，并发现当主动流入率差较大时，相应风格存在过度反应的风险，未来3个月超额收益可能回调。我们用组合时序相关性指标衡量组合一致性程度，这个指标与各个风格未来超额收益表现具有较强的相关关系，组合一致性程度高的时候相对利好成长、小盘风格，但与价值、红利风格超额收益负相关。

　　从风格择时框架到策略轮动模型

　　风格择时模型可以有效规避风险较大的阶段，但也会错过一些风格上行的机会。我们根据单一择时指标值找到历史上与当前指标值接近的指标临近点，通过采用鉴往知来的方式对风格未来的表现进行判断。同时，由于估值差、主动流入率差、组合时序相关性指标相关性较低，我们可以通过投票法整合多维度指标的择时观点，形成综合多维度信息的风格择时模型。经过测算，我们发现风格择时模型可以有效降低风险，各风格择时策略最大回撤率均优于长期持有的策略；但同时，择时策略的年化收益率往往低于风格本身，意味着择时过程中错过了一些风格上行的机会。

　　基于风格择时观点的风格指数轮动模型年化收益率达16.5%。我们对多个风格同时进行择时，如果每期持有所有看多的风格，就形成了风格动态配置模型；如果我们在看多的风格里，进一步筛选出指标临近点超额胜率最高的风格作为唯一持仓时，就形成了风格轮动模型。我们以风格指数作为交易标的进行了回测，发现风格指数轮动模型在回测期内（2015-01-01至2025-01-31）年化收益率可达16.5%，以中证全指全收益指数为基准，年化超额收益率达12.7%。

　　主动量化策略轮动模型的年化收益率超36%。我们在风格轮动模型看多某一风格时，持有相应风格的主动量化选股策略，便形成了主动量化策略轮动模型。经测试，该模型在回测期内（2015-01-01至2025-02-28）年化收益率可达36.2%，以偏股混合型基金指数为基准，年化超额收益率28.5%，且在大部分年份中均可保持正收益和正的超额收益，历年收益表现较为稳健。

　　2025年3月最新观点：看多小盘、成长风格，价值、红利风格为空仓观点。风格指数配置方面建议持有中证2000等小盘指数以及国证成长等成长风格指数；主动量化策略配置方面建议配置低关注度掘金、次新股掘金策略以及成长趋势共振选股策略。

　　风险提示：本篇报告通过结合配置性价比、市场参与度、组合一致性等信息，构建了主动量化策略和风格的轮动配置模型，该模型在回测阶段内表现较好，但随着未来市场环境的变化，模型可能存在失效的风险。

　　Text

　　正文

　　微观视角下的多策略动态配置思路

　　从市场风格轮动谈起

　　市场风格的轮动现象长期存在于资本市场中，如下图所示，2009-2010年、2019-2020年成长风格均持续跑赢价值风格；2017年、2022-2023年则是价值风格相对占优。而主动量化策略的收益水平往往与其相关风格的收益表现有关，如图表2展示的是《基本面量化系列（1）：如何看待价值股的“价值”》报告中构建的价值股优选策略和《基本面量化系列（3）：业绩成长是否具有延续性》报告中构建的成长趋势选股策略历史回测表现。具体来看，2019-2020年，成长趋势选股策略表现优于价值股优选策略；而2017年、2022-2023年则是价值股优选策略表现更佳，与相应风格的轮动节奏一致。

　　投资者的需求：在这样的市场环境中，投资者不仅需要借助策略和风格的分散配置来降低组合风险，更要能够动态评估各个策略（或风格）在不同市场周期中配置价值的模型。这种动态判断模型能让投资者精准捕捉风格轮动机遇，从而更有效地提升投资组合收益水平。

　　图表1：国证成长和国证价值指数历史走势

　　注：截至2025-02-14资料来源：Wind，中金公司研究部

　　图表2：成长趋势选股策略与价值股优选策略历史回测表现

　　注：截至2025-02-14资料来源：Wind，中金公司研究部

　　而风格轮动的影响因素众多，既受宏观经济周期变化的影响，也受投资者情绪、生产技术变革等因素的影响。如何解析风格轮动背后各方面因素的影响机制，并据此准确判断未来的风格表现一直以来都是资本市场中关注度较高，但难以解决的问题。

　　本篇报告另辟蹊径，不过多探讨风格轮动复杂的宏微观影响因素和传导机制，而是尝试从微观视角展开，通过估值差、市场主动参与率等若干定量指标衡量风格（或策略）的配置价值，从而实现超配高性价比的风格（或策略）、低配低性价比风格（或策略）的配置思路。

　　如何衡量风格的配置性价比？

　　什么叫做高性价比？传统思路下，在日常购物时，高性价比意味着“物美价廉”；在证券投资的场景下，投资者往往用市盈率（PE）、市净率（PB）等估值指标衡量股票的价值，也是性价比思路的一种体现。引申到风格层面，我们也可以通过估值类的指标衡量风格的配置性价比，但为了避免系统性估值偏离的影响，我们可以用估值差指标来定义配置性价比。具体计算过程如下：

　　► 构建风格组合：通过回归的方式，将风格因子进行行业、市值的中性化处理，在全市场股票范围内取因子值前10%的股票作为风格组合；

　　► 计算估值差：计算风格组合内所有股票BP（市净率倒数）的均值，再除以全市场股票BP的均值，得到该风格的估值差，估值差越大，配置性价比越高；

　　► 取估值差近半年的移动平均：为减少估值差指标的短周期波动，我们取近6个月的估值差的均值作为最终的估值差指标。

　　如何检验估值差指标用以衡量配置性价比的有效性呢？我们可以基于风格的估值差指标对历史收益数据进行分组（如：均分20组），统计每一组样本内，该风格未来1、3、6个月的平均超额收益率（风格组合收益率-全市场组合收益率），并观察是否估值差指标较大的组合（性价比越高），未来收益率较高。

　　估值差较高的样本，未来长期收益表现较好；估值差较低的样本，未来风险较大。如下图所示，我们以成长、价值风格为例，展示了两个风格组合在估值差指标分组下，未来一段时间的平均超额收益表现。我们发现，虽然各组的未来收益表现的分布与估值差水平存在较为明显的正相关关系，即：估值差最低一组，未来1、3、6个月的平均收益率均为负，说明风险较大；同时估值差较高的样本，未来1、3、6个月的平均收益率总体表现较好。因此，我们认为估值差指标具有一定的择时能力。

　　图表3：成长风格估值差指标分组的未来平均超额收益统计

　　注：截至2025-01-31；Group1为估值差最低一组；Group20为估值差最高一组；超额收益比较基准为市场等权收益

　　资料来源：Wind，中金公司研究部

　　图表4：价值风格估值差指标分组的未来平均超额收益统计

　　注：截至2025-01-31；Group1为估值差最低一组；Group20为估值差最高一组；超额收益比较基准为市场等权收益

　　资料来源：Wind，中金公司研究部

　　估值差指标可一定程度解释2020年以来成长风格波动增大以及价值风格表现向好的现象。如下图表所示，2020年以前成长风格估值差总体维持较高水平，成长风格长期表现较好，但2020年以后，成长风格估值差中枢下移，导致成长风格波动增大。而价值风格估值差则在2020年以后中枢有所上移，价值风格表现向好。

　　估值差指标对未来收益率也存在一定的误判风险：即使估值差指标处于低位，反映该风格配置性价比低，但该风格仍存在继续相对占优的可能性，如2018年的价值风格，当时市场整体下行，受投资者避险情绪的影响，相对稳健的价值股仍然保持优势。

　　图表5：成长风格相对净值与估值差指标对比

　　注：截至2025-01-31；相对净值比较基准为全市场等权指数资料来源：Wind，中金公司研究部

　　图表6：价值风格相对净值与估值差指标对比

　　注：截至2025-01-31；相对净值比较基准为全市场等权指数资料来源：Wind，中金公司研究部

　　综上所述，主动量化策略的收益水平与其相关风格的收益表现有关，要合理地对多个策略进行配置，需要实现对风格的未来收益表现进行预判。经检验，我们发现估值差指标可以较好地刻画风格因子、基本面因子多头组合的配置性价比，能够有效提示未来3-6个月可能面临的调整风险，因此估值差指标可以为风格和策略的配置提供参考意见。

　　接下来，我们将利用估值差指标择时有效性的测试框架，从不同维度进一步挖掘更多适用于风格（或策略）择时的指标。

　　风格择时体系：估值性价比、市场参与度、组合一致性

　　风格择时指标构建：围绕市场参与、组合一致性、市场情绪

　　如前文所述，本节我们尝试基于估值差指标的择时有效性测试框架，对风格择时指标体系进行拓展。我们认为，当风格组合过去一段时间市场参与度过高、市场情绪过于高涨时，未来存在调整的风险。基于这一思路，我们围绕市场参与度、风格组合表现、市场情绪等维度构建了若干风格择时指标，具体指标构建过程如下图表所示。

　　其中，高频机构参与度指标参考了报告《资金结构系列（2）：如何利用日内交易数据左侧预警机构成交拥挤度》的高频拥挤度指标，利用日内分钟级别的成交数据刻画机构的参与水平；主动流入率刻画过去一段时间市场主动净买入量的占比，体现投资者的买入热情；新闻情感得分指标参考了报告《另类数据策略（2）：如何优化新闻文本因子》，刻画新闻文本中所体现的对风格的乐观程度；组合表现中的收益离散度和组合内时序相关性均反映风格组合内的样本股的分化程度。

　　图表7：风格择时指标构建

　　资料来源：中金公司研究部

　　风格择时指标的有效性测试框架如下：

　　► 构建风格组合：通过回归的方式，将风格因子进行行业、市值的中性化处理，在全市场股票范围内取因子值前10%的股票作为风格组合；

　　► 择时指标分组：基于择时指标，将风格组合的历史序列（月频）均分成20组，并统计每一组内未来三个月的收益率平均数，Group20为指标值最大一组，Group1为指标值最小一组；

　　► 单调性统计：计算分组后，各组未来三个月的平均收益率与分组标签的相关性系数（1-20序列），如果相关性系数绝对值越大，说明分组单调性越好；相关性系数大于0，说明该指标与未来收益率正相关。

　　其中，测试框架的收益率的预测目标为未来三个月的收益率，原因在于经过前文对估值差指标的分组效果的观察，我们发现估值差指标对未来中长期（3-6个月）的收益率预测效果优于短期（1个月）的预测效果。

　　重点关注的风格：成长、小盘、价值、红利。我们在前面的基本面量化系列报告中，已构建了成长趋势选股策略、价值股优选策略、低关注度选股策略、次新股优选策略、红利优选策略等，其中主要涉及到的相关风格包括成长、小盘（规模）、价值、红利。：业绩成长是否具有延续性》、《基本面量化系列（10）：如何在低关注度股票中挖掘alpha？》、《基本面量化系列（13）：关注企业投资行为，助力次新股掘金》、《基本面量化系列（14）：在手之鸟，红利优选策略》）

　　测试结果：关注估值差、主动流入率、时序相关性指标

　　依据择时指标与风格组合未来三个月超额收益表现的相关性统计结果，我们建议重点关注估值差、市场参与度、组合内时序相关性指标。

　　估值差指标与各风格未来三个月超额收益正相关。如下图表所示，估值差指标与成长、规模、价值、红利风格未来三个月超额收益均为正相关关系，说明估值差指标可以较好地反映风格的配置性价比，估值差指标越大，性价比越高，未来超额收益表现越好。

　　图表8：风格组合未来三个月超额收益率与各择时指标的相关性统计

　　注：截至2025-01-31 资料来源：Wind，中金公司研究部

　　主动流入率差指标较高时，存在过度反应的风险。从相关性统计结果来看，市场参与度指标（尤其是高频机构参与度差）与大部分风格未来超额收益表现呈负相关关系。虽然主动流入率差指标与规模、价值风格未来超额收益相关性系数为正，但从分组超额收益统计来看，当主动流入率差指标达到较高水平时，各风格都存在过度反应的风险，未来收益表现的波动可能放大。

　　组内时序相关性指标，在成长、规模风格中与未来超额收益呈正相关关系；在价值、红利风格中与未来超额收益呈负相关关系。这一差异主要与两类风格的收益来源不同有关，成长、规模风格的收益来源于市场对未来盈利增长预期的实现，组合内股价走势一致性高一方面提高了增长预期的置信度，另一方面也通过正反馈机制提高了预期实现的概率；而价值、红利风格的收益来源于定价偏差（股票价值被低估），组合内股价走势的低一致性表明存在市场认知的差异化，说明存在更多的估值修正的投资机会。

　　图表9：主动流入率差指标分组下，各风格未来三个月超额收益率分布

　　注：截至2025-01-31；Group1为估值差最低一组；Group20为估值差最高一组；超额收益比较基准为市场等权收益

　　资料来源：Wind，中金公司研究部

　　图表10：组内时序相关性指标分组下，各风格未来三个月超额收益率分布

　　注：截至2025-01-31；Group1为估值差最低一组；Group20为估值差最高一组；超额收益比较基准为市场等权收益

　　资料来源：Wind，中金公司研究部

　　综上所述，我们认为风格择时应重点关注估值差、主动流入率差、组合内时序相关性指标，它们通过衡量风格的配置性价比高低、市场是否过度参与、组合内股价表现一致性来判断未来风格收益水平。但上述测试框架中，我们是基于全历史数据进行统计检验的，如何设计指标择时的打分框架、避免用到未来信息是需要进一步考虑的问题。

　　从风格择时框架到策略轮动模型

　　风格择时模型：规避风险，降低回撤

　　如前文所述，我们已基于投资逻辑与数据统计的方式，筛选了估值差、主动流入率差、组合时序相关性等风格择时指标。本节尝试将这些指标用于成长、小盘（规模）、价值、红利等风格的择时模型中，依次构建了基于临近点胜率的单指标风格择时框架和综合多指标的风格择时模型。

　　单指标风格择时框架

　　核心思路：鉴往知来，我们将择时指标值转化为指标临近点的风格超额表现数据，再基于与当前指标值相近的历史风格表现判断当前的择时观点，具体实施过程如下：

　　► 判断择时指标是否创新高（新低）：如果择时指标创出新高（新低）且zscore大于2（小于-2），说明当前指标值已偏离历史指标中枢距离较远，历史经验可能难以指导当前的情形，因而可以给出谨慎观点；否则，可进入下一择时流程。

　　► 获取指标临近点：基于月频的历史数据，找到历史上与当前指标值最接近的12个样本点，作为指标临近点。我们认为指标临近点的风格表现对当前风格观点有较大的借鉴意义。

　　► 观察指标临近点的风格表现：如前文所述，本篇报告所挖掘的择时指标对中长期超额表现的预测效果优于短期，故而观察指标临近点的风格表现时，主要统计未来三个月的超额收益胜率和平均超额收益率。

　　► 择时观点发布：临近点平均超额收益大于0且超额收益胜率大于阈值wr时，择时观点看多，否则观点为空仓。

　　图表11：单指标的风格择时流程

　　资料来源：中金公司研究部

　　其中，在统计指标临近点风格表现时，由于统计的是未来三个月的超额收益，因而只能取三个月以前的历史样本；同时由于这套择时框架需要一定的历史数据来指导模型观点，下文的择时和配置模型回测期均从2015年开始。

　　此外，风格择时模型开仓阈值wr的选取可以有如下考量：

　　► 择时模型的开仓阈值可以基于投资者的风险偏好进行设置，如果风险偏好较高，可以将开仓阈值wr降低，如：60%，意味着仅在指标临近点胜率低于60%的时候规避风险；如果风险偏好较低，可以将开仓阈值wr提高，如：80%，意味着仅在指标临近点胜率达到80%以上时开仓看多。

　　► 择时模型的开仓阈值wr也可以用该风格的历史胜率。这样设置的优势在于降低模型的参数维度，在模型外推时可以根据最新的风格表现情况自适应调节开仓阈值水平。

　　我们以估值差指标对成长风格的择时模型回测结果为例，展示了上述单指标择时框架的效果。如下图所示，我们对开仓阈值wr做了敏感性测试，统计了wr取值分别为60%、70%、80%的情形下，择时策略的收益表现。

　　择时策略可以有效规避风险较大的阶段，但也会错过一些风格上行的机会。如下图所示，基于估值差指标的成长风格择时策略，可以有效规避2020年9月和2022年9月前后的成长风格的调整，从而降低回测期内的最大回撤率水平，提高策略夏普比率。但同时，长期来看，择时策略的年化收益率低于不择时的成长风格表现，尤其是开仓阈值提高到80%以后，年化收益率明显降低。

　　图表12：基于估值差指标的成长风格择时策略回测表现

　　注：截至2025-01-31；相对净值的比较基准为全市场等权指数资料来源：Wind，中金公司研究部

　　结合多维度指标的风格择时

　　为了提升风格择时策略的稳健性，我们尝试将前文所梳理的配置性价比、市场参与度、组合一致性等多维度择时指标观点进行整合。鉴于这三个维度信息在成长、小盘、价值、红利风格内的平均相关系数较低，说明这三个维度信息相对独立，我们可通过投票的方式汇总模型观点，具体如下：

　　► 各维度指标给出独立择时判断：三个维度择时指标分别按照单指标择时框架给出择时观点，开仓阈值取该风格的历史胜率，减少参数维度；

　　► 整合观点：有两个及以上指标看多时，模型持看多的观点；仅有一个及以下指标看多时，模型持空仓的观点。

　　图表13：多维度的风格择时指标体系

　　资料来源：中金公司研究部

　　图表14：不同风格内各个择时指标之间的相关性系数的平均数统计

　　注：统计期为2010-01-01至2025-01-31 资料来源：Wind，中金公司研究部

　　依据上述多维度指标的风格择时思路，我们以各风格组合的相对收益作为交易对象，分别对成长、小盘、价值、红利等风格进行了择时策略的回测，回测结果如下图表所示。

　　多维度综合择时模型在各个风格内，均可有效降低回测期内的最大回撤率，说明该择时模型具有较好的风险警示作用。成长、价值、小盘风格相对收益在回测期内的最大回撤率分别为-8.6%、-13.2%、-14.9%，应用多维度择时策略后，最大回撤率可分别降低至-5.2%、-10.9%、-10.4%，可以有效规避小盘风格在2017年3到5月、2024年1-2月的调整风险。

　　图表15：各风格择时策略的回测收益统计

　　注：统计期为2015-01-01至2025-01-31；相对收益比较基准为全是等权指数

　　资料来源：Wind，中金公司研究部

　　各择时模型最新观点（2025年3月）：看多小盘和成长风格，价值、红利风格为空仓观点。其中，配置性价比维度上，小盘和成长风格的估值差指标较高，性价比较好；市场参与度方面，价值和红利风格过去一段时间主动流入率较高，观点偏负面；组合一致性方面，各风格均相对乐观。

　　图表16：各风格最新择时观点（2025年3月）

　　注：截至2025-01-31 资料来源：Wind，中金公司研究部

　　基于风格择时观点的策略轮动模型：

　　如前文所述，对单一风格进行择时是一把“双刃剑”，它可以规避风格下行的风险，但也容易错过部分风格上行的机会。如果将多个风格的择时策略结合到一起，形成风格的配置或轮动策略，则可一定程度起到趋利避害的作用，即：当某一风格的择时模型看空时，其他风格的择时观点有可能看多，此时可以持有模型看多的风格组合，减小踏空的风险。

　　基于这一思路，本节我们尝试构建了风格轮动策略和风格动态配置策略，具体实施过程如下：

　　► 风格动态配置策略：假设在没有任何观点的情况下，我们给成长、小盘、价值、红利风格的配置比例为4：2：2：2；接下来每月初参考各个风格的多维度择时观点，只持有择时观点为看多的风格，按预设的比例配置。

　　► 风格轮动策略：每月初参考各个风格的多维度择时观点，取择时观点为看多的风格，并进一步比较这些风格中，指标临近点超额收益胜率与历史胜率之差，持有超额收益胜率差最高的风格。

　　为方便比较风格动态配置的效果，我们按4：2：2：2的固定比例配置成长、小盘、价值、红利风格，构建了固定比例配置组合作为比较基准。

　　参考上述风格轮动配置和动态配置思路，我们将其应用于主动量化选股策略的配置上，即：在风格配置模型看多某一风格时，我们配置相应的主动量化策略所筛选出来的股票。风格与主动量化策略的对应关系如下：

　　► 成长风格：成长趋势选股策略，构建过程可参考报告《基本面量化系列（3）：业绩成长是否具有延续性》；

　　► 价值风格：价值股优选策略，构建过程可参考报告《基本面量化系列（1）：如何看待价值股的“价值”》；

　　► 红利风格：红利优选策略，构建过程可参考报告《基本面量化系列（14）：在手之鸟，红利优选策略》；

　　其中，由于小盘风格的两个策略持仓股票市值往往相对较小，流动性相对较差，所以我们考虑配置小盘风格时，同时配置两个策略的持仓股票，即通过增加持仓股票数量来减小流动性压力。

　　主动量化策略轮动和主动量化策略动态配置思路均可贡献较为明显的超额收益。如下图所示，以偏股混合型基金指数为基准，主动量化策略轮动思路的年化收益率达36.2%，年化超额收益率达28.5%；主动量化策略动态配置思路的年化超额收益率为20.7%，均显著优于固定比例配置思路的超额收益水平（年化约12.7%）。但由于策略轮动思路所贡献的超额收益是通过风格偏离实现的，所以主动量化策略轮动和动态配置思路都将放大相对收益的波动。换手率方面，主动量化策略轮动的平均月度换手率约为66%，主动量化策略动态配置的平均月度换手率约为61%。

　　图表17：主动量化策略轮动/动态配置的回测表现

　　注：截至2025-02-28 资料来源：Wind，中金公司研究部

　　分年度来看，主动量化策略轮动模型的回测收益表现较为稳健。回测期内（2015-01-01至2025-02-28）绝大部分年份均可贡献正收益和正超额收益（以偏股混合型基金指数为基准），绝对收益方面，仅在2016、2018年等市场系统性风险较大的年份小幅亏损（-4.3%以内），其他年份均有正收益；超额收益方面，仅在2017、2019、2020年等市场风格演绎较为极致的阶段，超额收益率在10%以内，其他年份超额收益率均较为可观。

　　图表18：主动量化策略轮动模型的历年收益统计