您的位置:首页 >财经 >

中金:如何捕捉成长与价值的风格轮动?

摘要

2017年以来市场风格的大幅切换给很多投资者尤其是量化投资者带来的不小的困扰。从2017年小市值风格失效和白马龙头强势表现,到2019年至2020年上半年的估值风格失效和机构抱团行情,再到2021年2月底的估值风格强势回归。在风格的如此大幅度切换的状态下,无论是主动权益投资者还是量化投资者都面临了较大的挑战。本文就主要针对价值与成长风格的收益相对强弱建立预测模型,尝试通过市场情绪、因子拥挤度、金融环境和经济环境这四大类指标,构建成长与价值的风格轮动策略。

成长风格长期更优,价值风格有阶段性超额

与现有的风格指数相比,采用中金量化风格因子计算得到的成长风格和价值风格的收益表现对比结果与我们的直观认知更为贴合。整体上来看,成长风格长期收益优于价值风格,而价值风格会阶段性的体现出收益上的相对优势。

测试框架:结合Granger检验、Spearman相关性分析以及四类指标事件化测试结果,综合考察各类指标对风格收益的预测能力。

市场情绪:多维刻画情绪与风格切换的相关性

我们从多个维度刻画市场参与者的情绪变化,机构调研偏好、新增投资者数量、风格强势股占比和北上资金偏好变化这四个指标均对成长/价值风格收益均具有预测能力。

金融环境:期限利差收敛时价值风格占优

期限利差收敛时价值风格占优,利差收敛时成长板块相对优势减弱,此价值更具有性价比;M2与M1的增速差反映经济景气度,M2-M1指标与成长/估值因子收益具有较显著的负面相关性。

经济环境:经济现状与风格收益有一定相关

从相关性上来看,社融增速和PMI与成长/价值风格收益呈现负相关,而CPI-PPI剪刀差则与成长/价值风格收益呈现一定的正相关。

综合指标:强势风格预测胜率可达 85%

综合指标与成长/价值风格收益相关性显著。综合指标与后三个月的成长/价值风格收益的相关系数超过0.30,p-value低于0.001,显著性较高。

基于成长/价值风格择时信号的策略调仓胜率为85%,月度胜率为64%。回测期间(2011年1月1日至2021年4月30日)累计超额成长组合227.71ppt,共调仓7次,平均每1.4年发出一次调仓信号,较低的信号频率对组合换手率的影响较低。

正文

成长风格与价值风格:孰强孰弱?

2017年以来市场风格的大幅切换给很多投资者尤其是量化投资者带来的不小的困扰。从2017年小市值风格失效和白马龙头强势表现,到2019年至2020年上半年的估值风格失效和机构抱团行情,再到2021年2月底的估值风格强势回归。在风格的如此大幅度切换的状态下,无论是主动权益投资者还是量化投资者都面临了较大的挑战。

价值风格和成长风格的相对强弱,是市场风格判断中的核心问题。本文就主要针对价值与成长风格的收益相对强弱建立预测模型,尝试通过市场情绪、因子拥挤度、金融环境和经济环境这四大类指标,构建成长与价值的风格轮动模型。

成长风格长期更优,价值风格有阶段性超额

如何定义成长与价值的风格收益

在构建成长与价值风格轮动策略之前,首先需要解决的一个问题是:成长风格和价值风格的收益如何准确描述和定义?

因为主动投资者和量化投资者在定义成长与价值时往往时存在一些分歧的。主动投资者更倾向于从行业和板块的属性角度,定义属性偏成长的行业板块例如消费和计算机为成长风格,属性偏防御的行业板块例如金融和周期为价值风格;而量化投资者更多的使用成长和价值因子,从因子收益的角度来评价风格的收益表现,同时量化角度的因子收益在计算时也大部分会采用行业中性的方式将行业因素剔除。

我们认为,采用行业板块来定义风格存在无法准确描述风格在微观下的区分度的问题,同一板块内的公司也存在成长潜力和估值水平上的较大的差异,因此简单的用行业板块来作为风格划分是不太合理的。

因此,我们将主要对比两种风格收益的定义方式:一是采用现有的风格指数,二是采用风格因子并计算因子收益。

成长风格指数与价值风格指数

目前市场上主流的风格指数中,国证成长和国证价值指数相对而言定义方式比较合理,国证成长和国证价值指数的历史走势如下图所示:

图表:国证成长和国证价值指数走势对比

图片

从国证成长指数和国证价值指数的走势来看,价值指数在2011年至2019年是长期稳定的战胜成长指数的,仅仅在2019年以后,成长指数才大幅跑赢了价值指数。这一结果与我们的直观认知存在差异(例如2013年至2016年的市场风格整体偏向成长,尤其是2015年底至2016年,成长股的优势应当是较为明显的),其原因则主要是指数编制时基础股票池的覆盖范围较小带来的。

国证成长与国证价值指数的编制方法主要有以下几点:

选样空间:均以国证1000指数样本股为样本空间

国证1000指数:最近半年日均总市值排名前1000的股票

价值因子与成长因子变量数值:

成长因子有三个变量:主营业务收入增长率、净利润增长率和净资产增长率

价值因子有四个变量:每股收益与价格比率、每股经营性现金流与价格比率、股息收益率、每股净资产与价格比率。

指数选样:均选择得分最高的332只股票作为初始样本股。

成长风格长期更优,价值风格有阶段性超额

因此为了更准确的描述成长风格与价值风格的收益表现,我们将采用计算风格因子收益的方式来做进一步尝试。

图表:成长和价值风格因子收益对比

图片

成长与价值风格因子及因子收益计算方式:

选样空间:剔除STPT、停牌以及上市半年内股票。

价值因子与成长因子定义:

成长因子(Growth):净利润单季度同比增速(NP_Q_YOY)、营业利润稳健加速度(OP_SD)、业绩趋势因子(QPT)

价值因子(Value):每股收益与价格比率(EP_TTM)、股息收益率(DP)、每股净资产与价格比率(BP_LR)

因子收益计算:因子排名前10%的个股根据因子值加权计算收益

成长风格长期更优,价值风格有阶段性超额

上图可见,采用中金量化风格因子计算得到的成长和价值的收益表现对比结果与我们的直观认知更为贴合。2010年至2014年上半年成长风格具有较为明显的优势,2014年底价值风格出现了一波较为强势的反弹,而后成长风格再次占据优势,直到2017年价值风格再次获得一波强势的超额,2018年至2020年上半年风格再度切回成长并且成长风格收益大幅战胜价值风格,2020年下半年至今则是价值风格相对更优。

整体上来看,成长风格长期收益显著的优于价值风格,价值风格会阶段性的体现出收益上的相对优势(例如2007年至2009年,2014年末,2017年)。

因此,如果可以在几次价值风格占优的阶段成功的配置到价值风格上,则风格轮动的策略就可以认为是比较成功的。

测试框架:多维衡量指标对风格轮动的预测能力

我们从市场情绪、因子拥挤度、金融环境和经济环境四大类指标入手,寻找可以用来预测成长/价值风格收益的有效指标。候选指标与未来不同风格收益之间的预测效果和逻辑关系都是我们重点考察的内容,假设指标背后的理由不充分或者逻辑不合理,数据挖掘所造成的风险就会太大。

为了筛选出能够“有效”预测价值成长风格切换的指标,我们构造如下的测试系统:

图表:测试框架多维衡量

图片

事件化测试

通常在测试指标有效性时,最简单的方式就是检验指标和预测值在时间序列上的相关性。但考虑到我们的数据频率较低,且不同指标的基础逻辑和使用方法往往存在差异,因此简单的观察相关性并不足以辨别指标是否对风格收益具有预测能力。

指标事件化的测试方法则是一种较好的补充,通过变化趋势、变动幅度和近期高/低位等指标,可以更全面的了解一个指标对于风格收益的影响能力。具体的,我们定义了以下事件:

变化趋势(Trend):观察指标值是否连续N期上升/下降,参数包括连续上升/下降1期、3期、6期,分别代表数据短期、中期、长期的变化趋势。

累计变化(Rolling):观察指标累计变动的幅度。当滚动标准化后的指标过去一段时间加总数据突破某个界限时,触发信号。时间长度参数包括3、6和12个月。

变动幅度(Extent):观察指标变动幅度。通过当期指标值相对于上期指标值的变化幅度构建指标大幅上升/下降事件。我们对上升/下降超过1%至20%之间的不同阈值都会进行测试。

近期高/低位(Z):观察指标近期是否触及高位/低位。在时间序列上计算指标值滚动一段时间的标准分(Z-score),通过对标准分设定不同阈值,构建指标值近期高低位。

图表:事件化测试指标构造方法

图片

相关性检验

我们在相关性检验中会全面的测试指标与预测值在未来不同的时间区间内的相关系数。若指标值与未来的风格收益具有显著的相关关系,且不同期限的相关性较为稳定,则我们认为该指标具有一定的预测作用。

以市场集中度因子为例:

图表:相关性检验结果示例

图片

可以看出月频的市场集中度因子与未来几个月的成长相对价值的超额收益有较为显著的正向相关关系,其中与后三个月的收益在5%的显著性水平下是相关的,说明市场集中度越大时,后续成长大概率跑赢价值。

Granger格兰杰检验

Granger检验是Clive W。 J。 Granger提出的用于检验经济变量之间因果关系的方法,其统计学本质上是对平稳时间序列数据一种预测。Granger检验是一种假设检验的统计方法,检验一组时间序列x是否为另一组时间序列y的原因。它的基础是回归分析当中的自回归模型。回归分析通常只能得出不同变量间的同期相关性;自回归模型只能得出同一变量前后期的相关性;但诺贝尔经济学奖得主Clive Granger于1969年论证,在自回归模型中透过一系列的检验进而揭示不同变量之间的时间落差相关性是可行的。

在时间序列情形下,两个经济变量X、Y之间的Granger因果关系定义为:若在包含了变量X、Y的过去信息的条件下,对变量Y的预测效果要优于只单独由Y的过去信息对Y进行的预测效果,即变量X有助于解释变量Y的将来变化,则认为变量X是引致变量Y的Granger原因。

进行Granger检验的一个前提条件是时间序列必须具有平稳性,否则可能会出现虚假回归问题。因此在进行Granger因果关系检验之前首先应对各指标时间序列的平稳性进行单位根检验。

在本项检验中,我们首先从因子池中筛选出平稳的时间序列,对其与成长/价值的超额收益序列进行Granger检验,滞后项阶数选取为1-5阶,如果检验结果中存在5%意义上显著的结果,我们认为因子通过该项检验。

指标筛选机制

我们认为Granger检验由于其检验本身具有一定的限制,得到Granger检验显著往往意味着因子值对成长/价值收益序列有较强的预测作用,所以我们认为满足Granger检验显著的因子即通过筛选;

若因子值序列不平稳或Granger检验本身不显著,我们则分析spearman相关性分析、trend、rolling、z、extent四项事件分析中如果有三个及以上的事件分析/相关性分析显著,即通过筛选。

图表:针对单指标的测试与筛选框架

图片

下文中我们将主要梳理市场情绪、因子拥挤度、金融环境和经济环境这四大类指标中,符合逻辑且通过筛选的单指标的指标构建逻辑和构建方法。对于各个大类指标中其余的未通过筛选的指标,我们将不再做深入的探讨。

市场情绪:多维刻画情绪与风格切换的相关性

通过筛选的市场情绪类指标测试结果如下表所示,我们将在后文具体分析每类指标的逻辑与构造细节:

图表:市场情绪类指标测试结果

图片

机构调研偏好:机构偏好变化对风格收益有一定预测能力

机构投资者的管理规模在过去的两年内出现了大幅的提升,机构抱团股的行情则进一步证明机构投资者的偏好是具有趋同的效应的。而机构投资者在进行投资决策之前,尤其是在进行重要的调整决策前,是比较倾向于通过调研的手段来获取深度的关于上市公司的信息的。从机构进行的调研行为出发则可以捕捉到机构投资者当前的关注领域和关注方向。

下图统计了2013年以来的机构投资者月度调研数据,从被调研的公司数量来看,尽管存在显著的季节效应,但月度被调研的公司总数基本维持在400-1000上下。从参与调研的机构数量来看,近两年机构数量有较为明显的上升。

图表:月度机构调研数量统计

图片

为了将机构调研的信息运用到成长/价值风格轮动的策略中,我们考虑通过统计过去一段时间内机构调研的个股的风格属性作为一个指标,测试其对于成长/价值风格收益的预测能力。

观察机构调研估值偏好(Survey_relative_value)变化

具体的,在每个月底计算当月所有被调研的上市公司估值中位数处于全市场公司估值指标的分位数水平(此处估值因子采用前文定义的价值因子Value)。

图表:被调研机构的估值分位数

图片

从测试结果来看,机构调研股票的估值分位数越高,后期价值风格收益表现更好,且指标在相关性检验和两项事件化测试中均具有显著的表现。

新增投资者数量:反映散户投资者情绪

上面我们从调研的行为出发,从机构投资者的行为偏好来观察其对市场风格的影响。另一方面,考虑到A股的散户投资者占比相比于海外成熟市场仍然在相对高位,散户投资的情绪变化也会对市场的风格变化产生较为明显的影响。

由于新增股票开户数量反映了投资者信心,同时也是新增资金的代理变量,所以新增开户数的变动往往预示着股市未来的发展动向。市场的走向同时也决定了资金的流动变化,向好的股市会迅速形成财富效应,吸引场外投资者开户入市,新资金的介入又会进一步推动股市走强。因此新增投资者数量是一个常用的市场情绪代理变量,也是一个市场择时的常用指标。

考虑到与机构投资者相比,散户投资者会相对更偏好市值偏小成长性较好的风格的股票,因此当散户入市速度加快时,市场风格也很有可能会相对更偏向于成长风格。我们从指标角度验证这一猜测。

从测试结果来看,新增投资者数量与成长/价值风格收益具有较高的相关性,Granger检验也表现为显著。因此的确当散户入市速度加快时,市场风格更偏向于成长风格。

图表:新增投资者数量与成长/价值风格收益

图片

风格强势股占比:反映风格的情绪动量

另一种反应市场参与者对不同风格的股票的看好程度和参与程度的指标是强势股占比指标。风格强势股占比指标是用某一风格的股票内目前处于股价强势阶段的个股的占比来计算的。如果某一个风格的股票内处于股价强势阶段的个股占比越高,说明市场参与者当前对于该风格的股票的情绪越高涨,基于情绪动量的角度,该风格后续的收益表现也应较好。

风格强势股占比(GMV_S)指标:

具体的,在每个月底分别计算成长股票池和价值股票池内,股价超过20日均线的个股数量占比。

计算(成长强势股占比-价值强势股占比)得到风格强势股占比(GMV_S)指标

从测试结果来看,风格强势股占比与成长/价值风格在指标事件化测试中显著性较高,Granger检验也表现为显著。因此,风格的情绪动量是一个较有效的预测指标。

图表:成长风格与价值风格强势股占比

图片

北上资金偏好变化:与成长/价值风格收益有较强相关

从市场整体资金面上来看,近年来外资的进入是对A股持有者结构影响较大的因素。从目前A股的外资流入趋势来看,截止2021年4月底,底外资持有A股规模约1.9万亿元,与A股公募基金、保险公司形成三足鼎立之势。

考虑到MSCI权重上升等因素带来的外资长期加速流入的趋势,我们预计外资在A股的占比会进一步提升,外资的持股偏好也势必会很大程度上影响A股的市场风格。

考虑到外资整体的资金流入情况的明细数据比较难以获取,我们这里将主要参考陆股通的北上资金流入数据,观察北上资金流入及其持股偏好与A股成长/价值风格收益之间的相关性。

北上资金估值偏好(LGT_relative_value)指标计算方法:

每月底计算每只个股的北上资金月度环比持仓变动幅度(LGT_r)

计算当前个股的估值分位数(value_quantile)

北上资金估值偏好指标则可以表示为:

图片

其中,N代表截面上的个股总数

图表:北上资金估值偏好与成长/价值风格收益相关性较显著

图片

从测试结果来看,外资的持股偏好的确显著地影响A股的市场风格,北上资金估值偏好指标与成长/价值风格收益具有较高的相关性。

因子拥挤度:与风格收益有较显著相关

拥挤度:从因子层面反应风格交易的集中程度

因子拥挤度的定义

当因子被集中的应用时其效果往往会受到影响,甚至失效。因此我们通常可以通过因子拥挤度指标来衡量因子是否已经被广泛的使用,或者因子的使用目前是否拥挤。因子拥挤度指标常用来对因子的收益做择时,当拥挤度较高时则需躲避此类可能失效的因子。

包括MSCI 在内的一些机构对因子拥挤度都给出了各自的定义方式,结合他们的定义方式和A股现状,我们定义以下四个维度组成的因子拥挤度指标:

图表:因子拥挤度(Factor Crowding)细分指标

图片

因子离散度:

因子离散度的计算方式为:因子top组合中股票收益率的离散度,收益均与市场收益做了中性化处理。

其主要用来反映因子top组合内的股票的收益表现是否类似,如果一个因子的离散度显著上升,则很有可能表示因子组合内部结构发生的较大的变化,这也往往是由于突然的买入或者卖出行为导致的。所以拥挤的因子相比不拥挤的因子的离散度往往更高。

因子组内相关性:

因子组内相关性的计算方法:因子top组合内股票的相关系数。

组内相关系数的计算方法:对top组内(假设共n只股票)的每一只股票,分别计算其中性化后的收益率与top组内剔除这只股票的其他股票收益率之间的相关系数(均取过去60个交易日的收益率),n个相关系数求均值得到因子组内相关性。组内相关系数越高,说明因子越拥挤。

因子收益波动:

因子收益波动的计算方法:top组合内股票收益的波动率。收益均与市场收益做了中性化处理。

与离散度的逻辑类似,因子top组合内股票收益波动越大,往往说明因子越拥挤。而与离散度不同的是,波动率的计算是时间序列上的,而离散度的计算是横截面上的。

因子收益动量:

因子收益动量的计算方法:因子top组合最近12个月的累计超额收益,基准为全A等权。历史收益越好的因子,关注的投资者越多,就越有可能变得拥挤。因此因子收益动量越高,代表因子拥挤的可能性越高。

将上述四个维度的因子拥挤度评价指标标准化后等权相加,得到综合的因子拥挤度指标(Factor Crowding)。我们以市值因子(Size)为例,统计因子拥挤度指标等分三组下,因子未来出现大于等于15%回撤的概率。由下图可见,因子拥挤度较高时,其未来出现大幅回撤的概率也明显较高。

图表:因子拥挤度分类下,市值因子出现大于等于15%回撤的概率

图片

根据因子拥挤度评价指标,就可以给出成长(Growth)与价值(Value)因子的历史拥挤度时间序列。从拥挤度的指标来看,成长因子的拥挤度整体上仍然处于较低的水平,而价值因子的拥挤度自2019年以来出现了较大幅度的波动,2021年2月的拥挤度更是达到了历史高点。

图表:成长(Growth)与价值(Value)因子的拥挤度时间序列

图片

拥挤度变化方向与风格收益强弱的相关性较强

拥挤度指标测试结果如下表所示:

图表:拥挤度指标测试结果

图片

拥挤度的指标逻辑与测试结果是较为吻合的,其逻辑也比较直观:即成长因子拥挤度越高,后期成长/价值风格收益下降;价值因子拥挤度越高,后期成长/价值风格收益提升。同时,两个拥挤度指标的Granger检验都是显著的,说明拥挤度指标与风格收益的预测能力较强。

金融环境:期限利差收敛时价值风格占优

金融环境(Financial Conditions)是反映特定市场中金融稳定性的指标,包括货币供应量的增长、期限利差以及信用利差等度量标准。通过筛选的金融环境指标测试结果如下表所示:

图表:金融环境指标测试结果

图片

期限利差:期限利差收敛时价值风格占优

从经济增长、通胀预期对企业盈利预期和货币政策预期的影响来分析,有两种情形:

第一种情形下10年期国债到期收益率和1年期国债到期收益率同时上行,但1年期国债到期收益率上行速度更快,此时经济复苏但货币政策有所收紧,因此对于前期高估值、盈利具有相对优势的成长板块而言,估值承压的同时盈利相对优势在减弱,此时价值更具有性价比;

第二种情形下10年期国债到期收益率和1年期国债到期收益率同时下行,但10年期国债到期收益率下行速度更快,此时经济悲观但货币政策没有进一步放松,因此对于估值更不敏感的价值占优。

图表:期限利差走势图

图片

货币供应量:M2与M1的增速差反映经济景气度

反映货币政策的M2-M1指标,与成长/估值因子收益具有较显著的负面相关性。

在货币供应的各个层次中,狭义货币供应量M1是流通中的现金加上各单位在银行的活期存款;广义货币供应量M2,是指M1加上各单位在银行的定期存款、居民在银行的储蓄存款、证券客户保证金。在一般情况下,M1和M2增速应当保持平衡,也就是在收入增加、货币供应量扩大的环境下,企业的活期存款和定期存款是同步增加的。

如果M1增速大于M2,意味着企业的活期存款增速大于定期存款增速,企业和居民交易活跃,微观主体盈利能力较强,经济景气度上升。如果M1增速小于M2,表明企业和居民选择将资金以定期的形式存在银行,微观个体盈利能力下降,经济运行回落。

图表:M2与M1的增速差指标走势

图片

M2-M1指标反映了经济景气度和市场情绪的变化,当M2-M1下降时,经济景气度处于提升的状态,更为利好成长风格的股票。这也与我们的测试结果相互验证。

经济环境:经济现状与风格收益有一定相关

宏观经济环境指标:PMI、社融增速等有一定相关性

经济环境指标(Economic Conditions)主要衡量了经济是否健全、经济增长速度、经济稳定性等方面的信息,我们测试了包括GDP同比增长率、CPI同比增长率,PPI同比增长率,规模以上工业增加值同比增长率,消费者信心指数、投资者信心指数、PMI、社消总额、社会融资规模增速等指标,其中对成长/价值风格收益相对强弱有较显著预测能力的为以下三个指标。

图表:经济环境指标测试结果

图片

从结果来看,社融增速与PMI指标未通过Granger检验。从相关性上来看,社融增速和PMI与成长/价值风格收益呈现负相关,而CPI-PPI剪刀差则与成长/价值风格收益呈现一定的正相关。

社融增速和PMI同比增速:更前瞻反映经济现状

考虑PMI对市场风格的影响,由于工业PMI或者PMI在手订单等数据与周期行业或上游行业的景气度相关性更强,所以价值股受PMI的影响会更直观和显著;并且当PMI不及预期时,为了使经济在恢复中达到更高水平均衡,市场往往预期流动性暂不具备收紧条件,而作为利率敏感型的成长股受流动性影响更大,因此PMI指标与成长/价值风格收益呈现一定的负相关关系。

社融增速是指一定时期末实体经济从金融体系获得的资金余额。可以认为是某段时间全社会融资总量,代表经济冷热的晴雨表,融资的方式包括贷款,股票,债券等。社融同比增长一定程度体现了这段时间居民的投资和消费的欲望。

CPI-PPI剪刀差:剪刀差扩大利好成长风格

CPI-PPI剪刀差可以理解为企业的潜在利润,如果CPI与PPI之差扩大,说明企业产成品价格的上涨幅度大于原材料价格的上涨幅度。相较于周期股这样的价值风格股票,CPI和PPI的剪刀差扩大更有利于中下游企业盈利的改善,相对更利好成长风格的股票。

值得注意的是,大部分情况下我们会发现宏观因子在短期对风格收益的预测能力并不显著。但当预测周期拉长到半年甚至一年的长区间时,一些宏观指标的预测能力会有较为明显的提升。

综合指标:强势风格预测胜率可达 85%

复合大类指标:均有显著预测能力

我们将测试结果显著性较高的指标汇总如下,共有基于市场情绪、拥挤度、经济环境和金融环境的四大类11个细分指标。

图表:成长/价值风格轮动的有效指标明细汇总

图片

首先,根据细分指标复合得到4个大类指标,大类指标的复合方法如下:

时间序列z-score标准化:

复合前,单个细分指标均做滚动8期的时间序列z-score标准化处理。

等权相加得到复合指标:

将标准化处理后的指标等权相加合成大类复合指标。

图表:4大类复合指标均对成长/价值风格具有预测能力

图片

四大类复合指标均有预测能力

从结果来看,四大类指标均具有较为显著的预测能力,其中市场情绪、因子拥挤度和金融环境指标都可以通过Granger检验,经济环境大类指标也在四个事件测试中具有显著的表现。

复合大类指标:均有显著预测能力

综合指标的构建同样采取等权加权的方式,四大类复合指标等权加权得到的综合指标具有较显著的预测能力。由下表可见,综合指标与后三个月的成长/价值风格收益的相关系数超过0.3,p-value低于0.0007,显著性极高。

图表:综合指标相关性检验结果

图片

同时,Granger检验的结果也表明综合指标与成长/价值风格收益的因果关系是显著的,1阶、2阶、3阶滞后期下均有显著的表现。

基于上述方法计算所得综合指标,我们分别构建了0-1择时策略和仓位调整策略两种不同的轮动策略。

以0-1择时信号构建轮动策略:

首先,同样对综合指标进行时间序列上的标准化处理(滚动8个月)

假设开平仓阈值为k,指标值高于k时持有成长风格组合,指标值跌破-k时持有价值风格组合

经过参数敏感性测试,当k取值处于0.3至0.6区间时,轮动策略均可以获得较为稳定的相对成长组合和价值组合的超额收益。最终,我们选择k=0.5作为策略的开平仓阈值。

基于成长/价值风格择时信号的策略(2011年1月1日至2021年4月30日)年化收益为22.65%,累计超额成长组合227.71ppt,累计超额价值组合478.76ppt。

风格择时策略调仓胜率为85%(即每次调仓收益为期间强势风格的收益的概率),月度胜率为64%(即当月持有收益较高的风格的概率)。

回测期间(2011年1月1日至2021年4月30日)共调仓7次,平均每1.4年发出一次调仓信号,信号频率较低,对组合换手率的影响较低。

图表:基于成长/价值风格择时信号的策略净值表现(k=0.5)

图片

根据指标值构建仓位调整策略:

首先,同样对综合指标进行时间序列上的标准化处理(滚动8个月),得到指标序列x

月度调仓,根据指标值给定当月成长组合与价值组合的仓位占比。设成长组合的仓位占比为p,则价值组合的占比为(1-p),权重p的计算方法如下:

图片

基于成长/价值风格轮动仓位调整的策略(2011年1月1日至2021年4月30日)年化收益为20.24%,累计超额成长组合98.98ppt,累计超额价值组合342.49ppt。

图表:基于成长/价值风格轮动仓位调整的策略净值表现

图片

(文章来源:中金点睛)

郑重声明:本文版权归原作者所有,转载文章仅为传播更多信息之目的,如作者信息标记有误,请第一时间联系我们修改或删除,多谢。