【招商定量·深度报告巡礼之十九】多维度择时与风格轮动模型——市场定期跟踪体系介绍

1. A股择时体系

本文构建的A股择时体系主要从两个维度四个方面的指标进行观察：1）胜率维度：基本面与流动性环境；2）赔率维度：估值面和情绪面。

基本面指标中，考察景气度（制造业PMI）、信贷预期（中长期贷款余额同比增速）、盈利预期（M1同比增速）这3个指标。

流动性指标中，考察货币流动性（货币利率）、外部流动性（汇率预期）这2个指标。

估值面指标中，考察A股PE和PB中位数的历史分位数情况。

情绪面指标中，考察A股Beta离散度、成交量能、波动率这3个指标。

在信号构建中，我们构建以下三级信号合成方案，并在每周末进行择时判断：

1）对细分指标分别给出谨慎、中性、乐观信号，分别给予0、0.5、1分。

2）在基本面、流动性、估值面、情绪面每个维度内部，求细分指标得分的均值，若均值得分为0.5分，则给出中性信号，并记该维度得分为0.5分；若均值得分小于0.5分，则给出谨慎信号，并记该维度得分为0分；若均值得分大于0.5分，则给出乐观信号，并记该维度得分为1分。

3）对基本面、流动性、估值面、情绪面得分求均值，若均值得分为0.5分，则给出中性信号；若均值得分小于0.5分，则给出谨慎信号；若均值得分大于0.5分，则给出乐观信号。

（1.1）A股择时信号案例

首先，基本面上，给出谨慎信号，具体观察指标信号如下：1）当前最新制造业PMI为49.10，处于过去10年7.98%分位数，制造业景气度偏弱，给出谨慎信号；2）当前最新人民币中长期贷款余额同比增速为9.19%，处于过去10年0.00%分位数，信贷增速偏弱，给出谨慎信号；3）当前M1同比增速为-6.60%，HP滤波去趋势后数据处于过去10年5.04%分位数，M1增速偏弱，给出谨慎信号。总的来看，综合当前景气度水平、信贷增速、M1增速所给出的信号，基本面情况偏向谨慎。

其次，估值层面上，给出乐观信号，具体观察指标信号如下：1）A股整体PE中位数为25.94，处于过去10年1.07%分位数，PE估值极低待反转，给出乐观信号；2）A股整体PB中位数为1.75，处于过去10年0.25%分位数，PB估值极低待反转，给出乐观信号。总的来看，综合当前PE和PB估值水平所给出的信号，估值面情况偏向乐观。

然后，情绪层面上，给出乐观信号，具体观察指标信号如下：1）A股整体Beta离散度为-2.85%，处于过去10年21.01%分位数，Beta离散度偏低，给出乐观信号；2）A股整体量能情绪得分为-0.08，处于过去10年48.12%分位数，量能情绪中性，给出中性信号；3）A股整体波动率为12.93%（年化），处于过去10年23.69%分位数，波动率均值回归上行中，给出乐观信号。总的来看，综合当前A股整体离散度、量能情绪、波动率所给出的信号，情绪面情况偏向乐观。

最后，流动性层面上，给出乐观信号，具体观察指标信号如下：1）当前货币利率指标为0.01，处于过去10年47.06%分位数，流动性中性，给出中性信号；2）当前汇率预期指标为-0.38%，处于过去10年32.77%分位数，人民币兑美元汇率偏强，给出乐观信号。总的来看，综合当前货币市场流动性和人民币汇率变化所给出的信号，流动性情况偏向乐观。

综上所述，虽然当前基本面维持谨慎态度，但是估值面、情绪面的赔率空间巨大，给出乐观信号，流动性层面也维持乐观状态，故综合来看，当前给出底部左侧判断，A股择时模型给出乐观超配的信号。

从周度A股择时策略的表现上来看，2012年底至今，策略年化收益率为12.12%，基准（月度中性持仓再平衡）年化收益率为3.17%，年化超额收益率为8.95%，期间择时策略最大回撤仅为17.02%，较基准策略有显著提升。从逐年收益率统计上来看，短期择时策略净值除在2016和2023年微跌外，其余年份均保持绝对正向收益，且每年都能产出正向超额收益。

2、A股风格轮动配置体系

在A股风格轮动配置方面，我们设计了成长价值轮动、大小盘轮动、“大盘价值、大盘成长、小盘价值、小盘成长”四风格轮动，共3个风格轮动模型。需要说明的是，上述风格轮动模型均使用国证风格指数进行轮动，即国证价值、国证成长、巨潮大盘、巨潮小盘、国证大盘价值、国证大盘成长、国证小盘价值、国证小盘成长指数。

在模型设定方面，整体上延续了择时模型的思路。不过，在考察维度中，由于测试后发现流动性指标对风格轮动的指向性偏差，在风格轮动体系中，目前仅考察基本面、估值面、情绪面三个维度。此外，在基本维度中，我们引入了新的观察指标，从逻辑和效果上均较直接使用原数据有明显改善。具体来讲，我们在《宏、中观视角下的行业轮动模型》专题报告中，针对六维经济数据构建了方向周期、斜率周期、综合水平周期。其中，我们认为盈利增速的斜率、利率指标的综合水平、信贷周期的方向对成长价值和大小盘轮动有指向意义。

从逻辑上来看，盈利斜率水平较大时，A股整体盈利增速进入上升通道，有利于高盈利增速环境下弹性更大的风格，即更加利好成长和小盘风格，反之利好价值和大盘风格。而利率综合水平偏低时，由于成长和小盘风格受分母端影响更大，故整体上涨弹性更大，对其呈利好影响，反之则利好价值和大盘风格。最后，信贷周期的变化是一个慢变量，信贷周期的变化通常代表着整个经济体需求侧的变化，当需求走强时，成长和小盘风格的盈利预期上行，通常利好其股价变化，反之当需求走弱时，企业发展偏向保守，风格上适合配置价值和大盘股进行防御。

估值指标上，相较择时模型中整体估值水平，风格轮动模型中使用估值差分位数作为观察指标。情绪指标上，以风格指数换手率差、波动率差作为观察指标。

在模型信号的生成逻辑上，与上述择时模型一致。以成长/价值轮动为例，首先，对细分指标在成长/价值的配置比例上，分别给出偏向成长、均衡配置、偏向价值的信号，即分别给出成长/价值100%/0%，50%/50%、0%/100%的配置比例。然后，对基本面、估值面、情绪面内的指标求均值，若得出50%/50%的比例，则该维度也给出50%/50%的配置比例；若某一风格比例大于50%，则对应风格配置比例设置为100%。最后，对基本面、估值面、情绪面的成长/价值配置比例求均值，若得出50%/50%的比例则最终均衡配置，若某一风格比例大于50%，则满仓配置该风格。信号生成的频率为每周末。

（2.1）成长价值风格轮动信号案例

同样的，上述各个细分指标处理以及信号生成规则详见下一部分内容，此处以最新一周（2024年9月8日）成长价值、小盘大盘轮动信号为案例进行解释。

成长价值轮动方面， 2024年9月8日成长价值风格轮动模型建议超配价值。基本面上，基于前期研究的量化经济中周期分析框架，盈利周期斜率偏大时、利率综合周期水平偏低时、信贷综合周期上行时，利好成长风格，反之利好价值风格。具体来看，当前盈利周期斜率低，利好价值；利率周期水平偏低，利好成长；信贷周期走弱，利好价值。因此，基本面整体给出超配价值信号。估值面上，当前成长价值PE估值差10年分位数为4.58%，PE估值差极低，利好成长；PB估值差10年分位数为10.79%，PB估值差回落至偏低位置，利好均衡。因此，估值面整体给出超配成长信号。情绪面上，当前成长价值换手差分位数10年分位数为0.00%，换手差偏低，利好价值；波动差10年分位数为87.80%，波动差均值回归下行中，利好价值。因此，情绪面整体给出超配价值信号。总的来看，结合基本面、估值面、情绪面信号，当前成长价值风格轮动模型建议超配价值。                                      

从成长价值风格轮动策略的表现上来看，2012年底至今，策略年化收益率为11.12%，基准（月度风格均衡配置）年化收益率为5.21%，年化超额收益率为5.90%，轮动策略较基准有显著提升。今年以来，成长价值风格轮动策略收益率为6.33%，基准收益率为-4.12%，超额收益率为10.45%。

（2.2）小盘大盘风格轮动信号案例

小盘大盘轮动方面，2024年9月8日大盘小盘风格轮动模型建议超配大盘。基本面上，基于前期研究的量化经济中周期分析框架，盈利周期斜率偏大时、利率综合周期水平偏低时、信贷综合周期上行时，利好小盘风格，反之利好大盘风格。具体来看，当前盈利周期斜率低，利好大盘；利率周期水平偏低，利好小盘；信贷周期走弱，利好大盘。因此，基本面整体给出超配大盘信号。估值面上，当前小盘大盘PE估值差10年分位数为27.03%，PE估值差极低，利好小盘；PB估值差10年分位数为30.99%，PB估值差均值回归上行中，利好小盘。因此，估值面整体给出超配小盘信号。情绪面上，当前小盘大盘换手差分位数10年分位数为5.66%，换手差偏低，利好大盘；波动差10年分位数为89.85%，波动差均值回归下行中，利好大盘。因此，情绪面整体给出超配大盘信号。总的来看，结合基本面、估值面、情绪面信号，当前小盘大盘风格轮动模型建议超配大盘。                                      

从小盘大盘风格轮动策略的表现上来看，2012年底至今，策略年化收益率为10.17%，基准（月度风格均衡配置）年化收益率为5.00%，年化超额收益率为5.18%，轮动策略较基准有显著提升。今年以来，小盘大盘风格轮动策略收益率为-11.12%，基准收益率为-8.94%，超额收益率为-2.18%。

（2.3）四风格轮动模型及信号案例

结合上文成长价值和小盘大盘轮动模型的结论，我们可以形成对大盘价值、大盘成长、小盘价值、小盘成长四维风格的配置信号。具体来讲，在每周末根据（成长权重，价值权重）与（小盘权重，大盘权重），计算大盘价值权重为（大盘权重+价值权重）/4，大盘成长权重为（大盘权重+成长权重）/4，小盘价值权重为（小盘权重+价值权重）/4，小盘成长权重为（小盘权重+成长权重）/4。

我们把指标分为两类，一类是绝对水平类指标，即该指标值越大则信号越乐观，指标值越小，则信号越谨慎；另一类是均值回归类指标，即该指标极大/极小时，信号呈反转。在10个细分择时指标中，A股的PE、PB估值分位数、波动率、量能情绪指标为均值回归类指标，其余指标均为绝对水平类指标。

对于所有指标，我们均考察其滚动10年维度下的分位数水平，并针对绝对水平和均值回归类指标设定不同的阈值及信号生成规则。具体来看，对于绝对水平类指标，设定[40%、60%]的分位数阈值，信号生成规则为：1）若指标值大于60%分位数则给出乐观信号；2）若指标值小于40%分位数则给出谨慎信号；3）若指标值在40%与60%分位数之间，则给出中性信号。对于均值回归类指标，设定[5%、25%、75%、95%]的分位数阈值，信号生成规则为：1）若指标值小于5%分位数，则给出触底反弹的乐观信号；2）若前期指标给出触底反弹的乐观信号，但指标值上行至75%分位数，则给出中性信号；3）若指标值继续上行至95%分位数以上，则给出触顶回落的谨慎信号；4）若前期指标给出触顶回落的谨慎信号，但指标值已下行至25%分位数以下，则再给出中性信号。

具体指标说明如下：

均值回归类——A股PB、PE估值中位数。计算方法为在每个交易日的截面上，计算所有A股股票估值的中位数。背后的逻辑为，当估值水平处于极低位置时，市场估值水平处于合理位置，具有较高配置性价比。

均值回归类——A股波动率。计算方法为在每个交易日计算过去20个交易日收益率的标准差。背后的逻辑为，由于波动率具有均值回归特性，因此若市场情绪低迷导致收益率波动水平过低，则后续波动持续减小的概率偏低，可以期待波动有所放大以及市场活跃度的上行。

均值回归类——A股整体量能情绪指标。该指标的阈值信号与绝对水平类一致，但是由于其构建方法遵循均值回归逻辑，故也归在均值回归类指标中。该量能情绪指标的计算方法为：1）计算全A指数过去60个交易日的换手率和成交量均值和标准差；2）每个交易日判断该日换手率和成交量在“均值±2×标准差”区间中的位置，若该值在2倍标准差区域之内，则按-1至1分对上下2倍标准差区间进行线性映射；3）若该值低于2倍标准差，则判断情绪后续会反转回暖，打1分；若该值高于2倍标准差，则判断情绪后续会反转回落，打-1分；4）取5个交易日均值进行分位数判断。

绝对水平类——制造业PMI。无数据预处理，计算其10年分位数即可。背后的逻辑为，当市场景气度偏强时，权益资产走强的概率较大。

绝对水平类——中长期贷款余额同比增速分位数。无需预处理，计算其10年分位数即可。信贷指标作为一个慢变量，从长周期角度来看呈现周期性变化的特征，且信贷走强通常意味着企业和居民资产负债表扩张意愿较强，此时权益资产走强的概率也更高。

绝对水平类——M1同比增速。需要对其进行HP滤波去趋势处理，参数设置为129600。由于M1同比增速从长期来看具有趋势下行的特征，因此首先需要对其进行去趋势处理。此外，M1同比增速该指标本身对A股盈利增速等需求类指标有较强的领先性，故该指标走强通常代表国内需求走强，此时权益资产表现走强的概率也更高。

绝对水平类——A股整体Beta离散度。计算方法为：1）每月末获取当月万得全A横截面所有个股Beta值，其中Beta值使用24M月度收益率与市场收益率回归得到；2）      计算90%分位点与10%分位点数值的差异；3）对差异值进行月度差分。需要注意的是，该指标为反向指标，即离散度月底，市场走势的凝聚力更强，更偏向给出乐观信号。

绝对水平类——货币利率指标。计算方法为：1）提取隔夜到3M等5个不同期限的Shibor日频数据；2）对数据进行滚动主成分分析，要求最少242期，后续扩张样本，最多1200期；3）获取第一主成分再进行对数差分。背后的逻辑为，当货币环境趋于宽松时，权益市场资金面大概率能得到支持。

绝对水平类——汇率预期指标。计算方法为：1）获取美元兑人民币一年期远期数据；2. 进行月度对数差分。背后的逻辑为，当人民币汇率趋于升值时，一方面货币政策面临的掣肘相对更小，另一方面人民币走强也有利于外资进入中国投资国内资产，进而有拉动权益市场上行的可能。

风格轮动模型指标在类型上，同样也分为绝对水平类和均值回归类，不同的点在于部分指标较择时模型的构建方式有所不同。

在基本面指标中，我们分别使用了盈利斜率周期水平、利率综合周期水平、信贷综合周期变化这3个数据，由于该指标并不容易直观理解，在此引用专题报告《经济中周期的量化拆解与投资策略构建》和《宏、中观复合周期驱动下的行业择时与配置策略》中的内容进行简单说明。

首先，在系列一《经济中周期的量化拆解与投资策略构建》中，我们初步介绍了经济中周期状态的判断方法，具体有以下三步：1）筛选内生性变化较强的经济数据，构建六维经济周期：景气度、通胀、库存、盈利、流动性、信贷；2）运用HP滤波+傅里叶变换法提取核心周期：景气度、通胀、库存、盈利、流动性周期约为40月，信贷周期约为84月；3）对当前经济周期状态进行判断：识别顶部、底部、上升中期（趋势上升）、下降周期（趋势下降）。

然后，在系列二《宏、中观复合周期驱动下的行业择时与配置策略》中，我们对每个维度的经济周期构建了方向、斜率、综合周期，共分为四步：1）判断同比数据的中、短周期状态：根据HP滤波+傅里叶变换两步法对同比数据的24-96个月中周期和0-24个月短周期状态进行判断，包括：上升中期、顶部、下降中期、底部；2）对同比数据周期状态赋予分值，并进行合成与平滑：对中、短周期的不同状态赋予不同分值，然后根据80%中周期权重和20%短周期短期进行合成，并取12个月移动平均进行数据平滑；3）对环比数据状态赋予分值，并进行平滑：选择历史5年同月环比增长数据，计算当期数据所处历史分位数并线性映射至-1至1区间，取12个月移动平均进行数据平滑；4）记同比数据生成得分为“方向周期”，环比数据生成得分为“斜率周期”，二者等权合成“综合周期”。

最后，在每个月底，我们会更新风格轮动基本面指标信号。具体来看，盈利周期斜率偏大时（盈利的斜率周期大于0）、利率综合周期水平偏低时（利率综合周期大于0）、信贷综合周期上行时（信贷综合周期的变化小于0），利好成长和小盘风格，反之利好价值和大盘风格。

总的来看，当前市场跟踪模型体系综合考虑了基本面、估值面、情绪面、流动性四个维度的指标，并在每周都给出了市场择时和风格轮动的建议，且从回测结果上来看，能较为显著地跑赢基准。