2024年度金融工程中期策略展望

一、经济六周期与资产配置展望

核心结论：我们将经济周期根据货币、信用、增长三个关键维度划分为六个状态，目前， 我们正处于货币扩张、信用收缩和增长下行的阶段，根据彭博经济学家一致预测，随着 下半年信用环境的逐步改善，经济有望进入新的扩张阶段。据此角度，大类资产配置可 将债券仓位逐步向权益资产转移。

1.1 中国经济六周期的设计

货币往往领先于信用、信用往往领先于增长，三者的周期轮动顺序具有一定的规律，因 此我们基于货币、信用、增长三因素的周期变化，设计了如下普林格周期六阶段： 1) 信用扩张：货币持续宽松，投资和消费信心逐渐恢复，促进信用开始扩张； 2) 经济复苏：货币供应充裕，信贷市场活跃，推动了经济的快速发展，投资和消费活 动增加，经济整体处于高速增长的繁荣状态； 3) 货币退潮：经济发展逐渐过热，信贷活动仍然活跃，为了平衡经济增长或抑制通胀， 货币政策开始调整收紧； 4) 信用退潮：货币供应持续紧缩，市场流动性紧缺，信贷活动开始减少； 5) 经济放缓：信用退潮导致经济疲软，投资和消费活动减少，经济增长逐步放缓； 6) 货币扩张：经济不确定性较高，信贷需求仍然较弱，货币政策采取宽松措施以刺激 信贷活动和经济增长。

识别当前所处周期阶段的关键在于判断货币、信用以及增长的方向，我们分别构建了三 因素的方向因子，具体可见报告《构建大类资产的宏观胜率评分卡：货币、信用、增长、 通胀与海外五因子》：

货币维度

1) 政策工具打分：考虑短期利率、中期利率、准备金率和定向投放 4 个大类工具共 24 个细分货币政策工具，如果过去 90 天内发生了政策宽松事件（降息、降准），设定 为+1 分，相反则设定为-1 分； 2) 市场利率打分：对 DR007 进行 30 日移动平均处理，得 DR007_ma30，若 DR007_ma30 相比 90 天前下降，则设定为+1 分，相反则设定为-1 分，若 DR007 数据缺失，则用 SHIBOR_1W 进行填补； 3) 货币方向因子=（24 个政策工具打分+市场利率打分）/25；

信用维度

1) 中长期贷款脉冲=中长期贷款当月值->滚动 12 个月求和->同比处理； 2) 信用方向因子=中长期贷款脉冲 3 个月环比方向打分，若中长期贷款脉冲相比于三 个月前有所抬升，则将当前定义为信用宽松环境，反之定义为信用收紧环境；

增长维度

1) 数据选取：中采制造业 PMI、中采非制造业 PMI、财新制造业 PMI； 2) 信号时间：以上述三个 PMI 中最晚公布的时刻作为信号时间； 3) 指标处理：PMI 脉冲=原始 PMI->滚动 12 个月平均->同比处理，根据每一个 PMI 脉 冲的三个月环比变化方向打出±1 分； 4) 增长方向因子=三个 PMI 脉冲环比方向打分的加总；如果增长方向因子得分>0，将 当前定义为经济上行环境，反之则定义为经济下行环境。 计算得到三因素方向后，可归纳至上述 6 个阶段，若无方向完全对应的阶段则认为之前 的状态持续，识别结果如下图所示。部分时间可能会跳过某个阶段或者倒退回上一个阶 段，但长期来看周期演变顺序基本与上述规律相同，一个完整的普林格周期（阶段 1~阶 段 6）约为 3~4 年，一个阶段平均持续时间约为 2~5 个月。回看近 16 年的周期识别结 果，大约经历过 5 个完整周期，各阶段时间占比无太大差异，均有充足样本进行后续特 征分析。

1.2 下半年宏观展望

我们分别从货币、信用、增长三个维度对未来经济状态做出判断：

货币维度：货币政策层面近期维持扩张状态，货币一般在信用和增长见顶后转为收紧， 而当前两者仍未见到上述迹象，预计接下来将持续宽松。

信用维度：2023年下半年以来信贷持续收缩，根据彭博经济学家对M2同比的预测， 未来 6 个季度信用整体将呈扩张趋势。

增长维度：PMI 脉冲近期小幅上行，根据彭博经济学家对 GDP 的预测，经济增长将 于 2025Q2 企稳回升。

综上，未来货币将维持宽松，信用整体呈扩张趋势，经济增长预计 2025Q2 企稳回升， 因此对应接下来周期将从现阶段 6 向信用见底回升的阶段 1 转换，2025Q2 后可能逐 步切换至阶段 2 的经济复苏状态。

1.3 大类资产配置建议

现统计大类资产在各阶段下的年化收益，结果如下图所示： 1) 权益：A 股收益在不同周期有明显区分，且呈阶梯状下降，同时符合主观逻辑判断。 阶段 1~3 时投资和消费活动较为活跃，股市处于牛市，在阶段 4 增长逐渐触顶，股 市上涨进入尾声转而下跌，至阶段 6 股市大幅回撤后开始筑底，进入下一周期阶段 1 开启反弹； 2) 债券：债券资产更易受到货币方向影响，在货币由宽转紧时（阶段 3）表现最差， 在货币由紧转宽时（阶段 6）表现最好；整体表现与股票资产相反，即在周期下行 的阶段 4~6 表现较佳，尤其在阶段 6 时，经济低迷叠加货币放宽，债市收益显著；3) 商品：整体来看商品资产与股票资产相关性较高，商品表现一般滞后于股票，在信用 扩张阶段，需求逐渐增加，商品资产表现较好，在阶段 2 经济复苏逐渐过热时商品 资产表现最佳； 4) 黄金：黄金作为避险资产防御性质突出，在增长下行的阶段 5、6、1 表现更好。 5) 当前仍处于阶段 6 即货币扩张期，根据模型建议配置债券及黄金，根据下一步周期 判断，若后续信用扩张进入阶段 1 可将债券资产仓位逐步向权益资产转移。

二、风格配置展望

当前可能处于 A 股未来三年风格切换的临界点：部分质量风格已经率先形成右侧趋势确 认，在高赔率&低拥挤的情况下形成的趋势一般持续性较强，建议重点关注和配置。价 值风格普遍呈现超低赔率的共性，较大的估值压力将压制价值风格相对收益的表现，建 议用交易思维进行应对。小盘风格的横截面动量已经处于劣势，横向对比来看小盘风格 已经失去优势，不建议配置和交易。

质量风格：综合赔率、趋势和拥挤度，仍是当前评分最高的品种。回调三年，近期质 量风格超额收益持续反弹，赔率回落至 0.5 倍标准差，拥挤度下行至-2.1 倍标准差的历 史低位，赔率和拥挤度的左侧买入信号均已满足；同时质量风格趋势于 5 月 31 日由负 转正，当前处于 0.2 倍标准差的中等水平，已释放出积极信号。当前质量风格左侧信号 和右侧信号共振，我们将质量风格上调至超配评级，建议投资者长期关注和配置。

成长风格：趋势突破，上调至超配评级。成长因子近一年赔率与趋势指标不断向上突 破，赔率提升至 0.7 倍标准差的较高水平，趋势由负转正突破至 0.4 倍标准差的中位水 平，拥挤度小幅回升至-0.5 倍标准差的较低状态，仍未构成高拥挤的威胁。从胜率角度 来看，成长风格与国内信用因子相关性较高，如果信用扩张成功，则成长风格的胜率买 点确认。综上，成长风格目前为高赔率-中等趋势-低拥挤的品种，趋势突破意味着右侧技 术面信号的确认，因此当前成长风格为超配评级，建议长期关注。

红利风格：综合得分为 0，下调至标配评级。在报告《什么信号会让我们下调红利策 略的评级》中我们提出了红利风格的四个退场信号，分别为： 1) 估值角度：红利风格赔率透支到-1.5 倍标准差以下（当前为-1.3 倍标准差）； 2) 拥挤度角度：红利风格拥挤度上升 1 倍标准差以上（当前为-0.1 倍标准差）； 3) 技术面角度：成长风格上行趋势确认（成长风格趋势于 4 月 26 日由负转正）； 4) 宏观角度：货币传导顺畅，信用扩张（当前仍未发生）； 综上，当前红利风格是低赔率-强趋势-低拥挤的品种，前期我们设计的四个退场信号中 技术面角度已满足条件，综合得分也下行至 0 分，因此我们将红利风格下调至标配评级。

小盘风格：拥挤度极高，不确定性强，不建议参与。从因子三标尺的角度来看，当前 小盘因子的赔率已经回升至 0.1 倍标准差（中性水平），趋势回落至-0.2 倍标准差（中性 水平），但是拥挤度却继续上升至 3.5 倍标准差（极高水平）。这是因为此处因子拥挤度 的定义是换手率比率、波动率比率和 beta 比率的等权，因此不太准确但是直观地说，我 们认为放量下跌行情并不会带来拥挤度的消化。 综合来看，小盘当前处于中等赔率-中等趋势-超高拥挤的状态，拥挤度过高导致不确定 性太强，我们建议对小盘风格保持谨慎的态度。

当前可能处于 A 股未来三年风格切换的临界点。从下图可以看到： 1) 部分质量风格已经率先形成右侧趋势确认：EPS 稳定性、ROE 因子的趋势已经由负 转正，突破至“强趋势-低拥挤”区间，且赔率相对较高，在高赔率&低拥挤的情况 下形成的趋势一般持续性较强，建议重点关注和配置； 2) 价值风格普遍呈现超低赔率的共性：当前价值因子的赔率平均数为-1.6 倍标准差， 较大的估值压力将压制价值风格相对收益的表现，建议用交易思维进行应对； 3) 小盘风格的横截面动量已经处于劣势：小盘风格从“强趋势-高拥挤”跌落至“弱趋 势-高拥挤”，横向对比来看小盘风格已经失去优势，不建议配置和交易。

三、基金分析展望

基金分析 2024 中期核心结论：

板块：成功领先者看好周期、消费板块，不看好科技、医药板块；成功独行者看好 消费、周期板块，不看好科技、制造、医药板块。

行业：成功领先者重仓有色金属、机械、电力设备及新能源、电子、基础化工等行 业，边际加仓有色金属、电力设备及新能源、交通运输、食品饮料、电力及公用事 业，边际减仓电子、医药、基础化工、建筑、纺织服装；成功独行者重仓食品饮料、 银行、电力及公用事业、有色金属、家电等行业，边际加仓食品饮料、有色金属、 银行、电力及公用事业、家电，边际减仓医药、电子、农林牧渔、机械、计算机。

基金推荐：不论是从长期历史回测结果来看，还是从短期今年样本外的业绩来看， 成功领先者和成功独行者都是相对优秀的基金类型，FOF 组合今年样本外的超额收 益率较高。我们列示了成功领先者 50 组合&成功独行者 50 组合里面的部分优秀基 金产品供投资者参考。

3.1 基金仓位：投资偏好分析

在之前的专题报告《从跨期模仿行为中寻找公募基金的领先者、跟随者和独行者》中， 我们根据基金季报披露的真实持股信息，对公募基金的跨期持仓行为特征进行了分析， 计算了基金的跨期领先效应和跨期跟随效应因子，然后根据因子寻找到公募基金中的三 类基金参与者：领先者、跟随者、独行者。通过复盘发现，历史上各类基金对各行业的 配置与切换节奏有所不同，具体从历史各期配置数据来看，领先者和跟随者的行业切换 速度较快（各行业配置比例的波动率较大），而独行者的板块配置比例相对稳定一些。成 功领先者往往能够比跟随者更早地嗅到市场未来的热点方向，长期来看成功领先者的行 业配置具有前瞻性。季报披露后观察全部公募基金整体的行业配置数据对投资的指导意 义是比较有限的，实际上观察成功领先者与成功独行者的行业配置更有意义。我们分别 从个股模仿与行业模仿 2 个角度都做了尝试，发现成功领先者、成功独行者的重仓股、 重仓行业都具备一定的借鉴意义。

3.2 基金推荐：成功领先者&成功独行者

不论是从长期历史回测结果来看，还是从短期今年样本外的业绩来看，成功领先者和成 功独行者都是相对优秀的基金类型。这 2 类基金不仅投资行为具备参考意义，而且基金 本身也具备较高的投资价值，能较好地适应近几年抱团程度较低的市场风格。截至 2024 年 6 月 30 日，今年以来公募偏股基金指数整体跑赢万得全 A 指数，万得偏股混合基金 指数收益率-5.33%，同期万得全 A 收益率-8.01%。截至 2024 年 6 月 30 日，我们跟踪 的成功独行者50组合的绝对收益率为3.41%，相对885001.WI的超额收益率为8.74%； 成功领先者 50 组合的绝对收益率为-0.22%，相对 885001.WI 的超额收益率为 5.11%。

四、中观行业配置展望

4.1 配置观点：维持“高股息、资源品、出海和 AI”的年度判断

近些年我们丰富了行业配置框架，目前包括右侧行业景气趋势模型和左侧库存景气反转 模型，两个模型能够有效互补，适应市场变化。这里给出当前的配置观点和重要提示： 核心观点：截止 2024 年 6 月底右侧景气趋势模型表现稳健，绝对收益 1.7%，相对 wind 全 A 指数超额 9.7%。若进一步叠加 PB-ROE 选股，绝对收益 9.2%，相对 wind 全 A 指 数超额 17.2%，在底部反弹时跟上趋势并且超额收益十分优异。当前继续看好“高股息 +资源品+出海+AI”四大主线，其中高自由现金流的稳定高股息仍然是中期压舱石，供 给受限且已处于补库存周期的部分资源品进入超配阶段，与算力相关的 AI 板块持续维持 高景气，与全球制造业补库存共振的制造业出海也值得关注。不过 6 月高股息板块拥挤 度有所上升，但目前仍未触及高拥挤预警区间，后续需持续重点关注高股息板块的拥挤 度变化。此外，每年 4 月底我们会及时更新行业相对强弱 RS 指标，提示行业配置年度级 别的信号。当前出现 RS>90 的行业有：煤炭、农林牧渔、电力及公用事业、家电、银行、 石油石化、通信、有色金属和汽车。这里除了农林牧渔外，基本被行业配置模型持仓，且 年初至今预期较高，趋势较强。和行业配置模型一致，主线模型提示了四个年度配置方 向：高股息、资源品、出海和 AI。历史上轮动模型和主线模型形成共振时，有更大概率 成为当年领涨行业，当年更有赚钱效应，值得重点关注。

两个模型具体表现和最新推荐如下： 1）右侧景气度-趋势-拥挤度分析框架，选取景气高、趋势强和拥挤度不高的行业。模型 2023 年相对 wind 全 A 指数超额 9%，绝对收益为 4%。截止 2024 年 6 月底，相对 wind 全 A 指数超额 9.7%，绝对收益为 1.7%，表现较为优异。

考虑到一级行业指数无法直接落地，我们还将行业景气模型也落实到选股层面。具体而 言，我们先根据行业配置模型确定行业权重，然后根据 PB-ROE 模型选取行业内估值性 价比高的股票（前 40%），按流通市值和 PB-ROE 打分加权。 该策略样本外（2022 年初至今）跟踪以来表现十分优异，年化超额收益超过 10%，近期 超额收益净值创历史新高。其中 2022 年相对 wind 全 A 指数超额 10.2%，2023 年相对 wind 全 A 指数超额 10.4%，2024 年截止 6 月底超额 17.2%，绝对收益 9.2%。

根据最新一期打分，7 月行业配置建议如下：稳定高股息 28%（电力及公用事业 14%、 银行 7%，交通运输 7%）、资源品 32%（有色金属 10%、石油石化 15%，煤炭 7%）、 制造业出海 18%（家电 16%、汽车 2%）、算力 22%（电子 13%、通信 9%）。 而根据左侧的赔率-胜率分析框架，选取当前困境或者过去困境有所反弹的行业中，长期 景气有望改善的行业。今年来，我们在该模型基础上，添加了基本面维度的信息，将行业 库存周期的框架纳入进去。具体而言，剔除了库存和资本开支历史分位数>80%、毛利率 和自由现金流占比历史分位数<20%的行业，对持仓行业的库存压力和补库条件进行考 量，规避掉库存压力较大和不具备补库条件的行业。可以看到，考虑库存维度信息后，困 境反转策略今年以来表现较为优异，截止 6 月底策略绝对收益 2.5%，相对行业等权超额 13.4%。

根据最新一期打分，我们提供如上库存景气图谱，建议关注右下角蓝色气泡行业，越往 右下代表行业业绩预期更好，库存位置不高，红色点代表不符合买入必要条件（资本开 支或库存历史分位数>80%、毛利率或自由现金流占比历史分位数<20%）。当下可以关注三条线索，均为当前经济结构亮点且有一定补库迹象：1）部分上游资源品： 石油开采、工业金属、橡胶及制品和塑料及制品等；2）出口链：白色家电、黑色家电、 航运港口、商用车等；3）TMT：半导体、电信运营、消费电子等。 此外，每年 4 月底我们会及时更新行业相对强弱 RS 指标，提示行业配置年度级别的信 号。当前出现 RS>90 的行业有：煤炭、农林牧渔、电力及公用事业、家电、银行、石油 石化、通信、有色金属和汽车。这里除了农林牧渔外，基本被行业配置模型持仓，且年初 至今预期较高，趋势较强。和行业配置模型一致，主线模型提示了四个年度配置方向：高 股息、资源品、出海和 AI。今年若在信号发出后等权持有这些行业，可以获得 2.7%的绝 对收益和 3.5%的相对收益（基准是中证 800）。根据报告《为什么高股息风格有望成为 全年主线》中，我们发现历史上轮动模型和主线模型形成共振时，有更大概率成为当年 领涨行业，当年更有赚钱效应，正所谓 4 月决断，这些行业值得我们重点关注。

4.2 基本面量化组合跟踪

我们从成熟的盈利模式出发，构建具体的主动量化策略。目前跟踪的模型包括：行业配 置模型、行业 ETF 配置模型和行业轮动+PB-ROE 选股模型等。

4.2.1 行业景气趋势配置模型

在前期发布的专题报告《行业配置模型的顶端优化》中，我们提出了两种适用不同市场 环境的右侧行业配置解决方案： 1) 行业景气模型：高景气+强趋势，规避高拥挤。景气度为核心，进攻性强，需要拥 挤度提示风险来保护，比较偏同步； 2) 行业趋势模型：强趋势+低拥挤，规避低景气。顺着市场趋势走，思路简单易复制， 持有体验感强，比较偏右侧。 历史回测结果如下图所示，基准是 wind 全 A 指数。行业配置模型多头年化 22.7%，超额 年化 16.3%，信息比率 1.74，超额最大回撤-7.4%，月度胜率 71%。策略 2023 年超额 9.3%，截止 2024 年 6 月底超额 9.7%，样本外表现较为优异。 7 月行业配置建议如下：稳定高股息 28%（电力及公用事业 14%、银行 7%，交通运输 7%）、资源品 32%（有色金属 10%、石油石化 15%，煤炭 7%）、制造业出海 18%（家 电 16%、汽车 2%）、算力 22%（电子 13%、通信 9%）。

4.2.2 行业库存景气反转模型

随着近两年景气和动量因子效果有所衰退，两个细分模型出现阶段性失效的情况，近期 我们基于赔率-胜率的角度研发出困境反转的行业配置模型，在当前困境或者过去困境有 所反弹的板块中，挖掘分析师长期看好且库存压力不大具备补库条件的板块，希望捕捉 一些正处于补库周期的行业困境反转行情。 模型历史回测结果如下图所示，基准是行业等权。模型多头年化 13.4%，超额年化 16.5%， 信息比率 1.76，超额最大回撤-8.7%。策略 2023 年获得绝对收益 17.8%，相对行业等权 超额 21.6%，2024 年截止 6 月底绝对收益 2.5%，相对行业等权超额 13.4%。

4.2.3 行业配置落地：ETF & 选股

行业 ETF 配置层面，在专题报告《行业 ETF 配置的解决方案》中，我们将行业景气度模 型在 ETF 上进行落地。策略年化超额收益 18.2%（基准中证 800），信息比率 1.87，2023 年超额收益为 6.0%，2024 年截止 6 月底超额 3.6%。

7 月 ETF 配置推荐如下：全指电力、家用电器、金融地产、有色金属、中证银行、中证煤 炭、5G 通信、CS 物流、300 医药、半导体、消费电子和中证酒等。

考虑到部分一级行业暂无可投资 ETF，我们将行业模型配置也落实到选股层面。具体而 言，我们先根据行业配置模型确定行业权重，然后根据 PB-ROE 模型选取行业内估值性 价比高的股票（前 40%），按流通市值和 PB-ROE 打分加权。 行业景气度选股模型多头年化 29.9%，年化超额 wind 全 A 指数 22.9%，信息比率 2.02， 超额最大回撤-8.0%，月度胜率 74%。2022 年策略超额 10.2%，2023 年超额 10.4%， 2024 年截止 6 月底策略绝对收益 9.2%，超额 wind 全 A 指数 17.2%，超额收益继续创 历史新高，样本外表现十分优异。

五、多因子策略回顾与展望

5.1 A 股市场风格因子表现

我们首先统计了 2024 年初至 6 月底，国盛多因子风险模型中风格因子的纯因子收益。 风格上： 1）规模类因子：市值因子收益率为 8.27%，非线性市值因子收益率为-5.80%，表明市 场整体偏向大市值风格，中小盘股表现不佳； 2）量价类因子：beta 和动量因子收益率分别为 0.78%、10.21%，残差波动率和流动性 因子收益率分别为-10.71%、0.49%，市场总体呈现高动量和低波动风格； 3）基本面因子：盈利因子表现较好，录得收益 4.92%；成长、价值因子表现一般，收益 分别为 0.78%、0.13%；杠杆因子表现最差，收益为-1.18%。 行业上，剥离了风格后的行业纯因子收益显示，今年表现最好的五个行业分别是通信、 有色金属、电子、电力及公用事业、石油石化，收益最低的五个行业分别是证券、综合、 食品饮料、医药、商贸零售。

再观察因子的净值曲线，可以发现 A 股市场在 2024 年上半年出现了较为频繁的大小盘 风格切换：年初至 2 月上旬，市场呈现明显的大盘风格；2 月中旬开始，市场迅速切换 至小盘风格，持续至 4 月中旬；随后，大小盘风格又经历了两次频繁切换，大盘在 4 月 中旬、6 月初曾短暂明显占优，其余时段小盘占优或大小盘风格不明朗。动量因子上半 年的累计收益较高，除 5 月发生较大回撤外，其余时间表现较为强势。另外，上半年流 动性、价值、成长、杠杆因子的表现均不佳，累计净值的波动较大，频繁发生大幅回撤。

5.2 A 股市场量价类 Alpha 因子表现

国盛金工的量价类 Alpha 因子主要包含以下 4 类： 1）动量/反转类因子：A 股市场有显著的月度反转现象，但并不总是稳定；我们从反应不 足/反应过度的角度出发，利用成交量、投资者结构等信息，对传统反转因子进行改进， 提高其稳定性；具有代表性的因子如 volume_ret20、moneyflow_ret20（分别用成交量、 大小单资金流，对月度反转因子进行改进）； 2）流动性因子：我们发现过去一段时间交易量相对稳定的股票，在未来一个月具有显著 的超额收益，因此基于日频换手率、分钟换手率的稳定性，分别构建选股因子 daily_turn_std、minute_turn_std； 3）波动率因子：A 股市场有显著的“低波异常现象”，即波动率较低的股票，未来收益 更高；我们基于股票的分钟行情数据，计算分钟涨跌幅的标准差，构建高频波动率因子 minute_volatility； 4）价量相关性因子：想要预判股票的未来表现，仅仅依靠股价走势是不够的，还需要观 察成交量的变化；价量相关性因子可以帮助我们结合价格与成交量的信息，具有代表性 的因子如 daily_pv_corr、minute_pv_corr（分别基于日频、分钟数据，计算价量相关性， 构建选股因子）；另外，我们发现价格变化的自相关性中，也拥有显著的选股信息，因此 基于分钟价格序列的自相关性，构建因子 minute_price_autocorr。

构建上述量价类 Alpha 因子后，我们以全体 A 股为研究样本（剔除 ST、停牌、上市 未满 60 个交易日的股票），对因子进行月度 10 分组回测。下面两张图表分别展示 了因子 10 分组多空对冲的净值走势、各项绩效指标。整体来看，量价类 Alpha 因子 表现稳健，信息比率都在 2 以上；其中高频价量相关性因子、高频价格自相关性因 子的稳健性最强，信息比率超过 3。

今年以来，上述量价类 Alpha 因子都取得了正向收益，其中累计收益最高的为 minute_pv_corr（分钟价量相关性因子），录得收益 11.46%；daily_pv_corr（日频价量 相关性因子）和minute_turn_std（分钟换手稳定性因子）紧随其后，分别录得收益10.38% 和 9.35%。从信息比率来看，表现最好的是 minute_turn_std（分钟换手稳定性因子）和 daily_pv_corr（日频价量相关性因子），今年以来的年化信息比率分别为 3.40 和 2.33。

众所周知，量价类因子在中小市值股票中的有效性更强，因此在市场更偏中小市值风 格的时候，量价因子的表现往往更好。我们选取常用的沪深 300 指数代表大盘股、中证 1000 指数代表中小盘股，观察两个指数从 2012 年以来的相对走势。可以发现在 2017 年以前，中证 1000 指数有较为稳定的优势；但从 2017 年开始至 2021 年年初，沪深 300 指数持续占优，观察同期量价因子的表现，就会发现许多传统量价因子的有效性明显下 降，比如传统反转因子在 2017 年出现长时间回撤，传统波动率、换手率因子在 2018 年、 2019 年多次出现大幅回撤，另外伴随着 2020 年至 2021 年初的机构抱团行情，我们构 建的量价类 Alpha 因子的波动也明显增大；直到 2021 年 3 月份，市场重回中小市值风 格，量价类因子的表现才开始回暖。

在未来，如果我们预期大规模的机构抱团行情难以重现，且目前 A 股市场的股票数量较 多，在许多未被研究机构覆盖的中小票中，也将出现较多具有投资价值的股票，那么我 们相信量价类因子将会有更多的用武之地。

5.3 量化选股策略

我们将跟踪的量化选股组合大体分为 3 类：其 1）为基于增强 ETF 申赎清单构建的指增 组合；其 2）为基于量价交易信息的 AI 指数增强组合；其 3）为主动量化选股组合： 1) 传统多因子选股体系，我们另辟蹊径基于增强 ETF 申赎清单直接构建增强组合； 2) 深度学习选股体系，基于量价数据驱动，采用 AI 模型的短周期交易型指增组合； 3) 通过对价值投资或行为金融的深度理解，捕捉市场反应不足/过度的定价错误，组合 构建流程基于金融逻辑和因果推断，根据特定事件或指标筛选股票池。 以下，我们具体介绍各类组合的构建方式以及今年以来的绩效表现。

基于增强 ETF 申赎清单的指增组合

作为将指数增强基金和 ETF 交易模式相结合的工具性产品，近年来增强 ETF 的发展在 A 股结构性行情中不断升温。自 2021 年末上市以来，增强 ETF 的规模与数量不断扩大， 且能够实现每年稳定战胜基准指数的目标。不同于场外指数增强基金每季度披露投资报 告，增强 ETF 每日公告申购赎回清单，可借助清单中对其当前持仓一窥究竟。 借助增强 ETF 每日通过 PCF 披露的申赎清单，我们对增强 ETF 的持仓情况进行还原。分 析表明 PCF“清单权重”无论在持仓明细还是净值走势都能良好还原增强 ETF 本身。 增强 ETF 申赎清单本身即为股票多头信息，我们从两个不同维度基于增强 ETF 申赎信息 构建对应标的指数的增强策略。基于增强 ETF 申赎因子，间接构建组合，其优点在于我 们不再受限于 ETF 本身的持仓组成，可以综合多个 ETF 对于个股的综合评价信息，对 于组合的风险约束也将具有更大的自主权利。

我们基于增强 ETF 申赎清单构建增强组合，截至 2024-06-28 日，今年以来沪深 300 指 数增强组合超额收益为 6.2%，中证 500 指数增强组合超额收益为 7.9%，中证 1000 指 数增强组合超额收益为 4.9%。

深度学习指数增强组合

基本面因子是低频多因子模型的重要 alpha 来源，但是 2021 年以来业绩类因子出现普 遍性的大面积回撤。而量价+AI 类模型基于数据驱动，基于短期交易数据层面捕捉市场 短期的定价不充分，这与基本面模型具有较高的独立性，因此我们基于深度学习模型构 建了周频调仓的指数增强组合。

截至 2024-06-28，中证 500 指数增强组合今年以来绝对收益 2.6%，超额中证 500 指数 11.5%，年内相对最大回撤-4.6%，月度胜率达到 83%。

截至 2024-06-28，中证 1000 指数增强组合今年以来绝对收益-7.3%，超额中证 1000 指 数 9.5%，年内相对最大回撤-4.6%，月度胜率达到 83%。

小盘价值组合

Piotroski（2002）提出 F-SCORE 指标用于低估值（高 BP）股票投资，他认为低估值股票 更适用于财务报表分析： 1. 分析师一般关注收益弹性更好的成长股，价值股通常分析师关注度低； 2. 公司欠缺主动的信息披露渠道，由于业绩表现差，主动的信息披露可能不被信任； 3. 绝对低估值的企业可能处于财务困境中，报表分析更适合。 因此，在低估值股票中我们希望借助于财务信息，寻找估值具有抬升潜质、同时基本面 出现改善、安全边际高的股票，在低估值股票中寻找盈利和估值同步抬升的机会。 首先，股价的短期变化反应在情绪面和基本面，情绪映射成估值的变化，基本面反应在 企业短期的盈利改善，因此股价增长取决于估值和盈利两个维度。我们发现，低估值股 票估值变动幅度本身更大，而市场关注度低的中小市值、低成交量股票在短期由情绪主 导的估值提升更加明显，基于此逻辑我们筛选出冷门价值股票池。 然而，低估值股票普遍存在“便宜只有便宜的道理”，这些股票整体的盈利能力弱于市场 平均水平，存在陷入“价值陷阱”的风险。盈利改善是避免“价值陷阱”出现的前提， 而股价安全边际是避免“价值陷阱”的重要保障。因此，我们在寻找具有估值提升潜质 的标的时，同样关注股票本身的盈利能力改善和股价安全边际。 基于此思路，我们在冷门低估值股票池中选取基本面改善的股票，最终考虑价格的安全 边际，每期选取 100 只股票等权构建小盘价值精选组合。以国证 2000 指数作为业绩比 较基准，小盘组合 2012 年以来年化收益 29.0%，超额国证 2000 指数 22.5%，信息比 超过 2.3。截至 2024-06-28，组合今年以来取得绝对收益-12.2%，超额国证 2000 指数 7.5%。

权益基金业绩增强组合

公募权益基金整体相对于市场宽基指数呈现出显著超额收益，然而由于市场风格的变化， 单只基金长期保持稳定靠前的业绩水平具有较高难度。 我们在跟踪权益基金整体的风格、行业配置前提下，利用 alpha 模型获取超额收益，构 建权益基金业绩增强组合。截至 2024-06-28，今年以来组合取得绝对收益 0.3%，超额 偏股基金指数 5.9%。

红利精选组合

股票的收益来自于两部分：股息收入和资本利得，其中股息收入可以通过股息率来刻画。 股息率是 Smart Beta 中红利策略最核心的因子。红利策略优化的方式可以在于对高股息 股票的进一步优选。 我们在红利低波策略的基础上进行优化，寻找高成长性标的，筛选出的股票组合具有低 波动性、高股息率和高成长性的特点。截至 2024-06-28，今年以来组合取得绝对收益 10.7%，超额中证红利指数 3.0%。

超预期精选组合

基于分析师对于股票最新业绩的点评报告，我们筛选鉴定市场上业绩超预期的股票；综 合股票基本面信息优选个股构建超预期精选组合。截至 2024-06-28，今年以来组合取得 绝对收益 7.6%，超额中证 500 指数 16.6%。

六、可转债市场回顾与量化展望

6.1 可转债市场回顾：今年转债估值压缩显著

可转债市场回顾：今年转债估值压缩显著。基于专题报告《可转债定价模型与应用》， 我们可以通过收益分解模型将近一个月转债的收益分别拆解为债底收益、股票拉动收益、 转债估值收益。由下图我们可以观察到（下文今年以来均截止到 7 月 5 日）： 中证转债指数表现：由于正股的下跌，可转债市场估值今年以来显著承压，对于中 证转债来说，转债估值贡献了-2.52%的收益。转债分域表现：得益于较低的正股弹性，今年以来偏债转债表现相对较好，但是由 于近期市场对退市风险的担忧，偏债转债估值显著承压，贡献了-4.55%的收益。 转债行业表现：金融与稳定类转债今年以来表现最强，其中银行、非银、交运等行 业转债表现较好，而汽车、机械、建筑行业转债表现较弱。

转债市场重回低估区间。我们基于专题报告《可转债的赎回概率调整定价模型》，使 用了以下两个指标来观察转债市场当前的估值水平与配置价值：

价格水平类择时指标：信用债 YTM 与转债 YTM 差值。我们使用 3 年期 AA 级信用 债 YTM 与转债 YTM 求差值作为判断转债绝对价格水平的择时指标，当该指标处于 历史低位时，说明近期权益市场承压，绝大部分转债已经跌成了虚值期权。若在此 时买入转债，转债期权的?????较低，即使权益市场未来仍有下跌的可能，但是对转 债价格的影响已比较有限。当前 YTM 差值-历史 6 年中位数为-1.80%，位于 2018 年起 9.49%的分位数，处于历史较低水平，相较上月下降显著。

期权估值类择时指标：CCBA 定价偏离度。我们基于可转债赎回调整定价模型（CCBA） 计算当前市场转债的理论定价，并计算定价偏离度=转债价格/CCBA 模型定价-1， 用来表征转债的期权估值水平。由于期权估值与权益走势相关程度高，因此当转债 估值处于极低位置时，权益市场往往也是长期承压且逐渐接近底部，此时若超配转 债，则预期未来转债会获得“戴维斯双击”的收益，即转债估值与正股同时反弹， 转债表现优于国债。当前 CCBA 定价偏离度为-1.94%，位于 2018 年起 27.22%的 分位数水平，相较上月有所下降。

择时策略当前显著超配转债资产。我们基于《可转债的赎回概率调整定价模型》报告 中的方法，将上述两个指标计算 zscore 并形成择时综合打分，月度调整权重从而构建转 债&国债的择时策略。策略几乎每年都能跑赢基准，2008 年至今实现了 9.24%的年化收 益，波动与回撤明显降低。2022 年至今也能实现 4.83%的年化收益。当前转债市场处于 低价、中低估值区间，转债性价比较高，转债配置仓位为 100%，相对于基准显著超配。

6.2 退市风险使得偏债转债估值承压

退市风险使得偏债转债估值承压。自五月中下旬以来小盘股连续下跌，其中由于市场 担心低价股的价格类退市风险，其股价进一步走低。对于转债市场来说，截止至 7 月 5 日，正股价格低于 3 元的转债个数为 28 只，转债余额为 439 亿元。而正股价格低于 2 元的转债个数为 11 只，转债余额为 142 亿元，处于历史上极高水平。

我们可以基于专题报告《可转债退市风险的量化与应用》中的 CCB_out 模型估算在转债 存续期内的正股跌至 1 元的概率，可以用来衡量正股的价格类退市的风险。由下图可见， 自今年以来，由于转债正股的下跌，该概率逐渐加大，正股退市风险上升。截止至 7 月 5 日，正股在转债存续期内跌至 1 元概率为 3.67%，因此仍需注意转债正股退市的风险。

6.3 低风险类绝对收益策略表现较优

偏债低估策略今年回撤显著。由于退市风险的影响，偏债低估策略回撤显著。下图为 偏债转债中不同策略的净值与收益统计，其中转债需满足余额 3 个亿、评级 AA-及以上、 正股 2 元以上的限制，并选择因子值最高的 1/3 只转债构建策略。可以看到如下现象： 偏债低估类策略回撤显著：由于 CCB 定价未考虑退市风险，因此其极易配置正股价 极低的转债（具有较高的正股价格类退市风险），使得 CCB 定价偏离度因子今年以 来有着较高的回撤。若我们使用考虑退市风险后的 CCB_out 定价构建策略，可降低 一定的回撤并提升收益。 低估+动量可以规避一定的尾部风险：若我们在低估策略中加入正股动量因子，则 能够在市场发生尾部风险时降低回撤，今年以来低估+动量策略的回撤仅为 6.5%， 相对于纯低估策略有着明显的降低。

低风险类绝对收益策略表现较优。我们在专题报告《可转债退市风险的量化与应用》 中提及过低风险类投资策略，其中高股息策略通过配置股正股息率较高、转债估值低、 余额大、评级高的转债形成绝对收益策略，策略除转债外的仓位配置国债。高股息转债 策略今年以来可以获得 7.2%的绝对收益，而波动与回撤仅有 4.1%与 1.6%，表现相对 较优。若未来预期市场仍处于小盘回撤与较高退市的风险环境之下，则类似的低风险类 投资策略将有较好的收益风险比。

七、量化择时展望

7.1 指数量化择时

目前，上证指数和中证 500 均处于周线级别下跌中，而且上证指数周线级别下跌只走了 1 浪结构，这意味着市场中期将继续震荡筑底。市场筑底需要些时间，投资者需要多些 耐心。不过中长期，上证 50、沪深 300 周线下跌已经走了 9 浪结构，跌了 3 年时间，创 业板指与科创 50 过去 3 年的下跌也出现了明显的背驰迹象，当下大概率是中长期底部， 对市场仍不宜过度悲观，中长期下行空间非常有限。

7.2 行业量化择时

就行业配置角度而言，我们推荐周线级别下跌比较充分或者刚确认上涨趋势的行业，规 避周线级别下跌只走了 1 波的行业。目前来看，电力及公用事业、银行、石油石化、家 电、交通运输处于周线级别上涨中，上涨趋势大概率没结束；医药、钢铁、建材、房地 产和农林牧渔周线下跌已经走出了 7-9 浪结构，而且多数都在走双底结构，后续会逐步 走出底部，可以积极布局；非银行金融、汽车、通信的周线级别下跌在结构上只走了 1 浪，下跌不够充分，短中期很难有大的行情，注意后续有再次下跌的风险。

编辑：火腿肠