2024年量化资产配置专题：风格因子配置择时框架与基金优选

风格因子的筛选

基于风格因子配置的优势

刻画基金风格的方法包括两种：基于持仓的分析方法和基于净值的分析方法。 基于持仓的分析方法是指基于基金披露的股票持仓数据来划分基金的持仓风格，按照持仓股票的市值规模、财务指标等特征聚合 到基金层面，以展示基金的持仓风格，比如晨星风格箱、持仓因子暴露（PE估值、成长性、盈利能力等），受限于数据披露频率， 一般以半年度频率来展示。 基于净值的分析方法是指基于基金净值收益率来划分基金风格，采用风格因子线性回归拟合、风格因子相似度等方法来跟踪基金 风格，因基金净值披露频率高，可以实现更为高频的风格跟踪。

景气、质量、价值潜力与红利四因子

风格因子线性回归拟合方法。以基金日收益率为因变量、风格因子日收益率为自变量，进行月度窗口的带约束线性回归（约束条件为各因子回 归系数不能小于0），回归系数代表了相应风格对基金整体收益的贡献程度，能够反映基金在相应风格资产的仓位暴露水平。  为确保线性回归结果的有效性，尽量选择彼此相关性较低的风格因子。基于因子的配置一方面要求因子为单因子，另一方面要求各因子之间相 关性较弱，这样可以更完整地刻画市场风格。从财务指标来看，景气侧重营收的TTM同比增速，看重快速成长性；高盈利质量侧重ROE的TTM变 化，看重盈利的稳定和可持续性；价值潜力位于低PE-低ROE的深度价值区域内，聚焦当前基本面差、未来有望改善的，但目前估值仍较低的资 产；红利强调现金分红率。

因子配置与择时框架

构建综合宏观环境、拥挤度分析的因子配置与择时框架。在量化多因子策略中，因子的配置与择时是策略的核心。现有文献对于因子择时方法 做出了大量研究，总结下来可以大致分为两类，一类是从外生变量如宏观环境出发研究因子择时方法，另一类是从内生变量如因子动量、拥挤 度等角度进行因子择时。基于这两类方法的研究成果，我们从宏观因子、技术因子两个角度构建起因子配置与择时框架，综合判断因子的中长 期趋势与短期交易风险。

风格因子配置与择时框架

风格因子配置的宏观环境

宏观环境决定了风格中长期趋势，我们通过指标变动复盘2012-2022年宏观环境变动与风格相对表现，寻找风格相对表现与宏观指标组合之间 的联系 。从国内基本面、国内流动性、海外环境3个维度出发，考虑了制造业PMI、信用因子（私人部门融资增速）、通胀因子（0.3*PPI同比 +0.8*CPI同比）、货币因子（SHIBOR3M）、10年国债收益率、10年美债收益率、10年期中美利差、10年美债实际利率，统计2012-2022年宏观 指标季度变化及其两两组合所对应的风格平均超额收益率、胜率。 以宏观指标变动对红利-景气相对风格行情划分效果为例，可以看到美债实际利率的效果好于美债因子，中美利差下行时红利风格相对景气平 均收益、胜率均较高，衰退期红利表现更好，复苏期间景气表现更好。

信用-货币时钟对各风格表现区分度高，中美利差对景气/红利相对风格影响较大。通过上述方法复盘质量、价值潜力、红利相对景气风格表现 与宏观指标变动的关系，我们发现私人部门融资增速、SHIBOR3M、中美利差对占优市场风格影响较大。使用私人部门融资增速、 SHIBOR3M划 分的信用-货币时钟对各风格表现区分度高，中美利差与景气/红利相对风格相关性较高。 使用私人部门融资增速作为信用因子，SHIBOR3M作为货币因子，10年国债到期收益率减10年美债到期收益率作为中美利差因子，3因子分别刻 画了国内基本面、流动性、海外环境，对景气、质量、价值潜力、红利风格有较好区分度。

趋势+胜率风格轮动策略：基于信用-货币-中美利差的风格轮动策略具有显著超额收益，样本外表现稳定。在风格轮动的月度策略中，我们使用 3个信号投票选择风格仓位，分别为宏观环境、1个月短期动量、6个月长期动量。宏观环境配置信号根据信用、货币、中美利差的划分选择对应 的最优资产。使用2012年以来数据进行策略回测，不考虑交易费用。风格轮动策略具有显著超额收益，2015年以来年化收益率20.0%，夏普比 0.73，各阶段表现稳健。2023年以来该策略相较于风格等权策略仍有稳定提升。 风格轮动模型使用3个信号投票，在下月配置得分最高的风格。宏观环境信号使用长短期均线法判断因子走势，推荐下月风格。信用因子近3月 均线大于6月、货币因子近1月均线大于3月、中美利差近1月均线大于3月分别判断下月为上行，否则为下行。 1个月短期动量、6个月长期动量 分别使用近1个月、6个月累计收益率最高的风格推荐下月风格。

拥挤度衡量

对于因子拥挤度的衡量，主要分为基于持仓和基于交易数据两种方式。基于持仓的拥挤度指标能够直接反映资金对因子的追捧，但持仓数据不 全面且较为滞后；基于交易数据的拥挤度指标数据质量较好、即时性高，但仅能间接反映因子的拥挤程度。一般来说，拥挤度被用来衡量因子 中短期风险，对数据及时性的要求较高，因此现在大量研究基于交易数据构建指标衡量因子拥挤度。

总结海外头部资管机构对基于交易数据的拥挤度研究。FactorResearch使用因子离散度、相关性、动量、估值、波动率来定义因子拥挤度模型， 每个指标都能较好地预测因子未来的回撤风险，拥挤度高的因子未来具有更高的回撤可能性；MSCI使用估值价差、卖空价差、配对相关性、因 子波动率、因子长期反转来定义因子拥挤度模型，拥挤度高的因子组合收益显著下滑；BlackRock使用相对强度、估值、离散度三个指标来判 断因子交易风险，结合宏观指标能够在提高策略夏普比的同时有效控制回撤。

基于交易热度、资产收益、估值指标、杠杆资金、交易结构5个角度出发，整理筛选出8个指标衡量因子拥挤度。借鉴于国内外研究成果，综合 考虑了指标经济意义以及数据及时性，我们整理筛选出8个指标从五个角度衡量交易拥挤度。

有效性分析

通过拥挤信号发出后的1、 3个月因子平均收益率、胜率、极端下行风险分析指标有效性。拥挤度过高并不一定意味着因子收益水平的下滑， 收益波动率的加剧、回撤风险的加剧也可能是因子拥挤的表现。因此，我们统计拥挤信号发出后的1、3个月（22、66个交易日）风格指数 平均收益率、胜率、极端下行风险，其中极端下行风险定义为指数下行5%、10%的概率。 通过策略回测验证综合拥挤度指标在风格因子上的择时效果。拥挤度信号的触发往往意味着未来风格因子收益风险的增加、或收益的降低。 我们通过在触发拥挤度信号后的1、3个月（22、66个交易日）空仓相应风格因子，来验证拥挤度在风格因子上择时的可行性。

基于综合拥挤度的红利择时策略

基于综合拥挤度的中证红利择时策略。基于综合拥挤度指标发出的拥挤信号，使用策略回测方法来验证综合拥挤度对中证红利的择时效果。 策略回测区间为2015/1/1至2024/9/4，标的为中证红利全收益指数、中债新综合指数。策略日度检测拥挤度信号，在当日综合拥挤度指标 大于0.5时，次日清仓中证红利并持有中债新综合财富指数。拥挤度择时策略1、2分别在综合拥挤度（阈值95%）大于0.5以后的22、66个交 易日内不再持有中证红利，策略3、4将拥挤度阈值设定为99% ，不考虑交易费用。在中证红利指数上，综合拥挤度指标择时策略在保证收益的同时，大幅降低了策略风险。回测结果验证了拥挤信号触发后的收益、风险统 计结果，进一步展示了综合拥挤度指标的择时效果。可以看到，以上4个策略在保证年化收益率的同时，收益波动率均有下滑、最大回撤大 幅降低。

基于风格因子的基金优选

主动权益基金风格跟踪

以全市场主动权益基金为样本，对四个风格因子进行带约束的多元线性回归，跟踪主动权益基金整体持仓风格的变化。1）基金范围：基金类 型为普通股票型、偏股混合型、最近4个季度平均股票仓位不低于60%的灵活配置型基金；2）基金运作策略：行业配置相对分散，剔除了消费、 科技、医药、新能源、港股等主题赛道型基金，赛道型基金的认定条件具体请参见前期发布的《赛道基金优选系列报告》；3）符合条件的主 动权益基金共2602只。  从整体仓位暴露来看，今年前5个月增持红利风格、减持景气风格，6月以来增持景气风格、减持红利和质量风格。从各类风格估计仓位的中位 数来看，主动权益基金在今年前5个月的红利仓位中位数上升，景气仓位中位数下降，6月以来发生相反变化，另外质量因子的仓位中位数在今 年8月明显下降。

细分风格基金经理筛选：红利风格

以近两年月度红利因子稳定高暴露的基金作为红利风格基金备选池。具体筛选条件如下：1）近两年月度窗口红利风格因子回归系数平均值大 于30%；2）基金经理在2022年9月份以前任职；3）开放式基金；4）截至2024年半年末基金规模超过2亿元。符合筛选条件的基金有188只。  从备选池中进一步精选出同类风格基金中业绩、回撤控制稳定性高且相比红利因子高胜率的基金。具体筛选条件如下：1）近两年季度窗口的 收益率排名均值位于中位数以前，最大回撤排名均值位于中位数以前；2）以红利因子为基准，近两年跑赢基准的季度胜率高于50%。

报告节选：

编辑：火腿肠