2025年市场风格轮动系列：如何从赔率和胜率看大小盘

一、前言

1.1 风格效应是如何形成的？

现如今，市场风格时常面临大幅切换，这使得风格配置在投资研究中扮演了十 分重要的角色。相信市场参与者经常会感受到市场风格对个股标的形成或多或 少影响，那么，为什么市场风格会凝结为这样一种隐形的力量呢？ 一方面，风格本身代表着一批具有某一共同特征的个股。在量化投资中，我们 也可以将其称之为在某一因子具有类似的暴露。而特定的宏观环境或微观因素， 可能会导致某一特征的个股出现普遍受益的情况。例如，当市场对未来经济有 较好预期时，投资者的风险偏好增加。同时伴随着环境向好、需求增长，具有 更大潜力空间的小市值个股更容易得到投资者们的青睐。 另一方面，形成共同趋势的股票组合将会受到“共识”的正反馈影响机制。当 具有共同特征的个股受到前述原因而走出类似趋势时，在历史行情和交易心理 的加持之下，投资者们会本能地将这些股票或明或暗地打上一个相同的标签。

1.2 风格配置的策略空间

目前市场上最重要的大类风格有大盘/小盘和成长/价值两类，为了从更具体地揭 示风格配置可能带来的收益差距，我们统计了近几年来大盘成长、 大盘价值、大盘成长、小盘价值和小盘成长 的逐年收益，并计算了每一年大盘成长、小盘价值、大盘价值 和小盘成长任选其二的收益率差绝对值的最大值，用以反映在年度层面风格收 益率的配置差异。据统计，2017 年至今，平均每年最大风格收益率差为 28.90%，2025 年截止 8 月底，小盘成长与大盘价值的收益差距为 23.62%。因 此，每年仅依靠风格配置的押注，就能够形成接近三十个百分点的收益差距。

进一步的，为了考察风格配置策略可能存在的潜在上限，我们在使用了未来数 据的基础上，每个月配置当月表现最好的市场风格以形成了一个月度风格最优 策略。自 2017 年以来的 104 个月中，有 3 个月的最优风格相对于风格平均收益 率可以形成 10%以上的超额，有 20 个月能形成 5%以上的超额，策略的年化超 额收益率可达到 49.23%。这说明，通过对风格的择机选择，是能够形成一个较 高收益上限空间的配置策略。

1.3 大小盘风格的市场回顾

在之前的报告《如何从赔率和胜率看成长价值轮动》的报告中，我们已对成长 价值的轮动模型进行了创新性的框架构建，模型在样本外表现较为稳健，2025年前 9 个月形成了 10.30%的超额收益。因此，在本篇报告中，我们将基于类似 的框架，致力于构建一个解决大小盘风格轮动的配置模型。 首先，我们需要面临解决的第一个问题就是如何刻画大小盘的风格收益。在实 践中，投资者对大盘的定位通常较为统一和清晰，我们可以采用沪深 300 的指 数表现及成分股刻画大盘收益。而在小盘方面，中证 1000 和中证 2000 都是小 盘风格的常见代表指数。据统计，截止 2025 年 9 月 26 日，中证 1000 指数成分 股的最大市值为 1716.28 亿元，中位数为 286.47 亿元。中证 2000 指数成分股 的最大市值为 489.51 亿元，中位数为 114.69 亿元。而全 A 个股中的市值中位 数为 63.53 亿元。可以看到，在 A 股市场的不断扩容之下，当下在五千余只个 股中，中证 1000 指数对于小盘的代表性已经有所弱化。因此，我们将在本篇报 告中以中证 2000 作为小盘收益的代表。 总体来看，自 2009 年以来的大小盘轮动可以显著划分为 2017 年前后两个大的 阶段，在 2017 年以前，由于小市值个股存在“壳资源”，因此可以看到小市值 个股存在显著的相对优势。而 2017 年至今大小盘正好经历了较为完整的轮动， 大盘和小盘的区间收益较为接近，整体市场环境也更接近当下市场，因此我们 就以 2017 年以后的区间作为后续我们构建大小盘轮动的测试区间。接下来，我 们将对这个阶段的大小盘轮动现象进行市场回顾。

2017-2020 年（大盘股占优）：经济增速下行+金融去杠杆+外部环境恶化

经历了流动性环境宽松+移动互联网产业浪潮+居民和杠杆资金入市带来的 2014- 2015 年的牛市狂欢后，股市逐渐走向泡沫化，政府对杠杆资金的监管开始趋紧。 2015 年 6 月 12 日，证监会就修订后的《证券公司融资融券业务管理办法》征求意见，并表示证券公司不得为任何机构和个人开展场外配资、非法证券业务提供 便利，金融监管趋严。 内外部环境趋紧，大盘股展现确定性的相对优势，机构抱团直至瓦解。在内部 经济下行、金融去杠杆叠加海外环境恶化的几重冲击下，投资者风险偏好显著下 降。大家关注的赛道开始由创新性强、成长性高的 TMT 转向确定性强、盈利性 好的消费、医药。市场审美也逐渐由之前的“小而美”的中小创科技企业转向 “大而美”的各行业龙头公司。2017-2019 年间 M1-M2 剪刀差逐渐下滑，流动 性环境趋紧。在这种形势下，小盘股逐渐褪去其长期占优的外衣，而大盘股开始 活跃在舞台中央，“核心资产”、“茅指数”等新兴词语均显示出大象起舞的行情。

2021 年-2023 年（小盘股占优）：经济弱复苏+流动性环境趋松

2021 年 2 月春节后，以核心资产为代表的抱团股瓦解，市场进入长时间的调整 期，大盘股偃旗息鼓。而虽然小盘在这个阶段也经历了下跌，但相对于大盘的跌 幅明显更小。 为了确保后疫情时期维持经济的稳定性，央行进一步实行了较为宽松的货币政策。 国内生产相较海外复苏更快，出口数据亮眼，经济复苏较快，给予了小市值企业 一定的业绩支撑。

2024 年-2024/9 月（大盘股占优）：小微市值流动性崩盘，市场进入调整期

2024 年伊始，市场出现一定的下行调整，入市资金持续买入大盘个股，导致市 场风格出现了极致的小盘个股下跌。1 月下旬至月底，雪球平台的敲入操作导致 中证 500 和中证 1000 指数承受了巨大的压力。随后，小盘股流动性危机愈发显 现，期指贴水迅速扩大，中性策略开始平仓，多头集中卖出，引发小盘股进一步 下跌，导致中性和 DMA 产品出现大幅超额回撤。2 月初至中旬，中证 500ETF 和中证 1000ETF 被大量买入，加剧了期指大涨和基差波动，同时微盘股流动性 进一步受到挤兑，中性和 DMA 策略遭遇多空双杀，出现集中强平或换仓，微盘 股流动性危机达到顶峰。而后在 2023-2024 年 9 月，市场进入了震荡调整阶段， 风险偏好普遍下降，此时大盘股的收益韧性显示出一定的优势。

2024/9 月至今（小盘股占优）：政策 A 股开启上行周期

自 2024 年 9 月 24 日的一揽子增量政策出台以来，A 股市场得到有效的振奋。 据统计，2024 年 9 月 1 日-9 月 23 日，沪深两市日均成交金额仅为 5551 亿元。 而 9 月 24 日-9 月 30 日，日均成交金额提升至 14739 亿元。2025 年年初， DeepSeek 的横空出世广泛振奋了投资者信心，在智能制造等科技股价值重估逻 辑中，市场在一季度就形成了诸多科技题材型行情。7 月，雅鲁藏布江水电站开 工和“反内卷”的正式提出，快速引发周期行业的系统性行情。之后，A 股市场 进入加速上升阶段，各类科技主题概念迎来了爆发式的集中上涨。整体来看，在 市场整体普遍活跃的背景之下，伴随着 AI、机器人等科技革命概念被资本市场 所关注和追捧，小市值个股在本轮牛市中呈现出了较好的收益弹性。 此外，我们从图 4 的净值走势可以看出，净值在更多的时间是向下方倾斜的，这 说明小盘相对大盘在大部分时间是处于优势的；但在净值向上倾斜的几个阶段， 则净值的斜率较大（例如 2021 年末和 2024 年初），这说明小盘一旦落入下风， 则会出现显著的相对回撤。根据进一步的统计结果，大盘相对小盘的周度收益胜 率为 48.53%，投资赔率为 1.10。因此，从历史的收益特征来看，小盘相对大盘风格在更多的时间占优，但会在短时间里出现快速的收益回撤。

1.4 小盘风格成分股的历史填充

在前文我们提到，我们将采用中证 2000 指数作为小盘风格的收益代表指数。然 而由于中证 2000 于 2023 年 8 月才正式发布，因此 2023 年 8 月以前中证 2000 指数的成分股是有所缺失的。但由于成分股将在后续的研究中扮演着重要的角 色，因此我们需要考虑对中证 2000 指数在历史上做一定的成分股填充。具体来 说，我们对中证 2000 缺失成分股的期间，做如下成分股填充：在保证成分股市 值排序在 1500 名之后的前提下，于每个截面上筛选出市值排序在 50%-90%区 间的个股，将这部分个股作为中证 2000 指数成分股缺失时的小盘股代表组合。 后续，我们将采用周度频率进行策略构建，并于每个自然周的最后一个交易日 进行指标计算，以次周的开盘价进行调仓。基于前文所述，我们将以沪深 300 指数作为大盘代表，中证 2000 指数作为小盘代表。2017 年以来的时间作为我 们的策略的构建区间，并且以 2014 年作为部分需要回溯期的历史数据考察起始 点。由于考虑到可回溯区间并不长，因此后文中如无特殊说明，我们在回归拟 合和历史分位数测算时均采用以扩展窗口的算法进行计算。

二、赔率部分

2.1 赔率的定义

赔率，最早是博彩公司用来衡量球赛或马赛赌博赔付比例的一种方式。赔率的 呈现形式主要有两种，分别是十进制赔率和分数赔率，十进制赔率体现了押中 时可以获得的本金及收益，而分数赔率则表达了胜负时的收益比率。举例而言， 假设押对赌注将获得 200%本金的收益，押错完全失去本金，则十进制赔率为 3.0，分数赔率则为 2:1。在权益投资中，亏损是相对本金的一定比例，通常不 会出现完全失去本金的情况，所以我们在本篇报告借用赔率中的分数赔率。在 大多场合，为了简便将默认分数赔率的分母为 1，即赔率表示当亏损为 1 时盈利 的数值。进而，当赔率大于 1 时，代表着押对时获得的收益大于押错时的亏损。 因此，一段收益率序列的赔率就等于平均正收益/平均负收益的绝对值。

2.2 估值的定义

由于小盘股业绩增速的弹性优于大盘股，因此小盘股的绝对估值水平通常较高1。 因此，我们应该关注的是市值风格的相对估值水平，而非绝对估值水平。在这 里，我们为了刻画市值风格的相对估值水平，采用了估值差的历史分位数法进 行刻画，并且基于市场估值水平进行了适当的修正。 具体来说，我们计算沪深 300 和中证 2000 指数成分股的账面市值比（BP_LF） 平均数之差作为该时间截面的估值差。并且为了剔除市场整体估值水平对估值 差对历史可比性造成的影响，我们将估值差除以对应时间截面的全市场估值平 均数，最后再计算估值差在历史上的排位次序百分比作为其相对估值水平。另 外需要说明的是，由于我们采用的估值指标是账面市值比，因此估值差历史分 位数较高时，所代表其处在相对低的估值水平。

2.3 赔率与估值水平关系的假设

在这里，我们根据逻辑推演得到了一个假设：市场风格相应的相对估值水平是 其预期赔率的关键影响因素，并且两者应该呈现出负相关。原因有二： 高估值水平的市场风格已经是“强弩之末”。具体来说，估值水平可以衡量市场 风格过去一段时间的关注程度。若某种市场风格被市场持续追捧时，其估值水 平将逐渐走高。当整体估值水平到达较高的位置时，该市场风格估值继续上行 的空间已然较小。此时股票组合缺乏向上“冲击力”，市场风格难以形成高收益 率级别的上涨。并且由于羊群效应和被过度关注时有大量投机参与者的涌入， 当市场风格出现切换时，往往会出现快速的收益回落。因此，进入高估值水平 的市场风格整体赔率偏低。 低估值水平的市场风格面临广阔的“价值洼地”。若市场风格被持续忽视，当估 值水平处在较低水平时，其具有可观的反弹向上空间。此时若出现相应风格占 优，其形成反弹带来的收益往往较大。并且，低估值将形成理想的安全边界， 对相应投资标的价格具有一定的支撑作用。即使出现风格偏弱的情况，也难以 出现大级别的暴跌。因此，进入低估值水平的市场风格赔率较高。

2.4 赔率与估值水平关系的实证

前文我们已经提到，真实的赔率是针对于某一段区间收益率而存在的，而历史 时间序列中每一个估值水平则只对应一个收益率。所以对于历史上的某一确切 估值水平，我们没办法得到其真实赔率。但是，我们可以根据聚集在该估值水 平附近一段区间的收益率得到赔率的估计。 具体来说，我们对 0%-100%的估值差历史分位数中每隔 5%插入一个观察点。 在每个观察点我们以观察点为中心，以历史时间序列个数的 20%分别作为上下 阈值 长度，将阈值内的大盘-小盘的收益率序列作为考察对象。通过该收益率序 列，我们则可以估计得到该观察点估值水平的大盘相对小盘的投资赔率。 根据图 5 的散点图我们可以看到，大盘-小盘的投资赔率和其估值差分位数具有 显著的线性关系，R2可以达到 0.94。这说明当大盘风格相对小盘风格的估值水 平形成了较低的估值水平时，小盘风格将面临非常不利的投资赔率。

综上所述，我们通过数据验证了前文提出的假设，即市值风格的相对估值水平 与投资赔率呈现负相关的关系。而这个规律可以帮助我们在投资时，通过相应 估值水平判断市值风格面临的投资赔率。

三、胜率部分

在这个部分，我们采用了多指标打分法，先从多个层次对大小盘轮动分别构建 了若干个相对独立的轮动指标，再将多指标结果合成为一个相对稳健有效的胜 率信号指标。

3.1 Shibor

【指标逻辑】流动性趋于宽松时，信贷供给增多，上市公司的融资难度与融资 成本下降，融资难度较高的小盘股显著受益，此时宜持有收益弹性更高的小盘 股；流动性趋于紧缩时，上市公司融资难度与融资成本上升，对相对融资难度 较小的大盘股的影响较小，此时宜持有防御能力更强的大盘股。

【指标构建】计算最新的 Shibor 利率在过去一年以来的历史分位数，当分位数 大于 50%时，则认为流动性相对紧缩，指标信号指向大盘股，反之则指向小盘。

【测算结果】根据表 2 结果可以看到，基于 Shibor 的择时信号我们可以得到一 个年化超额 11.46%的择时策略，这说明该轮动信号具有一定的择时有效性。

3.2 短期期限利差

【指标逻辑】我们以一年期中短期票据与 7 天中短期票据的利率差作为短期票 据期限利差。一方面，超短期的利率取决于实际资金面供需，中短期利率则取 决于货币政策预期，因此当这个期限利差扩大时，说明未来货币政策可能收紧。 另一方面，期限利差扩大说明此时整体企业部门的举债需求相对预期的流动性 水平有所提升，而中小企业在进行借贷时处于相对弱势，因此在借贷需求较为 旺盛时可能会被迫付出较高的融资成本。因此，当短期期限利差扩大时，指标 发出大盘相对占优的信号。

【指标构建】期限利差=中债中短期票据到期收益率(AAA+):1 年- 中债中短期票 据到期收益率(AAA+):7 天，计算 20 日期限利差均值-250 日期限利差均值，若 大于 0，则发出大盘占优信号；若小于 0，则发出小盘占优的信号。

【测算结果】整体来看，中短期票据期限利差具有一定的大小盘轮动效应。

3.3 市场趋势

【指标逻辑】当市场较为活跃时，具有突出收益弹性的小盘风格更加容易获得 超额收益；相反，当市场较为低迷的时候，收益稳健的大盘风格将显得更具配 置价值。

【指标构建】当中证全指 5 日均线大于 20 日均线时，视为市场上行；当中证全 指 5 日均线小于 20 日均线时，视为市场下行。当近 20 日全市场成交量大于近 250 日市场成交量时，则视为市场放量；当 20 日全市场成交量小于近 250 日市 场成交量时，则视为市场缩量。 当市场缩量且下行时，发出大盘占优的信号，当市场放量且上行时，发出小盘 占优的信号，否则不发出相应信号（等权配置大小盘）。

【测算结果】从测试结果来看，该指标在 2019 年之前的表现并不稳定，但在 2020 年以后，该指标呈现出比较稳健的有效性。考虑到该指标在逻辑上较为清 晰和直观，且指标有效性在近些年的表现也比早些年更具有参考价值，因此该 指标应当还是能够在未来提供一定的有效信息。

3.4 市场波动

【指标逻辑】当市场进行窄幅调整时，小盘股由于缺少收益波动的想象空间而 失去的相应的吸引力。此时，能够通过分红形成投资回报的稳健大盘将会成为 更好的投资选择。

【指标构建】市场波动率=近 20 日中证全指收益率标准差，我们以近 3 年的市 场波动率均值作为波动率中枢，当最近 20 日市场波动率小于波动率中枢时，则 发出大盘占优的信号；反之，则发出大盘占优的信号。

【测算结果】从测试结果来看，基于市场波动形成的大小盘轮动信号有效性较 为显著，超额净值整体倾斜的角度较好，能够形成 13.18%超额收益的轮动策略。

3.5 风格动量

【指标逻辑】风格在一段时间内可能会出现“强者恒强”。A 股市场中，以个 股呈现出“反转效应”，但一定数量的组合收益率则显示出“动量效应”，例 如风格收益率、行业收益率。这是由于具有一定数量的组合收益率，是组合内 成分股通过收益率加权计算而相互确认过的趋势，可以剔除超买超卖的噪音。

【指标构建】比较沪深 300 和中证 2000 指数过去四周的收益率，若沪深 300 收 益率更高，则发出大盘占优信号；若中证 2000 收益率更高，则发出小盘占优信 号。

【测算结果】整体来看，朴素简单的动量指标还是发挥了一定的轮动有效性， 轮动策略能实现 8.16%的年化超额收益率。

3.6 风格拥挤度

【指标逻辑】当市场风格出现过度活跃时，可能会出现风格崩溃进而导致收益 大幅回撤。例如微盘股流动性危机和机构抱团股瓦解就是典型的风格崩溃，因 此当相应风格出现异常火热时，是需要警惕出现过热风险而极致的风格切换。

【指标构建】计算市值最大的 20%个股近 20 日成交量在过去三年中的历史分位 数作为大盘拥挤风险指标，当该指标大于 0.75 时，发出小盘占优。同理，计算 市值最小的 20%个股近 20 日成交量在过去三年历史分位数作为小盘拥挤风险指 标，当该指标大于 0.75 时，发出大盘占优。否则，则不触发该信号（等权配 置）。

【测算结果】从结果来看，该指标具备较好的有效性，超额净值的走势较为稳 健。其中只在 2017 年末和 2021 年初出现过两次比较显著的收益回撤，具体来 看，这两个阶段均为大盘风格占优行情的末端，指标在坚定发出与行情相左的 信号之后，均有效的规避了大盘行情终结的市场阶段。

3.7 月历效应

【指标逻辑】月历效应最早由美国学者瓦切尔(Wachtel)于 1942 年发现，塞勒 (R.Thaler)1987 年指出，月历效应与机构投资者行为及消息发布时间有一定关 联。 实际上，月历效应是由周期性形成的事件所驱动形成的。例如，在业绩相关公 告较多的 1 月、4 月、8 月和 10 月，为了规避小盘股业绩暴雷，通常会出现小 盘股相对较弱的特点。而在规避暴雷月份的下一个月，小盘股则会因资金回补 而容易出现显著的反弹。尤其是在 2 月，由于处在宏观数据的统计的缺口以及 频见的“春节效应”，小盘股极易出现相对大盘股占优的情况。根据历史统计， 自 2010 年以来除了 2024 年（微盘股流动性危机）以外，其他的年份在 2 月都 出现了小盘占优行情。

【指标构建】计算次周所在的自然月在历史年份中沪深 300 指数战胜中证 2000 指数的胜率，当胜率大于 50%时，则发出大盘占优的信号；否则发出小盘占优 的信号。当次周出现跨月现象时，则按照次周交易日实际所处的自然月对历史 的月胜率进行加权。

【测算结果】从测试结果可以看出，月历效应形成的大小盘轮动信号整体稳健 性较为好。

3.8 复合胜率信号

【指标构建】当明细指标指向大盘占优时，记为 1 分；当发出小盘占优时，记 为 0 分，否则记为 0.5。将前述明细指标得分取均值作为复合胜率信号，当复合 胜率信号大于 0.5 时，则发出大盘占优，当复合信号小于 0.5 时，则发出小盘占 优。

【测算结果】从统计结果来看，复合的胜率信号整体表现较为出色，复合指标 超额收益率可以达到 19.72%，信息比率为 2.17。

四、配置模型

基于前文的讨论，我们可以在每一个时间截面得到市值风格相应的投资赔率和 胜率。 赔率：以扩展窗口对历史估值差分位数与赔率建立线性回归关系，并以最新截 面的估值差分位数代入得到条件赔率的估计。 胜率：当单指标指向大盘时，记为 1 分，当单指标指向小盘时，记为 0 分，当 指标信号不明确时，记为 0.5 分，取得分均值则为胜率的估计。 接下来，我们要利用凯利公式将赔率和胜率进行结合。在已知赔率和胜率条件 下，凯利公式能够给出一个本金增长率最大化的配置权重。

基于前述配置权重，我们可以实现一个大小盘权重根据配置信号调整的轮动加 权策略。根据表 13 结果，该策略可以实现 10.94%的超额收益，信息比率为 2.47；在构建调权策略后，策略的相对最大回撤下降至 2.34%，收益回撤比可 达到 4.66。

根据上述结果，我们可以结合过去报告2中成长价值轮动模型的结果，形成一个 细分风格的择时模型，即在每一期对大盘成长、大盘价值、小盘成长和小盘价 值进行择时轮动。例如，当大小盘模型指向大盘，成长价值模型指向成长时， 细分风格轮动模型则发出大盘成长占优信号。

经过测试，我们根据模型的测试信号可以形成一个具有出色轮动效应的策略。 根据表 14 结果，策略能实现相对等权配置基准 32.86%的超额收益率，模型的 相对最大回撤为 8.50%，信息比率为 3.11。

五、结语

本文作为市场风格轮动系列之作，延续了我们在成长价值轮动中创新性提出结 合赔率胜率看轮动的研究框架，分别从赔率和胜率的视角，对大小盘轮动模型 提出来相应的考察指标，最终形成了较为稳健的几个轮动模型： （1）在基于配置得分实现完全风格切换的模型中，策略可以实现 20.57%的年 化超额，信息比率达 2.27。相对最大回撤为 7.55%，收益回撤比为 2.76。 （2）在基于配置权重实现大小盘权重调整的模型中，策略可以实现 10.94%的 超额收益，信息比率为 2.47，收益回撤比可达到 4.66。 （3）基于大小盘模型信号和往期报告构造的成长价值模型信号，我们构建了细 分风格轮动策略，该策略能实现 32.86%的超额收益率，信息比率为 3.11。 事实上，大小盘和成长价值仅是常见大类风格中最典型的两个大类，而其他的 大类风格（如动量反转、低波红利等）也同样会面临阶段性强势和失效的现象。 因此，后续我们将在其他大类风格中进行泛化讨论，尝试在其他大类风格也同 样构建出具有择时轮动效应的量化模型。

编辑：火腿肠