（一）“单一风格”策略较难获取显著超额
回顾 2002 年起，A 股四种典型风格全收益指数的表现可知：以国证四种风格指数的月度平均收益为 基准，单一风格指数在长周期中（5 年以上）较难持续跑赢基准，而在中短期视角下存在阶段性抱团 占优的情况，说明在 A 股市场构建风格轮动体系具有重要价值。
（二）风格指数编制方法简介
国证大小盘指数本质是公募基金视角下的大小盘，基于近半年的 A 股日均总市值从大到小排序，排 名前 200 的个股纳入大盘成分，排名 201-500 的个股纳入中盘成分，排名 501-1000 的个股纳入小盘成 分，加权方式为自由流通市值进行加权。
成长和价值指数具有不同的评估指标：成长因子的三个评估变量分别为“过去 3 年主营业务收入增 长率均值”、“过去 3 年净利润增长率的均值”和“净资产收益率（ROE）”，价值因子的四个评估 变量为“每股收益与价格比率”、“每股经营现金流与价格比率”、“股息收益率”和“每股净资 产与价格比率”。具体编制方法为，计算个股的 7 个变量并对其进行标准化 z 分处理，风格分数为 各风格对应因子的 z-score 均值，在备选池（近半年日均市值排名前 1000 的个股）中选取各风格 z 分 最高的 332 只股票纳入国证风格指数成分，加权方式为自由流通市值加权。
四类核心复合型风格指数以“规模指数成分股”为样本空间，在各样本空间中选择风格分数前 166 名的个股纳入复合指数成分。
股票收益率可以拆解为“估值 PE（TTM）变动”与“盈利（EPS）变动”两部分：
基于以上思路，风格指数的超额收益率可拆解为“相对估值变动”与“相对盈利变动”两部分。如 果某种风格同时利好或利空估值与盈利，那么就是这种风格的戴维斯“双击”或“双杀”，但通常 估值与盈利的跷跷板现象是市场常态，也是整个风格轮动分析框架的难点。
（一）盈利于风格轮动的作用
通过 Wind 全 A 盈利同比与名义 GDP 同比走势可知，A 股盈利增速与宏观经济增速具有高度正相关性， 反映的是宏观经济增长与微观企业盈利的交互验证。
小盘/大盘“盈利超额”与经济显著正相关：规模指数维度，“小盘与大盘盈利同比剪刀差”与“A 股盈利增速”和“名义 GDP 增速”显著正相关。在经济上行区间（A 股盈利整体上行区间），小盘 风格的“盈利增速”高于大盘，而在经济下行时，两者表现相反。上述现象说明小公司的盈利情况 较大公司具有更高弹性：经济下行时，大公司凸显抗风险防御属性；而在经济景气度上行期间，小 公司经营更具活力。
在成长和价值的角度，通过对比两者的“单年度营收同比”时序可知，成长风格的营收增速稳健高 于价值风格。成长与价值的“盈利增速”没有通过 EPS 同比增速进行比较的原因是：单年度的 EPS 同比增速并不能全面的反映指数构建中对成长风格的定义，因为成长风格指数的三个核心因素为： 三年平均净利润增长率、三年营收入同比增速和净资产收益率。
成长/价值“盈利超额”与经济增长负相关：成长/价值“营收同比”与名义 GDP 同比存在显著的负 相关，即经济上行时，价值风格（金融地产、周期板块）表现更为强势，而在经济下行时，投资者 通常规避确定性，寻求成长机会。
（二）估值于风格轮动的作用
基于一阶增长的 Golden Growth 模型，在固定的分红比例假设下，可以得出股票的预期估值主要由“投 资预期回报率 r”和“盈利预期增长率 g”决定。r 和 g 处于一个复杂的闭环反馈系统中，在微观层面 是“无风险利率”、“投资者情绪”与“个股盈利预期增速”的关系；在宏观层面上是“经济预期 增速”与“宏观流动性（货币政策）”的关系。
小盘/大盘“估值超额”与宏观流动性成正相关：在基本面维度，“投资预期回报率 r”和“盈利预期 增长率 g”与“宏观流动性”更为直接相关，通过对比“小盘与大盘 PE 同比剪刀差”与“M2 同比与 名义 GDP 同比剪刀差”（资金量指标）和“十年国债利率（逆序）”（资金价指标）相对走势可知， 小盘/大盘的相对估值变动与以上两个流动性指标呈现显著正相关性，即流动性越好，小盘的相对估 值优势越明显，而当货币政策收紧时，利率上行大概率会更杀小盘估值。
（2） 两者相对收益率方向通常由相对 PE 变动方向主导，2013 年后经济波动和中速下行区间，该 现象更加明显。
（三）“经济增长”与“宏观流动性”双轮驱动框架
基于“经济增长”与“宏观流动性”双轮框架可知：经济上行利好小盘与价值风格的盈利，经济下 行利好大盘与成长风格的盈利；流动性宽松利好小盘与成长风格的估值，流动性收紧利好大盘与价 值风格的估值。基于以上观察，当经济上行叠加货币政策宽松时，我们很容易得到小盘价值占优的 结论，因为无论在估值还是盈利维度都利好小盘和价值风格。但货币政策的松紧与经济增速通常呈 现负相关性，即通过适度的政策调节以熨平经济波动，因此市场通常处于“估值盈利跷跷板效应” 的状态，这对风格判定是很大的挑战。
（四）风格超额收益由估值还是盈利主导？
为了更好的判断当经济增长与宏观流动性方向不一致时（即盈利和估值变动方向不一致）的市场风 格，我们需要回答一个问题：风格超额收益主要由估值还是盈利主导？
通过对比小盘/大盘指数的 PE 和 EPS 相对走势可知：2013 年之前，小盘/大盘走势阶段性由 EPS 相对 走势主导；而在 2013 年之后，估值的相对强弱主导回报率的相对强弱，EPS 主导的情形鲜有发生。
通过对比大盘与小盘的指数、PE和EPS同比可知：
（1） 小盘 EPS 同比的整体波动强于大盘；
（2） 2013 年之前，EPS 和 PE 共同主导指数收益方向，因为此时经济中枢处于上行阶段且波动较 为剧烈，所以 EPS 波动对于收益率贡献度是较大的；而在 2013 年之后，经济波动和中枢进 入下行区间，EPS 波动对于收益率的贡献度下滑，两者相对收益率方向通常由相对 PE 变动 方向主导。
通过对比成长与价值的指数、PE和EPS同比可知：
（1） 成长 EPS 同比的整体波动强于价值；
（2） 两者相对收益率方向通常由相对 PE 变动方向主导，2013 年后经济波动和中速下行区间，该 现象更加明显。
（五）核心框架
盈利主导的行情：在宏观视角更关注经济增长，在中微观视角更关注“盈利的确定性”，即“基于 历史盈利可预测未来业绩”；
如果相对收益由PE主导： 在宏观角度则更关注宏观流动性，在中微观视角更关注“投资者情绪” 和“盈利预期增速”，这反映的是“盈利预期较难通过历史盈利线性外推”。
通过指数“相对估值”与“历史盈利同比”和“分析师两年复合盈利预期”的相对走势，证明“估 值主导的行情本质是投资者更关注盈利的预期增速”：
（1） 历史上，小盘/大盘的 PE 与盈利 EPS 同比呈负相关，当前的相对估值并未有效反映已实现相 对盈利情况；
（2） 小盘/大盘的相对 PE 与分析师两年复合盈利预期（FY2/FY0）呈现显著的正相关，当前静态估 值的相对强弱很好的反映了两种规模指数盈利预期的相对强弱。
通过流动性指标（M2-名义GDP）与分析师盈利预期同比相对走势可知：分析师盈利预期与宏观流动 性呈显著的正相关，流动性指标略领先于盈利预期同比，这背后的逻辑是货币政策是需求侧管理， 其目标为调节经济预期增速，当流动性宽松到一定程度，盈利预期会改善，而当流动性收紧到一定 程度，盈利预期会恶化。
通过历史盈利与两年分析师盈利预期增速线性拟合可知：大/小盘风格指数历史盈利的相对强弱对指 数分析师一致预期相对强弱的解释度较低，分析师盈利预期具有更多增量信息，“小盘/大盘近 1 年 EPS 同比”与“小盘/大盘未来两年分析师盈利预期增速”相关性很低，R2 接近为 0。
通过“近1年EPS同比”和“近3年EPS同比”与“未来1年真实EPS同比”的线性拟合可知：历 史盈利情况很难预测出合意的未来 1 年真实盈利情况，同时值得注意的是基于历史盈利的相对强弱 线性外推未来盈利预期得到的结论是一个统计意义强显著的反结论，即历史盈利越好，则未来盈利 预期越差，这或是因为大小盘的轮动较为频繁且剧烈，简单线性外推并不能对未来盈利预期做出准 确的预测。
通过指数“相对估值”与“历史盈利同比”和“分析师两年复合盈利预期”的相对走势，证明“估 值主导的行情本质是投资者更关注盈利的预期增速”：
（1） 历史上，成长/价值的 PE 与盈利 EPS 同比呈弱负相关性，当前的相对估值并未有效反映已实 现相对盈利情况；
（2） 成长/价值的相对 PE 与分析师两年复合盈利预期（FY2/FY0）呈现显著的正相关，当前静态估 值的相对强弱很好的反映了两种规模指数盈利预期的相对强弱。
通过流动性指标（M1-M2%）与分析师盈利预期同比相对走势可知：分析师盈利预期与宏观流动性呈 显著的正相关。宽松的流动性提升了分析师盈利预期，这也是货币政策进行“需求侧管理”的核心 任务之一。
通过历史盈利与两年分析师盈利预期增速线性拟合可知：成长/价值风格指数历史盈利的相对强弱对 指数分析师一致预期相对强弱的解释度较低，分析师盈利预期具有更多增量信息，“成长/价值近 1 年 EPS 同比”与“成长/价值未来两年分析师盈利预期增速”相关性很低，R2 接近为 0。
通过“近1年EPS同比”和“近3年EPS同比”与“未来1年真实EPS同比”的线性拟合可知：成 长/价值历史盈利情况很难预测出合意的未来 1 年真实盈利情况，历史盈利的相对强弱与未来盈利预 期的相对强弱几乎不相关（R2 为 0）。
风格轮动判定的简单主观框架：各风格的超额收益本质是观察盈利与估值是共振还是冲博弈的关系。 2013 年后经济增长中枢与波动均下移是常态，估值相对贡献增大，因此，关注估值相对强弱即可简 单判定两种对立风格的关系。而对估值相对强弱的判定在宏观流动性角度可以盯货币政策的宽松与 紧缩，在更高频的中微观角度，则可以关注各风格指数盈利预期的相对强弱以及边际变化。
（一）建模框架
中银量化团队采用“基于历史基本面变量”建模法进行建模，其底层逻辑是“基本面是具有一定黏 性的”，较易通过现在线性外推出未来，而后通过未来基本面变量的预期进行定价。换句话说，资 产未来收益率反映的是资产对未来基本面的预期，而不是反映对历史基本面变量定价。因此，历史 基本面变量 X（t）与资产未来收益 R（t+n）的关系可通过某种映射转换为“ X（t+n）与 R（t+n）” 的联系。因此该框架建模的一个核心要求是：入选变量必须是具有黏性的慢变量，否则建模的基准 不够牢固。
（二）指标备选池构建
入池原则：基于前文分析，影响风格轮动的核心因素可以拆解为“经济增长”和“宏观流动性”两 个维度，基于上述两个维度构建变量备选池。由于本模型旨在生成月度信号，因此备选库指标以宏 观基本面指标为主导，不求指标丰富，但求纳入逻辑清晰。
指标处理原则：
（1） 除利率相关指标，所有宏观基本面指标均做滞后 1 个月处理（月底公布的 PMI 数据也进行滞 后处理）；
（2） 为了减少回归模型的共线性，PMI 相关指标做去中心化处理（均减 50）；
（3） 由于 GDP 和工业增加值相关指标存在季度或月度缺失情况，故采用其他指标（如 PMI 生产 等）进行拟合模拟方法，以满足建模需求；拟合指标建模采用按月滚动法，每期仅使用当期 可获得历史数据，以避免利用未来信息建模。
GDP月度指标模拟：根据“PMI 生产-12ma、CPI 同比, PPI 同比”三变量，按滚动 5 年窗口移动对名义 GDP 进行逐月回归，以实现名义 GDP 同比的预测，预测结果较为优秀。需要注意的是，5 年历史样本长度的选取原则是“对比过去 3 年，5 年和 10 年滚动样本回归 R2”得出，测试显示，基于 过去 5 年历史数据滚动回归拟合名义 GDP 同比的 R2 相对最优。虽然 16-17 年（供给侧改革）模型 R2 出现阶段性衰减，但从预测的具体数值上影响不大，故未进行进一步处理。
（一）传统回溯测试框架的局限性
传统的“固定样本内”与“外本外”的回溯测试框架很容易产生具有误导性的测试结论。比如用 2006-2018 数据进行样本内优化，2019 年之后数据用于样本外测试。通常，模型样本内拟合效果会随 着算法复杂和变量增加而提升，回测净值曲线会非常好看；而样本外测试，恰逢 2019 年后 A 股的长 期牛市，很容易产生“模型表现异常优异”的错觉。
（1）择时模型：2006-2019 期间胜率 60%，但样本外胜率近 80%的现象：其本质是长牛状态下，不 择时胜率的胜率甚至更高，因此建模回测效果大概率存在误导性；
（2）行业轮动模型：2006-2018 样本内年化超额收益约 10%，而 2019 年后年化超额收益超 40%的 现象：其本质是近 3 年的动量效应和机构抱团趋势稳定，样本外的测试大概率存在误导性。
上述现象的本质是对回溯测试理解的有误。回溯测试的目的是“了解策略的收益特征（即预期收益 以及收益的波动性）”。如果样本内策略的年化超额收益在 5%至 15%之间波动，而样本外连续 3 年 策略 40%+超额收益则处于该收益分布的异常值区间，后续能够持续的概率又会有多大呢？
（二）改良版回溯测试框架
为了较好反映策略的收益分布特征，采用“滚动预测的样本内外测试框架”： 2006-2008 年作为初始训 练集，从 2009 年 1 月起，逐月将变量区间拆解为“小样本内和小样本外”并测试所有“潜在 4 因子变量 组”在验证集的表现，得到超额收益最优的参数并预测该月结果。
为了更贴近实际策略运作，以突破最大回撤阈值作为重新搜寻最优变量组的触发标志：测试集从 2011 年 1 月开始运作，首次运作的“最优变量组”的筛选标准为：“2009 年 1 月至 12 月（验证集）”中 超额收益最高的变量组；当“最优变量组”运作期间（如 2010 年 1 月-2011 年 3 月）的最大回撤突破 事先设定的阈值时（如-5%等），系统将重新基于截止当前时点的各变量组在验证集中（即 2009 年 1 月至 2011 年 3 月）的最优超额收益选择“最优变量组”更新模型变量并继续运作，直至新策略的回 撤再次突破阈值并触发再次更新，以此类推。
（三）建模细节讨论
建模数据样本选择：常见数据模式有两种，即“全历史 pit 样本（2006 至今）”以及“滚动窗口（如 6 年数据）样本”。其中全历史样本窗口滚动”的优势在于应对风格拐点时对“样本内”信息短期动 量效应钝感，预测更接近“全样本”分布（无偏向）；而滚动窗口数据更能把我近期信息。
实证结论：基于 2006-2020 年期间全样本数据统计，大小盘成长价值四风格指数占优的概率基本各为 25%，但以 6 年为滚动窗口统计，我们发现特定风格指数具有显著抱团、持续占优的情况。
模型预测目标选择： 在预测目标选择维度，我们有两种潜在的模式可供选择：即“预测中长期占优 风格，做月度调整”以及“逐月预测月度占优风格”两种模式。
实证表明：“每月预测下个季度风格”的效果强于“每月预测下月风格”。具体原因是：当使用滞后一个 月的基本面变量对未来一个月的收益进行建模，短期收益率噪音叠加延迟令模型效果较差，所以基 于波动较高的收益率风格，较长区间的结果更稳健，预测难度也更低， 这也是“慢变量”的预测能 力的本质体现。
“变量数量”与“变量组合”优选：基于“有限元遍历法”进行变量筛选，对于 3 至 6 个变量的所 有潜在组合中，我们发现“最优 4 变量组合”的年化超额收益率和季度胜率最高。 2010 年至 2021 年 8 月，将模型运作超额收益回撤阈值定为-5%与-8%时，模型表现非常相似，运作期间均自动更新 9 次， 具体来看：
1） 2010 至 2014 期间：模型更新 4 次，每次均选择：PM1(3MA）、PMI(12MA)、M2-月度模拟 GDP 和十 年国债利率；
2） 在 2015 年 - 至今：模型更新 5 次，每次均选择：PM1(3MA）、PMI(12MA)、M1-M2 和十年国债利率”。 整体来看，模型的变量优选结果是较为稳健的。
（四）模型回测结果分析
模型回溯表现较好。风格轮动模型在样本外的回溯测试于 2009-2021 年期间的年化绝对收益为 13.5%， 较业绩基准年化超额收益约为 9%，超额收益相对稳定；2009-2014 年，风格轮动策略显著跑赢 Wind 普通股票型指数，2015-2021 业绩与主动股基中位数相似（注：由于模型样本内优化基准并非 Wind 主 动股基，业绩对比仅供参考）。
模型胜率统计：如果模型预测风格的月度收益较基准的超额收益大于 0，即认为获胜。2009-2021 期 间，策略样本外月度跑赢基准胜率约 61%，季度约 67%，半年度胜率约 72%，年度胜率约 87%。
模型局限性：通过大小盘/价值成长四种风格指数历史样本外预测概率时间序列可知：2011 年至今，模型样本外预测的市场风格基本以“小盘成长”和“大盘价值”为主，而在 2018 年至今， 公墓抱团的“大盘成长”风格概率上行，但仍然没有较“小盘成长”和“大盘价值”占优。
上述现象背后的原因是： 模型每一期都基于历史全样本进行预测，虽然更具无偏性，但对于新信息 的捕获程度较低。如果历史中没有类似经验的出现（比如公募抱团），模型较难创造出新逻辑。
改进方向：在预测每期风格概率时，统计近期模型是否持续对某种风格有低估或高估现象，如果短 期预判的偏离度在统计意义显著，将对短期的预测结果进行校验调整。
（本文仅供参考，不代表我们的任何投资建议。如需使用相关信息，请参阅报告原文。）
