• 风格轮动驱动因素分析 [page::0][page::1]

- 量价层面选择动量、风格拥挤度及市场情绪作为关键影响因素推动价值成长风格切换。
- 动量结合宏观基本面选用PMI、利差等指标，宏观环境良好时，当前占优风格保持优势；否则可能反转。

• 动量指标与回测表现 [page::1][page::2]

| 指标名称 | 区间收益 | 年化收益 | 年化波动 | 最大回撤 | 胜率 | 有效信号胜率 |
|----------------|------------|----------|----------|----------|--------|--------------|
| 宏观调整动量(MA63) | 220.70% | 11.45% | 22.46% | 48.97% | 72.09% | 72.09% |
| 等权基准 | 76.16% | 5.41% | 21.17% | 48.22% | | |

- 结合宏观调整的动量指标较纯动量指标胜率和收益均提升显著。

• 风格拥挤度指标与回测表现 [page::3]

| 指标名称 | 区间收益 | 年化收益 | 年化波动 | 最大回撤 | 胜率 | 有效信号胜率 |
|------------|------------|----------|----------|----------|--------|--------------|
| 相对拥挤度 | 153.36% | 9.03% | 21.49% | 49.78% | 55.81% | 55.81% |
| 等权基准 | 76.16% | 5.41% | 21.17% | 48.22% | | |

- 拥挤度指标反映资金流向及估值边际敏感性，有效捕捉风格切换。

• 市场情绪指标与回测表现 [page::3][page::4]

| 指标名称 | 区间收益 | 年化收益 | 年化波动 | 最大回撤 | 胜率 | 有效信号胜率 |
|--------------|------------|----------|----------|----------|--------|--------------|
| 成交额水平 | 144.30% | 8.66% | 22.24% | 45.85% | 60.47% | 60.47% |
| 等权基准 | 76.16% | 5.41% | 21.17% | 48.22% | | |

- 成交额水平有效反映投资者风险偏好，市场情绪弱时价值风格占优。

• 价值成长宏观量价双驱轮动模型构建及回测表现 [page::4][page::5][page::6]

| 策略名称 | 区间收益 | 年化收益 | 年化波动 | 最大回撤 | 夏普比率 | 胜率 | 有效信号胜率 |
|-----------------------|------------|----------|----------|----------|----------|--------|--------------|
| 宏观量价双驱组合净值 | 346.67% | 14.94% | 22.16% | 45.30% | 0.67 | 79.07% | 79.07% |
| 宏观复合驱动组合净值 | 253.35% | 12.46% | 22.30% | 42.54% | 0.56 | 65.12% | 71.79% |
| 等权基准 | 76.16% | 5.41% | 21.17% | 48.22% | 0.26 | | |

- 双驱模型年化收益和胜率显著高于单因子策略及等权基准。

• ETF配置策略及回测表现 [page::6][page::7]

| 策略名称 | 区间收益 | 年化收益 | 年化波动 | 最大回撤 | 夏普比率 |
|---------------|------------|----------|----------|----------|----------|
| ETF组合净值 | 1102.84% | 26.03% | 28.38% | 56.91% | 0.92 |
| 等权基准 | 154.35% | 9.07% | 23.81% | 53.91% | 0.38 |
| 红利ETF | 198.20% | 10.70% | 20.86% | 46.56% | 0.51 |
| 创业板ETF | 75.20% | 5.35% | 32.76% | 69.58% | 0.16 |

- 基于双驱信号的ETF动态配置策略显著跑赢各基准组合，提升投资效率。

• 风险提示 [page::0][page::7]

- 量价与宏观驱动的风格轮动模型基于历史数据统计推导，存在历史规律失效风险。
- 数据不充分可能导致预测不准确，投资需谨慎。

海通金工 | 大类资产与中观配置研究（四）宏观量价双驱价值成长风格轮动模型详尽分析报告

---

1. 元数据与报告概览

报告标题：《大类资产与中观配置研究（四） 宏观量价双驱价值成长风格轮动模型》
作者： 戴郑雅斌（海通金融工程首席分析师）
发布机构： 海通证券研究所
发布日期： 2024年12月19日
主题： 本报告聚焦于中国资本市场中“价值成长风格轮动”的投资策略研究，旨在结合宏观经济环境与市场量价信号，构建基于“双驱动”（宏观+量价）因子的价值成长风格轮动模型，并对模型的历史表现及应用进行了系统的回测和验证。

核心论点：

• 传统基于宏观驱动的价值成长轮动模型在市场弱势及横盘震荡阶段表现欠佳。

- 引入量价维度的因素（动量、风格拥挤度、市场情绪），与宏观因子结合，形成“宏观量价双驱轮动模型”，以提高策略的择时精度和收益表现。

• 基于该模型构建的ETF组合策略取得显著的历史超额收益，远超等权风格基准及单一风格指数。

- 风险提示明确指出模型基于历史规律，存在统计规律失效风险，且结论不构成投资建议。

[page::0,1]

---

2. 逐节深度解读

2.1 投资要点与引言

报告首先指出，原先的宏观驱动价值成长轮动模型，在市场缺乏明确方向时表现较弱。针对该问题，研究引入量价层面维度，选取了三类核心量价因子：

• 动量：考察价值和成长风格的动量差异，结合宏观调整因子，体现长期趋势的稳定性及短期反转风险。

- 风格拥挤度：通过价值和成长风格市净率(PB)变化的差分，衡量市场中资金流入集中的程度，拥挤度高则存在估值修正或资金出逃的风险。

• 市场情绪：利用中证全指成交额的近期均值与历史均值作对比，反映整体市场交易情绪，决定防御价值风格或弹性成长风格的优势。

通过以上三个量价因子及宏观因子的融合，报告提出了价值成长“宏观量价双驱轮动策略”。

[page::0,1]

---

2.2 风格轮动驱动因素分析

2.2.1 动量分析

• 历史趋势与周期性动量：

价值与成长风格间的相对强弱数据显示，长期趋势切换频率低，且具有一定动量效应（图2）。例如，2022年8月至2024年9月价值风格长期占优，但期间数次短暂成长风格反转。

• 宏观信号调整动量因子：

使用PMI、新旧利差、中美利差等宏观指标构建综合信号，并与风格动量结合，形成“宏观调整动量因子”。当宏观信号为正，表明经济流动性较好，当前占优风格延续；信号为负时，反映潜在反转风险。

• 回测表现：

以2013年末至2024年9月为样本期，宏观调整动量指标年化收益11.45%，胜率72.09%，大幅优于无调整的纯动量指标和基准等权配置，提升风格择时的稳定性和收益率（表1）。

2.2.2 风格拥挤度

• 定义与测度方法：

采用价值成长风格PB季度变化率差分的差值，衡量风格相对拥挤程度，拥挤程度高的风格通常面临估值边际下降风险。

• 趋势特征：

拥挤度指标与风格切换存在相关性，特别是在相对拥挤度达到极值区域后，往往迎来风格切换或资金流出调整（图3）。如2019Q1成长拥挤度高后，价值风格超额重新显现。

• 回测结果：

单指标策略年化收益9.03%，胜率55.81%，表现明显优于基准等权和单纯价值或成长指数（表2）。

2.2.3 市场情绪

• 量化指标与逻辑：

选取中证全指成交额的近期与长期均值差分，作为市场情绪的代表。情绪偏弱时，市场更偏好防御性价值风格，情绪偏强时，成长风格表现更好。

• 历史表现对应关系：

市场成交额较低的阶段价值风格表现稳健（2016-2018年、2023-2024年），成交量活跃期成长风格表现优异（2019年中至2021年初）（图4）。

• 策略回测：

年化收益8.66%，胜率60.47%，较基准等权稳健。

[page::1,2,3,4]

---

2.3 宏观与量价双驱模型构建与性能分析

• 指标体系整合（表4）：

在量价维度，动量指标采用宏观调整后风格动量差、拥挤度采用PB差分差值、情绪用成交额水平；在宏观维度，引入PMI新订单、PPI-CPI剪刀差、国债及美债YTM利率差等。每项给出明确的价值或成长信号定义，确保信号的可解释性和一致性。

• 量价与宏观信号表现比较：

选择风格差异显著（超额≥5%）时段，单独对比各指标预测效果，发现：
- 价值占优时，拥挤度指标胜率最高（63.64%），且次均超额11.12%；
- 成长占优时，宏观调整动量及市场情绪指标胜率均达80%，显示两者在成长行情中的驱动效应更强（表5）。

• 双驱模型逻辑：

采用所有有效指标信号值等权加总，信号值分别为价值1，成长-1，无效0。季度末综合分数决定配置，正数仓位价值指数，负数仓位配置成长指数，零则权重平均。

• 回测净值表现（图6、图7）：

模型净值自2013年提升至4.5倍，显著高于价值与成长指数及等权基准。累计超额收益优异，表现出强烈的择时能力和风险调整后的收益优势。

• 统计绩效（表6）：

年化收益14.94%，胜率79.07%，夏普比率0.67，高于单因子策略及各类基准。

• 分年收益表现（图8、图9）：

双驱模型在不同年份均跑赢等权基准，尤其在2018、2022等市场弱势年份表现更突出，验证了模型在复杂市场环境下的适应性。

[page::4,5,6]

---

2.4 宏观量价双驱ETF配置策略与绩效

• 应用标的选择：

选取规模大、风格暴露明显的红利ETF（510880.SH，代表价值风格）及创业板ETF（159915.SZ，代表成长风格）。根据双驱模型信号择时配置该二 ETF组合。

• 历史回测表现：

ETF组合净值增长超过11倍，年化收益达26.03%。相较于单一红利ETF和创业板ETF，分别实现15.33%和20.68%的年化超额收益（表7）。

• 波动与风险调整：

波动率略高于等权，但夏普比率（0.92）和卡玛比率均明显优于基准，显示更优的风险调整收益能力。

• 分年收益结构（图12）：

绝大多数年份跑赢等权组合，少数年份略落后，整体表现稳健且超额显著。

• 策略优势总结：

双驱模型不仅能提升收益率，也能优化配置时点，强化风格轮动下的投资效果，适合机构及专业投资者采用。

[page::6,7]

---

3. 重要图表深度解读

图1 量价层面影响价值成长风格轮动的关键维度（动量、风格拥挤度、市情绪）

简述了量价层面通过风格趋势变化、拥挤程度差异及投资者配置意愿变化推动风格轮动的逻辑基础。[page::1]

---

图2 价值成长风格相对强弱历史走势（2010-2024）

• 表明价值成长风格间长期走势动量较强，整体变换频率较低，期间存在短暂反转点。

- 风格优势的持续性说明动量因子的适用性。

• 对战略建构的启示是需宏观确认以防短期反转风险。[page::2]

---

表1 动量类指标回测表现

• 三个动量窗口（1个月、2个月、1季）均体现一定择时效能。

- 宏观调整后1季动量（MA63）表现最佳，年化11.45%，胜率72.09%，波动率适中。

• 明确了宏观是否向好是动量持续的关键假设，[page::2]

---

图3 价值成长相对强弱与相对拥挤度走势

• 对风格拥挤水平与相对强弱波动展示了同步性和反向调节特征，拥挤度高时往往随后风格转换。

- 说明拥挤度提升时可能存在获利回吐风险。

• 策略逻辑可在拥挤度指标发出信号时进行风格切换。[page::3]

---

表2 相对拥挤度指标回测表现

• 拥挤度策略年化9.03%，明显优于基准5.41%，且最大回撤、波动率均处于合理区间。

- 具有较好的风险控制能力。[page::3]

---

图4 价值成长相对强弱与成交额水平走势

• 描述市场整体交易活跃程度与价值成长风格表现的关系。高成交额偏向成长；低成交额偏向价值。

- 说明市场情绪的变化与风格轮动密切相关。[page::3]

---

表3 市场情绪指标回测表现

• 成交额水平单指标策略年化收益8.66%，胜率60.47%，表现优于基准。

- 波动控制合理，最大回撤低于基准说明策略在情绪风格轮动中有缓冲效果。[page::4]

---

图5 风格差异显著时段指标信号比较表

• 展示各指标风格信号在价值或成长显著占优季度中的具体表现。

- 帮助理解不同指标在大幅风格表现差异常有效或失效的情况。

• 为模型权重与选取提供数据支撑。[page::5]

---

表5 风格显著占优时各指标表现统计

• 价值占优期拥挤度优势明显，成长期宏观动量和市场情绪更优。

- 决定了双驱模型中指标的综合加权逻辑，协同发挥作用。[page::5]

---

图6 & 图7 宏观量价双驱轮动模型净值及相对等权基准表现

• 展现双驱模型相较单因子及等权组合的净值表现和持续超额。

- 显示模型的实际应用价值和收益突破传统基准能力。[page::5]

---

表6 宏观量价双驱模型回测统计

• 年化收益14.94%，夏普0.67，胜率79%，均属优秀水平。

- 跑赢所有单因子指标策略、简化宏观模型、以及等权与单风格指数。
[page::6]

---

图10 & 图11 ETF组合净值及相对基准表现

• ETF组合表现更为亮眼，表现出双驱模型在实际资产配置中可行性及高收益潜力。

- ETF组合净值明显优于等权、单一红利ETF及创业板ETF。

• 显示量价宏观信号驱动的风格轮动模型在ETF方案中具备实际投资价值。[page::6]

---

表7 宏观量价双驱ETF配置策略回测统计

• 超额收益显著，年化26.03%远超基准。

- 波动较ETF基准略高，但夏普0.92显示收益风险比优秀。

• 最大回撤控制合理，体现假设稳定性和策略风险管理优越。[page::6]

---

4. 估值分析

报告核心不涉及具体的公司估值模型和盈利预测，而是针对“风格轮动”策略的定量回测与量化因子的效用验证。采用量价因子及宏观因子的信号强弱作为择时依据，遵循等权加总信号的逻辑推演并直接应用于风格指数ETF配置。其估值分析核心在于：

• 信号转换逻辑：量价和宏观因子分别以明确的阈值判断给予价值或成长信号，结合形成综合评分。

- 策略权重决策：根据综合信号决定配置权重，进行全仓切换或等权配置，体现策略操作的严谨性和风险控制。

• 回测基础：基于2013年末至2024年9月近十年数据，充分利用时间序列考察策略表现稳定性和周期适应性。

该流程属于“因子轮动+多因子评分组合策略”，未涉及DCF、P/E等传统公司估值法，但量价因子和宏观因子明显提升了因子模型的择时和超额收益能力。

---

5. 风险因素评估

报告明确提出的风险包括：

• 历史规律失效风险：风格轮动模型基于历史统计规律得出，未来市场结构、投资者行为变化可能导致规律不能延续。

- 数据完整性及准确性风险：模型结论基于公开数据，数据不完善可能带来结果偏差。

• 策略适用性风险：报告声明不构成投资建议，策略需要投资者结合实际风险承受能力和市场环境谨慎参考。

风险评估较为充分，提醒投资者注意市场不可预测性和模型局限，并未给出具体风险缓释策略，体现谨慎态度。

---

6. 批判性视角与细节

• 模型综合性强但或有过度拟合风险：多因子等权加总提升策略表现，但未明确因子权重的动态调整，未来环境变化可能引发策略适用性下降。

- 宏观因子选择有限，未涵盖更多微观及政策面因素：宏观变量选择相对集中，未讨论地缘政治、政策调整等可能影响风格切换的非量价因素。

• 量价因子关系可能存在滞后性：成交额等市场指标往往滞后市场情绪转折，短周期反应能力未知。

- 策略回测起点和标的选取会影响结果外推：使用特定指数和ETF，实际资产表现或因构成差异存在偏差。

• 策略在极端行情中的表现不明：如2015年股灾等极端阶段，报告未提及策略绩效，可进一步完善风险应对和极端市场适应性分析。

---

7. 结论性综合

本报告系统构建并验证了一套基于宏观经济及市场量价信号双驱动的价值成长风格轮动模型。通过动量、拥挤度及市场情绪三个量价维度指标，结合经济增长、物价差异、货币及外部流动性四个宏观因子，形成了一个多维度且逻辑严谨的风格择时模型。该模型依托丰富历史数据，经过近十年回测，展现了强大的择时胜率（79.07%）、稳健超额收益（年化14.94%）、较优夏普比率（0.67）和最大回撤控制能力。

更进一步，将策略应用于红利ETF（价值风格）与创业板ETF（成长风格）的组合配置，获得了更优的年化收益26.03%，较两单ETF分别超额15.33%和20.68%，充分展示了模型在实际投资工具中的有效性和操作简便性。

图表清晰展示了：

• 价值成长风格相对强弱的历史动量特征（图2）。

- 拥挤度和市场情绪对风格轮动的驱动关系及其周期性（图3、图4）。

• 宏观量价双驱轮动策略净值及优异相对表现（图6、图7）。

- ETF配置策略与基准ETF显著的净值及超额收益优势（图10、图11）。

最终，报告提出的“宏观量价双驱价值成长风格轮动模型”在提升投资效率、把握市场风格切换机会方面具有重要参考价值，适合专业投资者结合自身资产配置体系加以应用，并需关注模型局限及未来的风险变化。

[page::0..7]

---

附录：部分重要图表原图链接示例（报告中原图因技术限制未全部复制，以下为示意）

• 图1 量价层面影响维度示意图

• 图2 价值成长风格相对强弱历史走势

• 图6 宏观量价双驱轮动净值表现

• 图10 宏观量价双驱ETF组合净值

---

综上，海通金工团队该报告系统且详实地剖析了价值成长风格轮动的驱动机制，构建了创新的宏观量价双驱轮动模型，展示了扎实的数据支撑和卓越的历史跟踪表现，为资本市场风格切换时期的资产配置策略提供了有力工具和实证依据。

报告