• 基于主成分分析，提取国内股票宽基指数、行业指数、债券指数和商品指数的市场因子（第1主成分）和风格因子（第2主成分），市场因子展现明显周期性，反映统一周期驱动；风格因子体现资产内部结构差异，如行业风格因子符合产业链上下游逻辑 [page::0][page::4][page::5][page::6]

• 各资产市场因子走势高度一致，构建国内统一市场因子；风格因子差异明显，分别保留对应资产类别的风格因子，不进行合并；各因子表现出较强的稳定性，特别是市场因子时序波动不大，资产权重稳健 [page::12][page::13][page::14]

• 双因子定价模型有效性突出，规范相关系数ρ值均在0.9以上，因子与资产收益率协方差矩阵高度相关。滚动回归显示市场因子与风格因子对各细分资产收益均有显著解释力，因子载荷和t值表现稳定且显著 [page::15][page::16]

| 资产类别 | 规范相关系数均值 | 显著因子系数t值均值（绝对值） |
|------------|------------------|------------------------------|
| 宽基指数 | 0.925 | 16.75 (市场因子) / 3.32 (风格因子) |
| 行业指数 | 0.921 | 31.05 / 9.80 |
| 债券指数 | 0.957 | 9.45 / 1.65 |
| 商品指数 | 0.938 | 16.84 / 1.64 |

• 构建基于风格趋势信号与残差动量信号的同类资产内部多空组合，行业指数风格趋势和残差动量信号均产生有效配置效应，年化收益率均超10%，但波动较大且存在显著回撤，实务上宜与其他策略配合使用 [page::17][page::19]

| 指标 | 行业指数风格趋势信号 | 行业指数残差动量信号 |
|----------------|----------------------|----------------------|
| 年化收益率 | 10.18% | 10.10% |
| 年化波动率 | 16.06% | 12.27% |
| 最大回撤 | -25.15% | -25.47% |
| 夏普比率 | 0.63 | 0.82 |
| Calmar比率 | 0.40 | 0.40 |

• 风格趋势和残差动量信号在宽基指数、商品和债券资产内均体现出较好择优能力，宽基指数风格趋势信号表现优异（年化收益19.41%，夏普1.31），债券资产信号表现较弱；残差动量信号商品类效果最佳，债券由于波动率低夏普仍不错 [page::19][page::20]

| 信号类型 | 年化收益率 | 年化波动率 | 最大回撤 | 夏普比率 | Calmar比率 |
|--------------------|-----------|-----------|---------|---------|------------|
| 宽基指数风格趋势信号 | 19.41% | 14.84% | -19.00% | 1.31 | 1.02 |
| 商品风格趋势信号 | 14.06% | 20.86% | -22.94% | 0.67 | 0.61 |
| 债券风格趋势信号 | 0.24% | 2.73% | -8.27% | 0.09 | 0.03 |
| 股指残差动量信号 | 8.53% | 9.66% | -17.33% | 0.88 | 0.49 |
| 商品残差动量信号 | 11.89% | 17.73% | -19.95% | 0.67 | 0.60 |
| 债券残差动量信号 | 1.29% | 1.22% | -3.12% | 1.06 | 0.42 |

• 构建基准风险平价资产组合（宽基指数、行业、债券、商品四类各25%风险预算，内部资产等权分配），基于风格趋势信号和残差动量信号调整细分资产风险预算，市场因子预测上下周期状态后对大类资产风险预算加权调整，形成6种改进策略组合 [page::20][page::21]

• 回测显示，单残差动量、风格趋势及市场因子信号均提升基准组合收益和波动调整表现，残差动量信号提升效果最佳；三类信号融合策略获得最高年化收益7.78%，展现信号叠加的增益效果，但波动率和最大回撤亦较高，风险集中度提升明显 [page::21][page::22]

| 策略名称 | 年化收益率 | 年化波动率 | 最大回撤 | 夏普比率 | Calmar比率 |
|--------------------|-----------|-----------|---------|---------|------------|
| 基准 | 5.57% | 3.80% | -4.70% | 1.47 | 1.19 |
| 单残差动量信号 | 6.69% | 3.31% | -3.25% | 2.02 | 2.06 |
| 单风格趋势信号 | 6.27% | 3.18% | -4.15% | 1.97 | 1.51 |
| 单市场因子信号 | 6.29% | 3.51% | -5.79% | 1.80 | 1.09 |
| 残差动量与风格趋势信号 | 7.06% | 3.15% | -3.87% | 2.24 | 1.82 |
| 残差动量与市场因子信号 | 7.16% | 3.33% | -4.53% | 2.15 | 1.58 |
| 三类信号融合策略 | 7.78% | 3.62% | -5.42% | 2.15 | 未披露 |

• 风险提示提示模型基于历史规律，可能失效，短期市场波动与政策风险可能影响周期判断，策略不可保证未来收益，投资需谨慎 [page::22]

华泰金工 | 国内双因子定价模型的构建与应用 —— 深度详尽分析

---

1. 元数据与报告概览

• 报告标题： 华泰金工 | 国内双因子定价模型的构建与应用

- 作者： 林晓明、陈烨等

• 发布机构： 华泰证券金融工程

- 发布时间： 2024年8月11日

• 研究主题： 研究国内股票宽基指数、行业指数、债券指数及商品指数等多类资产的双因子定价模型——包含市场因子与风格因子构建，及其在跨资产配置策略中的应用和效果验证。

核心论点：
构建国内统一的“双因子定价模型”能够有效降维国内资产价格变动背后的主要驱动因子。市场因子反映金融市场的统一周期驱动，风格因子揭示资产内部结构差异。模型稳定且有效，基于该模型的跨资产配置策略能显著提升资产配置绩效，尤其信号的复合叠加带来显著增益。[page::0,1]

---

2. 逐节深度解读

2.1 双因子定价模型的理论框架及背景

• 研究沿用全球双因子模型研究思路，本报告第六篇，透过主成分分析（PCA）对资产月度同比序列降维，抽取第一主成分（市场因子）和第二主成分（风格因子）；

- 全球和国内金融资产均表现出明显的周期律，特别是42个月周期特征显著，提示资产价格波动维度可大幅压缩，模型具备理论基础；

• 利用傅里叶变换、小波变换及高斯滤波确认周期参数的稳定性；

- 市场因子体现跨资产统一的周期趋势，风格因子则表现各资产类别内部异质性，例如股票中的大小盘股风格，债券中的风险偏好差异等。[page::0,1]

2.2 主要资产类市场因子与风格因子构建

• 股票宽基指数

宽基指数PCA1近似等权组合，具有明显周期特征，PCA2主要刻画大小盘股票的多空特征，且与波动率紧密相关（小盘股波动率高于大盘）[page::4,5]。

• 行业指数

PCA1为行业等权组合，PCA2权重体现产业链上下游关系，下游（如计算机、传媒）权重正，高度异质化，下游倾向小企业，上游更倾向大企业，风格因子反映大盘与小盘企业对立关系，与宽基指数类似[page::6,7]。

• 债券指数

PCA1为债券等权组合市场因子，表现出周期性，但近期价格走势与周期模型略有偏差；PCA2作为债券风格因子，体现风险偏好，企业债权重大，国债、长债权重负，高安全性债券权重表现优异[page::8,9]。

• 商品指数

PCA1为商品等权组合，周期性较为稳定；PCA2风格因子对应贵金属多头与能源空头，黄金、白银为正权，原油、PTA为负权。国内商品风格因子与全球商品风格因子走势高度一致，体现市场景气度[page::9,10,11]。

2.3 市场因子和风格因子的统一与差异

• 市场因子

四类资产市场因子走势高度相似，周期特征同步，尤其在非极端事件后，多资产的市场因子基本共振，作者故将其等权组合归纳为“国内统一市场因子”，用于后续双因子模型建构；

• 风格因子

各资产类别风格因子存在明显差异，并保留各自的个性化解释，如大小盘、多空产业链、风险偏好或景气度等，作者没有将其进一步组合，保持资产类别特征[page::12,13]。

2.4 稳定性检验

• 使用120个月滚动样本窗口，验证市场因子与风格因子的稳定性[page::14,15]；

- 市场因子的滚动相关系数较高，局部估计对全样本保持极高相似度，说明市场因子定义稳健；

• 风格因子资产权重滚动相关系数整体保持较高（多在0.8以上），代表风格因子资产构成同样稳定，但个别时间节点出现波动，暗示需留意风格变化的时序敏感性；

- 综合观察推断主成分及其组合具有较好的时序稳定性，为实际策略定期更新提供理论保障。

2.5 有效性实证

• 利用规范相关系数ρ测算因子与资产收益矩阵协方差的关联程度，明确股指、行业、债券、商品资产均表现出均值超过0.9的高相关性，表明因子体系对收益率变动具备显著解释力；

- 因子回归分析显示市场因子贡献显著，风格因子在行业资产中 t值最高，债券和商品风格因子贡献相对较低但仍存在；

• 细分资产层面滚动回归显示，绝大多数资产对市场因子和风格因子载荷及t值绝对值均表现出较强的显著性，模型解释能力合理且强劲[page::16,17]。

2.6 双因子定价模型下资产多空组合构建与信号挖掘

• 风格因子趋势（风格趋势）和残差动量均作为同类资产多空组合的建仓依据；

- 各资产按信号排序，分别分为看多（排序前1/3），中性（中间1/3），看空（后1/3）组合，权重均等分配，看空组合权重负值[page::18]；

• 回测显示行业指数无论基于风格趋势信号还是残差动量信号均实现10%以上年化收益，但波动率和最大回撤较高，夏普和Calmar比率仅中等，提示策略波动风险需控制；

- 宽基股指和商品指数的风格趋势信号表现较优，债券策略效果相对较弱。残差动量策略整体表现稳健，尤以商品多空组合效果最佳[page::19,20]。

2.7 跨资产配置策略构建与绩效

• 结合基准策略（等风险预算，四类资产各1/4风险预算，类内资产均等权重）与双因子模型信号进行动态风险预算调整；

- 风格趋势信号、残差动量信号用于大类资产内部细分资产权重调整，上调排序前1/3资产风险预算至4倍，下调后1/3至0.25倍；

• 市场因子基于42个月基钦周期预测大类资产配置风格，上行时放大宽基、行业、商品资产风险预算（×2），缩小债券预算（×0.5）；反之亦然；

- 共构建6种策略组合：单残差动量、单风格趋势、单市场因子、残差动量+风格趋势、残差动量+市场因子，以及三信号融合策略[page::20,21]；

• 回溯结果显示，所有基于因子信号的策略均优于基准，特别是残差动量信号单独应用提升最显著；

- 复合信号策略更进一步提升年化收益率至7.78%，但伴随波动率和最大回撤上升，导致夏普和Calmar比率并非最大；

• 策略风险加权调整带来的资产配置集中度上升和市场周期信号波动引发风险增加，需权衡收益与风险[page::22]。

---

3. 图表深度解读

• 图表2（全球市场和风格因子）表明市场因子与风格因子走势存在周期变化，市场因子表现更为尖峰，时刻反映金融周期波动。
• 图表3至8（国内上市指数及关键金融指标同比与回归拟合）清晰展现了涉及沪深300、深证成指、中国10年期国债收益率、南华工业品指数等关键资产均带有周期性变化的回归拟合曲线及波动趋势。
• 图表9和10（全球及中国市场周期能量分布） 指出42个月周期最为突出，同时全球中国相对于中长期周期表现不同，表明国内周期略有偏离。[page::3]
• 图表13（股票宽基指数PCA权重） 呈现大小盘股组合作为风格因子基础，且对应波动率指标辅助理解。
• 图表14和15（股票市场因子和风格因子周期滤波及趋势） 盈利周期和风格风险偏好清晰可见，2021年后风格因子波动加剧，细分趋势显现。
• 图表16（行业指数PCA权重） 逻辑严谨地映射了产业链上下游，及大盘与小盘企业特征，指标兼具解释力和实用价值。
• 图表18（宽基与行业风格因子走势） 展现两指标大部分时间协同行，2021年后背离提示风险偏好分化。
• 图表20及21（债券市场因子和风格因子） 体现债市周期性但近期背离，且风格偏好逐渐向稳健资产集中。
• 图表22至25（商品指数和全球商品消费因） 强调了贵金属避险功能与景气度关联，内外市场联动显著。
• 图表26和27（四大类资产市场因子走势对比及统一市场因子） 说明市场因子深度关联及周期共振，统一市场因子具备理论及实践依据。
• 图表29至34（因子滚动相关检验） 数据表明市场风格因子稳定性优异，符合理想投资因子预期。
• 图表35至37（规范相关系数及载荷t值回归） 反映因子模型对资产收益具备高度解释性和显著统计性能，有助建模和风险管理。
• 图表38至42（信号生成与多空组合表现） 展示信号处理流程及策略有效性，符合因子投资构建要求，但注意波动风险。
• 图表44至48（跨资产风险分配与策略表现） 说明基于双因子模型动态调整风险预算能优化资产配置结构和绩效，综合策略表现最佳，但策略风险上升需被管理。[page::2-22]

---

4. 估值分析

本报告强调资产定价模型与投资配置提升的内在逻辑，没有围绕传统企业估值如DCF或PE估值，但：

• 利用主成分分析模型（PCA）实现数据降维，提取主成分作为定价风险因子；

- 通过规范相关系数和因子载荷回归衡量因子对收益的解释力，即因子定价的有效性评估；

• 双因子模型核心为市场因子和风格因子，辅以残差动量，应用于风险预算调整和权重动态配置；

- 风险预算放缩机制基于因子信号强度及市场周期预测，体现量化风险管理思想。

整体估值体系更偏向因子风险暴露分析和风险预算优化框架。[page::16-22]

---

5. 风险因素评估

• 历史规律不确定性： 报告多次提示基于历史数据总结出来的周期和因子规律可能失效，模型及信号不保证未来表现；
• 宏观及政策风险： 短期市场波动和宏观政策变化可干扰周期判断和因子稳定性；
• 策略风险波动性： 多信号叠加带来策略回撤和波动率提升，说明风险集中和过度调仓风险存在；
• 模型适用范围限制： 信号在债券等防御性资产中的表现较弱，且对资产内部细分层级不一，策略粗糙度仍存；
• 投资者执行风险： 报告声明仅为研究参考，不构成投资建议，投资者应谨慎决策，理性看待模型结论。[page::22,23]

---

6. 批判性视角与细微差别

• 模型依赖于较长时间尺度的数据窗口（120个月），而周期分析需谨慎对待非均质性事件，如2015年牛熊市突变，模型在极端事件处理上敏感；

- 风格因子在2021年以来波动显著，可能反映市场结构发生变化，模型稳健性需动态跟踪；

• 风险预算乘数选择较为经验，放大4倍和缩小至0.25倍的设计为策略调校，缺乏针对不同市场环境的自适应调整机制；

- 三因子信号融合提升收益但增加风险，提示叠加逻辑虽然有效但策略稳健性和风险管理要求更高；

• 报告未涉及交易成本与实施难度，实际应用时策略滑点和频繁调仓风险需额外考量；

- 风格因子在部分资产（债券）中效果有限，指出单因子并非万能，建议与资产类别特征结合更紧密的多因子模型。
总体来看，报告结构严密、数据详实，但未来需结合更灵活的动态调整和风险控制模型完善策略。[page::14,22]

---

7. 结论性综合

本报告借鉴全球双因子定价模型，通过主成分分析，提出并验证了国内资产统一的市场因子和多类别风格因子系统。市场因子表现为跨资产周期共振的金融经济周期信号，风格因子则揭示资产类别内部结构差异，如大小盘、多空产业链、风险偏好及景气周期等。模型在长达十年以上时间窗口内保持较高的稳定性和统计显著性，且通过规范相关系数和因子载荷回归，体现了较强的资产收益解释能力。

基于双因子模型的市场因子、风格因子及残差动量信号成功构建资产内部及跨资产多空组合，显著提升策略的年化收益率和风险调整后收益（夏普比率、Calmar比率），其中信号多样性及复合效果带来潜在增益。动态风险预算分配策略结合了因子信号和市场周期预测，更进一步优化资产配置结构，强化收益表现。策略回测显示，单因子信号能有效提升业绩，复合信号策略表现最好，但伴随回撤和波动率上升，需要投资者关注风险管理与市场环境适应。

报告展示了基于双因子定价模型的系统化投资框架，能为国内资本市场资产配置提供新视角和量化决策工具。其充分结合了宏观周期、资产内在结构及风险偏好等多重维度，有效整合市场信息，提升配置策略表现，为投资者构建稳健且富有弹性的投资组合提供有力支持。

深刻洞见：

• 通过多图表证实国内资产具备显著的42个月周期性驱动，和行业、宽基、债券、商品风格因子特征清晰；

- 强调跨资产周期驱动统一性与风格差异性，制定了整合市场因子与细分风格因子的双因子定价结构，突破传统单因子分析局限；

• 利用残差动量补充因子盘整期的丰富信息，提升策略动态调整能力；

- 动态风险预算调节体现量化策略的风险感知与自适应逻辑，回应市场不同周期带来的资产配置需求；

• 充分验证了因子模型稳定性与有效性，确保模型理论信赖度；

- 综合因子信号的实证投资策略风险收益比显著优于基准策略，且可控风险边界内实现收益提升，实际应用前景广阔。

最后，报告对策略回测的潜在风险和限制做了充分说明，期待未来随着数据积累及模型迭代，双因子定价框架将继续完善，助力华泰证券及广大投资者洞察资本市场波动本质与资产内在价值。
[page::0-23]

---

附：主要图表示例

（为避免篇幅冗长，此处仅示例部分关键图表Markdown格式引用）

• 国内四大类资产市场因子走势与周期滤波（图表26、27）：

• 因子滚动权重相关性（图表30-33）：

• 多空组合策略回测净值（图表39）：

• 跨资产配置策略净值对比（图表47）：

---

【本报告分析内容基于报告内部数据与论述，严谨遵守报告原文引用标注规范】

报告