主线风格尚未明确，量价因子表现优异

创建于 2025-07-16T22:57:02.122291+08:00 更新于 2025-07-16T23:51:07.417042+08:00

摘要

本报告基于离散化多因子风险模型，分析2023年以来A股多因子风格演变，指出市场尚无明确主线风格，但小市值、低波动、低估值等因子表现优异，且量价同步变化因子及分时段博弈因子展现较强动量效应，量价因子在市场反弹阶段表现突出，推动策略超额收益稳步增长，建议关注建筑、建材、通信等行业及相关风格因子 [page::0][page::2][page::6][page::8]

速读内容

离散化风险模型与风格表现 [page::2][page::3][page::4]

通过因子离散化方法实现风险模型的直观性和泛化能力提升。

- 2023年8月11日止，小市值、低波动、低估值因子年内超额收益分别达到14.07%、5.62%、5.51%。

波动率和估值因子分组净值显示明显差异，有驱动作用。

离散化因子动量策略：沪深300、中证500、中证1000表现 [page::4][page::5]

以过去20日累计因子收益为轮动标准，月度调仓构建动量策略。

- 截至2023年8月11日，沪深300、中证500、中证1000空间因子动量策略超额收益分别达1.98%、2.10%、1.05%。

近期风格趋势逐步形成，小盘空间表现相对逊色。

- 建议关注建筑、建材、通信、非银金融、钢铁等行业。

量价变化因子构建与表现 [page::6][page::7]

构建价升量升(PUAU)、价跌量升(PDAU)、价跌量跌(PDAD)三个有效量价变化因子，衡量近30日价格与成交量不同方向的变化强度。

- 2015年以来，三类因子的分组表现及多空净值稳定，2023年多空收益分别为3.26%、-11.82%、12.13%。

价格与成交量同步变化因子在市场反弹时表现更佳。

分时段博弈因子的构造及收益 [page::7][page::8]

依据投资者交易时段偏好构建早午盘和隔夜博弈因子，采用指数加权移动平均（EWMA）计算因子数据。

- 2015年至2023年，多空收益分别达到4.14%（隔夜）和9.30%（早午盘），7月表现也明显优异。

早午盘博弈因子动量效应更强，表现更佳。

主要风险提示 [page::0][page::8]

因子失效与模型失效风险。

- 历史数据不代表未来表现。

深度阅读

研究报告详尽解析——《主线风格尚未明确，量价因子表现优异》

---

一、元数据与报告概览

报告标题：《主线风格尚未明确，量价因子表现优异》
作者与发布机构：中信证券研究部，量化策略首席分析师王兆宇、量化策略分析师史周量化、量化与配置首席分析师赵文荣
发布日期：2023年8月15日
研究主题：A股市场风格因子及多因子模型表现监测，重点关注市场风格主线、量价因子表现以及基于因子离散化风险模型的动量策略
核心论点：

当前A股市场尚未确立明显的风格主线，2023年以来小市值、低波动、低估值风格表现较优，短期内高成长风格表现突出。

- 因子动量策略保持稳定收益，且以量价同步变化的因子为代表的量价因子实现优异表现。

利用离散化的因子风险模型，更直观且有效地捕获风格因子驱动市场收益。

- 建议关注小市值、低动量、低流动性以及低估值风格和特定行业（建筑、建材、通信、非银行金融、钢铁）[page::0]

---

二、逐节深度解读

1. 核心观点及投资逻辑

报告从A股风格主线未明朗出发，通过多因子量化模型验证小市值、低波动及低估值因子表现卓越，短期内高成长风格表现优越。因子动量策略显示趋势风格逐步形成，且小市值股票较大盘具有相对优势。量价因子中，价升量升、价跌量升、价跌量跌三类因子表现优异，特别是成交量与价格同步变化时因子展现较强的预测能力。

此外，报告通过分时段博奔因子研究，识别不同交易时段投资者偏好，证实早午盘博奔因子动量效应更强。最后，风险提示集中于因子失效、模型失效及历史数据不可简单外推等方面[page::0]

2. 离散化风险模型

2022年6月即提出的“因子离散化风险模型”，相较传统连续因子模型，此模型将因子数值转化为离散分组（前1/5至后1/5），并按照中信一级行业分类细化行业因子，回归时权重由组合实权重决定。这种方法提升了模型的可投资性和泛化能力。

图1解析：左侧展示“常规模型”中因子取连续数值截面回归，而右侧“本模型”通过离散化方式处理因子，构建一热编码的分组变量以代表因子分组，便于投资策略制定。实证由收益解释度的直观和实际投资意义增强。

根据截至2023年8月11日数据，小市值（规模G1组）年内超额收益达到14.07%，低波动组（波动率G1）5.62%，低估值G1 5.51%。当前并无明显主导风格，但7月以来，高成长风格稍显优势[page::2]

3. 各风格因子表现概述（图2-8）

图2 Size因子（市值）：小盘股（G1）表现明显优于大盘至2023年8月，净值稳步攀升。

- 图3 Momentum因子（动量）：表现起伏，部分组别呈现分化，显示动量效应变动明显。

图4 Volatility因子（波动率）：低波动率组（G1）表现优异，年内回报稳定增长。

- 图5 Liquidity因子（流动性）：流动性较低组（G1）表现较优，暗示低流动性资产表现突出。

图6 Growth因子（成长）：成长组别表现分化，短期高成长组略微领先。

- 图7 Value因子（估值）：低估值组（G1）收益较好，符合价值投资表现。

图8 Profit因子（盈利）：盈利较高组表现良好但波动性较大。

这些图体现了不同风格组别的净值演变，支撑小盘、低波动及价值相关因子当前具有较强市场驱动力[page::2-3]

4. 多因子离散化策略表现（表1）

表1梳理了各因子组别的超额收益、年化波动率、信息比率及最大回撤等关键指标。规模G1组（小盘股）今年以来超额收益显著，且最大回撤有限。动量因子表现则较为温和，表明短期动量机会存在但波动依然较高。

低波动率因子表现稳健，低流动性风格同样表现一定优势，显示市场对防御风格及流动性溢价的认可。成长因子表现起伏较大，估值及盈利因子虽有收益但震荡明显。

整体来看，离散化模型细致切分风格组，提供了更精准的投资跟踪和风险控制工具[page::4]

5. 离散化因子动量策略

通过对过去20日因子累计收益实现轮动调仓，实现风格因子的持续轮换。以沪深300、中证500和中证1000为样本，月调仓周期策略分别实现超额收益1.98%、2.10%和1.05%。3月以来，该策略的超额收益逐步放大，显示风格趋势特征凸显，且中小盘（中证500和1000）表现更有亮点[page::4]

6. 行业与因子关注建议

8月行情中，重点关注建筑、建材、通信、非银金融、钢铁等行业，风格上建议关注小市值、低动量、低流动性和低估值板块。这一建议基于当前因子轮动和行业配置表现，结合上述多因子模型发出[page::5]

---

三、图表深度解读

图1 因子离散化风险模型vs常规模型

此图对比了传统连续因子回归方法与离散化分组回归的差异。常规模型因子取值连续，分位截面回归可能失去直观的投资分组应用；本模型通过因子值排序分成5档离散指标，配合一组行业因子，方便直观解释风险和构建投资组合。
此方法增强了风险来源解释的直观性及策略实施的可操作性[page::2]

图2-8 风格因子分组表现

每个风格因子图均展示自2023年初至8月上旬各档位（G1最优档至G5最差档）净值走势。

图2显示G1（小市值）显著超过其他组别，表现突出。

- 图4显示低波动率因子G1长期上涨趋势，投资价值明确。

其他因子如Momentum（图3）、Growth（图6）波动较大，分组差异不明显。

图表整体展现了风格因子的区分度与市场收益结构[page::2-3]

表1 离散化风险模型风格监测

详细量化了因子分组的周度、月度、年内和近一年超额收益，年化波动、信息比率和最大回撤时间。

小市值G1组收益最佳，信息比率3.07，最大回撤幅度-5.68%。

- 动量G1组次之，信息比率1.68，最大回撤-4.46%。

低波动G1组收益稳定，回撤较小。

该表数据佐证市场风格表现的层次性，辅助投资者用数据驱动的方式识别与配置[page::4]

图9-11 因子动量策略收益曲线

三图分别为沪深300、中证500、中证1000指数下因子动量策略累积超额收益（红色填充面积）与指数净值（黑线）比较。

累积超额收益在7月后明显扩张，展示因子轮动策略效果得到验证。

- 中证500及1000的动量策略表现较沪深300更为突出，体现小盘股因子动量更为强劲。
这些趋势支持作者关于“小盘较有优势”和“趋势风格逐步形成”的观点[page::5]

图12-17 量价变化因子表现

三类有效因子PUAU（价升量升）、PDAU（价跌量升）、PDAD（价跌量跌）分别展示分组表现和多空净值。

PUAU（图12、13）表现稳定上升，最高组（G1）行情强劲，反映价升量增因子在上涨行情中应用价值。

- PDAU（图14、15）最高组G9表现优异，显示价跌排除但伴量升时策略耐用。

PDAD（图16、17）表现也佳，特别是多空净值保持上行趋势，验证价跌量跌策略的风险控制能力。

三因子均利用价格和成交量同步变化的状态构建，反映市场成交与价格动力的有效结合[page::6-7]

图18-21 分时段博奔因子表现

隔夜博奔因子与早午盘博奔因子分组及多空净值曲线（图18-21）均显示该类因子具有持续显著的多空净值增长，7月早午盘博奔因子收益达9.96%，表现优于隔夜因子4.14%。
该模型用指数加权移动平均计算分时收益，捕捉不同时间段投资者的活跃度与偏好，对动态捕捉投资者行为模式提供有效工具。[page::8]

---

四、估值分析

本报告侧重于量化策略和因子模型分析，并未直接针对特定公司的估值评估，因此无传统的DCF、PE等估值模型陈述，而是聚焦因子策略的超额收益表现和风险解释。

---

五、风险因素评估

报告具体指出三大风险：

因子失效：市场环境和结构变化可能导致关键因子失去预测能力。

- 模型失效：多因子模型或离散化方法可能无法完全捕捉市场风险，模型假设有局限。

历史数据不代表未来：任何基于历史回测的因子表现和策略超额收益无法确保未来持续有效。

报告未给出具体现实缓解策略，只强调上述风险应为投资者关注焦点[page::0,8]

---

六、批判性视角与细微差别

报告优势：系统梳理因子表现及因子动量策略，结合多因素、多维度的量价和时间分段因子，提供了一套较为全面且前沿的量化研究框架。离散化风险模型提升可投资性，创新且具实操价值。

- 潜在局限：
- 市场风格主线不强，因子表现分散且部分增长因子表现疲软，提示该时点因子策略需谨慎选择。
- 7月动量策略表现下降，短期因子策略表现承压，需关注策略适应性调整。
- 报告对风险部分点到为止，缺少针对模型失效等风险的应对策略探讨。

细节观察：

- 动量因子表现分组曲线（图3）波动较大，存在部分分组剧烈退坡，这可能影响动量策略稳定性。
- 量价因子多空净值曲线持续上升，但未来随着市场结构变化，成交量异常可能导致因子失效。
- 分时段博奔因子解释投资者行为分层，具有深度洞察力，但对普通投资者策略转换的复杂度较大，实际操作门槛高。

总的来看，报告保持了较为客观数据解读，但应注意因子策略本质的时效性和市场结构变化对模型的影响。

---

七、结论性综合

本报告通过创新的离散化风险模型，深入剖析了当前A股市场风格走向和多因子动量策略的表现。
主要结论包括：

风格主线尚未形成，小市值、低波动及低估值风格持续优异表现，短期高成长风格相对突出。

- 离散化风格因子模型有效提升了风险解释的直观性及投资可操作性，多因子策略在沪深300、中证500、1000均实现正向超额收益。

量价因子表现出色，价升量升、价跌量升及价跌量跌状态有效捕获市场价格与成交的动态关系，累计收益稳健。

- 分时段博奔因子识别了不同投资者群体的时间偏好，早午盘因子动量效应更强，策略表现较佳。

建议配置方向聚焦建筑、建材、通信、非银金融、钢铁行业以及小市值、低动量、低流动性和低估值风格板块，以应对当前市场风格不明朗局面。

图表深度支持观点，尤其规模因子（图2）、波动率因子（图4），及量价因子净值曲线（图13、17）呈现长期稳健上升趋势，映射出市场风格因子及量价因子的实际投资价值。

风险提示明确，强调模型与因子策略存在失效风险，提醒投资者谨慎解读历史表现。

总体来看，本报告为量化投资者提供了当前A股市场风格脉络和因子策略有效性的最新洞见，评级未明示具体买入卖出意见，但显然偏向于策略轮动和风格多元配置的稳健方法，[page::0-8]

---