市场表现回顾与行业涨跌分析 [page::3][page::4]

• 上证综指和沪深300小幅下跌，创业板指上涨2.12%，呈现分化走势。

• 汽车、电气设备、医药生物行业涨幅领先，非银、房地产、银行等板块下跌较大。

市场与行业估值动态跟踪 [page::5][page::6][page::7][page::8]

| 指数 | 最新PE | 历史50%分位数 |
|------------|---------|---------------|
| 沪深300 | 14.4 | 13.5 |
| 创业板指 | 63.2 | 51.4 |

| 指数 | 最新PB | 历史50%分位数 |
|------------|---------|---------------|
| 沪深300 | 1.6 | 1.7 |
| 创业板指 | 7.4 | 4.8 |

• 沪深300估值仍处合理区间，创业板估值较高。

- 行业估值显示农林牧渔、房地产、建筑装饰等接近历史低估值区域，有较大估值修复空间。

• 采掘、建筑装饰、公用事业、银行、房地产行业PB较历史低位。

A股市场情绪与资金流向分析 [page::9][page::10][page::11][page::12]

• 近期市场60日新低比例显著上升，表明部分股票出现悲观情绪，但新高股数也有所增加。

- 有效涨跌停板数显示市场波动增强。

• 基金整体仓位维持高位，主流ETF出现小规模净流出。

- 期权市场看涨看跌比率位于上轨，显示短期蓝筹股存在超买风险。

量化择时模型回测与应用 [page::12][page::13]

| 指数 | GFTD模型结论 | LLT模型结论 |
|--------|-------------|------------|
| 上证综指 | 跌 | 跌 |
| 沪深300 | 跌 | 涨 |
| 创业板指 | 跌 | 涨 |

• 两大择时模型展现不同信号，但整体呈现多空交替，且扣除费用后表现优于基准，表明择时模型具备较好实用性。

日历效应及历史规律总结 [page::14][page::15]

• 11月份主板及创业板历史上涨概率较高，分别约55%-70%，12月份调整概率较大。

- 不同行业的涨跌概率存在差异，周期性及成长性行业表现各异。

宏观因子视角与趋势判断 [page::16][page::17]

| 资产类别 | 宏观因子 | 趋势 | 观点 |
|----------|------------------------|-------------|------|
| 股票 | PMI | 3月均线上行 | 看多 |
| 股票 | CPI同比 | 1月均线下行 | 看多 |
| 股票 | 社融存量同比 | 1月均线上行 | 看多 |
| 股票 | 10年期国债收益率 | 12月均线下行| 看多 |
| 股票 | 美元指数 | 1月均线上行 | 看空 |

• 采用四类宏观因子事件识别市场趋势，有效因子多呈现利好权益资产。

综合结论与风险提示 [page::18][page::19]

• 权益市场分化明显，创业板及医药科技板块表现突出。

- 量化择时模型显示多空信号兼具，流动性及市场活跃度指标均不支持牛市尾声论断，当前牛市周期仍处于延续阶段。

• 风险提示包括模型失效可能、市场结构及交易行为变化影响策略效果，需谨慎操作。

广发证券《A股量化择时研究报告》详尽解析与解构

---

一、元数据与报告概览

• 标题：“金融工程：日历及宏观因子结论更新”暨“A股量化择时研究报告”

- 作者与机构：广发证券发展研究中心团队，包括首席分析师罗军、联席首席分析师安宁宁，以及多位资深和助理分析师，报告制作团队具备丰富的学术与行业背景。

• 发布时间：2020年10月底，报告涵盖截至2020年10月30日的最新数据。

- 核心主题：基于量化金融工程方法，运用日历效应和宏观因子对A股市场走势进行择时分析，结合量化择时模型（GFTD2.0与LLT），分析当前市场结构、估值、情绪、流动性和宏观经济变量，给出后续市场趋势的展望和风险提示。

• 报告定位：为机构投资者提供实证量化择时视角，侧重于短期至中期的市场趋势预测，旨在辅助资产配置和交易决策。

- 主要信息传递：
- 11月A股市场历史上相对活跃，尤其创业板表现更优；
- 宏观因子多数指向市场后续看多，量化择时模型结合更为谨慎；
- 风险提示明确量化模型并非万无一失，细化风险控制必要性；
- 结合历史经验与当前经济货币周期，确认当前权益市场处于较健康的上行阶段。

[page::0,1,18,19]

---

二、逐章节深度解读

1. 市场表现回顾

（一）结构表现

• 关键论点：2020年10月26日至30日沪深市场分化明显，创业板指上涨2.12%，表现最为强劲；中小板指上涨1.71%；而沪深300、上证50以及上证综指则出现不同程度的下跌或波动。

- 数据支撑：图1和图2详细展示了各主要指数的当周涨跌幅，创业板、中小板指展现增长动力，而大盘蓝筹及宽基指数普遍承压。

• 逻辑分析：此结构性表现反映出市场资金对成长性或科技、医药等题材板块的偏好，上证及传统大盘指数的调整则可能与估值修正、外资流出及短期宏观利空有关。

[page::3,4]

（二）行业表现

• 核心信息：汽车、电气设备、医药生物、家电、休闲服务五个行业表现最强劲，通信、非银金融、房地产、银行、纺织服装则领跌。

- 行业景气与资金流向的呼应：强势行业多为成长和科技驱动，弱势行业多与传统经济及金融周期性关联，提示资金偏好趋势的转变。

[page::4]

2. 市场与行业估值

（一）市场估值趋势

• PE指标：沪深300最新PE为14.4倍，略高于其历史50%分位数13.5倍；创业板PE远高于其中位数，达到63.2倍，反映出创业板估值溢价明显。

- PB指标：沪深300最新PB为1.6倍，略低于50%分位数1.7倍；创业板PB大幅高于历史中位值，达到7.4倍，估值层面显示创业板与主板分化。

• 图表解读: 图4展示不同主流指数PE走势，从2005年以来PE的周期性起伏与市场牛熊逻辑吻合；图5则体现PB的波动情况，与PE相辅相成。

- 逻辑支撑：主流指数估值偏向合理或略低，科技、医药等高成长板块估值较高，反映市场风格转换与结构性机会。

[page::5,6]

（二）行业估值变动跟踪

• PE与PB对比：农林牧渔、房地产、建筑装饰、建筑材料与公用事业PE接近历史低位，提示这些行业处于估值低位或潜在价值洼地；而计算机、休闲服务、医药生物等行业估值高企。

- 具体数值：农业板块PE仅17.6倍，距离其历史“10%分位数”显著偏低（0.68倍），显示明显估值优势；而休闲服务等高PE行业最新PE达145倍，风险提示较强。

• PB角度补充：采掘、建筑装饰、公用事业、银行和房地产PB也处于相对低估区间，显示估值低迷的行业集中在周期性及传统行业。

- 逻辑含义：结合PE和PB比对，市场呈现典型的估值分化格局，高成长行业估值承压空间有限，传统行业存在投资吸引力。

[page::7,8]

3. A股市场情绪跟踪

市场情绪指标多元分析

• 新高新低比例 (图6)：显示60日新低比例快速上升，达到近年较高水平，反映近期市场波动加剧，并伴随个股结构分化恶化；新高比例小幅上升，说明部分强势股仍在保持上涨动力。

- 涨跌停板数 (图7)：涨跌停板数变化波动显著，尤其高跌停板数暗示市场抛售压力，提示短期情绪偏弱。

• 均线结构指标 (图8)：多头排列的股票比例下降，均线指标显示多头强势减少，市场短期技术面偏弱。

- 基金仓位 (图9)：基金整体仓位微降至91.6%，显示机构持仓仍较高，但略有回吐。

• 主流ETF规模 (图10)：本周净流出约0.5亿元，资金略微撤出市场。

- 期权市场看涨看跌比 (图11)：上证50ETF期权看涨/看跌比率超出布林通道上轨，短期存在超买风险提示。

• 逻辑分析：市场情绪整体呈现谨慎偏弱态势，但部分领域和板块仍有活跃价格表现，呈现典型的“热冷对立”格局。

[page::9,10,11,12]

4. 量化择时模型解读

• 模型介绍：两套量化择时模型GFTD2.0与LLT分别提供市场短中期多空判断。

- 当期信号（表5）：
- GFTD模型对沪深300和上证综指发出“跌”信号，创业板指亦为“跌”；
- LLT模型更为乐观，对沪深300和创业板指发“涨”信号。

• 模型表现（图12、13）：

- 两模型自2000年以来历史择时净值均整体向上，显示择时策略长期有效。

• 逻辑推断：预测市场存在分歧，不同策略对同一市场信号有差异，体现量化择时复杂性及当前市场多空博弈特征。

[page::0,12,13]

5. A股日历效应

• 定义：特定时间节点上的市场表现规律，如国庆、春节、11月“春季躁动”等。

- 历史统计(表6、7)：2000-2019年间数据显示：
- 11月份上证指数上涨概率55%，创业板指高达70%；
- 12月份多数指数上涨概率下降，创业板表现尤为疲弱（22.2%上涨概率），对应“调整阶段”。

• 行业层面：多行业在11月表现较佳，12月趋向调整或波动。

- 逻辑意义：日历效应作为一种统计规律，在一定程度上可辅助择时策略及市场预判。

[page::13,14,15]

6. 宏观视角分析

（一）货币与通胀周期关系

• M1同比由低位逐步抬升，过去数据表明M1的上行阶段往往伴随牛市（3次）或震荡市（2次）。

- PIT、PPI、M1同比等指标与股市表现具有相关性，M1特别反映流动性状况及经济活力。

（图14）

（二）宏观因子事件分析

• 选取25个国内外宏观指标，包括PMI、CPI/PPI同比、社融规模、债券收益率、美元指数、WTI原油价格等。

- 定义四类宏观因子事件：短期高低点、连续涨跌、历史新高低、走势反转。

• 历史数据筛选出对权益市场表现显著的有效事件，诸如美国10年期国债收益率短期高点对应市场看空。

- 宏观因子最新趋势综合表明：PMI、CPI、社融存量、债券收益率走势倾向看多，美元指数上升带来看空信号。

• 结论上月度经济指标仍对股市未来1个月表现有明显预测作用，整体利好偏多。

[page::16,17]

---

三、图表深度解读

GFTD与LLT择时相关图表

• 图1、图2展示多维度指数的本周涨跌表现，直观反映市场分层结构化走势，创业板和中小板明显强于大盘蓝筹。

- 图3以行业为单位，显示不同申万一级行业涨跌排序，明确板块领先和落后情况。

• 图4、图5绘制主要指数PE和PB的历史走势，动态反映估值变迁。比如创业板2015年PE数值高达三位数，反映泡沫风险。

- 图6反映新高新低股票比例，近似市场热度和散户情绪指标。蓝色柱状代表较多新低，显示市场整体风险偏好疲软。

• 图7涨跌停板数的数据进一步揭示了极端价格波动股票数量，反映市场短期压力。

- 图8均线结构指标用以判断趋势强弱，数值波动映射市场的技术面稳定性。

• 图9为基金仓位变化，显示机构操作的谨慎程度。

- 图10为主流ETF资金净流入情况，揭示机构资金流动方向。

• 图11期权成交量看涨看跌比率，风险提示上证50ETF短期存在被超买风险。

- 图12、图13择时模型历史净值图，累计收益趋势及其与沪深300走势的对比，说明模型整体有效但不稳定。

• 图14宏观周期图清晰揭示M1、PPI、万得全A指数的联动关系，支撑报告宏观判断。

- 图15、16宏观因子界定与分类，系统梳理影响行情的多类宏观变量，提供因子事件识别的逻辑框架。

综合来看，图表充分而系统地佐证文本论点，且结合历史对比强化报告的事实基础。[page::0,3,4,5,6,9,10,11,12,13,14,16,17]

---

四、估值分析

• 使用的估值指标为市盈率PE（TTM）和市净率PB（LF）。

- 历史分位数对比法：通过将当前估值与自2005年以来的历史分位数进行对比，判断市场或行业估值的相对高低。

• 关键假设：

- PE与PB均来自Wind数据和广发证券内部统计，假定历史分位结构对当前估值有效且可反映合理估值区间。
- 估值水平结合宏观和市场情绪辅助判断涨跌逻辑，低估值意味着潜在反弹机会，高估值提示风险。

• 估值结论：

- 沪深300估值小幅在中位数附近，创业板估值显著高于历史中位数，预示风险与机遇并存。
- 行业中周期性和传统行业估值低位，相比成长和新兴行业具备选股价值。

• 估值局限：

- 历史分位数忽略当前宏观及政策环境变化；
- PE受到未来盈利预期的不确定影响；
- 热门板块高估值短期难以修正但潜在波动加剧。

整体估值方法简洁而有效，是量化择时重要参考，但需结合其他指标综合研判。[page::5,6,7,8]

---

五、风险因素评估

• 量化模型风险：GFTD和LLT模型历史成功率约80%，非100%，极端市场条件下可能失效，表现异于预期。

- 结构及行为改变风险：市场微观结构及投资者行为变化可能导致日历效应和宏观因子历史规律失效。

• 量化模型分歧：不同模型可能产生相反信号，增加择时不确定性。

- 宏观经济不确定性：如疫情后续影响、国际政治经济波动等无法完全纳入模型。

• 缓解措施：报告强调风险控制与风险意识，建议理性运用量化结论，结合实际交易判断避免盲目跟投。

- 说明的透明度：报告明示及强调模型局限，风控意识明确且具客观性。[page::18,19]

---

六、批判性视角与细微差别

• 模型信号冲突：GFTD与LLT模型对沪深300当期发出了相反动态，体现量化择时并不全是确定性结论，投资者需警惕择时信号的盲目信任风险。

- 估值数据的局限：仅依赖PE、PB分位数忽视盈利质量、财务风险和行业周期等其他重要因子，对高成长股估值的合理性存在争议。

• 日历效应的滞后性和适用性不足：历史数据对未来指导存在时效限制，特别是在市场结构、投资者行为发生重大转变后。

- 宏观因子事件定义的主观性：四类因子事件定义基于历史统计，可能对量化结果产生选择偏误。

• 交易成本、政策风险未深度量化：实际市场交易中费用和监管风险可能影响模型收益，报告提及不足。

- 市场流动性数据解读相对少，虽有M1及换手率提示，但对流动性风险和杠杆风险评估不足。
综上，报告整体严谨但对模型前提条件及边界假设的披露可以更详细，提醒投资者警惕量化数据的固有局限。[page::18,19]

---

七、结论性综合

主题总结

本报告通过量化金融工程方法，结合市场结构、估值、市场情绪、宏观经济因子以及量化择时模型，形成了对短中期A股市场趋向的系统性判断。在2020年10月末，关键结论强调：

• 市场风格分化明显：创业板及中小板跑赢大盘蓝筹，尤其以科技、医药和汽车、电气设备板块的高景气度驱动上涨，而传统金融、地产等板块表现相对疲弱。

- 估值分化显著：主板整体估值相对合理甚至偏低，多数传统行业处于历史估值底部区间；而创业板及部分科技成长板块估值高企，风险与机会并存。

• 市场情绪偏谨慎：个股新低比例大幅提升，涨跌停板波动加剧，基金仓位稳定回落，期权市场出现蓝筹超买信号。

- 量化择时模型存在信号分裂：GFTD模型偏空，LLT模型偏多，表明短期对市场预期存在一定不确定性。

• 日历效应指向11月相对活跃，12月调整预期强化，符合长期历史数据规律。

- 宏观经济因素综合利好： PMI上升、社融上行、CPI下降、长期国债收益率下行整体利多股市，尽管美元指数上行构成一定压力。

• 市场仍处于较为健康的流动性牛市阶段，M1同比增速未达到历史高位，交易活跃度仍较低，牛市趋势未完结。

- 风险控制提示明确，量化模型非万无一失，市场结构、政策及行为变化带来的不确定风险需警惕。

图表洞察

• 图1~4揭示市场结构和估值分布的动态差异，为判断资金流向与投资热点提供重要依据。

- 图6~8体现市场技术面及情绪指标整体较为疲软但存在局部热点，反映投资者情绪复杂。

• 图9~11资金流动和期权数据揭示了机构操作和市场短期风险偏好，为风险管理提供辅证。

- 图12、13两套择时模型净值表现展示策略有效性及择时复杂性。

• 图14-17宏观因子与日历效应的详尽梳理为大盘趋势提供科学化判断基石。

综合判断

广发证券研究团队综合多维量化视角和宏观经济分析，得出如下总体判断：当前A股处于结构性分化和流动性改善的牛市阶段，未来1个月市场总体偏多，11月市场相对活跃，12月预计调整为春季躁动积蓄能量。投资者仍应以科技、医药和成长板块为重点，同时关注流动性和宏观政策变化风险，坚持风险控制与动态调整策略。

[page::0-19]

---

结语

该报告是一份严谨且实用的量化择时研究文献，充分运用丰富数据并结合历史经验，兼顾市场结构和宏观经济环境。通过多模型、多指标的综合分析，助力投资者理解当前复杂市场状况及预判未来趋势。对日历效应和宏观因子的深入挖掘，充分体现了金融工程在A股市场中的应用价值，值得量化投资、策略研究及机构投资者重点关注。

报告