2017年A股市场风格急剧转变[page::3]

• 2017年上证50涨幅25.08%，沪深300上涨21.77%，明显优于中证全指2.32%和创业板指数-10.67%。

- 大盘蓝筹股成为投资者追逐热点，市场呈现结构性牛市。

多因子模型框架及细节说明[page::4][page::5]

• 方正金工采用带加权最小二乘法（WLS）约束优化求解Barra USE4模型，纳入行业因子和风格因子。

- 引入截距项分离市场因子，减少因子间多重共线性，提高因子解释力。

• 选取Beta、规模、估值、成长、流动性、动量、波动率及非线性规模因子构建模型。

风格因子独立性及相关性分析[page::9]

| 相关强度因子 | Beta | 规模 | 估值 | 成长 | 流动性 | 长期动量 | 短期动量 | 波动率 | 非线性规模 |
|---------------|---------|---------|---------|---------|---------|----------|----------|---------|------------|
| 相关强度衡量 | 低至中等| 低到负 | 低到中等| 低到中等| 低到中等| 低到中等 | 低到中等 | 高 | 低 |

• 因子间大部分相关性较弱，保证模型稳健性。

- 波动率与估值、流动性相关，规模与流动性负相关。

2017年风格因子表现及行业影响[page::10][page::11][page::12]

• Beta和规模因子年内累计收益分别达14.13%和11.93%，流动性和估值因子表现为负收益。

- 大盘股在2017年明显占优，成长因子收益下滑，符合市场风格变化。

• 银行业和非银金融行业因高规模因子暴露表现出较强收益。

- 行业纯因子收益与行业实际超额收益高度相关，验证模型有效性。

多年风格因子表现及趋势[page::12][page::13]

• 2010-2017期间，Beta长期表现突出，年化收益18.58%，成长因子和流动性因子影响显著。

- 规模因子2010-2016表现为负，2017年反转为正，体现市场风格切换。

• 因子回测呈现较高稳定性及解释力。

多因子模型应用示例—上证50组合收益分解[page::14][page::15]

• 多因子模型模拟组合与上证50日度收益的相关系数高达93%，验证模型精度。

- 上证50组合规模因子暴露为100%百分位，非线性规模因子暴露极低，动量因子暴露相对偏高。

• 投资组合收益可按各因子贡献细致追踪，提升风险管理能力。

结论与展望[page::15]

• 2017年市场风格明显转向大盘蓝筹和低估值，成长因子收益下滑。

- 多因子收益归因系统帮助投资者精准剖析市场风格和投资组合风险。

• 报告后续将推出系列专题，深入研究多因子模型的更多应用。

方正证券研究所“星火”多因子系列（一）研究报告详尽分析

---

一、元数据与概览

本报告由方正证券研究所金融工程研究团队撰写，于2018年1月6日发布，核心主题聚焦于股票市场多因子风险-收益归因模型的构建和应用，本篇为“星火”多因子系列的第一篇。作者团队凭借专业证书编号（S1220515040002）保证研究的专业性和严谨性。报告主要介绍了基于Barra模型的多因子风险-收益归因分析框架，结合A股实际市场数据，重点探讨了2017年市场风格的急剧转变及其对投资组合的影响。

报告核心论点强调2017年A股市场由小盘成长股向大盘蓝筹股转变，结构性牛市特征明显。方正证券基于Barra经典多因子模型开发了自主的多因子收益归因系统，包含Beta因子、规模因子、估值因子、成长因子、流动性因子、动量因子、波动率因子及非线性规模因子，实时捕捉市场风格变化，从而辅助投资者风险管理与收益归因分析。

该报告并未直接包含个股评级或目标价，更多聚焦于多因子模型理论构建、实证应用及市场风格演变解读，旨在丰富投资者对当前市场风格及潜在机会的认知。[page::0,3-4]

---

二、逐节深度解读

1. 引言与市场背景（第3页）

报告开篇综述了2017年全球及国内主要股票市场表现，强调美股标普500涨逾20%、港股恒生指数涨超35%，反映全球经济复苏氛围浓厚。与此同时，国内A股市场风格经历剧烈转变，大盘蓝筹股（如上证50和沪深300指数）年度涨幅分别达25.1%和21.7%；而小盘成长板块创业板指却下跌10.7%，呈现“火焰与海水”并存的格局。投资者对“漂亮50”及“业绩为王”的理念高度关注，市场呈现显著结构性牛市特征。

为应对市场多样化特征，报告提出引入多因子模型视角，借鉴Barra模型，力图综合多维度市场数据，破解“盲人摸象”式单一视角的局限，为投资者提供风险收益归因分析工具。[page::3]

2. Barra风险-收益归因模型介绍（第3-6页）

• 模型基本形式：股票收益被看作多重因子收益和特质收益的线性组合。模型假设股票收益率 \(ri = \sum{k} X{ik} fk + ui\)，其中\(X{ik}\)为因子暴露度，\(fk\)为因子收益率，\(ui\)为与因子无关的特质收益。组合收益为多只股票加权收益，风险通过因子协方差矩阵与特质方差加总表示，实现降维分析。
• 多重共线性：识别因子间高度相关性问题，采用方差膨胀因子（VIF）检测。报告指出，如果新加入因子与现有因子强相关，VIF值会显著上升，参数估计不稳健。非线性规模因子即通过对规模因子三次方正交化处理，提取中市值效应，避免与规模因子本身重合。
• 系数显著性检验：通过t检验判断因子收益是否显著不为零。因子在单期未显著不代表长期无效，需统计历年显著性的累计频率。
• 因子标准化：因子数据量级差异大，采用市值加权均值归零且单位标准差的标准化方法，使全市场市值加权组合对因子暴露为零，便于模型解释。
• 加权最小二乘回归（WLS）：为解决异方差性问题，赋予权重为市值平方根的WLS方法。由于特质收益方差不可得，市值大小被用作代理，大股票方差小，权重大，从而降低回归偏误。[page::4-6]

3. 市场主流因子与方正金工模型框架（第6-9页）

• 报告梳理了当前国际主流风格因子，涵盖价值、成长、盈利、规模、动量、波动率、流动性、Beta、杠杆等多个大类以及更细致的子类因子，同时披露Wind数据库中指标对应。具体风格因子定义详见图表2，赋予每个因子合理权重。
• 方正金工构建的多因子收益归因模型基于Barra USE4版本，模型回归包含截距项、行业因子（CITIC一级行业哑变量）、风格因子。截距项用于分离市场整体收益，保证行业因子加权市值为零的约束下实现精确因子解。
• 该模型采用加权最小二乘法求解带约束回归，有效剥离行业与市场收益及风格因子，实现纯净因子收益估计。
• 选用Beta、规模、估值（PB、PE、PS）、成长（季度净利润与营业收入同比）、流动性（不同换手率均值）、动量（长短期）、波动率、非线性规模等9个因子，进行了数据处理及权重均衡。[page::6-9]

4. 2017年度A股市场风格因子表现实证（第9-13页）

• 样本与数据处理：选取2017年全年中证全指成分股，剔除停牌及因子缺失样本。
• 因子相关性检验：引入相关强度指标（RSIAB）综合考量相关系数均值及稳定性。结果显示绝大部分风格因子间相关性较弱，偶有波动率因子与估值等因子存在正相关，规模因子与流动性因子呈负相关，整体保证了因子正交性与多元解释效果。
• 截距项检验：截距项与中证全指日度收益高度相关（相关系数0.92），验证模型对全市场收益的捕捉能力。
• 行业因子分析：29个一级行业纯净因子收益与对应行业超额收益波动趋势吻合度高，仅银行和非银金融背离，由于这些行业规模因子暴露大，而规模因子2017年表现突出造成收益抵消。
• 行业因子暴露度：通过风格因子百分位暴露分析，进一步说明行业收益来源的不同风格因子贡献，细节完备。
• 风格因子收益表现：

- 2017年累计收益方面，Beta（14.13%）、规模（11.93%）领先，成长（5.86%）、长期动量（4.26%）、短期动量（3.20%）居中；估值（-5.81%）、流动性（-11.92%）显著负向贡献，非线性规模及波动率亦为负。
- 2010-2017年全周期年化收益提示Beta（18.58%）、成长（12.6%）保持稳定领先地位，规模因子经历2017年风格反转，由原先负向收益转正，流动性依旧为负面影响。
- 各年度因子收益详尽罗列，反映大盘价值股轮动及多因子风格动态。[page::9-13]

5. 多因子模型对组合收益归因应用示范（第14-15页）

• 利用方正金工多因子收益归因模型，模拟上证50指数组合日度收益，结果显示模型预测收益与实际收益相关系数达93%，实证模型有效性被验证。
• 通过因子暴露度百分位展示，上证50组合展现极高规模因子暴露（100%百分位），同时非线性规模因子暴露极低，符合大盘股特征。组合在动量（长期与短期）因子上也存在较明显暴露，Beta、估值及流动性因子相对较低。说明该模型在实际投资组合风险因子解析中具有很强的解释力和实用性。[page::14-15]

6. 报告总结与风险提示（第15页）

• 结论总结指出：

1. 2010-2016年高Beta、高成长、低换手、小市值获得超额收益；
2. 2017年市场风格变化，规模因子反转，大市值股票全年占优；
3. 成长因子收益下滑，估值因子逆势上升，低估值股受到追捧；
4. 短期动量方向逆转，部分技术指标失效；
5. 行业纯净因子与行业实际超额收益高度相关，行业因子暴露提供收益来源解析；
6. 多因子收益归因模型可分解任意组合收益，辅助投资者风险管理。

• 风险提示强调历史统计结果局限，未来市场环境可能出现较大变化，投资需谨慎。[page::15]

---

三、图表深度解读

图表1（第3页）——2017年度主要指数收益

• 条形图列出标普500、恒生指数、上证50、沪深300、中证全指和创业板指的年度收益率，分别为19.42%、35.99%、25.08%、21.77%、2.32%、-10.67%。
• 该图形象展示全球与中国内外市场的差异，尤其突显A股市场结构性牛市，即大盘蓝筹领涨、创业板跌幅明显。
• 其作为引导，呼应文本中对“漂亮50”兴起和市场“业绩为王”主题的论述，同时为后文因子收益分析设立宏观背景。[page::3]

---

图表2（第6-7页）——市场主流风格因子分类定义

• 两个表格系统罗列主流因子大类、对应指标定义及Wind数据库量化指标，涵盖价值、成长、盈利、规模、动量、波动率、流动性、技术指标、Beta、杠杆、一致预期等。
• 具体指标如PE、PB、PS、PEG、EV/EBITDA；成长指标含营业收入、净利润增长率、EPS增长率等；动量区分长期和短期等。
• 该表体现出多因子模型的构建基础和风格因子的多元性，是后续模型构建的理论支撑和因子选择依据。[page::6-7]

---

图表4-6（第9页）——各风格因子相关强度及统计

• 相关强度(RSIAB)、相关系数均值及标准差三张表共同展示跨因子相关性的均值与波动水平。
• 发现波动率与估值、流动性正相关，规模与流动性负相关，整体因子相对独立，利于多因子模型的稳定拟合与解释。
• 该分析有效说明模型变量彼此间关系，避免多重共线性带来的模型误差，确保因子选取的合理性。[page::9]

---

图表7-8（第10页）——截距因子与中证全指日度收益及行业因子实际超额收益对应

• 图表7：截距因子日度收益曲线和中证全指日度收益曲线走势高度一致，期内相关系数高达92%，验证截距因子代表全市场市值加权收益。
• 图表8：29个一级行业实际超额收益与模型估计的纯净行业因子年累计收益对比，显示较强拟合度，除银行等个别行业因隐含风格因子影响出现偏差。
• 图形视觉上支持模型关于截距的经济含义及行业因子分离市场收益的合理性。[page::10]

---

图表9（第11页）——各行业因子暴露百分位（2017年）

• 表格数据展示29个一级行业在Beta、规模、估值、成长、流动性、长期动量、短期动量、波动率、非线性规模等因子上的暴露百分位。
• 不同行业因子暴露特征明显：银行与非银行金融的规模因子暴露接近或达到100%，显示强烈大盘特征；煤炭、机械、钢铁等行业成长暴露较高。
• 显示行业特征与风格因子风险收益的紧密联系，为理解行业轮动提供定量基础。[page::11]

---

图表10-11（第11-12页）——2017年风格因子净值走势与累计收益

• 图表10呈现9因子2017年净值走势，Beta和规模因子净值显著攀升，流动性因子持续下跌，说明这些因子的市场表现不同。
• 图表11直接反映累计收益，Beta最高14.13%，规模11.93%，流动性-11.92%，估值-5.81%，验证大盘低流动性股票表现优异。
• 图形与文字结合论证2017年市场风格转向大盘价值股，估值因子升值，技术动量类因子表现减弱，反映出市场偏好结构性变化。[page::11-12]

---

图表12-15（第12-13页）——2010-2017期间风格因子表现

• 图表12截距项与中证全指日度收益散点图，相关度高达97%，进一步验证模型准确性。
• 图表13展示净因子净值走势，Beta和成长因子涨幅持续，规模因子表现则因2017年大逆转而明显体现。
• 图表14年化收益柱形图强调Beta最高18.58%，成长12.6%，规模时段上下波动。
• 图表15年度收益表格细分各年份因子表现，指出2017年规模因子年度表现回正，符合市场风格切换逻辑。
• 图表整体体现多因子模型对历史风格动态的全面捕捉能力及其在市场周期中的差异化表现。[page::12-13]

---

图表16-17（第14-15页）——多因子模拟组合与上证50收益对比及组合因子暴露百分位

• 图表16散点图显示模型预测收益与上证50日度收益高度吻合，相关系数93%，证明方正金工模型在实际组合归因中的有效性。
• 图表17条形图描绘上证50因子暴露百分位，规模因子100%突出，非线性规模5%最低，动量因子有一定暴露，表明组合风格特征清晰。
• 图表数据支持投资组合构建中多因子模型的应用价值，帮助投资者明确组合风险与收益因子来源。[page::14-15]

---

四、估值分析

本报告未涉及具体股票或行业的估值定价模型，主要聚焦于风险收益归因和因子表现分析，因此不涉及市盈率、市净率等传统估值指标的深入探讨。报告中所提PE、PB等因子归属于风险收益因子范畴，作为价格相对指标参与收益变化解释，非直接估值结论。

---

五、风险因素评估

报告明确风险提示：

• 研究基于历史数据，统计性质结果和因子表现无法完全保证在未来生效，市场风格随经济、政策、资金流动等因素变化；
• 具体因子的历史显著性和收益稳定性并不代表对未来有效性；
• 风险提示详见报告结尾及免责声明，提醒投资者注重结合市场实际情况审慎操作。

报告未详细给出因子失效的缓解策略，但通过多因子叠加及权重配置，旨在分散单因子失效风险，提高模型稳健性。[page::0,15]

---

六、审慎批判性视角

• 报告采用Barra经典模型作为理论框架，务实且科学，但模型的核心假设——因子线性组合及特质收益互不相关等在实际市场中可能存在偏差，模型在市场极端环境下预测准确度及稳健性需进一步验证。
• 尽管采用加权最小二乘法缓解异方差性，因子选择权重及因子定义均基于市值和历史数据，可能存在数据挖掘风险。
• 报告强调历史表现，并无深入探讨宏观经济、政策变化等对因子收益影响的动态非线性关系，缺少对因子潜在失效风险的定性剖析。
• 行业因子与纯净行业收益的偏差尚存在一定行业特别效应，未来模型可考虑细分因子多样化处理和交互效应。
• 总体模型结构严谨，数据详实，结合的图表丰富，但依赖历史统计，投资应用上仍需辅以市场前瞻性判断。

---

七、结论性综合

报告以丰富的理论与实证支持阐述了多因子风险-收益归因模型在A股市场的有效应用，重点体现在：

• 多因子模型有助于将海量股票数据降维到少数因子，简化风险收益分析，提高预测准确度。
• 结合2017年A股市场实证，规模因子成为风向标，大盘股主导市场风格，成长因子表现弱化，估值因子低估值风格回归，动量因子方向变化明显。
• 行业因子纯净收益与实际行业超额收益高度相关，结合风格因子暴露度解读行业层面的收益变动，展示模型对行业轮动的解释力。
• 实际组合如上证50模拟收益经多因子模型回归具有高达93%的相关度，且组合因子暴露合理，证明模型具备组合风险管理和投资组合收益归因功能。
• 长期视角（2010-2017）显示Beta和成长因子依旧稳定贡献显著，规模因子经历风格反转，流动性因子表现负面，反映市场风格动态演进。
• 方正证券提出的多因子风险收益归因模型为投资者构建了理解市场结构性变化的工具，并可用于多资产组合的风险控制与收益分解，未来仍需关注模型假设、因子稳定性及历史数据局限性风险。

综上，报告充分揭示了2017年A股市场风格切换的本质特征，利用多因子模型的实证数据支持相关结论，推动投资者以风险因子视角理解市场波动与机会。该系列后续研究有望进一步深化和完善多因子模型在中国市场的应用。[page::0-15]

---

总结：

方正证券“星火”多因子系列报告首篇通过介绍Barra模型理论、因子构建细节及在A股的实证应用，系统呈现了近年来A股市场从小盘成长至大盘价值的风格转变过程，验证了多因子模型在市场收益归因中的有效性，具体因子收益及行业因子暴露度数据丰富详实，为投资者理解市场风格及提升风险管理能力提供了科学依据。图表与文本紧密结合，呈现了系统性风险收益结构。谨慎观察历史表现中的模型假设和数据限制是未来研究和投资应用的关键。

报告