• 残差动量策略基于剔除市场和风格beta的残差部分，捕捉资产或行业的专属信息，理论上与景气度策略低相关。滚动窗口长度定为100个月，残差动量计算窗长为12个月，用以定义残差动量因子 [page::1]。

• CASE1：全球资产配置中应用残差动量因子优于风险平价基准，年化收益3.72%，夏普比率1.15，换手率适中，且效果优于普通动量。残差动量和普通动量在部分时间段相关性较低，结合两者的综合动量因子进一步提升业绩和降低换手率。

| 业绩指标 | 综合动量优选 | 残差动量优选 | 普通动量优选 |
|------------|-------------|-------------|-------------|
| 年化收益 | 3.83% | 3.72% | 3.56% |
| 年化波动 | 3.28% | 3.23% | 3.38% |
| 夏普比率 | 1.17 | 1.15 | 1.05 |
| 最大回撤 | -8.02% | -8.11% | -12.43% |
| 卡玛比率 | 0.48 | 0.46 | 0.29 |
| 年化换手率 | 单边2.2倍 | 单边2.3倍 | 单边2.3倍 |
[page::2]

• CASE2：全球行业轮动策略基于MSCI一级行业指数，月频调仓选取残差动量或综合动量最高的5个行业，回测显示优于行业等权组合，年化收益近10%，夏普率分别为0.63和0.66，显示良好的普适性。

| 业绩指标 | 综合动量优选 | 残差动量优选 | 行业等权基准 |
|------------|-------------|-------------|-------------|
| 年化收益 | 10.45% | 9.99% | 4.87% |
| 年化波动 | 15.75% | 15.85% | 14.89% |
| 夏普比率 | 0.66 | 0.63 | 0.33 |
| 最大回撤 | -53.05% | -52.58% | -55.12% |
| 卡玛比率 | 0.20 | 0.19 | 0.09 |
| 年化换手率 | 单边21倍 | 单边2.4倍 | - |
[page::3]

• 针对中国市场，重新选取代理资产并通过主成分分析(PCA)构建统一市场因子及多个风格因子，以克服A股市场beta占比较低带来的轮动效果一般的问题 [page::3]。
• CASE3：国内行业轮动以中信行业指数为底层资产，选取残差动量最高5个行业进行月频调仓，残差动量策略明显优于普通动量和等权基准，夏普比率达0.43。同时引入波动率分域方法发现残差动量具有反转效应，借此改进残差动量，从而实现业绩显著提升。

| 业绩指标 | 改进残差动量 | 残差动量 |
|------------|-------------|---------|
| 年化收益 | 14.79% | 10.40% |
| 年化波动 | 23.00% | 24.16% |
| 夏普比率 | 0.64 | 0.43 |
| 最大回撤 | -33.17% | -37.68% |
| 卡玛比率 | 0.45 | 0.28 |
| 年化换手率 | 单边3.3倍 | 单边3.2倍 |
[page::5]

• 改进残差动量与综合景气度因子相关度低（均值0.17），两者等权融合能带来超过2%的年化收益提升，且换手率较低，指示残差动量可能抓取产业趋势信息，能有效丰富行业轮动的信号来源。

[page::5]

• CASE4：以ETF跟踪指数作为底层资产进行轮动，月末选取残差动量最高的10个指数组合回测，回测结果显示考虑与不考虑发达国家ETF组合均取得年化收益超过13%，夏普比率0.63-0.68，回撤控制较好，验证了残差动量策略的普适性。

| 业绩指标 | 考虑发达国家 | 不考虑发达国家 |
|------------|-------------|----------------|
| 年化收益 | 13.90% | 13.64% |
| 2024-01月收益| -8.99% | -19.00% |
| 年化波动 | 20.35% | 21.71% |
| 夏普比率 | 0.68 | 0.63 |
| 最大回撤 | -29.66% | -31.32% |
| 卡玛比率 | 0.47 | 0.44 |
| 年化换手率 | 单边3.3倍 | 单边3.0倍 |
[page::7]

• 风险提示指出残差动量策略基于历时规律，可能存在时效性问题，策略拥挤或市场环境变化均可能导致超额收益下滑，投资者需谨慎使用且非投资建议 [page::7]。

《周期规律的应用（下） 残差动量在行业轮动中的应用》报告详尽分析

---

1. 元数据与概览

• 标题：《周期规律的应用（下） 残差动量在行业轮动中的应用》

- 作者：林晓明，徐特等

• 发布机构：华泰证券金融工程团队

- 发布时间：2024年4月24日

• 主题：探索残差动量因子在行业轮动与资产配置中的应用能力，尤其是在资产定价双因子模型下如何利用残差动量构建月频行业轮动策略，与传统景气度策略的互补性和优越性。

- 背景：该报告系列属于《周期论道：洞察经济金融系统的节奏与脉动》会议论坛纪要的第五篇推送，接续之前关于双因子定价模型和经济周期规律的研究工作，侧重周期规律的实际量化应用。

• 核心论点：

- 残差动量策略和景气度策略理论上低相关，二者信息互补。
- 残差动量能够捕捉个别资产或行业特有的信息（如技术进步、政策利好）。
- 基于残差动量构建的行业轮动模型在全球及国内市场均展现不俗业绩。
- 结合普通动量和改进残差动量策略，可以进一步提升收益风险绩效。
- 该策略具备一定的普适性与落地潜力，如ETF轮动场景。

• 作者意图是通过实证回测论证基于残差动量的行业轮动在资产配置与行业配置中的有效性，为投资策略创新提供理论和实操基础。

---

2. 逐节深度解读

2.1 引言及理论基础

报告强调传统双因子定价模型中，资产收益率被分解为市场因子β、风格因子β和残差收益三部分。[page::0][page::1] 残差部分理论上与β无相关性，包含资产特有信息，例如技术进步与政策利好等。传统行业景气度策略主要关注β部分，对应大盘和风格因素。 residual momentum（残差动量）策略利用残差部分构建行业轮动模型，期望得到与景气度策略低相关的独立alpha因子。

作者以100个月滚动窗口和最近12个月残差累计和定义残差动量，作为行业轮动的信号。这种设计确保统计上的稳健性和策略的月度实施可行性。

2.2 CASE1：全球资产配置中的残差动量应用

以HYCLEM1.WI底层资产为样本（2007-2023年），对13个进攻资产和7个防御资产使用残差动量调整风险预算权重。回测结果显示[page::1]：

• 年化收益：3.72%，超过基准2.45%

- 年化波动：3.23%，略高于基准2.62%

• 夏普比率：1.15 > 基准0.94，风险调整后表现优异

- 最大回撤和卡玛比率均优于基准

• 年化换手率为单边2.3倍，流动性适中

此外，相关参数（滚动窗口100个月，动量计算12个月）即在此场景下调优得出，具有一定策略优化基础。

2.3 CASE1对比：残差动量 vs 普通动量及其结合

通过对比发现[page::2]：

• 普通动量表现逊色于残差动量，尤其是在风险调整指标和最大回撤方面（普通动量最大回撤高达-12.43%，远大于残差动量的-8.11%）。

- 两者长期相关性较高，但部分时期（如2021年5月）残差动量优异性明显，普通动量出现较大回撤却未同步。

• 两者相结合（z-score标准化后等权求和）后，综合动量策略进一步提升整体绩效：

- 年化收益提升至3.83%
- 夏普比率升至1.17
- 最大回撤减至-8.02%
- 换手率反而降低至单边2.2倍，表明互动平滑了交易频率

结论是残差动量补充了传统动量策略信号，二者结合构建更优稳健组合。

2.4 CASE2：全球行业轮动

以MSCI一级行业指数（20个行业）为底层资产（2004-2023年），构建基于残差动量与综合动量的等权月度行业轮动组合[page::3]。回测结果显示：

• 年化收益达到接近10%的水平，远超行业等权基准约4.87%

- 波动率上升但夏普比率翻倍达到0.66（基准0.33）

• 最大回撤有所缩小（-52% vs -55%）

- 换手率为单边2.4倍（残差动量），综合动量更高

该结果说明残差动量因子能有效用于更细分的行业配置，且无需对参数重新优化，显示较好稳健性。

此外，报告指出由于中国市场在全球市场中的权重较低，采用全球因子体系难以有效捕捉A股行业趋势，因此需要重新选择代理变量建立国内市场的因子体系（股票、利率、商品分别采用PCA提取主成分，自变量数量控制为6个）。

2.5 CASE3：国内行业轮动与改进残差动量

以中信行业指数（31个行业）为底层资产，按类似月度调仓逻辑测试表现[page::4]：

• 残差动量年化收益10.40%，夏普比率0.43，明显优于普通动量（年化收益4.44%，夏普0.19）及行业等权基准。

- 最大回撤-37.68%（普通动量反而更差，-47.19%），波动率则略高。

发现普通动量在2021年9月后存在趋势反转，其动量信号衰减且反转，即所谓“反转效应”——先前趋势强劲的资产接下来表现不佳；基于对残差动量涉及12个月不同波动率月份的分析（用IC指标衡量预测能力），高波动月份残差表现出明显反转效应，而低波动月份残差则表现动量效应增强[page::4]。

改进方式是对波动率最高月份的残差做反转处理后，再求和得到改进动量指标。

回测效果看到明显提升[page::5]：

• 年化收益大幅提升至14.79%

- 夏普比率上涨至0.64

• 最大回撤显著下降至-33.17%

- 卡玛比率和换手率均有改善

且该改进残差动量与综合景气度低相关（相关系数均值0.17），同时二者等权结合策略收益进一步提升至17.34%，夏普提升至0.75，具有显著超额收益提升潜力。

2.6 实际应用与落地

• Wind平台的月频行业轮动模拟组合已纳入改进残差动量因子，开始样本外跟踪[page::6]。

- 利用ETF跟踪指数构建改进残差动量策略（行业和主题ETF为主，覆盖大宗商品、中国景气基、发达国家指数等），提供ETF轮动落地示范。回测覆盖2016-2023年，基准为全体ETF跟踪指数的等权组合[page::6][page::7]。

• 结果显示不论是否纳入发达国家ETF，改进残差动量都保持较好风险调整收益，夏普比率0.63-0.68左右，最大回撤显著低于行业等权基准。

- 报告指出ETF组合存在行业分布极致等潜在问题，需进一步优化，但已验证了残差动量因子良好的普适性和可操作性。

---

3. 图表深度解读

3.1 双因子拆解模型图（第一页公式图）

展示双因子定价模型：

\[ Y = \beta1 \cdot X{market} + \beta2 \cdot X{style} + \epsilon \]

其中Y为资产收益率，市场因子和风格因子解释部分分别乘以对应β，剩余部分为残差ε，残差不与β相关。此模型基础上定义残差动量[page::1]。

3.2 CASE1全球资产配置绩效表

| 业绩指标 | 残差动量优选 | 风险平价基准 |
|---|---|---|
| 年化收益 | 3.72% | 2.45% |
| 年化波动 | 3.23% | 2.62% |
| 夏普比率 | 1.15 | 0.94 |
| 最大回撤 | -8.11% | -8.58% |
| 卡玛比率 | 0.46 | 0.29 |
| 年化换手 | 单边2.3倍 | / |

显示残差动量策略在收益和风险调整表现上均优于风险平价基准[page::1]。

3.3 风险平价基准与残差动量优选净值走势图

残差动量优选组合净值表现明显优于基准，并有较高净值比，显示显著超额收益。净值比走势平稳向上，确认策略有效性[page::1]。

3.4 普通动量与残差动量相关性时间序列图（顶部蓝色图）

显示普通动量与残差动量的相关性随着时间波动，2021年5月左右出现相关性临时降低，表明两类动量模型的信号存在不完全重合，残差动量能够捕获更多差异化信息[page::2]。

3.5 三种策略净值比较图

• 普通动量、残差动量、综合动量均跑赢风险平价基准

- 综合动量表现最优，净值曲线最平滑，夏普最高[page::2]

3.6 全球行业轮动年化业绩对比表

| 业绩指标 | 综合动量优选 | 残差动量优选 | 行业等权基准 |
|---|---|---|---|
| 年化收益 | 10.45% | 9.99% | 4.87% |
| 年化波动 | 15.75% | 15.85% | 14.89% |
| 夏普比率 | 0.66 | 0.63 | 0.33 |
| 最大回撤 | -53.05% | -52.58% | -55.12% |
| 卡玛比率 | 0.20 | 0.19 | 0.09 |
| 年化换手 | 单边21倍 | 单边2.4倍 | - |

综合动量和残差动量策略相较行业等权基准显著提升业绩，夏普率提升反映风险调整收益变优[page::3]。

3.7 A股市场因子构建示意图

利用PCA选取股票、利率、商品的主要主成分作为自变量输入构建国内因子模型，调整因子体系以更好捕捉A股市场波动[page::3]。

3.8 国内行业轮动业绩指标对比

| 业绩指标 | 残差动量优选 | 普通动量优选 | 等权基准 |
|---|---|---|---|
| 年化收益 | 10.40% | 4.44% | 1.99% |
| 年化波动 | 24.16% | 22.91% | 18.41% |
| 夏普比率 | 0.43 | 0.19 | 0.11 |
| 最大回撤 | -37.68% | -47.19% | -33.94% |
| 卡玛比率 | 0.28 | 0.09 | 0.06 |
| 换手率 | 单边3.2倍 | 单边3.1倍 | - |

残差动量的收益回撤表现明显优于普通动量及等权基准，风险调整收益大幅增加[page::4]。

3.9 反转效应IC统计图

• 各月份按波动率排序，波动最大月份残差动量呈现负IC，表现反转效应

- 低波动月份IC正向，符合动量效应

• 改进残差动量通过波动率调整后的反转加权，实现了动量增强[page::4]

3.10 改进残差动量业绩对比

| 业绩指标 | 改进残差动量 | 原残差动量 |
|---|---|---|
| 年化收益 | 14.79% | 10.40% |
| 年化波动 | 23.00% | 24.16% |
| 夏普比率 | 0.64 | 0.43 |
| 最大回撤 | -33.17% | -37.68% |
| 卡玛比率 | 0.45 | 0.28 |
| 年化换手 | 单边3.3倍 | 单边3.2倍 |

改进后的因子收益率提升，风险略降，夏普率提升明显，显示实证有效[page::5]。

3.11 改进残差动量与综合景气度比较

| 业绩指标 | 改游动量 | 改进残差动量 | 综合景气度 |
|---|---|---|---|
| 年化收益 | 17.34% | 14.79% | 15.28% |
| 年化波动 | 23.04% | 23.00% | 22.51% |
| 夏普比率 | 0.75 | 0.64 | 0.68 |
| 最大回撤 | -35.43% | -33.17% | -38.62% |
| 卡玛比率 | 0.49 | 0.45 | 0.40 |
| 换手率 | 单边33倍 | 单边3.3倍 | 单边3.6倍 |

综合使用改进残差动量和景气度能够进一步超额收益，且换手率保持合适水平[page::5]。

3.12 Wind模拟组合实盘截图

展示改进残差动量策略近年月频净值与中证800对比，纵览策略在实际市场环境中的表现，支持策略落地[page::6]。

3.13 ETF轮动策略跟踪指数汇总

详细列出科技龙头、传媒、游戏、计算机等细分行业ETF及大宗商品、中国景气指数、发达国股票指数等，覆盖面广，具备代表性，彰显策略的可操作性[page::6]。

3.14 ETF轮动组合业绩对比表

| 业绩指标 | 考虑发达国家 | 不考虑发达国家 |
|---|---|---|
| 年化收益 | 13.90% | 13.64% |
| 2024-01收益 | -8.99% | -19.00% |
| 年化波动 | 20.35% | 21.71% |
| 夏普比率 | 0.68 | 0.63 |
| 最大回撤 | -29.66% | -31.32% |
| 卡玛比率 | 0.47 | 0.44 |
| 年化换手 | 单边33倍 | 单边3.0倍 |

无论纳入发达国家或否，改进残差动量策略均表现稳健且收益率吸睛[page::7]。

---

4. 估值分析

本报告核心并非对某一资产进行估值分析，而是基于残差动量因子的构建与验证。估值方法依托统计学中的残差分解、主成分分析（PCA）和动量计算方法。

• 残差动量定义：采用滚动100个月窗口回归因子，残差累计12个月定义动量。改进版本结合波动率指标进行反转处理。

- 动量结合方式：原残差动量和普通动量进行z-score标准化及离群值调整后等权合成。

• PCA技术：用以提取国内外市场因子，减少多重共线性，确保自变量独立性。

报告回测均采用净值增长比、夏普比率、卡玛比率、最大回撤等多指标评估策略，相当于风险调整收益的定量估值。

---

5. 风险因素评估

报告末尾明确提示风险：

• 历史规律失效风险：策略基于历史规律提炼，未来可能因市场状况变化而失效。

- 策略拥挤风险：策略被广泛采用可能导致超额收益减少甚至亏损。

• 适用市场条件限制：并非所有市场环境下均有超额收益表现。

- 资产与行业范围限制：仅聚焦部分资产和行业，投资建议需谨慎解读。

并强调不构成具体投资建议，提醒投资者理性使用。

---

6. 批判性视角与细微差别

• 本报告在残差动量定义及参数选择上表现严谨，但参数设定如滚动窗口长短、残差累计期长度等虽通过实证优化，仍存在过拟合风险。

- ETF应用场景回测存在指标泄露及极致行业暴露问题，报告已提出但未给出完整解决方案，需留意实际实施时的再平衡成本与交易限制。

• 模型建立依赖于PCA及因子分解，可能忽略市场中非线性影响及因子稳定性问题，长期有效性需进一步验证。

- 报告中关于普通动量表现不佳和残差动量的比较强调较多，但普通动量有成熟理论基础，二者结合或其他因子辅助可能带来更稳定表现，是未来改进方向。

• 跨市场因子一致性问题（尤其全球和国内市场因子不完全兼容）建议进一步研究因子协同。

---

7. 结论性综合

此次报告系统地深化了双因子定价模型中的残差动量因子应用，成功破解了传统景气度策略与动量策略的相关性难题，构建了残差动量行业轮动策略。其全球资产配置、全球行业轮动、本土行业轮动及ETF轮动四个案例均展现了该因子策略的显著超额收益和风险控制能力。

通过对比普通动量，残差动量表现更为稳健且能捕捉差异化信息。基于波动率调整后的改进残差动量策略进一步提升业绩，且与综合景气度因子保持低相关性。

残差动量策略的普适性和应用潜力强，已被纳入Wind真实交易模拟组合，彰显其实际应用价值。报告围绕统计学原理、主成分分析、定量实证以及交易规则等多个环节，体系化构建和验证策略，极具前瞻性与实操性。

图表与数据清晰支持核心结论，策略在收益、夏普率、最大回撤等关键指标的表现均优于各类基准，验证了策略的有效性与创新性。

整体而言，报告展现了残差动量在周期规律研究及行业轮动投资中的价值，为投资者提供了新的量化工具和策略思路，对资产配置与行业轮动领域具有重要启示意义。[page::0][page::1][page::2][page::3][page::4][page::5][page::6][page::7]

---

总结

华泰证券金融工程团队的报告以扎实的理论根基和广泛的实证测试，突破传统因子模型局限，通过对残差动量因子的精妙应用和优化，证明了其在周期规律驱动下行业轮动策略的优良性能。结合传统动量和景气度因素，使得投资组合实现更优风险调整收益，并具备良好的实际投资落地条件。报告对周期与资产配置的研究提供了理论与实践兼顾的范式，值得业内投资经理、量化研究员和学术研究者深入关注和借鉴。

报告