经济、金融双周期对A股行业与因子影响解析 [page::0][page::2][page::3]

• 2008年金融危机后，我国经济增速放缓，经济周期对股市主导作用减弱，金融周期逐渐成为市场波动主驱动力。

- 依据增长动力，申万行业分为五大类：消费驱动型、制造驱动型、利率驱动型、周期型、创新驱动型，近十年行业轮动趋势明显。

• 金融强周期阶段利率驱动型行业领先，经济弱周期阶段消费驱动型行业表现优秀，经济新周期曙光下创新驱动型产业崛起，行业表现呈现接力式演变。

随机折现因子与barra多因子模型理论框架 [page::5][page::6][page::7]

• 随机折现因子（SDF）反映风险偏好，经济好时风险偏好高，高折现率促使成长、小盘股受追捧，反之则青睐稳定现金流白马股。

- 多因子模型为折现因子的现实映射，barra-CNE6包含国家、行业及多维风格因子，采用基于时变公司特征的截面回归，适用于风险归因和投资组合风险管理。

• 因子效度依赖周期环境，因子投资需识别因子适用的经济金融双周期阶段。

CNE6风格因子的定义与多重检验方法 [page::8][page::10][page::11]

• 选用规模、波动率（beta,残差波动率等）、流动性、动量、质量（杠杆、盈利质量等）、价值（BP、EP）、成长、红利八大类因子，结合行业中性、规模中性化处理。

- 多层次检验体系包括信息系数(IC)、Fama-Macbeth截面回归、单因子检验及纯因子组合检验，确保因子稳定性和可投资性。

申万一级行业因子效用分析 [page::13][page::14]

| 行业名称 | 平均t值绝对值 | t值>2比例(%) | 年化收益率(%) | 年化波动率(%) | 因子夏普率 |
|----------|---------------|--------------|-------------|-------------|-----------|
| 电子 | 7.53 | 85.92 | 25.12 | 30.97 | 0.81 |
| 计算机 | 7.49 | 87.32 | 24.51 | 35.57 | 0.69 |
| 食品饮料 | 5.35 | 73.24 | 22.84 | 26.11 | 0.87 |
| 电气设备 | 6.15 | 80.28 | 21.93 | 29.61 | 0.74 |
| 国防军工 | 5.33 | 77.46 | 21.71 | 34.40 | 0.63 |
| 医药生物 | 7.93 | 87.32 | 20.01 | 26.68 | 0.75 |

• 行业因子均为有效风险因子，但波动率较大，非收益因子，需进一步挖掘因子背后驱动机制。

风格因子多方法检验与表现 [page::14][page::16][page::17][page::19]

• 规模因子（lncap、midcap）显著的小市值效应，分组1和5累计收益率差距大，2018-2020年间经历明显回撤。

- 异质波动率、流动性因子分组收益严格单调，分组间累计收益率差距大。

• 红利和成长因子单调性较好，红利因子收益更稳定。

- EP价值因子优于传统BP，表现最佳。

• ICIR与Fama-Macbeth检验确认规模、成长、流动性、EP价值、异质波动率为显著收益因子。

- 纯因子组合测试显示成长、EP价值、流动性、反转、小市值纯因子年化收益分别为 4.11%、5.18%、-4.5%、2.71%、-5.38%，其中异质波动率因子不显著。

因子净值趋势与周期相关性 [page::19][page::21][page::22]

• 对数市值因子自2017年起进入下降通道，2021年年初开始回升。

- 供给侧改革期间，小市值组合杠杆风险暴露显著下降，表现受金融周期影响明显。

• 规模因子多空组合净值明显随金融周期涨落，2021年金融周期复苏推动规模因子回暖。

- 成长因子受供给侧改革“去伪成长”影响，纯因子组合净值在金融衰退期表现稳健，2020年以来创新驱动显著成长。

• 预测金融顺周期与经济新周期助力下，规模和成长因子将延续高景态势。

风险提示 [page::23]

• 模型基于量化方法和假设条件，存在模型失效风险。

周期内barra-CNE6的A股适用探析详尽分析报告

---

1. 元数据与概览

• 报告标题：《周期内barra-CNE6的A股适用探析——规模和成长因子迎来春天》

- 作者与机构：分析师张晓春（执业证书编号S0590513090003），国联证券研究所

• 发布日期：未明示，但文中涉及2021年11月的相关报告，推测为2021年末至2022年初

- 研究主题：强调在经济与金融双周期主导下，通过资产定价核心理论结合 Barra-CNE6多因子模型，深入探讨A股市场中规模因子与成长因子的周期适用性，及其当前和未来一年的投资前景。

• 核心论点：

- 次贷危机后我国经济增速放缓，金融变量的重要性凸显。十年代上半阶段金融周期主导股市表现，后半阶段经济周期和供给侧改革使消费型行业领涨，最新经济新周期则带动创新驱动型行业崛起。
- 以随机折现因子（SDF）为理论内核解释行业轮动及资产定价，风险偏好随经济周期高低变化而波动，进而影响不同因子和行业的相对表现。
- 结合多因子模型实证，规模因子（小盘股）和成长因子在当前经济金融周期背景下表现显著回暖，已进入牛市行情阶段，未来一年仍将受益于金融顺周期和经济新周期的推动。

• 评级：报告中未明确给出股票或行业评级，但风险提示中指出模型存在失效风险[page::0,23]。

---

2. 报告逐章深度解读

2.1 周期主导下的股市波动与资产定价

2.1.1 经济动能趋弱，金融周期主导股市行情

• 2008年全球金融危机后，中国经济增速明显减缓，工业增加值同比中枢从16%下降至7.4%，经济周期对股市牛熊转换的主导作用减弱。

- 上证综指2009年2月至12月有64%涨幅，2014年7月至2015年6月更有125%的涨幅，显示股市频繁独立于或超出经济大势表现。

• 通过图表1可见，经济周期与股市牛熊阶段的关联度递减[page::2]。

2.1.2 信用与货币驱动的金融周期主导牛熊转换

• 引入私人部门信贷/GDP比率及M2与GDP增速差作为金融周期的量度。

- 2008年以来，金融周期对股市影响增强，牛市多伴随金融信贷扩张和货币宽松期，如2012-2016年，被称为宽货币期。

• 以图表2展示了信用扩张收缩与牛熊市的高度同步，以及货币宽松对牛市的推动力[page::3]。

2.1.3 周期下行业轮动分析——利率、消费与创新主导

• 行业划分为五类：消费驱动型、制造驱动型、利率驱动型、周期性行业、创新驱动型。

- 2010年代前半，利率驱动（银行、房地产等）因金融周期强劲表现优异。

• 10年代后半，供给侧改革降杠杆，经济处于弱周期，消费行业表现稳定增长。

- 近两年，创新驱动型行业（电气设备、电子、汽车等）受益于科技革命和碳中和政策崛起。

• 图表3展现了最近10年行业收益率领跑格局的年际变迁，利率驱动、消费驱动和创新驱动依次接力领跑[page::3-5]。

2.1.4 随机折现因子（SDF）解释资产定价及风险偏好

• SDF定义为未来消费效用边际替代率，是资产定价的数学核心。

- 经济不景气时边际效用高，折现因子低，风险厌恶高，投资者偏好稳定现金流安全资产（白马股、消费股）。

• 经济繁荣时风险偏好高，折现因子高，投资者愿意承担高风险，成长股、小盘股表现优异。

- （1）时序上，风险偏好驱动整个市场风格轮动；（2）截面上，投资者愿支付溢价购买经济低迷时提供“雪中送炭”的资产。

2.1.5 多因子模型与随机折现因子关系

• FF3因子模型和Barra多因子模型为现实中SDF的表达形式，通过公司特征（市值、财务指标等）作为因子暴露进行截面回归。

- Barra-CNE6是专为中国A股市场设计的三级因子结构，包含国家因子、行业因子及9类风格因子，风格因子细分到20个二级因子和46个三级因子。

• 该模型以市值权重的加权最小二乘（WLS）拟合股票超额收益，通过纯因子组合剔除其他因子风险，实现因子投资和风险管理。

- 多因子模型的效度应受经济周期影响，不同经济金融周期阶段因子表现显著波动[page::6-7]。

2.2 Barra-CNE6多因子的A股实证

样本与因子定义

• 采用申万一级行业作为行业因子；风格因子涵盖规模、波动率、流动性、动量、质量、价值、成长、红利8大类，涵盖具体财务指标、技术指标详见图表4、9[page::8-9]。

因子检验流程和方法

• 三大步骤：数据清洗（剔除异常、ST及上市年份不足数据，缺失值行业均值或前值填充）、因子处理（行业及市值中性化，标准化）和因子检验。

- 检验方法包括信息系数（IC/ICIR）、单因子WLS回归T值、分组组间收益检验及纯因子组合分析。

• 图表5、6清晰展示了三步骤和各种检验方法的优缺点[page::10-11]。

行业因子检验结果

• 所有申万一级行业因子均为有效风险因子（t值均>2），但因行业因子波动较大，年化波动率大多超过25%，不适合作为持续稳定的收益因子。

- 电子、计算机、食品饮料、电气设备、医药生物、国防军工年化收益最高，超过20%。

• 因此需挖掘行业收益背后的风格因子[page::13-14]。

风格因子检验结果

• 规模、小市值显著溢酬，且小市值效应明显，但2018-2020年小市值出现较大回撤，体现周期风险。

- 低波动、非流动性、价值因子溢酬普遍，动量因子反转（负收益）。

• 成长因子时序稳定性强，虽然截面解释能力较弱，但其贝塔显著。

- 红利因子和成长因子分组收益表现良好，红利因子收益较稳定。

• 价值因子中EP(earnings yield)优于传统BP(book to price)表现，EP因子月度收益波动较低。

- 图表10-17展示了多种因子分层累计收益走势，均显示单调性和显著的分层效应[page::14-17]。

风格因子ICIR和Fama-Macbeth检验

• 规模、异质波动率、流动性、成长、EP价值5个因子IC显著且稳定。

- BM检验中这5个因子均表现出年化超额收益显著，其中成长因子年化收益为2.7%，因统计意义显著归类为收益因子。

• 质量类因子表现不佳，IC和FM检验均不显著[page::17-18]。

纯因子组合检验

• 纯因子组合指出：规模、流动性、成长、EP价值和反转因子收益显著且稳定，异质波动率因子则变得不显著，表明其溢酬可能与其他因子或经济环境相关。

- 具体纯因子年化收益率约4%-5%，最高为EP价值因子5.18%，成长因子4.11%。

• 图表19-20显示纯因子组合与多空组合净值走势，规模因子2017年失效后，今年以来开始回升，迎来周期性反弹[page::18-19]。

---

3. 图表深度解读

图表1（第2页）

展示2004-2021年工业增加值同比增速，红色（牛市）与绿色（熊市）区域标记上证综指走势，表现经济周期对股市主导作用的递减趋势。可见2008年後股市牛熊转换与经济周期相关性下降，提示经济以外因素作用增强。

图表2（第3页）

两个指标线：M2与GDP同比增速差（黑线）、私人部门信贷/GDP（蓝线），对应牛市（红色）与熊市（绿色）区域，证明金融信贷扩张（信用周期）与货币宽松状态更能解释2008年以来A股牛熊市场切换，强化金融周期主导论断。

图表3（第4页）

近10年申万板块行业年度收益排布，显示利率驱动型行业（银行、非银、房地产）先起飞，随后消费驱动型行业崛起，近年创新驱动型行业渐占主导，映射经济发展驱动力的转变。

图表5（第11页）

因子检验流程分三个步骤：数据清洗（含数据采集、异常值处理、标准化），因子处理（中性化合成），因子检验（信息系数法、分组法、回归法），系统化清晰架构确保因子有效性。

图表6（第11页）

比较信息系数法、单因子FM检验、纯因子组合分组投资方法的优势与不足，如信息系数法简洁，纯因子组合精确剥离风险因子贡献等，为后续筛选稳定因子提供方法论基础。

图表7（第12页）

Barra多因子单因子检验标准的四个关键维度：t值绝对均值（预测力）、t值大于2的比例（显著度分布）、年化收益率及波动率（因子贡献及风险），提升检验严谨性。

图表8-9（第13-14页）

申万一级行业因子和Barra风格因子单因子回归显著（t>2），行业波动率高难持续获利，风格因子小市值、低波动、流动性、价值溢酬明显，成长因子时序稳定但截面效果较弱，确认核心多因子属性。

图表10-11（第15页）

对数市值和非线性市值因子按分组累计收益趋势，显示小市值效应明显且非线性因子效果更突出，但2018-2020年有显著回撤，体现规模因子受经济周期波动影响。

图表12-13（第16页）

异质波动率和流动性因子分层收益净值走势，分组间差异显著且单调，支持其为有效风险因子。

图表14-15（第16页）

红利和成长因子分组累计收益，红利因子表现稳定，成长因子净值长期上涨，验证因子投资的可能。

图表16-17（第17页）

BP和EP价值因子分组累计收益，EP价值因子单调性和稳定性优于传统BP，体现了中国市场上EP的价值预测优势。

图表18-19（第17-18页）

ICIR和Fama-Macbeth检验结果及纯因子组合回测，确认规模（lncap、midcap）、流动性、成长、EP价值和反转因子具有显著的收益溢价，纯因子组合验证了稳健性。

图表20（第19页）

纯因子组合净值动态，规模因子组合净值受金融周期显著影响，2017年失效2019年大幅回落，2021年起回升，显示因子轮动周期性强。

图表21（第20页）

金融周期状态划分图，黑线为金融周期状态指标，红色区高涨期，绿色区衰退期，2021年三季度金融周期触底回升至正常期，关联金融环境的时点划分。

图表22（第21页）

小市值组合杠杆风险暴露变化趋势，显示供给侧改革去杠杆后杠杆风险显著下降，支持规模因子表现改善的根本原因分析。

图表23（第22页）

规模因子纯因子组合净值与多空组合净值走向，金融高涨期内增长迅速，金融衰退期下跌明显，2020年后金融周期转好带来规模因子回暖，验证周期驱动性。

图表24（第22页）

成长因子纯因子及多空组合净值趋势，确认供给侧改革带来的“伪成长”剔除作用，真实成长因子表现坚实，在经济新周期背景下持续攀升。

---

4. 估值分析

本报告没有传统意义上的目标价或直接估值模型输出，主要在理论框架和多因子实证两个层面进行资产定价分析，强调资产定价核（SDF）与多因子模型间的内在联系，及其周期性特征。估值分析侧重于统计验证因子收益的显著性及稳定性，而非直接给出个股或行业估值区间或价格目标。

---

5. 风险因素评估

• 模型失效风险： 报告明示所有分析基于量化假设条件，模型存在失效可能，尤其因周期性导致的因子表现变化，模型适用需结合宏观金融环境动态评估[page::0,23]。

- 周期测度风险： 金融周期和经济周期划分存在主观阈值设定，可能导致周期阶段判定偏差，影响因子表现判断。

• 数据质量与实证局限： 因子构造及清洗依赖财务公开数据和市场数据，存在信息滞后与噪声，可能影响模型的预测准确度。

- 结构性政策风险： 供给侧改革、碳中和等政策驱动行业产业结构变化将影响因子投资时序，模型虽考虑周期变化但难捕捉极端结构性变革。

报告中未给出明确缓释策略，投资者需根据市场环境和模型持续动态调整。

---

6. 批判性视角与细微差别

• 周期假设的局限性： 报告强调经济和金融双周期对因子表现的影响，但周期划分基于统计滤波结果与主观区间延伸，周期边界的界定仍有模糊地带，可能导致不同周期判定下因子表现的解读偏差。

- 成长因子定性不强： 尽管成长因子被认定时序性能稳定，但截面解释力较弱，且年收益不及传统价值因子，成长因子作为纯因子收益来源的理论依据略显不足。

• 纯因子组合实用性： 报告指出纯因子组合投资现实操作性不佳，因多因子模型更多适合风险管理和业绩归因，单因子投资者应谨慎。

- 行业因子波动大限制收益： 申万一级行业因子虽显著，但年波动率过大限制直接利用，需深挖风格因子和行业交叉特征。

• 风格因子的共线性较低但非零： VIF虽低于3的警戒线，但仍存在一定共线性，可能在多因子实操中产生权重调整难度。

总体上，分析框架严谨，方法科学，数据详实，但模型在周期判定和因子选择方面的依赖仍使得结论具备一定的时效性与环境依赖性。

---

7. 结论性综合

本文报告基于经济与金融双周期视角，利用随机折现因子理论和Barra-CNE6多因子模型系统性研究了中国A股市场因子的周期性表现。研究明确指出：

• 后次贷危机时代，经济动能减弱致股市对经济周期敏感度下降，金融周期（信用扩张与货币宽松）逐渐主导股市牛熊转换。

- 借助随机折现因子核心，解释了风险偏好随经济周期高低波动，风险资产（小盘股、成长股）与低风险资产（消费白马、稳健行业龙头）轮动的内在逻辑。

• 实证分析揭示，规模因子和成长因子在Barra-CNE6体系下表现最优，规模因子在2012-2016年金融高涨期完成牛市，2017年起失效，但2021年显示回升迹象，成长因子收益稳定且受益于经济新周期和创新驱动产业崛起。

- 其他风格因子如流动性、价值（EP为主）、红利同样表现出一定的风险溢价，但异质波动率因子在纯因子组合中失去显著性。

• 规模因子的小市值细分体现出杠杆风险降低潜力，受金融周期显著影响；成长因子受供给侧改革“伪成长”剔除，向真成长转型，受益于技术突破与碳中和发展趋势。

- 周期状态划分清晰，且仍带有一定的主观成分，投资者需结合市场动态调整操作。

• 风险提示明确，模型存在失效风险，周期轮动性使得因子投资需谨慎动态管理。

总体而言，报告强调将周期视角纳入多因子模型的必要性，并明确指出规模与成长因子的周期性回暖为A股投资者带来重要启示，有助于更好捕捉市场结构性机会，为资产组合配置与风格轮动策略提供理论和实证依据[page::0-24]。

---

附录：部分关键图表展示

图表1：经济动力减弱对股市影响减弱（2004-2021工业增加值同比）



图表2：金融周期主导牛熊转换



图表3：近10年行业轮动（利率、消费、创新）

（报告正文表格）

图表10：对数市值分层净值表现



图表11：非线性市值分层净值表现



图表20：规模、EP价值、流动性和成长纯因子组合净值走势



图表21：金融周期状态划分



图表22：小市值杠杆风险暴露变化



图表23：规模因子（纯因子与多空组合）周期内表现



图表24：成长因子投资组合表现



---

总结

报告系统地将宏观金融周期理论与微观资产定价模型相结合，以严谨的统计方法和丰富的实证细节，证实规模和成长因子当前迎来A股的周期春天。投资者应关注周期变化带来的因子表现波动，动态调整因子配置，聚焦创新成长与中小市值，顺周期而动，以期最大化风险调整后的收益。

[page::0,1,2,3,4,5,6,7,8,9,10,11,12,13,14,15,16,17,18,19,20,21,22,23,24]

报告