2021年市场特征：[page::0][page::5][page::6]

• 沪深300宽幅震荡，中小盘与科创板相对表现先强后弱。

- 周期、中游类行业表现优异，Sharpe比率达1倍左右，行业轮动趋势明确，切换后趋势性依旧较强。

• 基本面成长和价值因子表现呈跷跷板效应，4月和8月发生两轮风格切换。

- 价值因子表现回暖，成长因子吸引力减弱。[page::6]

市场风格及基本面因子表现分析 [page::7][page::8][page::9]

• 核心宽基指数净利润增长与预期成长性7月后显著走平，ROE预期增长受限。

- PB-ROE线性回归Beta处于高位，市场定价仍认可高ROE公司，但非线性Gamma下降，估值吸引力减弱。

• PE-成长性的线性Beta偏低，但对高成长股的溢价性价比下降。

- 宏观流动性宽松空间有限，限制成长风格表现。[page::7][page::8][page::9][page::11]

量化策略关键因子表现与价值策略展望[page::12][page::13]

| 因子类别 | 盈利因子 | 成长因子 | 绝对价值 | 相对价值 | 市值因子 | 反转因子 | 流动性 | 波动率 |
|------------|----------|----------|----------|----------|----------|----------|--------|--------|
| 盈利因子 | 1.00 | -0.11 | -0.28 | -0.28 | -0.72 | -0.63 | 0.36 | 0.00 |
| 成长因子 | | 1.00 | -0.40 | -0.38 | 0.24 | 0.09 | -0.55 | -0.56 |
| 绝对价值 | | | 1.00 | 0.93 | 0.18 | 0.36 | 0.26 | 0.51 |
| 相对价值 | | | | 1.00 | 0.22 | 0.36 | 0.21 | 0.47 |
| 市值因子 | | | | | 1.00 | 0.82 | -0.51 | -0.19 |
| 反转因子 | | | | | | 1.00 | -0.38 | -0.05 |
| 流动性 | | | | | | | 1.00 | 0.83 |
| 波动率 | | | | | | | | 1.00 |

• ROE及净利润增长率因子近期回撤，PB、PE因子收益改善。

- 改进相对价值策略通过截面回归残差构建PB-ROE和PE-成长性相对价值因子，表现优于绝对价值因子。

预期高派现与基于AH溢价选股策略表现[page::14][page::15]

• 预期高派现策略长期相对沪深300约10%年化超额收益，适合配置类机构。

| 年份 | 组合收益 | 沪深300收益 | 年化Alpha | 跟踪误差 | 信息比率 | 相对最大回撤 |
|------|----------|-------------|-----------|----------|----------|--------------|
| 2013 | 0.1% | -7.6% | 8.0% | 12.2% | 0.65 | 6.9% |
| 2014 | 67.0% | 51.7% | 15.3% | 10.0% | 1.53 | 8.1% |
| 2015 | 19.6% | 5.6% | 14.1% | 20.4% | 0.69 | 14.1% |
| … | … | … | … | … | … | … |

• 基于AH溢价以流动性和跌停概率建回归模型，选择相对溢价低股票，2021年初至今年化超额收益6.31%。

关注SUE及行为类策略表现[page::16][page::17][page::18]

• 前瞻盈利预测组合通过分析师盈利预测差异获取超额收益，2021年以来年化超额35.2%，信息比率2.8。

• 黑马成长精选组合结合业绩增长与预期差双轮驱动，2021年年化超额收益19.1%，信息比率1.5。

机器学习在中低频量化策略中的应用和回测成果[page::19][page::20][page::21]

• 训练目标由预测单期收益的均方误差函数优化升级到优化股票池内的IC相关性，加权IC克服局部与整体IC矛盾。

- 策略月度调仓，持仓100只股票，行业内自由流通市值加权，年化超额收益16.5%，信息率2.31，最大回撤6.76% 。

Beta型行业主题ETF配置策略及对冲环境[page::21][page::22][page::23][page::25][page::26][page::27]

• 基于业绩、技术面、机构行为三角度对主题ETF评分，2019年以来策略年化超额收益40.3%，信息比率2.4。

• 股指期货对冲需求稳定，成本合理，期权隐含波动率总体平稳震荡，市场认购skew下降，认沽skew上升，情绪谨慎。

- 期权合成空头对冲成本维持历史常态，买入平值30天到期认沽期权对冲成本可控。

• 当前期权对冲适宜构建买入认沽期权卖出虚值认沽期权的Put Spread组合，降低对冲成本。

报告标题与元数据概览

• 标题：徘徊路口，价值当时——2022年量化投资策略

- 发布机构：中信证券研究部

• 发布日期：2021年11月4日

- 主要作者及团队：
- 王兆宇，首席量化策略分析师
- 赵文荣，首席量化与配置分析师
- 其他多位量化策略分析师参与撰写

• 主题：针对2021年中国A股市场的量化投资策略分析，聚焦市场风格、基本面与价值因子表现，策略选股前景，并涵盖机器学习在量化策略的应用及风险管理的衍生品工具使用。

报告核心论点及主要信息

• 2021年A股宽幅震荡，市场风格经历周期和成长崛起后，Q3后风格转向价值。

- 基本面因子（盈利、成长）与价值因子存在显著跷跷板效应，后者在当前高盈利基数和成长预期走平的情况下更具吸引力。

• 量化策略方面，建议布局价值相关策略，特别是相对价值策略和结合AH溢价的选股策略。同时关注业绩超预期（SUE）及行为类策略。

- 机器学习深度学习在中低频量化策略上应用受限，提升模型的信噪比和优化IC成为关键。

• Beta型量化策略基于行业主题ETF配置表现优异，且期货与期权对冲成本合理、需求稳定。

- 风险因素包括模型风险、市场预期大幅变化及宏观产业政策风险[page::0,1]。

---

逐节深度解读

2021年市场特征

沪深300宽幅震荡，中小盘及科创板块表现先强后弱

• 2021年A股经历宽幅震荡，沪深300指数总体波动明显。

- 中证500和1000（中小盘指标）自2月下旬起跑赢沪深300；创业板指、科创50自3月下旬涨幅领先。

• 但从8月、9月开始，中小盘和创业板、科创股陆续弱于沪深300，显示周期性风格切换[page::5][图1]。

行业轮动趋势明显，周期与中游行业表现优异

• 行业层面，煤炭、有色金属、基础化工、钢铁、电力设备、新能源行业Sharpe比率超过1，表现最优。

- 石油石化、汽车及公用事业等行业Sharpe比率接近1。

• 消费、医药、金融地产行业收益为负。

- 行业指数当月与次月收益率相关系数显示，行业轮动发生明显切换月（如4月、9月），但总体趋势持续，行业轮动可把握性强[page::5-6][图2、3]。

风格因子呈跷跷板效应

• 基本面成长、盈利因子与价值因子表现反向明显。

- 1-3月震荡行情中价值因子表现优异，年化超额收益超20%。

• 4-7月成长因子表现突出，价值因子及其它因子表现弱，8月后再度风格转换至价值[page::6][图4~7]。

---

市场风格及基本面因素变化

A股核心宽基指数盈利水平提升但成长预期放缓

• 2021年，中证500、1000等中小盘实现净利润增长和ROE均显著提升。但伴随高盈利基数，2021年7月后预期净利润增长率上行动力明显放缓，上证50、沪深300甚至出现预期下行[page::7][图8~11]。

估值角度解读：高盈利、高成长企业估值吸引力下降

• 利用PB-ROE和PE-净利润增长率的二次回归模型，拆解静态估值与预期盈利/成长的关系。

- Beta系数（线性部分）表明市场对高ROE和成长企业存在溢价，当前PB-ROE Beta处于近5年85%分位，即仍给予高ROE高估值。

• 但Gamma系数（非线性部分，估值泡沫）处于较低位置，表明最高ROE或成长的个股溢价吸引力不像2021年年中那样突出，性价比下降。

- PE-成长性指标也显示成长高预期的部分个股当前性价比不足，尤其因市场对周期型成长的永续增长预期存疑[page::8~9][图12,13]。

成长、盈利基本面因子表现受限于预期成长性切换

• 基本面因子收益与预期成长性密切相关，当预期成长走低，成长因子表现受抑。

- 当前周期、消费、科技、医疗产业预期净利润增长率均面临显著切换，影响成长盈利因子收益[page::10~11][图14~18]。

宏观流动性环境限制成长风格

• 国债收益率（1年、3年、10年）处于近10年历史低位，且亟难继续大幅下行。

- 成长风格牛市多伴随利率下降，当前利率环境不支持成长风格成为主流[page::11][图19,20]。

---

量化策略与选股展望

基本面因子减弱，价值类策略迎来回暖

• 价值因子与成长、盈利因子呈显著负相关（表1），2021年ROE和净利润增长因子表现滑落，而PB和PE因子收益改善显著。

- 若成长盈利因子持续弱化，价值相关策略具备较好投资价值[page::12][图21,22][表1]。

改进的相对价值因子策略

• 传统相对价值因子通过回归绝对估值对成长因子残差构建。

- 报告提出进一步改进，相对价值因子分为PB-ROE和PE-成长性两个视角，剔除线性和二次项对预期盈利/成长的解释后，利用残差构建因子。

• 场内测试显示改进相对价值因子长期超额收益优于传统绝对价值因子，沪深300空间中两因子复合效果较好，中证500中PE-成长性表现更优[page::13][图23,24]。

相关类价值策略一：预期高派现策略

• 通过捕捉预计分红高的个股，利用分红行为的稳健性获得收益。

- 2012年以来，该策略年化相对沪深300超额收益约10%，信息比率稳定。

• 尽管2020年估值回撤影响表现，但估值风格企稳后该类稳健策略具配置价值[page::14][图25][表2]。

相关类价值策略二：基于AH溢价的选股策略

• 研究发现AH溢价主要受流动性差异和跌停概率影响，投资者结构具显著影响。

- 构建回归模型推导合理溢价，选择相对溢价较低股票进行多头配置。

• 2021年初至10月15日，低溢价组合年化超额收益6.31%。

- 多空组合考虑融券成本，在此期间年化收益8.07%[page::14~16][图26,27][表3~5]。

业绩超预期（SUE）及行为类策略

• 前瞻盈利预测组合：利用分析师盈利预测的领先性和差异性数据，在一致预期前取得超额收益。

- 2021年相对中证500年化超额收益高达35.2%，信息比率2.8，表现极为亮眼[page::16~17][图28][表6]。

• 黑马成长精选组合：结合业绩增长与预期差，筛选超预期个股。

- 2021年实现年化超额收益约19.1%，信息比率为1.5，回撤波动周期主要因Q2周期超预期个股表现不足[page::17~18][图29,30][表7]。

---

机器学习及深度学习在量化策略的应用

• 低频（中低频）策略中深度学习应用受限，主要因训练数据的收益信噪比低，直接预测收益等目标函数噪声大，模型难以收敛。

- 报告提出优化信息系数(IC)作为目标函数，利用同一期样本作为整体计算相关性（list-wise），提高错误信号信噪比，相较传统MSE(loss1)提升模型表现[page::19~20]。

• 采用weighted IC解决局部与全局IC不一致问题。

- 回测区间2012年至2021年10月26日，模型月度调仓，持仓100只，年化超额收益16.5%，信息率2.31，超额最大回撤6.76% ，显示机器学习带来的有效alpha[page::20~21][图31,32][表8]。

---

Beta型量化策略：行业主题ETF配置模型

• 由于行业细分ETF及跨行业产业链ETF快速发展，促使传统一级行业配置模型难以落地。

- 构建基于业绩趋势、技术面趋势及机构投资者行为的ETF多因子评分体系，实现ETF维度的组合配置。

• 通过综合评分筛选ETF，确保行业多元性及代表性[page::21,22][表9][图33,34]。

- 2019年以来策略实现相对中证全指年化超额收益40.3%，信息比率2.4，较好捕捉市场主线[表10]。

---

对冲环境评估

股指期货对冲

• 2021年以来沪深300、上证50及中证500期货近月合约对冲成本分别为-3.04%、-1.86%和-5.56%，处于合理区间。

- 4月和10月市场波动率下降至约15%低位，导致对冲需求与作用减弱，基差收敛。

• 9月以来中证500股指期货净空仓快速减少，显示机构空头集中度下降，隐含风险减小[page::23,24][图35~37]。

场内期权隐含波动率及对冲成本

• 期权隐含波动率稳定在15%-25%区间，大幅低于2020年波动水平。

- 三季度认购skew下降，认沽skew上升，反映市场情绪偏谨慎。

• 合成空头对冲成本保持历史常态，8月有所上升，9月开始回落。

- 买入近月平值认沽期权对冲成本年化均值约26-27%，成本稳定，较2020年大幅波动明显不同[page::24~26][图38~44]。

期权组合策略建议

• 当前隐含波动率及skew特征显示买入认沽期权同时卖出更虚值认沽期权构建Put Spread策略较为合理，成本可控。

- 卖出虚值认购期权构建备兑策略性价比低，不推荐为主要对冲手段[page::27][图45,46]。

---

风险因素

• 模型风险：量化模型和机器学习模型的效果依赖假设和历史数据，可能失效。

- 市场预期大幅变化：基本面和市场环境的快速改变可能导致策略表现不及预期。

• 宏观及产业政策风险：政策突变可能对市场风格及行业分布造成剧烈影响[page::1,29]。

---

重要图表深度解读

• 图1：沪深300指数与一系列宽基指数表现，展现了2021年中小板块和科技成长板块相对强势及后期转弱过程，支持文字叙述的风格切换事件。

- 图2-3：行业收益率与波动率散点图及两月收益率相关系数，显示周期行业表现优异、波动适中，以及行业轮动的时间点，反映趋势性仍然明显。

• 图4-7：沪深300、中证500、1000空间各类因子年化超额收益，定量呈现基本面因子与价值因子的轮动，印证市场风格明显分化[page::6~7]。

- 图8-11：核心宽基指数净利润TTM增长率、一致预期增长率及ROE曲线，揭示高盈利基数背景下的成长预期减缓现象，是判断策略风格调整的基础数据。

• 图12-13：PB-ROE和PE-成长的Beta和Gamma系数历史走势，数理模型让估值的线性与非线性部分量化，为判断成长及高盈利弹性估值吸引力提供客观依据。

- 图21-24：全证空间的因子累计超额收益，验证价值因子的回暖趋势和相对价值因子策略的优越性。

• 图25-27：预期高派现及基于AH溢价策略的历史净值和表现统计，展示这两大类价值相关策略持续产生超额收益。

- 图28,30：前瞻盈利预测组合与黑马成长精选组合表现，数据量化证实基于业绩预期差异化的策略优势显著。

• 图31,32：深度学习优化IC和weighted IC过程示意及策略净值，解析机器学习提升低频量化策略的技术路径及实际效果。

- 图33,34：行业主题ETF配置的业绩预期趋势和策略表现，展示了ETF聚焦主题策略捕捉市场主线的能力。

• 图35-37：股指期货对冲成本和仓位变化，说明当前期货对冲成本合理且机构空头降低。

- 图38-46：场内期权隐含波动率、skew及对冲成本变化，提供期权市场情绪和成本的详细画像，辅助对冲策略制定。

---

估值分析

本报告没有传统意义上的公司估值，但对市场和行业估值水平进行了精细量化。

• 采用二次函数回归模型描述静态估值（PB、PE）与盈利预期（ROE、净利润增长率）之间的非线性关系。其中，线性系数Beta代表系统性估值水平，非线性系数Gamma反映泡沫化或确定性的溢价。

- 通过历史分位数对比，判断当前高盈利、高成长公司估值吸引力的相对强弱。

• 改进相对价值因子的构建，将相对估值定义为剔除成长预期影响后的残差，有效管理基本面与价值策略的风险冲突。

- ETF因子评分模型通过加权组合单只成份股因子，构建ETF多角度综合评分，指导ETF配置，定量捕捉中长期配置价值[page::8~9,13,21~22]。

---

风险因素评估

1. 模型风险：量化模型和机器学习模型的历史表现并不保证未来表现，模型过拟合、市场结构变化或数据异常可能导致策略失效。

2. 市场预期大幅变化：如宏观经济、行业景气度、市场情绪剧烈波动，可能导致相关因子或策略收益急剧变化。

1. 宏观及产业政策风险：国内外政策调控力度及方向变化，对行业尤其是周期、科技等敏感行业影响巨大，干预可能导致传统因子失灵[page::1,29]。

---

审慎视角与细微差别

• 报告普遍基于历史数据和已有市场规律推断未来，存在对突发系统性风险（如黑天鹅事件）应对不足。

- 对成长因子估值泡沫和确定性溢价的解释较为理性，但对可能的结构性成长逻辑变革预期较为谨慎，未深入探讨成长风格反弹的潜在驱动因素。

• 机器学习策略的信噪比优化方法具创新性，但深度学习落地细节和实际操作风险未充分披露，回测区间内表现不代表后续持续有效。

- 对ETF配置策略与机构投资者行为因子关联揭示，可能因数据来源及样本选择受限存在统计偏误。

• 对期权对冲策略建议合理，但期权市场流动性风险、执行复杂度风险及大幅市场震荡环境下的策略稳定性探讨不足。

---

结论性综合

本报告围绕2021年A股市场风格及量化策略演变做出全面深刻剖析，重点在于揭示市场基本面因子（成长、盈利）与价值因子的跷跷板效应以及2021年Q3之后市场风格向价值的转向。基于详实的数据和严谨的统计模型，报告：

• 明确指出核心宽基指数盈利改善后成长预期走平，成长型高ROE及高成长组合估值性价比下降，成长因子未来表现受限。

- 价值因子及改进的相对价值策略具备更大布局价值，建议关注结合AH溢价的选股、预期高派现等相关策略以分散成长策略风险。

• 业绩超预期（SUE）及行为策略表现突出，前瞻盈利预测组合、黑马成长精选组合表现靓丽，是捕捉市场机会的重要利器。

- 机器学习和深度学习的应用通过优化目标函数提升信噪比，成功实现中低频策略年化超额收益16.5%，展现金融科技的潜力。

• Beta型量化策略基于主题ETF配置获得显著超额收益，同时，期货和期权对冲成本合理，市场波动率水平适中，保障了策略实施的对冲环境稳定。

- 风险依然存在，模型、预期及政策多变性需持续关注。

图表数据贯穿全文，有力支持上述结论，提供多维度市场风格、因子表现、策略效果与对冲环境的量化画像。整体而言，报告立场客观，建议在成长预期减弱的背景下，财富管理者更应优先聚焦价值与相关量化策略配置，以实现风险调整后的稳健收益。[page::0~29]

---

以上是对《徘徊路口，价值当时——2022年量化投资策略》报告的详尽分析和解构，涵盖元数据、报告结构各章节、核心数据及图表、估值分析、风险评估及综合结论。

报告