市场风格基本构成及影响机制 [page::0][page::1]

• 风格代表具有共同特征的个股集合，受到宏观与微观变化驱动。

- 投资者共识和正反馈机制使得风格表现形成趋势效应。

成长与价值风格刻画方法及相对表现 [page::2]

• 采用市值中性化账面市值比、净利润市值比（价值因子）和季度净利润/营业利润/收入同比增速（成长因子）进行风格因子合成。

- 以风险暴露前后20%个股构建组合，周度换仓测试2010-2022年，投资表现优于常规国证指数。

赔率定义及估值水平与赔率的负相关验证 [page::3][page::4][page::5][page::6]

• 赔率定义为平均正收益与平均负收益之比，赔率>1表示预期收益大于风险。

- 通过样本内外散点图及Lowess回归验证，成长价值风格估值差与赔率显著负相关。

• 高估值水平对应“强弩之末”赔率较低，低估值阶段则存在价值洼地，赔率较高。

宏观微观因子构建胜率信号及收益表现 [page::6][page::7][page::8][page::9][page::10][page::11][page::12][page::13][page::14][page::15][page::16][page::17][page::18][page::19][page::20]

• 宏观因子包括十年国债收益率、美国六个月国债收益率、PMI、中长期贷款余额同比和CPI-PPI剪刀差，均与成长/价值胜率相关。

- 微观因子包括动量指标、强势股占比及北向资金持仓估值变动。

• 各因子择时策略均显著优于市场及风格等权基准，年化超额收益一般超过3%；强势股等指标表现尤为突出。

胜率复合指标构建及模型效果 [page::21][page::22][page::23][page::24][page::25]

• 通过对八个宏微观因子信号赋分并加总，构建复合成长/价值胜率信号。

- 结合估值对应赔率进行投资期望计算，形成成长价值轮动策略。

• 轮动模型年化收益高达32.09%，夏普比率1.20，远超市场及风格基准，表现稳健优异。

实战ETF策略回测与推广能力 [page::25][page::26][page::27][page::28][page::29]

• 以国证成长、价值及国证1000指数替代等权基准进行ETF实盘轮动测试。

- 经过成本考虑，策略仍保持年化14.61%-25.03%回报，显著超过基准指数。

• 在沪深300和中证1000相关ETF产品中均显示出7%-17%的策略超额收益，信息比率和夏普比率均具竞争力。

金融研究报告深度解构分析报告

报告题目：《如何从赔率和胜率看成长价值轮动？》
作者/机构：招商定量任瞳团队，招商证券股份有限公司
发布日期：2024年09月03日
主题：基于赔率和胜率探讨成长与价值投资风格轮动的机理及实战策略研究

---

一、元数据与概览

本报告围绕“成长风格”与“价值风格”两大主流市场风格展开研究，核心聚焦于如何利用“赔率”和“胜率”这两个概念来衡量和预测成长价值风格在不同市场环境中的轮动表现及投资价值。报告首先定义并量化了赔率与胜率，基于实证数据验证了两者与风格投资表现的关系，并构建了一个结合两者的成长价值风格轮动模型。实证测试表明，该模型在沪深300和中证1000等指数的ETF策略中均取得显著的超额收益和良好的风险调整表现，展现出较强的理论价值与实战应用潜力。主要结论包括：

• 市场风格的赔率与其估值水平呈显著负相关，高估值对应低赔率，低估值对应高赔率。

- 胜率由宏观（国债收益率、PMI、中长期贷款余额、CPI-PPI剪刀差等）与微观因素（动量、强势股比例、北向资金流向）共同驱动。

• 结合赔率与胜率计算的投资期望指标实现年化收益32.09%、夏普比率1.20的优异表现。

- 该模型不仅在理论样本内表现突出，亦在样本外和ETF实盘构建中显示稳健效果。

整体来看，报告提出的“基于胜率和赔率的成长/价值轮动模型”为风格投资提供了系统且可落地的量化策略框架，具备较高的参考价值与实用意义。[page::0,3,23]

---

二、逐章深度解析

1. 引言与市场风格形成机理（前言）

报告开篇解释了市场风格“隐形力量”的来源：

• 风格是具有某共同特征的股票集合，受到特定宏观经济和微观因素的影响，在某些环境中表现整体受益。

- 市场形成“共识”机制，投资者基于历史表现和心理预期对特定风格的股票形成标签，从而推动正反馈循环，促进风格内个股的收益共振。
例如“茅指数”与高成长赛道股的共振效应即为典型风格共识案例。该部分理论铺垫了后续对风格轮动的量化刻画基础。[page::0,1]

图1和图2形象表现了宏观因素对风格股票组合的影响（红色箭头指向带A标签的风格，蓝色箭头指向带B标签的风格），以及风格内各个体之间基于共识形成的正反馈机制。展示了宏观与微观变化导致风格内股票的趋势联动和正反馈强化效应。[page::1]

2. 成长/价值风格的量化刻画

报告选择了因子合成的方式构建成长与价值风格指数，使风格分类更为纯粹与易于操控，主要因子包括：

• 价值风格因子：账面市值比（BPLF）、净利润市值比（EPTTM）

- 成长风格因子：季度净利润同比增速、营业利润同比增速、营业收入同比增速

为避免市值影响，因子通过市值中性化以及标准化后等权复合（前20%暴露个股代表风格），采用周度换仓策略测试2010-2022时间段的风格收益表现。图3显示合成的成长价值指数相对表现明显优于使用国证指数的传统刻画，体现了方法的有效性和风格纯粹性。[page::2]

3. 赔率定义与估值关系

3.1 赔率定义

• 赔率借鉴博彩中的分数赔率概念，定义为平均正收益与平均负收益的比值，即期望收益/损失的比率。

- 赔率大于1表示获胜收益大于亏损损失，适合投资判定。

公式表明赔率通过历史收益率大于零与小于零的收益率绝对值均值计算得出。[page::3]

3.2 估值定义与假设

• 估值采用价值风格（高BP）与成长风格（低BP）个股的估值差分位数，以反映相对估值水平。

- 假设一：风格相对估值水平与赔率负相关。高估值表明市场风格被过度追捧，后续上涨空间有限，赔率低；低估值代表“价值洼地”，潜在反弹空间大，赔率高。

• 逻辑说明估值作为市场关注度的信号，同时与市场情绪和投机行为相联系。

图5与图6具体实证展示：

• 2016-2018年成长风格估值高位（分位数90%以上）对应低赔率，反之亦然；

- 2013-2014年价值风格估值变化与赔率变化成正比，低估值时期赔率恢复较快。[page::3-4]

3.3 赔率与估值关系实证检测

对2010~2012年价值风格样本内采用散点图和lowess回归拟合发现二者呈显著正相关（估值差分位数与赔率），相关系数0.8674，且样本外数据验证延续该趋势（图7、8）。成长风格实证结果同理（图9），均支持赔率与估值成负相关规律。[page::5-6]

4. 胜率定义与驱动因素分析

4.1 胜率定义

胜率定义为收益率序列正收益占比，直观表现风格走势的强弱概率，即多少比例时间该风格表现正面。[page::6]

4.2 胜率驱动因素：宏观与微观

宏观因素

• 流动性（国债收益率）：贴现率下降增加高成长股票的远期现金流价值，支持成长风格。

- 证据见图10，低国债收益率时期成长风格表现强势，对应高流动性环境。

• 基于十年期中国国债收益率和六个月期美国国债收益率构建择时信号，效果良好（年化收益22.69%和25.55%，夏普分别0.82和1.00，均显著超过市场基准）；

表1、图11-12、表2、图14-15呈现详细绩效数据和趋势图。

• 经济景气指标（PMI）：PMI升高预示经济扩张及流动性收紧，利好价值风格，PMI偏低时成长更优。指标信号基于近期短期均值与历史均值差异。表3、图16-17展示数据。

- 中长期贷款余额：同比增表示信用扩张，利于成长性投资。走势与股市大盘同步（图18），信号基于短期均值与历史均值差异，表现出色（表4、图19-20）。

• CPI-PPI剪刀差：代表企业利润空间扩大情况，剪刀差扩大利好成长，缩小利好价值（表5，图21-22）。

微观因素

• 动量：利用过去4周收益均值刻画风格延续性，动量强者更可能延续强势，策略年化收益26.47%，夏普1.02，效果显著（表6，图23-24）。

- 强势股占比：统计近5日均线短期走势占优股比例，领涨股数量多的风格更具补涨潜力，策略年化收益27.32%，夏普1.01，业绩突出（表7，图25-26）。

• 北向资金持仓估值变化：北向资金动向为机构资金流向晴雨表，持仓估值下降指向价值风格，反之成长风格。策略表现较稳健，年化收益26.47%，夏普0.62（表相关，图27-28）。

整体看，宏观因素体现经济和流动性背景，微观因素映射市场短期供需及资金行为，两者共同搭建全面胜率判断体系。[page::6-20]

4.3 胜率指标汇总与复合信号构建

报告将8个指标简明列示（表9），同时给出各指标收益表现（相对风格等权，表10）。基于指标正负信号得分进行加总复合，得分>0判成长风格占优，<0判价值占优，=0时对等权。经测试复合信号年化收益29.94%，夏普1.10，显著优于单一指标。[page::21-22]

对应收益走势与超额收益图（图29-30）展现模型的良好盈利及风控能力，复合信号对投资效果提升关键。

5. 成长价值轮动模型构建与收益表现

基于扩展窗口线性回归估计赔率，利用上述复合信号指数映射构造胜率估计后，结合赔率×胜率计算投资期望。策略规则：当期望>0时投资当前风格，反之另选。该框架使赔率与胜率有机结合，强调风险收益的均衡。

映射关系见图31，期望高对应投资胜率和赔率均较低的强势信号。

回测显示，投资期望策略年化收益32.09%，夏普1.20，最大回撤46.01%，相对市场等权超额16.85%，相对风格等权超额10.84%（表12，图32-33）。该策略不仅提升收益，也显著改善了风险指标。

6. 模型的实践测试与ETF实现

• 替换成长和价值基准为国证成长、国证价值及国证1000指数，取代前文因子合成组合，策略仍取得稳健表现，年化14.61%，显著优于基准（表13，图34-35）。

- 在沪深300和中证1000ETF及部分增强基金渠道进行回测，考虑交易成本千分之一，策略保持良好收益和风险控制能力，沪深300策略年化12.52%，信息比率0.99，中证1000策略年化25.03%，信息比率2.51（表15-16，图36-39）。

该验证显著提升模型在实际投资中的落地性与现实可操作性。[page::23-29]

---

三、图表深度解读

• 图1-2风格特征与共识正反馈示意：阐释宏观与微观因素驱动下风格股票风险暴露与趋势较高相关聚集的原理，构成风格轮动基础。

- 图3成长价值因子合成净值：清晰展现该方法相较传统国证指数风格更为纯粹，有别动态，为后续分析提供稳定基础。

• 图5-6估值分位数与超额收益趋势：表现高估值对应低收益，高赔率发生在估值低洼区，实证支撑赔率与估值负相关理论。

- 图7-9（散点与拟合）：研究估值分位数与赔率的高相关性，样本内外一致性强，建立定量判断赔率的稳健机制。

• 图10、13、18、21等宏观指标对应成长价值相对净值走势：说明国债收益率、美国美债、贷款余额、CPI-PPI剪刀差等通用宏观指标如何被市场解读为流动性与风险偏好的信号，进而预示成长价值表现。

- 图11-12、14-15、16-17、19-20、22-23等年化收益及相对收益曲线：展示各单因子基于历史数据形成的择时策略，指标整体具有一定稳定超额收益能力。

• 图23-26动量、强势股及北向资金指标效果展示：进一步体现市场短期偏好及资金流的主导作用。

- 图29-30复合信号曲线：示意多个因素复合信号同时发力的协同效应，明显优于单因子表现。

• 图31期望映射函数曲线：数学清晰展示了复合信号得分与胜率概率的非线性映射，为投资期望计算奠定逻辑基础。

- 图32-33投资期望策略盈利曲线：反映模型理论成果在实际数据上的表现卓越，提升风险调整性收益。

• 图34-39国证指数与ETF实测收益情况：表现模型从理论到市场指标、再到真实ETF或增强基金的迁移应用能力，确保实践可行性。

每张图均紧密结合文本陈述，支持作者逻辑链条，确保结论具备立体支撑。[page::1-29]

---

四、估值分析

本报告的估值核心在于利用账面市值比（BP）等指标的相对估值差异，构造风格估值分位数，并通过扩展窗口线性回归拟合历史赔率，形成赔率估计。此方法规避了绝对估值波动对风格判断的干扰，使赔率与风格估值水平的关系定量化。

胜率则依赖宏观和微观因子，包括国债收益率（贴现率）、经济景气（PMI）、贷款增长、CPI-PPI剪刀差，市场动量、强势股数量和北向资金动向等，以复合信号加权综合形成。

最后将赔率与胜率乘积作为投资期望，折射投资风格的风险收益比，实测效果优异。

该估值体系独树一帜，兼顾市场环境与局部趋势动态，增强了投资决策的科学性与时效性。[page::3,21,23]

---

五、风险因素评估

报告中风险提示明确指出：

• 本模型及结论均基于历史数据，存在一定的模型失效风险，特别是在极端或转折的市场环境中。

- 投资者需关注宏观经济、政策调控、市场流动性及风格间切换风险。

• 模型假设的未来市场行为可能发生偏离，市场心理及政策环境变化可能使得赔率和胜率估计误差增大。

报告未见对具体缓解策略说明，但通过多因子复合及样本内外验证提升了模型稳健性。[page::30]

---

六、批判性视角与细微差别

• 报告采用的赔率定义基于历史收益统计，隐含亏损仅限于过去表现，未全然反映极端亏损风险，可能低估部分事件风险。

- 胜率测度简洁但并未深入考虑收益分布的偏态或极端波动，盈亏比例与频率同时考虑可能更科学。

• 因素选取虽覆盖宏观和微观，但缺乏对更复杂市场情绪、政策因素的考虑，模型对突发宏观事件可能反应不足。

- 部分因子如北向资金持仓估值变化，受限于数据频率和公示时滞，实际操作可能存在信号延迟。

• ETF实测中交易费用采用固定费率，未考虑滑点和流动性变化对操作成本的影响，实际收益或有所差异。

- 模型理论与实证在呈现时多依赖于排位分位数截面，存在历史样本依赖风险，未来环境变化可能降低模型有效性。

总体看，报告分析扎实，方法创新，但实盘应用仍需注意模型适应性及市场环境演变风险。[page::3,30]

---

七、结论性综合

本文为投资者提供了一个创新性且系统化的成长/价值风格轮动分析和投资策略框架。报告首先从市场风格的本质机理出发，定义并量化了赔率与胜率两个核心指标，并构建多因子复合信号，实证验证了赔率与估值负相关，胜率受多线索驱动的理论假设。基于此，设计了投资期望模型，通过赔率和胜率的有机结合对成长价值风格的轮动进行定量预测。

多张关键图表（如图5-6，7-9，10，13，23，29及32）系统展示了风格相对估值与赔率的负相关关系、宏微观因子对胜率的支撑作用、以及复合信号构造的有效性，充分佐证该模型的科学性和可操作性。投资策略回测显示，模型收益稳健，夏普比率、最大回撤等指标均优于市场基准及传统等权策略，且在国证指数与沪深300、中证1000等权益ETF实盘策略中具备落地执行能力，实测年化超额收益提升显著。

风险方面，模型仍存在历史样本依赖及环境变迁带来的不确定性风险，投资者需根据市场动态合理调整。本报告为成长与价值轮动投资提供了可行且有效的量化工具，具有重要的指导价值和实用潜力。

总之，该研究深化了风格投资的系统理解与实战应用，推荐投资者基于报告方法构建动态风格配置策略，提升组合的收益风险特性。[page::0-30]

---

参考与溯源

本分析严格基于招商定量任瞳团队《如何从赔率和胜率看成长价值轮动？》（2024年9月3日）报告全文，引用页码标注详见对应文字末尾 [page::]。

---

（完）

报告