宽基指数优选策略整体框架概述 [page::5]

• “Alpha+双Beta”体系由宏观Beta、技术Beta与Alpha因子构成，通过季度换仓选出最优2或3个指数。

- 截止2023年10月，纳入备选的宽基指数包括沪深300、中证1000、万得微盘股等[page::0][page::5]。

备选指数池构建及微盘股指数特征分析 [page::6][page::8]

| 指数名称 | 代码 | 基期 | 今年以来涨跌幅 |
|--------------------|----------------|----------------|---------------|
| 万得微盘股指数 | 8841431.WI | 1999-12-30 | +39% |
| 中证800 | 000906.SH | 2004-12-31 | -7% |
| 基金重仓指数 | 8841141.WI | 2018-07-20 | -14% |

• 万得微盘股指数收益率与其他宽基指数显著偏离，独立行情明显。

- 剔除微盘股后指数走势趋于一般宽基指数走势，模型稳健性测试纳入此因素[page::7][page::8]。

宏观Beta策略构建与回测结果 [page::9-15]

• 通过弹性网络模型利用宏观指标预测风格因子多空收益，映射到指数优选。

- 持仓2个指数年化超额收益约9.1%，季度胜率63.6%；持仓3个指数年化超额7.1%[page::14]。

• 近12季度指数推荐排序，2023年10月看多微盘股、科创50和创业板指[page::14]。

技术Beta策略构建与回测结果 [page::15-21]

• 构建涵盖趋势型和震荡型技术指标池，结合“长期+短期”滚动窗口筛选有效指标加权复合。

- 持仓2个指数年化超额收益可达15.5%，持仓3个12.4%，季度胜率分别为70.9%和72.7%[page::20-21]。

• 相关指标IC分布显示部分指标具反转效应，滚动窗口筛选确保策略稳定性[page::18-19]。

宽基Alpha策略构建与回测结果 [page::23-28]

• 基于低估值、高换手、动量三维度因子构建Alpha因子，通过滚动窗口最优化权重复合。

- 持仓2个指数实现16.3%年化超额收益，季度胜率71.4%；持仓3个指数年化超额10.7%[page::27-28]。

• 多因子复合框架提高稳健性和持续超额能力[page::26-27]。

复合策略及组合优化 [page::30-33]

• 构建分仓等权复合与因子等权复合两种模式，分仓复合年化超额14.2%-10.4%，因子复合年化超额10.6%-11.0%。

- 两种复合方式均实现稳定超额收益，近期组合偏好微盘股、中证1000等指数，有效分散风险[page::31-33]。

纳入微盘股的稳健性验证 [page::35-37]

• 剔除微盘股指数后，三大策略均保持Alpha存在但超额收益显著下降，分仓复合策略持仓2个指数年化超额3.6%，季度胜率62.6%。

- 结合中银证券此前报告优化宏观Beta因子，预期提升模型有效性。

• 强调投资者关注模型历史数据风险及市场阶段性失效风险[page::35-37]。

中银证券《纳入微盘股指数的宽基指数优选配置策略》报告详尽分析

---

一、元数据与报告概览

• 报告标题：纳入微盘股指数的宽基指数优选配置策略

- 作者及机构：中银国际证券股份有限公司，证券分析师郭策

• 发布日期：2023年10月

- 主题：针对宽基指数（包含沪深300、中证1000、万得微盘股指数等）构建优选配置策略，结合Alpha因子与双Beta因子构建“Alpha + 双Beta”策略体系，旨在从量化视角挖掘能够跑赢基准指数（中证800）的指数标的。

• 核心观点：

- 把握经典多因子的Alpha收益，同时抓取宏观与技术Beta收益，通过机器学习和技术指标筛选指数优选组合。
- 新增万得微盘股指数至备选池，考虑其明显不同的收益特征，针对模型稳健性有剔除微盘股的补充测试。
- 以季度换仓为周期，结合各子策略与复合策略，推荐2至3个优质指数，展现稳健的超额收益和胜率。

• 推荐：本次最新换仓的因子等权复合模型，推荐买入万得微盘股指数、中证1000、中证红利。

- 风险提醒：模型基于历史数据，存在历史规律未来失效风险。[page::0, 5, 34, 39]

---

二、逐节深度解读

1. 宽基指数优选配置策略概述（第5页）

• 策略框架：以Alpha因子和“双Beta”因子（宏观Beta、技术Beta）复合形成策略体系。

- 宏观Beta：从宏观经济指标出发，结合风格因子，运用机器学习构建风格预测模型，进而优选指数组合。

• 技术Beta：利用价格、成交量、换手率等构建多周期技术指标池，实现行情择时和指数优选。

- Alpha因子：以个股多因子研究映射构建指数配置因子，覆盖估值、换手率、动量三大维度。

• 换仓周期：季度。

- 持仓数量：每期2或3个指数。

• 本章同时展示了整体策略框架示意图（图表1），阐述了后续章节的逻辑安排。[page::5]

2. 回测框架及备选指数池（第6-8页）

• 备选指数覆盖：

- 核心指数包括沪深300、中证500、科创50、中证1000、创业板指、中证100、中证800、中证红利指数、基金重仓指数、万得微盘股指数。
- 以中证800为基准指数。

• 回测区间：2010.01.04至2023.10.09。

- 换仓机制：季度换仓，基于末期交易日因子，次季首个交易日执行换仓。

• 持仓结构：每期持有2或3个指数。

- 指数流动性及机构关注度考量：
- 结合ETF跟踪数量和规模，剔除类似指数，保障指数代表性和流动性。
- 明确万得微盘股为主要包含市值后400个股，不含ST及退市整理股，且其收益特征明显区别于其他宽基指数。

• 收益差异显著：

- 万得微盘股指数2010年以来表现远优于其他宽基指数，2023年迄今涨约39%，同期中证800跌7%。
- 为模型稳健性考虑，报告附录中展开剔除万得微盘股的策略有效性验证。

• ETF跟踪规模及数量统计图表（图表3、4）和指数历史走势（图表5、6）均体现了微盘股指数的独特表现。[page::6, 7, 8]

3. 基于宏观指标的指数优选策略（第9-14页）

• 传统方法不足：

- 直接利用宏观基本面数据对指数未来收益预测效果有限，宏观情景难完全复制历史环境，A股历史较短增强了预测难度。

• 提出的新思路：

- 通过风格因子作为桥梁，从宏观指标映射指数风格变动，实现指数轮动。

• 框架细化为四部分：

1. 基本面指标构建：精选经济增长、通胀、货币、信贷、市场情绪指标，详见图表10、11（含处理时滞及当前值和边际变动计算方式）。
2. 风格特征因子构建：侧重估值、动量、市值三大风格，做多高估值或成长等极端分布指数，空低估值等等级分布指数，构造多空风格因子（图表12、13）。
3. 风格择时模型构建：利用弹性网络模型，结合历史10年滚动窗口，用宏观指标预测下一期风格多空收益，参数利用GridSearch交叉验证实现最优（图表14-15）。
4. 指数优选映射与回测：风格预测结合指数的估值、动量、市值Zscore打分映射成指数得分，选出得分最高的2或3指数持有（图表16）。

• 回测表现：

- 持仓2指数获得9.1%年化超额收益，胜率63.6%。
- 持仓3指数获得7.1%年化超额收益，胜率63.6%（图表17-22）。
- 超额收益分布右偏，季度超额收益多集中在-10%至20%。
- 净值及超额净值走势显示稳健上涨趋势。

• 推荐持仓指数近期多为微盘股、科创50、创业板指等成长属性指数。[page::9-14]

4. 基于技术指标的指数优选策略（第15-22页）

• 技术指标构建：

- 通过价格、成交量、换手率数据，构建89个趋势型与震荡型技术指标因子（图表25-27）。
- 指标包括MACD、AMA、VHF、RSI、KDJ等经典指标，覆盖长期与短期（21、63、126、252交易日等）周期。

• 技术指标特征评估：

- 指标“当前值”及“窗口IC值”显示近半指标存在反转特征，定量评价了择时IC（信息系数）的有效性（图表28）。

• 因子复合：

- 采用“长期+短期”滚动窗口合成技术因子，筛选IC绝对值超过阈值（0.03、0.05、0.08）的有效指标，等权复合形成技术Beta因子（图表29、30）。

• 回测表现：

- 持仓2指数年化超额收益高达15.5%，持仓3指数年化超额收益约12.4%，胜率超过70%（图表31-36）。
- 超额收益分布右偏，主要集中在-10%至20%区间。

• 近期配置多偏向万得微盘股、中证红利、中证1000等指数（图表37-38）。[page::15-22]

5. 宽基指数配置的Alpha策略（第23-28页）

• 因子构建：

- 映射个股多因子成果，聚焦低估值（预期PE倒数的边际变动）、高换手率（换手率及波动率）、动量（12月收益率）三个维度（图表40-41）。

• 单因子测试：

- 各因子均表现出稳定的超额收益和较高的胜率，动量因子表现尤为突出（年化超额可达15.7%，胜率64%以上）。
- 各因子净值和超额走势稳定，见图表42-50。

• 多因子滚动复合：

- 采用过去1-3年滚动窗口内Alpha均值筛选正向因子，基于夏普比率最优化赋权，得出组合因子（图表51-52）。

• 回测结果：

- 多因子Alpha因子策略年化超额收益区间约为7.6%-16.3%，胜率超过70%。
- 超额收益分布右偏，胜率和回撤均合理（最大回撤约42%-53%），净值与超额净值显著跑赢标普指数（图表53-60）。

• 近期优选标的多为万得微盘股、中证500、中证红利等。[page::23-28]

6. 策略复合与回测分析（第30-33页）

• 复合方式：

- “分仓”等权复合：三类子策略权重均等分配，每个子策略内部持仓等权，若多策略重仓同一指数，权重累加叠加持仓比例（图表61）。
- 因子等权复合：对三类策略中指数rank进行等权加总，获得综合rank排序，选出top2/top3优选指数（图表62）。

• 回测表现(Top2)：

- 分仓等权复合年化超额14.2%，胜率68.7%，最大回撤44.2%。
- 因子等权复合年化超额10.6%，胜率66.7%，最大回撤50.8%（图表63-65）。

• 回测表现(Top3)：

- 分仓等权复合年化超额10.4%，胜率69.3%，最大回撤48.0%。
- 因子等权复合年化超额11.0%，胜率70.4%，最大回撤47.1%（图表66-68）。

• 最新季度配置推荐涵盖万得微盘股、中证1000、中证红利、中证500、科创50等（图表69-73）。[page::30-33]

7. 附录：剔除微盘股的策略稳健性验证（第35-37页）

• 背景：鉴于万得微盘股指数收益特征显著，为确保策略稳健性，进行剔除微盘股后效果验证。

- 复合策略表现：
- 分仓复合持仓2指数年化超额3.6%，胜率62.6%；持仓3指数年化超额2.6%，胜率69.3%。

• 子策略：

- 宏观Beta策略表现较弱且无明显超额。
- 技术Beta及Alpha策略仍实现稳定正Alpha，尽管表现明显下降（技术Beta持仓2指数超额5.3%，Alpha持仓2指数超额4.4%）。

• 相关图表为73-84，表现净值仍优于基准，说明微盘股指数能有效提升策略整体表现，但除去后策略依然稳健。[page::35-37]

---

三、图表深度解读示例

• 图表5（备选指数池回测区间走势）：展示从2010年到2023年10月9日十个宽基指数的累计净值走势。显著看到万得微盘股指数的走势远超其他指数，曲线持续向上，体现微盘股极强的收益能力，成为策略引入的关键理由。

- 图表14（弹性网络构建风格因子）：示意了弹性网络模型滚动窗口的训练和样本外预测过程，确保模型无未来数据泄漏。该图强化了模型的严谨性及实用性。

• 图表31（技术Beta策略年化超额收益率）：详细罗列不同滚动窗口及IC阈值下的收益表现，最优参数下年化超额收益达到15.5%，说明技术因子池的有效组合及择时能力。

- 图表63（不同复合方式回测结果top2）：对比Alpha、技术、宏观、分仓复合、因子复合五种策略的年化超额收益、回撤、胜率非常直观，突出分仓策略在年化收益和最大回撤的权衡优于因子复合。

• 图表74-75（剔除微盘股复合策略净值和超额净值走势）：显示剔除微盘股后模型仍有稳健表现，但收益幅度受到影响，提醒用户关注微盘股对整体策略的贡献和风险。

- 以上详尽图表联动文本阐释支持报告结论，展示了策略的完整构建链路及业绩表现。[page::5, 8, 12, 31, 35]

---

四、估值分析

本报告以指数优选策略回测和因子构建为核心，未直接涉及单独的股票估值模型或企业估值，如DCF、P/E估值法等，而是关注指数层面的多因子定量分析和择时，强调Alpha和Beta因子的构建与复合，以实现基准指数超额收益。

---

五、风险因素评估

• 历史数据失效风险：所有模型基于历史数据构建，历史规律未来可能失效，预测准确度下降风险高。

- 市场环境变化：经济、政策环境或市场结构突变可能破坏模型的稳定性。

• 指标滞后性与噪音：宏观经济指标、技术指标及风格因子存在滞后或低信噪比，导致选择信号失真。

- 微盘股特殊风险：微盘股指数表现独特但流动性和波动性较差，过度依赖可能带来策略风险。

• 模型复杂性和参数灵敏度：弹性网络及复合因子模型对参数选择敏感，可能导致过拟合或预测不稳定。

- 报告明确提示投资者重视基于历史数据建模的模型失效风险，并未特别给出缓解方案，建议投资者结合实际动态监控调整策略。[page::0,39]

---

六、批判性视角与细微差别

• 微盘股指数的特殊性：

- 该指数的高收益贡献显著，本报告虽对剔除测试做了补充，但严格的独立验证模型稳健性的力度有限。策略表现依赖微盘股指数带来的额外Alpha，存在潜在风险集中。

• 因子选择限制：

- 宏观Beta重度依赖风格因子桥梁，假设风格轮动机制稳定，但该假设在A股历史较短且样本有限的市场环境中，稳健性需持续验证。

• 技术指标反转信号的滞后与复杂：

- 报告指出技术指标的反转和动量特性并存，实际操作中可能存在交易信号过多、择时失准风险。

• 复合策略表现权衡：

- 分仓复合在收益和最大回撤表现上优于因子复合，说明简单加权在风险配置上更合理，但这也可能牺牲部分Alpha潜力。

• 未经说明的模型参数细节：

- 报告中部分模型参数（如弹性网络正则化参数alpha、rho）及选股因子具体计算方法未详尽披露，不便于完全复制和验证。

• 行业和公司层面信息缺失：

- 报告聚焦指数层面，未涉及行业配置或个股基本面深度分析，限制了对微观驱动的理解。

整体而言，报告基于严谨建模和丰富数据，策略设计全面，但对模型潜在假设的敏感度及部分特定指数可能带来的系统性风险仍需注意。[page::9,12,18,30]

---

七、结论性综合

中银证券本报告系统地构建并验证了“Alpha+双Beta”宽基指数优选配置策略，围绕宏观Beta因子、技术Beta因子以及Alpha因子三个子策略，结合机器学习及技术指标，实证显示策略在过去13年内均实现显著的超额收益和较高的胜率。纳入万得微盘股指数加强了收益表现，尤其是在Alpha和技术Beta策略中贡献显著。

• 宏观Beta因子借助宏观经济指标和市场风格中介，策略年化超额收益稳定约7%-9%，表现较为稳健但超额相对有限。

- 技术Beta因子依托大量长期、短期技术指标复合，表现最佳，年化超额收益可达12%-15%，胜率超过70%，且超额分布明显右偏，表明择时能力和择标能力俱佳。

• Alpha因子映射个股三大经典因子维度，通过滚动窗口筛选并最优化加权组合，表现稳定且收益突出，年化超额10%-16%，周期稳健。

- 复合策略体现两种加权方法，“分仓”等权复合在风险控制和收益权衡上优于因子等权合成。

• 微盘股指数的纳入显著提升模型整体收益，同时其独特风险对策略产生影响，附录充分考察剔除情况，确认策略依然稳健但超额收益减少。

- 最新推荐组合偏重万得微盘股指数、中证1000、中证红利、中证500、科创50等成长和价值兼具的宽基指数，反映策略对市场风格变化的敏感捕捉。

• 风险提示反复强调模型基于历史数据，未来可能失效，建议投资者持续动态跟踪和风控。

综上所述，该报告提供了一套系统的、基于宏观风格、技术指标和Alpha三因子的宽基指数配置框架，具备良好的实证表现和应用价值，对于量化策略设计者和机构投资者在宽基指数资产配置方面具有参考借鉴意义。[page::0,5,34]

---

附录：重要图表示例（部分）

---

总结

本报告构建的“Alpha+双Beta”宽基指数优选配置策略，融合了宏观经济视角的风格轮动、技术指标的多周期择时以及多因子Alpha逻辑，三者复合加强策略收益和稳健性。通过充分历史回测，策略展现出良好超额收益和胜率表现，特别是技术Beta与Alpha因子贡献突出。纳入微盘股指数显著提升组合收益，同时附随内生风险，模型剔除微盘股后依然具备一定超额能力。最终复合策略推荐多样化持仓，充分捕捉市场变化。风险方面主要关注模型的历史依赖性与参数敏感性，提醒投资者持续关注实时市场环境的变化。整体上，该体系为基于量化方法的宽基指数投资配置提供了科学和实用的方案。

---

报告