A股市场存在明显风格轮动现象，风格持续切换周期缩短 [page::3]

• 价值与成长，大盘与小盘轮番占优，估值维度风格切换加快，市值维度未出现长时间单一风格持续占优。

- 单一风格难以持续，风格轮动基金应运而生。

风格轮动基金智能识别方法及证券池构建 [page::4][page::5][page::6]

• 通过基金持仓中10个风格因子计算整体风格得分。

- 设计主动风格轮动和被动风格轮动度量公式，主动轮动衡量基金经理实际调仓带来的风格变化。

• 使用“绝对主动轮动”指标对基金进行排序，连续三期排名靠前为风格轮动型基金，反之为风格稳定型。

- 风格轮动型基金数量2016年以来逐年增长，且轮动基金平均规模较小，换手率较高，持仓行业配置和风格暴露变化较大。

风格轮动型基金组合表现优于稳定型及偏股混合型指数 [page::6][page::7]

| 组合 | 年化收益率 | 年化波动率 | 夏普比率 | 年化超额收益率 |
|---------------|------------|------------|----------|----------------|
| 风格稳定型基金 | 6.73% | 19.04% | 0.35 | -1.20% |
| 偏股混合型基金指数 | 8.21% | 18.00% | 0.46 | — |
| 风格轮动型基金 | 10.98% | 19.80% | 0.55 | 2.91% |

• 风格轮动基金组合收益领先但年化超额收益有限。

风格轮动优选因子构建与测试 [page::8][page::9][page::10]

• 构建主动轮动收益因子与截面风格收益因子，通过回归获得风格因子收益，结合三期滚动平均提升稳定性。

- 因子IC分别为7.03%（主动轮动收益）与8.30%（截面风格收益），合成因子IC为9.12%。

• 因子多空组合年化收益率分别为4.01%、5.40%，合成因子达5.04%，夏普比率0.63，均显示良好预测能力。

风格轮动型基金优选组合回测表现优异 [page::12][page::13]

| 统计指标 | 优选组合 | 轮动型基金组合 | 偏股混合型指数 |
|------------------|-------------|--------------|--------------|
| 总收益率 | 176.36% | 109.43% | 82.92% |
| 年化收益率 | 16.01% | 11.41% | 9.22% |
| 年化波动率 | 19.83% | 19.56% | 17.84% |
| 夏普比率 | 0.81 | 0.58 | 0.52 |
| 最大回撤 | 27.59% | 31.06% | 30.19% |
| 年化超额收益率 | 6.57% | 2.37% | — |
| 策略信息比率 | 0.90 | 0.61 | — |

• 优选组合2017-2022年均跑赢偏股混合指数，2020-2022年超额收益显著。

- 2022年优选组合实现10.42%超额收益，样本外表现稳定。[page::13]

风险提示及模型限制 [page::0][page::14]

• 历史数据回测不代表未来结果，模型可能受市场环境和交易成本变化影响失效。

- 风格轮动频繁的基金并非必然带来收益，基金经理的研判能力是关键。

金融研究报告详细分析报告 — 《风格轮动型基金智能识别与量化优选》

---

一、元数据与概览（引言与报告概览）

• 报告标题：《风格轮动型基金智能识别与量化优选》

- 作者及联系人：金融工程组分析师高智威（执业号 S1130522110003），联系人赵妍

• 发布机构：国金证券金融工程团队

- 发布日期：无具体发布日期，报告时间范围提及数据截止至2023年初

• 研究主题：主动权益型基金中的风格轮动，特别是基于量化方法智能识别风格轮动型基金，并对其进行优选以实现超额收益

报告核心论点总结如下：

• A股市场近年呈现明显的投资风格轮动特征（价值与成长、大盘与小盘轮换占优），固定风格难以持续超额收益；

- 识别并配置主动进行风格轮动的基金经理，利用基金经理的风格配置权实现基金组合的风格轮动；

• 通过对基金持仓数据进行多维度风格因子刻画，建立主动风格轮动指标，从而智能筛选出风格轮动型基金；

- 构建两个因子（截面风格收益因子、风格轮动收益因子）对风格轮动基金未来业绩进行预测，通过合成因子提升预测能力；

• 优选组合在2016年至2023年期间表现优于基准，尤其在2020年至2022年表现突出；

- 风险提示明确数据和模型基于历史，未来市场环境变化可能导致模型失效及策略收益风险。

此报告充分强调量化、智能化识别风格轮动基金的技术路径及方法，目标在于为基金投资者或FOF管理者提供系统化的风格轮动基金筛选与优选工具，以获取超额收益。[page::0]

---

二、逐节深度解读

2.1 风格持续切换，轮动型基金存在配置需求

• A股风格轮动现象：报告指出近几年A股市场风格轮动明显，主要表现为价值股与成长股、大盘股与小盘股轮番占优。具体量化研究基于“国证风格指数”，统计估值与市值两维度单一风格连续占优季度数，显示2016年3季度至2020年2季度内估值维度有多个连续优势期，但自2020年三季度以来风格轮动加速，成长与价值季度之间频繁切换；市值维度未出现长期连续优势，体现市场多元格局。
• 图表解读：

- 图表1（成长VS价值累计收益率）与图表2（大盘VS小盘累计收益率）清晰显示两种风格之间的收益交替，表明市场投资风格频繁变化。
- 图表3和图表4分别总结了估值维度和市值维度连续占优季度的数量，其中没有长期单一主导风格的稳定期，验证了轮动行情的存在。

• 投资启示：传统固守某一风格的策略在此背景下难以长期持续获利，基金管理人及投资者需面对风格快速变化的市场。[page::3]

2.2 风格轮动型基金与风格稳定型基金的对比与理论支持

• 基金风格轮动与稳定：

- 固定风格难持续获益，但频繁调整也会增加交易成本。
- 对FOF管理者来说，管理权转移给主动轮动基金经理是一种解决方案，避免自身判断和频繁调仓压力。

• 理论支撑：报告引用Russ Wermers（2012）和Yezhou Sha（2020）的研究，均证实“风格漂移”的存在和积极轮动对基金表现有正面影响，特别是基金规模小且交易活跃的基金经理表现更佳，且风格漂移体现强择券能力。
• 定量划分：基于既有研究，将风格漂移分为主动轮动（基金经理调仓行为）和被动轮动（行业及个股风格暴露变化造成），后续通过定量指标度量主动轮动以甄别基金类型。[page::3]

2.3 风格轮动型基金的智能识别：基金池构建与风格因子体系

• 基金池构建：

- 研究对象限定为沪深交易的主动权益型基金（普通股票型及偏股混合型基金）；
- 剔除港股及北交所股票持仓，对A股权重不足50%的基金不纳入样本，保证持仓数据代表性；
- 仅在中报和年报披露后利用持仓数据刻画基金风格，确保季度完整性。

• 风格因子体系扩展：

- 传统基金风格刻画采用市值、账面市值比、动量三个因子；
- 本报告拓展至10个风格维度：Beta、Momentum、Size、Earning Yields、Residual Volatility、Growth、Book To Price、Leverage、Liquidity、Nonlinear Size，全面覆盖股价波动、成长性、估值、杠杆等多个方面，有利于精确捕捉基金风格特征。

• 风格度量模型：基金风格通过基金持仓权重加权对应股票风格暴露计算得出整体风格分值，动态追踪基金风格变化。[page::4]

2.4 主动与被动风格轮动指标设计与分析

• 指标定义：

- 总风格轮动指标 (TSD)：反映基金风格得分在连续期的差异；
- 被动轮动 (PSD)：因基金未调仓，持仓股票风格暴露及股价变动引起的自然变化（采用买入并持有模型计算权重调整）；
- 主动轮动 (ASD)：实际持仓权重和买入持有权重的差值体现基金经理主动调仓行为的风格变动。

• 特性分析：

- 图表7显示主动和被动轮动整体呈反向变化，暗示多数基金经理维持某一稳定风格活跃调整权重；
- 为避免多风格维度轮动相互抵消，额外引入绝对主动轮动和绝对被动轮动指标（各因子绝对值求和），更合理量化轮动强度；
- 图表8和图表9进一步验证绝对轮动指标的有效性和稳定性。

• 基金风格轮动智能识别方法：

- 基于绝对主动轮动指标对基金排序，连续三期轮动指标处于前Q%的基金认定为风格轮动型，处于后Q%认定为风格稳定型，基金经理任职时间不足3期者排除以避免换帅影响。

• 风格轮动及稳定基金数量趋势：

- 图表10、11展示从2011年至2022年风格轮动和稳定型基金数量均呈现增长趋势，说明市场对风格轮动的关注和表现检测持续加强。
- 2016年后风格轮动基金数量增长明显。

• 净值及收益表现：

- 图表12回测显示不加选择的风格轮动型基金组合年化收益率（10.98%）高于偏股混合型基金指数（8.21%），风格稳定型基金表现最差（6.73%）。
- 然而风格轮动型基金组合相对基准仅有2.91%的超额收益，提示存在进一步优选的空间。[page::5][page::6][page::7]

2.5 风格轮动基金特征分析

• 基金规模与换手率：

- 轮动型基金平均规模明显小于稳定型基金（图表14），这符合预期，因为大规模基金调整难度更大；
- 换手率显著高于稳定型基金（图表15），体现轮动型基金积极调仓特征。

• 行业配置差异：

- 以样本基金A(轮动型)和基金B(稳定型)为例，基金A两个报告期行业配置变化较大，基金B相对稳定（图表16、17）；
- 说明轮动型基金在行业间也存在较大的灵活调度。

• 风格暴露变化：

- 基金A风格暴露波动幅度明显大于基金B（图表18、19），进一步验证分类精准。

综上，轮动型基金表现出基金经理积极调整持仓、调节风格暴露的管理特征。[page::7][page::8]

2.6 风格轮动型基金的量化优选

• 构建风格轮动收益因子：

- 基于基金主动轮动的方向与各风格因子收益方向的匹配程度，计算主动轮动收益(ASD_R)；
- 同时计算截面风格收益因子(SR)，即基金风格暴露乘以风格因子收益的收益贡献。

• 前瞻性指标意义：

- 主动轮动收益反映基金经理是否成功研判未来风格收益，是动态反映风格择时能力的指标，适用于基金优选；
- 截面风格收益体现基金现有风格的阶段性收益效果，反映存量配置收益水平。

• 因子测试方法：

- 采用信息系数(IC)和分组多空组合测试；
- IC测量因子与下一期基金收益的相关性；
- 分组测试将样本内风格轮动基金分为五组，衡量不同因子分值对应收益差异。

• 单因子表现：

- 主动轮动收益因子(IC约7.03%)和截面风格收益因子(IC约8.30%)均对未来收益有积极预测作用（图表21、22）；
- 截面因子SR表现更稳健，年化多空收益率5.4%，夏普0.59；
- 主动轮动收益因子年化多空收益4.01%，夏普0.67（图表23-28）。

• 因子合成：

- 由于两因子相关度低(0.11)，采取等权线性合成，提高策略稳定性和抗干扰性；
- 合成因子信息系数提升至9.12%，多空组合年化收益率5.04%，最大回撤降至4.58%，夏普0.63（图表29-33）；
- 合成因子表现出更清晰的收益分层和较好风险调整后回报。

• 优选组合构建及回测结果：

- 在风格轮动型基金池中剔除量化基金、小规模基金后，选取合成因子排名前10%基金构成优选组合；
- 回测区间：样本内2016年3月至2022年10月，样本外2022年11月至2023年1月；
- 优选组合年化收益16.01%，高于非优化轮动基金组合11.41%，超越偏股混合型基准9.22%（图表34、36）；
- 优选组合费后年化超额收益6.57%，信息比率0.90，2017-2022年均跑赢基准，2020-2022年超额收益尤为显著；
- 2022年实现10.42%超额收益，其中样本外跟踪11-12月超额3.86%（图表37）。

报告由此明确风格轮动基金优选不仅识别基金轮动行为，更挖掘轮动效果优异的基金经理，实现能持续带来超额收益的基金组合构建策略。[page::8][page::9][page::10][page::11][page::12][page::13]

2.7 风险提示

• 报告提醒模型和策略基于历史数据，无法保证未来同样有效，在市场环境变化或交易成本变化时策略可能失效甚至亏损；

- 强调历史表现不代表未来，投资者应留意策略风险。[page::0][page::14]

---

三、图表深度解读

风格轮动行情相关图：

• 图表1-2：2017年以来成长与价值、大盘与小盘在累计收益率上的交替走势，反映市场风格转换频繁。2018年末至2021年初大盘成长曾显著领先，随后到2022年末明显回落，增长与价值之间波动剧烈，显示单一风格难以持续。

- 图表3-4：估值和市值维度上连续季度单一风格占优的数量，整体较短且无显著长周期，轮动加速明显。

风格轮动指标图：

• 图表7：主动轮动与被动轮动指标呈明显逆向波动，说明基金经理主动控制风格漂移，并非被动接受市场变化；

- 图表8-9：通过绝对值求和避免不同风格方向性抵消，真实体现轮动强度，显示主动被动轮动程度波动较为同步但不完全一致；

• 图表10-11：风格轮动/稳定型基金随着时间增长，Q=30/40/50不同阈值对应的基金数量均呈增长，2016年前后风格轮动基金快速增长。

风格轮动型基金特征图：

• 图表14-15：轮动型基金规模显著低于稳定型，单纯的规模影响轮动难度；换手率远高于稳定型，体现频繁调仓特征。

- 图表16-19：典型基金样本展示，轮动型基金行业配置变化大，风格指标波动大；稳定型基金风格较为平稳，说明区分有效。

因子测试及优选组合表现：

• 图表20-28：因子单独测试结果显示两个主因子有效性，IC虽不高但稳定，分位数组合显示明显收益分层，胜率及夏普均优良，多空组合稳步增长。

- 图表29-33：合成因子提升了预测能力和稳定性，净值稳步攀升，最大回撤降低，夏普比率提升，表明组合策略风险收益水平改善。

• 图表34-37：优选组合的回测净值及超额净值大幅优于基准及轮动型基金组合，分年度超额收益显示2017年后持续优异表现，特别是2020-2022强劲，样本外表现亦佳。

---

四、估值分析

本报告并非对单个标的进行估值分析，而侧重于基金组合构建及择基策略。其“估值”主要体现为基于量化因子检测及组合优化的收益测算：

• 利用因子信息系数(IC)、多空组合收益率、夏普比率等量化指标作为策略价值评估；

- 交易成本计入模型确保收益指标的现实有效性；

• 无传统DCF或市盈率估值，策略表现即为估值参考。

---

五、风险因素评估

报告明确了以下风险：

• 依赖历史数据统计，未来市场结构变化可能导致模型失效；

- 交易成本或市场条件变化可能影响策略收益，甚至导致亏损；

• 因子及模型存在失效风险乃市场投资固有属性。

风险提示言简意赅且客观，未提供特定缓解方案，但充分提醒了投资者注意策略局限及风险。[page::0,14]

---

六、批判性视角与细微差别

• 数据限制：剔除港股和北交所股票部分，可能忽略部分基金重要持仓，尤其在近几年北交所快速发展背景下，模型适用性需关注此影响；

- 因子IC较低：虽然IC为正且稳定，但绝对值不高，说明预测能力是边际而非完全决定性，仍需关注模型在不同市场周期表现的稳健性；

• 换手率较高：频繁调仓带来交易成本，报告对交易成本仅粗略设定0.25%，实际市场执行成本可能更高，尤其在急剧风格切换时风险上升；

- 基金经理更替影响：剔除基金经理变动少于3期数据虽合理，但无法完全避免经理更替带来的风格短期扰动，可能影响模型判定；

• 样本外验证有限：样本内和样本外阶段仍有限，未来需跟踪验证模型持久性；

- 风险提示简略：无具体风险缓解措施，策略稳定性及风险管理可深化。

综上，模型设计严谨，量化综合且学术结合强，但仍存在因数据区域限制、交易成本与市场环境变动风险，使用时宜谨慎结合实际运作考量与市场环境调整。

---

七、结论性综合

本报告由国金证券金融工程团队基于系统的量化研究，针对A股市场频繁的风格轮动现象，提出了创新的基金风格轮动智能识别与优选框架。通过：

• 引入10维风格因子全面刻画基金持仓风格，

- 细分主动和被动风格轮动，设计绝对值轮动指标捕捉真实主动行为，

• 通过连续三期指标排名稳定筛选风格轮动型基金，

- 基于截面风格收益因子和主动轮动收益因子构造预测因子，并进行因子合成以优化稳定性，

• 构建风格轮动型基金优选组合，实现了较显著的超额收益和良好的风险调整回报，

系统地验证了风格轮动型基金组合优于风格稳定基金及偏股混合型基金指数的业绩表现，且优选组合在2020-2022年表现尤为突出，策略在样本外阶段依然保持了稳健性。报告充分展示风格轮动基金表现背后的基金经理积极调仓和择时能力，同时也揭示规模、换手率、行业配置和风格暴露波动等关键特征区别，为投资者提供系统化的量化选基工具和选基思路。

需要重点关注的是本策略收益基于历史数据，在未来市场演变、交易成本变动及基金经理变动等因素作用下，模型可能失效，投资者须结合风险提示慎重使用。

总结而言，报告以严密的量化方法论构建了风格轮动基金智能识别和优选路径，合理利用市场风格的动态切换特征，推动主动基金管理层面风格轮动能力的真正识别和利用，体现了当前市场环境下的基金投资策略革新方向。[page::0,3,4,5,6,7,8,9,10,11,12,13,14]

---

附：关键图表示例（部分）

1. 图表1成长VS价值累计收益率

1. 图表7基金主动轮动和被动轮动整体反向

1. 图表12风格轮动型、风格稳定型基金与偏股混合型基金指数回测净值曲线

1. 图表29合成因子IC测试结果

1. 图表34风格轮动型基金优选组合(Q=50)净值

---

总体评价：

国金证券此次深入解析风格轮动基金的赛道，通过原创性指标设计和实证检验，成功实现风格轮动型基金的量化识别和优选，体现了主动权益基金管理中风格轮动能力的重要价值和可操作性，为资管客户、FOF管理人及量化投资者提供了极具价值的工具和思路，具有较强的理论深度和实践指导价值，同时报告风险提示明确，分析条理清晰，是一份严谨且值得信赖的专业研究报告。

报告