国内外资产存在统一的市场因子和风格因子 [page::3][page::4][page::5]

• 通过2007-2023年国内外股、债、商资产的主成分分析，验证存在同步的市场因子及风格因子，国内外因子相关系数均居高，证明统一因子框架的合理性。

残差动量构建及应用于全球大类资产配置 [page::6][page::7]

• 利用包含全球股、债、商的4个自变量构建多元线性回归模型，定义最近12个月残差之和为残差动量。

- 回测覆盖2007-2023年，基准为20资产风险平价组合，残差动量优选组合年化收益3.72%，夏普比率1.15，最大回撤降低至-8.11%。

残差动量与普通动量对比及结合效果 [page::8][page::9]

• 普通动量提升收益同时带来更大回撤，残差动量与普通动量相关性虽高但在极端市场阶段分歧。

- 两者结合构造综合动量，年化收益提升至3.83%，最大回撤进一步压缩至-8.02%，换手率稍降低。

残差动量应用于全球行业轮动 [page::10][page::11]

• 选用MSCI发达与新兴市场20个一级行业指数，残差动量策略年化收益9.99%，夏普0.63，结合普通动量后年化收益提升至10.45%，夏普提升。

国内行业轮动策略与改进残差动量 [page::12][page::13][page::14][page::15][page::16]

• 国内结合6因子的多元线性回归计算残差动量，发现残差动量存在波动率最高月份的反转效应，通过反转调整获得改进残差动量。

- 改进后因子提升行业轮动年化收益至14.79%，夏普0.64，最大回撤降低。

• 与综合景气度因子结合，构建软耦合策略，年化超额收益提升至17.34%，引入防御信号后进一步提升至18.02%，最大回撤缩减至-29.05%。

国内ETF轮动策略及发达国家ETF引入 [page::18][page::19][page::20]

• 选取49只国内主流股票、宽基及大宗商品ETF，采用改进残差动量轮动策略，获得年化超额收益12.43%-13.90%，夏普比率提升0.56-0.68。

- 引入5只发达国家股指ETF，增强组合多样性，有效改善回撤表现和风险收益比。(详细收益和回撤数据见图表49-55)

行业残差动量定价能力初探 —— 详尽分析报告

---

一、元数据与概览

• 报告标题：《行业残差动量定价能力初探》

- 作者：华泰证券研究团队（林晓明、源洁莹、徐特博士）

• 发布时间：2024年2月5日

- 发布机构：华泰证券股份有限公司

• 研究区域：中国内地及全球资产市场

- 研究主题：基于国内外统一框架的残差动量因子构建及其在全球和中国行业轮动策略中的应用，兼顾股、债、商品资产的市场因子与风格因子研究。

核心论点与目标

本文在华泰前期资产定价研究基础之上，引入基于市场因子和风格因子的残差动量因子，验证其在全球和国内行业轮动及资产配置中的超额收益能力。通过结合普通动量和残差动量，实现策略的性能优化，最终将残差动量因子应用于国内ETF轮动，取得显著超额收益和优化的风险收益指标。

• 主要发现：

- 国内外资产市场因子和风格因子具有高度一致性。
- 残差动量因子结合普通动量因子，回测表现优异。
- 国内残差动量存在反转效应，适当调整后收益大幅改善。
- 最终落地至国内ETF轮动，获得12%以上年化超额收益，2024年策略回撤明显降低。

• 风险提示：策略基于历史规律，存在历史失效和拥挤风险，不属投资建议，需理性对待。[page::0]

---

二、逐节深度解读

2.1 国内外资产存在统一的市场因子和风格因子

• 章节概要

基于华泰2023年12月和2024年1月前期研究，本文验证了全球股、债、商品资产通过主成分分析提取的一阶（市场因子）和二、三阶主成分（风格因子）在国内外市场之间高度同步，相关系数达0.82（股票市场因子）、0.81（利率市场因子）、0.78（商品市场因子）等，支持构建统一的因子框架。

• 逻辑分析

作者认为，国际产业链的上下游分工形成了市场共性因子，体现全球金融资产的结构特征。主成分分析分解了大类资产的变异性模式，第一主成分捕捉市场整体波动，二三主成分捕捉风格差异，这些均表现出强同步性，表明国内外资产市场背后的驱动力相似。

• 数据与图表解析

- 图表1 以国际生产、资源、消费国产业链示意说明因子构建背景。
- 图表3-4 展示股票市场因子(相关0.82)和风格因子(相关0.71)走势几乎重合。
- 图表6-7 显示利率市场因子和风格因子相关度分别为0.81与0.47（风格因子相关度较低，说明区域差异更大）。
- 图表9-10 商品因子相关度相对较高（0.78及0.43），反映全球大宗商品价格联动性。

这些结果为残差动量的多元线性回归提供了稳固因子基础。[page::3][page::4][page::5]

---

2.2 残差动量应用于全球大类资产配置

2.2.1 残差动量计算方法

• 方法论

残差动量由以下步骤构成：
1. 对股、债、商品的同比序列做主成分分析，提取市场因子和风格因子权重。
2. 利用权重计算月度环比口径的市场因子和风格因子序列（图表11示意）。
3. 将股、债、商市场因子简单相加作为一个自变量，风格因子单独作为其余自变量，总计4个自变量。
4. 使用滚动100个月窗口，对目标资产月度对数收益率进行多元线性回归，提取残差序列。
5. 将最近12个月残差累计和定义为残差动量。

• 逻辑优点

该方法剔除市场与风格因子的影响，捕获资产或行业独特的“残差”表现，便于发现异质化的投资机会。

2.2.2 回测设定与结果

• 资产池与基准

包含13个风险资产（股指期货、大宗商品期货等）和7个防御资产（国债期货等），基准为风险平价组合。

• 调仓机制

每月评估残差动量，最低4个风险资产和最低2个防御资产清仓，对应最高的同样资产加倍权重。

• 绩效表现（图表14、15）

- 残差动量组合年化收益3.72%，高于基准2.45%。
- 夏普比率1.15，较基准0.94显著提升。
- 最大回撤从-8.58%略降至-8.11%，同时换手率为单边2.3倍，显示一定的交易活跃度。

• 结论

残差动量因子有效提升策略整体绩效，证明了残差部分对定价的增量贡献。[page::6][page::7]

---

2.3 残差动量与普通动量对比分析

• 对比设计

普通动量定义为12个月对数收益率，条件与残差动量一致，用于对比残差动量的有效性。

• 结果对比（图表16、17）

- 普通动量提升年化收益至3.56%，低于残差动量3.72%。
- 夏普比率1.05不及残差动量1.15。
- 最大回撤显著高达-12.43%，风险增加明显。

• 相关性分析（图表18、19）

- 进攻性资产残差动量与普通动量截面相关系数均值0.65。
- 防御资产截面相关系数更高至0.79。
- 个别时间段两者相关性接近零（如2008年金融危机），残差动量能弥补普通动量的短板。

• 结合策略

两种动量先分别计算zscore，经线性加权合成综合动量因子。

• 综合动量绩效（图表20、21）

- 年化收益达3.83%。
- 夏普比率升至1.17，最大回撤收窄至-8.02%。
- 换手率轻微下降至单边2.2倍。

• 结论

残差动量和普通动量互补，结合使用可强化策略的收益和风险平衡。[page::8][page::9]

---

2.4 残差动量应用于全球行业轮动

• 策略设定

选用MSCI发达市场与新兴市场一级行业指数共20个，基准为行业等权。

• 调仓

月末按残差动量，选取前5行业等权配置。

• 结果表现

- 残差动量优选年化收益9.99%，远超行业等权4.87%。
- 夏普提升至0.63，其三倍回报几乎是行业基准的一倍。
- 换手率达到单边2.4倍。（图表23、24）

• 对比普通动量和结合动量（图表25-28）

- 普通动量年化收益8.43%，夏普0.53，表现次于残差动量。
- 综合动量进一步提升收益至10.45%，夏普0.66，同时最大回撤收窄。

• 结论

全球行业轮动中残差动量稳健优于普通动量，其结合效果更佳。[page::10][page::11]

---

2.5 残差动量应用于国内行业轮动

2.5.1 残差动量构建调整

• 使用国内股、债、商品市场因子。

- 国内利率市场因子只对应单一第一主成分，风格因子对应第二主成分。

• 采用6自变量回归模型（股票、利率两个风格分量和商品风格，及市场因子合成）。

2.5.2 业绩回测

• 部分行业轮动指数及其分布如图表29、30所示。

- 残差动量回测年化收益10.40%，远高于行业等权1.99%，但波动和最大回撤也有所增大（图表31、32）。

• 普通动量收益较低4.44%，且存在明显反转[page::12][page::13]。

2.5.3 发现反转效应

• 通过分析，发现残差动量的12个月窗口中，波动率最高月份呈现明显反转（IC约-0.05），其他月份动量效应增长（图表35）。

- 反转现象表明波动率高时残差动量方向可能反转，特殊处理提升策略有效性。

2.5.4 改进残差动量

• 对波动率最高月份残差施以符号反转（乘-1）后再累加。

- 改进模型年化收益达14.79%，最大回撤缩小至-33.17%（图表37、38）。

• 与2016年开始的综合景气度因子相比，改进残差动量结合综合景气度因子，年化超额收益进一步提升至17.34%，夏普达0.75（图表39-43）。

2.5.5 防御信号引入

• 通过引入估值和拥挤度防御信号，最大回撤减少到-29.05%，收益稳定提升至18.02%，夏普比率0.82（图表44、45）。

- 年度表现表明策略逐年优化，抗风险能力提升（图表46）。

• 总结：改进残差动量结合综合景气度及防御信号显著提高策略表现，反转效应的捕捉是关键突破点。[page::14][page::15][page::16][page::17]

---

2.6 残差动量应用于国内ETF轮动

• 资产选择

涉及38只行业及主题ETF，7只宽基ETF，4只大宗商品ETF，共49只（图表47、48）。

• 策略设定

采用改进残差动量计算信号，每月择优10只ETF等权持有，基准为ETF等权组合。

• 绩效表现（不含发达国家股指）

年化超额收益12.43%，夏普比率提升0.56，最大回撤及波动有所上升，换手率3.0倍（图表49、50、51）。

• 发达国家股指ETF引入

新增5只主流发达国家股指ETF并区分海外市场因子计算，资产总数增加到54只（图表52）。

• 绩效提升

年化超额收益提升至13.90%，风险收益指标优化，2024年回撤明显减少（图表53、54、55）。

• 问题与挑战：

1. 回测期间部分ETF未发行，存在未来信息窥视风险。
2. 海外资产残差动量计算方法与国内不同，合并策略难以统一。

• 结论：

残差动量因子具备良好实用价值及跨市场推广潜力，需进一步解决相应实际应用难题。[page::18][page::19][page::20]

---

2.7 风险因素评估

• 策略历史规律的失效风险：历史统计意义上的残差动量策略可能因市场拥挤导致失效。

- 市场条件限制：策略表现优劣受限于市场环境，非稳健适应所有市场状态。

• 数据及模型风险：因数据口径、主成分分析和回归模型参数选择带来的不确定性。

- 实际操作风险：ETF轮动中涉及的交易成本、流动性风险及回测未来信息利用风险均需关注。

报告明确提醒投资者理性对待，不构成投资建议。[page::0][page::20]

---

三、图表深度解读

• 图表1：国际产业链上下游图示清晰呈现资源国（上游）、生产国（中游）、消费国（下游）供需传导方向，为风格因子构建提供宏观逻辑基础。

- 图表3-4、6-7、9-10：不同资产类别的市场因子和风格因子走势展示了显著的国内外同步性，验证了统一因子框架的合理性。

• 图表11：流程图揭示主成分权重应用于同比口径序列，转换为环比口径序列，为多元回归准备自变量。

- 图表14、15和16、17、20、21：多个策略回测数据和净值曲线说明残差动量相较传统动量，在收益和风险控制上均有优势。

• 图表18、19：残差动量与普通动量截面相关系数波动揭示两者补充性，提供合成策略理论依据。

- 图表23-28：全球行业轮动各类动量组合收益和波动充分展示残差动态势。

• 图表31-34：国内行业轮动回测数据，揭示残差动量面临反转效应，需要针对性改进。

- 图表35-38：针对波动率最高月份残差反转的统计分析与改进策略展示，提升了收益和风险特征。

• 图表39-45：综合景气度与防御信号结合提升行业轮动性能，展现多因子融合思路。

- 图表47-55：ETF轮动策略覆盖广，实际适用价值显著，带来稳健超额收益及时间序列表现。

---

四、估值与策略优化分析

报告主要基于统计学与因子模型（主成分分析、线性回归）构建残差动量因子，专注于定价能力和策略性能，无传统意义上的公司估值。

策略优化集中在：

• 资产池选择（包括全球与国内资产，ETF筛选细则）。

- 动量因子设计：残差动量结合传统动量，加入波动率调整反转效应。

• 多因子合成（综合景气度和防御信号）。

- 风险预算配置调整与清仓超配机制。

敏感性分析体现为滚动窗口长度、组合权重调节，但报告主线未作详细展示。

---

五、风险因素评估

• 历史规律依赖：残差动量基于历史主成分及回归残差构建，可能因策略拥挤、市场环境变化失灵。

- 市场条件依赖：策略并非任何市况均有效，受宏观经济、政策环境影响较大。

• 数据完整性及模型稳定性：主成分符号变换处理，模型假设仅近似，存在非规范风险。

- 未来信息泄露风险：部分ETF未发行可能影响回测准确度。

• 组合流动性和交易成本：较高换手率对实盘执行构成压力。

报告未详述缓解策略，但提出投资者需谨慎使用。

---

六、批判性视角与细微差别

• 方法论依赖历史数据，对非平稳市场适应不足。

- 主成分符号调整、窗口设定等经验参数对结果敏感，但报告未充分披露参数敏感性及稳定性测试结果，有待补充。

• 改进残差动量依赖波动率最高月份符号反转，该举措虽效果显著，但因果机制、稳定性和普适性需进一步理论支撑。

- ETF策略面临未来信息不可用问题，实盘部署存在隐性挑战。

• 国内外因子模型差异导致国际ETF与国内ETF因子难以统一融合，影响策略整体表现的一致性。

- 换手率较高，策略交易成本敏感，实际净收益水平可能低于回测。

• 报告中部分统计指标最大回撤计算存在较大波动，需关注策略波动率对投资者风险偏好的符合度。

---

七、结论性综合

本文突破性地基于国内外统一的市场和风格因子框架，研发了以残差动量为核心的新型量化因子，包含多源资产的共性和个性风险分解。通过滚动窗口多元线性回归，残差动量剔除传统因子效应后，展现强健的资产和行业定价能力。

数据明确支持残差动量因子：

• 在全球大类资产配置中，残差动量单因子策略优于风险平价基准和传统普通动量，夏普和最大回撤表现稳健；结合普通动量效果更佳。

- 全球和国内行业轮动均受益于残差动量，尤其国内市场残差动量存在显著反转效应，通过波动率分域调整后收益进一步提升。

• 综合改进后的残差动量与综合景气度因子融合，加防御信号，极大增强行业轮动策略表现，实现年化超额收益18%以上，最大回撤低于行业基准。

- 国内ETF轮动策略采用改进残差动量取得12%以上年化超额收益，加入发达国家ETF后表现更优，风险控制更佳。

图表及数据相互印证，展现残差动量在多资产、多市场的广泛适用性和优秀业绩，强化了其作为风格补充和资产配置新工具的角色。报告严谨展开策略构建、改进和回测，清晰揭示了策略优势和风险。

总体上，报告为资产定价和量化策略提供了创新视角和值得关注的实证依据，推荐将残差动量作为行业轮动和资产配置的重要因子，并推动其在实盘策略中的落地。

---

附录：重要图表展示

图表1：国际产业链上下游逻辑示意


图表3：国内外股票市场因子走势对比（相关系数0.82）


图表14：残差动量应用于全球大类资产配置业绩指标
| 指标 | 风险平价基准 | 残差动量优选 |
| ---- | ------------ | ------------ |
| 年化收益 | 2.45% | 3.72% |
| 年化波动 | 2.62% | 3.23% |
| 夏普比率 | 0.94 | 1.15 |
| 最大回撤 | -8.58% | -8.11% |
| 卡玛比率 | 0.29 | 0.46 |
| 年化换手 | / | 单边2.3倍 |

图表35：波动率前N名月份对应的残差之和的IC



图表37：考虑反转效应的残差动量应用于国内行业轮动业绩指标
| 指标 | 行业等权基准 | 改进残差动量优选 |
| ---- | ------------ | ----------------- |
| 年化收益 | 1.99% | 14.79% |
| 年化波动 | 18.41% | 23.00% |
| 夏普比率 | 0.11 | 0.64 |
| 最大回撤 | -33.94% | -33.17% |
| 卡玛比率 | 0.06 | 0.45 |
| 年化换手 | / | 单边3.3倍 |

图表49：改进残差动量应用于国内ETF（不考虑发达国家股指）轮动业绩指标
| 指标 | ETF跟踪指数等权 | 改进残差动量优选 |
| ---- | ---------------- | ----------------- |
| 年化收益 | 1.21% | 13.64% |
| 年化波动 | 17.68% | 21.71% |
| 夏普比率 | 0.07 | 0.63 |
| 最大回撤 | -31.51% | -31.32% |
| 卡玛比率 | 0.04 | 0.44 |
| 年化换手 | / | 单边3.0倍 |

---

综上，华泰研究报告系统性地构建并验证了残差动量因子的实用性与稳健性，结合传统动量及景气度防御信号，在全球及国内行业轮动及资产配置中均实现显著超额收益和较优风险控制，具备推广和实盘应用潜力，为专业投资者提供了重要的策略参考框架。[page::0-21]

报告