风格指数系列背景与研究框架 [page::0][page::2]

• 本文系风格指数系列之二，承接首篇关于风格因子选股能力的研究，重点探讨风格因子的风格属性识别。

- 采用横截面与时间序列两维度分析，沪深300指数为研究标的，研究期为2005年7月至2010年5月。

• 结合主流国际风格指数编制方法，期望打造符合A股投资理念的风格指数体系。

风格因子分类与晨星风格箱介绍 [page::2][page::3]

• 风格因子涵盖价值、成长、动量及效率类指标。

- 晨星风格箱提供细分市场风格分类，市值规模分大中小盘，价值与成长划分依不同标准。

因子选择及横截面聚类分析方法 [page::3][page::4]

• 因子选取涵盖15项，包括PE TTM，PE Forward，PB，PS，DY等价值因子及ROE、EPS Growth等成长因子。

- 横截面用K-means聚类法度量因子区分价值和成长股的能力，通过聚类指标衡量聚类差异及紧密度。

牛熊市条件下的因子聚类能力差异 [page::5][page::6]

| 因子类别 | 因子 | 牛市聚类指标值 | 牛市排名 | 熊市聚类指标值 | 熊市排名 |
|---------|------------|----------------|----------|----------------|----------|
| 价值 | PS | 105.3 | 1 | 17.4581 | 4 |
| 价值 | PE Forward | 91.1 | 4 | 23.8261 | 1 |
| 成长 | SPS Growth | 1953.8 | 1 | 13.2165 | 3 |
| 成长 | ROE | 49.4 | 5 | 17.4684 | 1 |

• 牛市和熊市风格因子表现有显著差异，PS在牛市表现突出，PE Forward在熊市提升，成长类ROE取代SPS Growth成为熊市首选[page::5][page::6]

时间序列分析与收益差稳定性 [page::6][page::7]

• 时间序列利用TOP25%和BOTTOM25%组合收益差构造收益差别指标，用t统计量衡量因子的时间一致性。

- 价值因子PCF表现最佳，成长因子SPS Growth再次排名最高。

单因子选股能力累计表现 [page::8][page::9]

• 价值因子PE TTM、PCF，成长因子ROE、EPS Growth、BPS Growth累计收益均显著优于沪深300。

- TOP组合表现明显强于BOTTOM组合，验证因子选股能力。

风格因子综合排名与评分体系 [page::9][page::10]

| 因子类别 | 因子 | 横截面排名 | 时间序列排名 | 综合排名 |
|---------|------------|------------|--------------|----------|
| 价值 | PS | 1 | 4 | 1 |
| 价值 | PE Forward | 2 | 3 | 2 |
| 价值 | PE TTM | 3 | 2 | 3 |
| 成长 | SPS Growth | 1 | 1 | 1 |
| 成长 | BPS Growth | 2 | 2 | 2 |
| 成长 | EPS Growth | 3 | 3 | 3 |

• 通过两个维度综合结果，构建价值和成长评分，分别由三因子均值构成，为后续风格指数编制提供依据。

- 列出2010年1月4日沪深300指数中价值与成长评分最高的前10只股票。
| 价值 | 成长 |
|-------|---------|
| 601099 太平洋 | 000002 万科A |
| 600432 吉恩镍业 | 601169 北京银行 |
| 600151 航天机电 | 000625 长安汽车 |
| 000768 西飞国际 | 600741 华域汽车 |
| 600832 东方明珠 | 600380 健康元 |

[page::9][page::10]

详尽分析报告：“A 股市场风格因子的二维选择—风格指数系列研究之二”

---

1. 元数据与概览

• 报告标题：A 股市场风格因子的二维选择—风格指数系列研究之二

- 作者：谢江（分析师），联系人汪洋

• 发布机构：华泰联合证券有限责任公司

- 发布日期：2010年5月18日

• 主题：A股市场风格因子及风格指数构建方法研究，重点考察风格因子的风格属性，以支持基于风格因子的指数及组合构建。

- 核心论点：继首篇报告探索风格因子的选股能力后，本报告进一步探讨风格因子的内在“风格属性”，即通过横截面和时间序列两个维度，甄别价值和成长类因子中能最好体现各自风格特征的指标，实现更符合中国A股实际的风格指数构建方法。研究得出结论，价值类因子中PS、PE Forward、PE TTM表现最佳，成长类因子中SPS Growth、BPS Growth、EPS Growth更能体现成长风格特点。

• 作者主要传达信息：通过二维分析框架，严谨量化风格因子的风格属性，为构建中国A股市场特色的风格指数提供科学依据，支撑投资者更有效地把握绩优股的风格特征，实现更优组合设计。[page::0,2,9]

---

2. 逐节深度解读

一、风格因子及风格指数研究

• 关键内容：报告回顾前期研究，介绍了15个风格因子的选股能力研究，包括价值、成长、动量和市值类指标，并加入了效率类指标。强调选股能力研究为未来组合优化奠基。提出“风格因子风格属性”的识别是构建风格指数的关键前提，介绍将以横截面和时间序列两个维度展开。

- 推理依据：单因子选股能力不足以全面定义风格因子需内在属性考察，借鉴国际经验希望构建适合A股实际的风格指数体系。[page::2]

• 图表解读：图1“风格研究框架”视觉展示了风格因子研究的两大方向——选股能力与风格风格属性，进一步细化为单因子排序和多因子优化，以及风格指数构建。此图明确了研究脉络和重点，体现系统化的研究思路。

---

二、风格因子的风格属性

• 关键论述：风格指数区别于综合市场指数，反映某类股票整体表现。引用Fama-French三因子模型，强调市值和账面市值比系数对价值成长区分的基础作用。风格投资理念成熟快速，晨星的风格箱模型成为实操典范，但价值成长等因子的分类存在差异，反映不同投资哲学。华泰联合意在整合这些不同视角，精炼符合中国市场的风格指数设计方案。

- 逻辑和证据：基于经典理论和国际市场实践对风格的认识，指出单纯市值或账面市值指标不足，需多维度综合分析。晨星风格箱图（图2）形象展示了风格分类的二维划分核心理念：规模×风格（价值-平衡-成长）。

• 风格因子的选择：表1列出具体因子，如PE TTM（市盈率）、PE Forward（预测市盈率）、PB（市净率）、PS（市销率）等价值因子，成长类包括EPS Growth（每股收益同比增长）、BPS Growth（净资产同比增长）等，并标注部分因子需倒序排列。因子数据处理采用沪深300成分股，确保范围和代表性。

- 数据处理：特别强调对极值和标准化处理保障数据质量和连续性，为后续聚类提供坚实数据基础。[page::2,3,4]

---

三、风格属性的二维考察

3.1 因子及数据选择

• 如前总结，明确用沪深300指数成分股，周期2005年7月至2010年5月，横截面为半年、时间序列为月度。

3.2 因子聚类能力（横截面分析）

• 关键论述：采用K-means聚类考察因子能否将横截面股票聚集为两类（价值、成长），通过“聚类能力指标”表征两个聚类中心距离与组内点聚集距离比，数值越大，说明因子对价值成长区分度越明显，风格属性越强。

- 公式说明：由两个聚类中心的平方距离除以各组内部平方距离的平均，体现分组差异显著性。

• 数据解读（表2）：

- 价值类因子：PS以122.8分夺冠（最好聚类能力），PE Forward、PE TTM也表现优异。
- 成长类因子：SPS Growth指标高达1957.8遥遥领先，BPS Growth、EPS Growth紧随其后。
- 结论是PS和SPS Growth分别为代表性的价值和成长风格指标。

• 牛熊市差异（表3）：

- 牛市阶段，PS价值因子表现最好；熊市阶段，PE Forward更具代表性。成长类中，熊市ROE取代SPS Growth。显示市场情绪变动对风格因子表现影响显著。

• 意义：该分析盘活了市场不同状态下风格因子的表现，提示指数编制须考虑市场周期因素。

[page::4,5,6]

3.3 因子收益差稳定性（时间序列分析）

• 方法：每半年更新的因子排序，将股票分为前25%（TOP）与后25%（BOTTOM），计算两个组合月度收益率差，构造收益差时间序列。测量因子收益区分能力的t统计量（Return Discrimination Power），t值越大说明因子连续的时间序列内收益分辨力越强，风格属性表现越稳定。

- 数据（表4）：
- 价值类因子中，PCF（市现率）t值最高（2.268），PE TTM次之（2.1453），PS的排名下降至第4。
- 成长类因子排名与横截面较为一致，SPS Growth依然第一，BPS Growth、EPS Growth紧随。

• 绩效曲线（图5、图6）：

- 以2005年7月1日为基点1000，TOP组合凭借这些指标的选股能力实现显著积累增长，部分指标TOP组合的累计指数远超沪深300。反观BOTTOM组合和沪深300表现较为接近，说明指标围绕选出的成长或价值股票具备超额收益潜能。

• 分析总结：时间序列的稳定性强化了横截面分析的结果，同时显示出PCF和PE指标在连续月度选股中的持续有效性。成长类因子在两个维度表现更一致，增强了成长风格识别稳定性。

[page::6,7,8,9]

---

四、因子的二维综合选择

• 结果整合（表5）将横截面聚类排名与时间序列收益差排名合并得出最终综合排名：

- 价值类综合排名前三：PS（1）、PE Forward（2）、PE TTM（3）
- 成长类综合排名前三：SPS Growth（1）、BPS Growth（2）、EPS Growth（3）

• 风格评分构建：对单只股票取价值类因子PS、PE Forward、PE TTM的均值为价值评分，取成长类SPS Growth、BPS Growth、EPS Growth均值为成长评分。

- 个股示例（表6）：2010年1月4日沪深300中价值风格评分最高的10只股票如太平洋（601099）、吉恩镍业（600432）等；成长风格评分最高的包括万科A（000002）、北京银行（601169）等，反映出风格评分在个股层面具备实用性。

• 应用意义：基于这些风格评分，构建风格指数不仅可为主动基金提供有效的绩效比较基准，也为风格投资者提供标准化、可投资的组合思路，有助资本市场风格轮动捕捉和多因子投资策略实现。

[page::9,10]

---

3. 图表深度解读

图1 风格研究框架

清晰展现了风格研究的两大主题和分支，体现研究脉络的系统缜密。

图2 晨星投资风格箱方法

风格箱通过纵轴（规模大中小）和横轴（价值-平衡-成长）将投资风格系统化划分，成为风格因子分类实务的重要工具。

图3 横截面聚类分析示意图

介绍了基于K-means算法，在间隔半年的时间点，利用最新财报数据，针对价值成长因子进行股票分类，验证因子的风格聚合能力的过程，具备极强的直观理解性。

表2、表3：因子横截面聚类能力

定量呈现因子聚类能力指标及排名。表3同时将牛市与熊市分开，对比发现在不同市场周期中风格因子表现及排名存在较大差异，对投资策略的周期适应性构建提供数据支持。

图4 时间序列分析示意图

说明如何基于半年度构建的股票池，按月度计算TOP与BOTTOM组合收益差，观察因子时间序列上的收益分辨力。

表4 因子时间序列能力

以收益差t统计量衡量因子在时间上的稳定性表现，对横截面结果形成重要补充。

图5、6 价值与成长类指标TOP & BOTTOM组合累计表现

图示了若干价值/成长指标选股组合的累计复利指数走势，明显展现TOP组合的超额收益能力，验证了因子的选股价值。

表5 因子综合排名及表6 风格评分最高个股列表

结合全部二维指标整合排名和具体股票名单，为实际风格指数及组合构建提供具体操作指引。

---

4. 估值分析

本报告核心为风格因子辨识与指数构建方法，无直接财务收益估值或目标价计算，未涉及DCF或倍数法估值说明。

---

5. 风险因素评估

报告中未专门设立风险章节，隐含风险主要包括：

• 市场状态转换对因子风格表现的显著影响，导致因子表现阶段性差异，存在“熊市VS牛市”范式迁移风险。

- 选取因子及打分方法的稳定性和前瞻有效性依赖于历史数据，在市场环境结构性变化时可能失效。

• 横截面与时间序列指标均基于沪深300成分股，市场代表性局限，未囊括中小盘及未上市层面。

- 指标极值与数据清理虽严谨但可能存在部分样本偏差。

• 未对风格因子的操作成本、流动性风险展开分析。

报告未具体提供风险缓解建议，但通过分群、周期分类、双维度综合提升方法论的稳健性，隐含具备对市场波动的适应策略。

---

6. 批判性视角与细微差别

• 优势：报告系统采用数学聚类模型与统计学评价双重维度，创新结合横截面和时间序列两个分析视角，提升了风格因子识别的全面性和稳健性。数据时间跨度较长，涵盖完整市场周期，增加结论说服力。

- 潜在不足：
- 牛熊市划分较粗糙，未考虑市场微循环波动对因子表现的影响。
- 时间序列分析侧重收益差t值，但未深入探讨因子风险调整收益（如夏普比率）或其他风险特征。
- 风格因子仅限定于部分传统的价值与成长指标，对新兴动量、质量类指标未加深入分析，可能限制研究视野。
- 股票池限制沪深300成分股，未覆盖全部A股，可能导致部分因子效果低估或偏差。
- 未讨论风格因子在行业配置上的偏差及其对指数构建的潜在影响。

总体上，分析稳健且方法透明，兼顾理论与实证，具有较高学术和实战参考价值。

---

7. 结论性综合

本报告在2010年基于2005-2010年沪深300市场数据，系统构建了兼顾横截面聚类能力和时间序列收益差稳定性的“风格因子二维选择框架”，面向构建中国A股特色的价值成长风格指数体系。通过量化指标，精确甄别出价值类因子以PS、PE Forward、PE TTM为代表，成长类因子以SPS Growth、BPS Growth、EPS Growth为代表，从根本上提升风格指数的风格代表性和市场适应性。

图表数据充分支持其结论：

• 横截面聚类分析揭示PS和SPS Growth因子在聚合股票成长与价值属性上最具效果，显示出强烈的横向区分能力。

- 牛熊市细分分析进一步强化不同市场阶段风格因子变化规律，提示因子应动态选择。

• 时间序列分析结果表明PCF、PE TTM具备持续稳定的收益分辨力，成长因子稳定性较强，验证横截面分析的稳健性。

- TOP与BOTTOM组合的累计收益曲线让实证更鲜活，突出TOP组合的超额收益潜力。

• 综合排名结合两维度优势，最终确定六个核心风格因子用于评分系统，奠定后续风格指数及相关投资产品的基础。

基于这些研究成果，作者提出了明确的“风格评分”构建思路及具体个股示例，为华泰联合风格指数体系构建及基金产品风格定位提供科学依据，同时为主动型基金绩效基准和风格投资组合提供了选股策略参考。

报告后续将继续深入其他风格分类方法的比较研究，完善整体风格指数体系发展思路。

综上所述，报告科学全面地挖掘了A股市场风格因子的选取标准及其内在属性，结合经典理论与本土市场实证，提供了具有高度实践指导意义的投资工具框架，预计对指数构建者、量化投资研究员和风格投资者均有极大帮助。[page::0,2-10]

---

附录：主要图表二维码及Markdown格式引用

• 图1 风格研究框架

• 图2 晨星投资风格箱

• 图3 横截面聚类分析

• 图4 时间序列分析

• 图5 价值类TOP & BOTTOM累计表现

• 图6 成长类TOP & BOTTOM累计表现

---

以上为本报告的详细分析解构，涵盖论文结构、关键论点、数据解读、图表解析、技术方法说明及批判性视角，系统展现该研究对A股风格指数构建具有的前瞻指导意义。

报告