高频新闻信号补充低频风格轮动的必要性 [page::0][page::1]

• 传统低频风格轮动模型月度调仓频率导致响应滞后，难以捕捉月中突发事件引发的快速风格切换。

- 高频新闻信号反映市场情绪变化，具备事件驱动敏感性，适合补充提升短期响应能力。

DeepSeek模型构建行业与风格映射关系流程 [page::5]

• 利用DeepSeek-R1判断115个行业归类为成长、价值或中性风格。

- 各行业对应风格基于科技创新、高增长（成长）和存量周期属性（价值）。

• 选择20个权威新闻来源，提取新闻情感数据进行加权计算，生成成长相对价值新闻得分。

高频新闻风格轮动策略的构建及表现 [page::6][page::7]

| 构建方法 | 年化收益 | 相对收益 | 相对波动 | 信息比率 | 相对回撤 | 超额盈亏比 |
|------------------------------|----------|----------|----------|----------|----------|------------|
| 5天均线>20天均线持有价值（反转） | 29.69% | 14.49% | 8.98% | 1.61 | -7.76% | 2.32 |
| 20日滚动分位排名（反转） | 24.51% | 9.94% | 6.14% | 1.62 | -3.54% | 1.32 |
| 20天均线>60天均线持有成长（趋势）| 28.14% | 13.13% | 8.99% | 1.46 | -5.80% | 2.01 |

• 以5天均线和20天均线的交叉为核心信号，反转模式较适合周频调仓频率。

- 样本外表现优异，超额收益稳定且风险控制良好。

• 关键风格切换时点（如2024年9月、2025年2月）信号有效。

传统月度模型与新闻周频模型的结合方法与策略设计 [page::8][page::9]

• 设计3种新闻信号切换算法：

1. 极端得分捕捉：新闻得分处于时间序列极端值时切换；
2. 市场波动驱动：市场波动放大时使用新闻信号；
3. 舆情脉冲响应：新闻数量异常波动时切换。

• 采用极端得分捕捉法效果最佳，成功结合两类信号优点。

- 实现“1+1>2”效应，提升收益同时降低回撤，超额胜率达58.3%。

| 指标 | 传统框架 | 新闻策略 | 复合策略 |
|----------|--------|--------|---------|
| 年化收益 | 2.3% | 7.4% | 11.0% |
| 相对收益 | 2.4% | 7.7% | 11.1% |
| 绝对波动 | 20.6% | 21.5% | 21.5% |
| 相对波动 | 8.7% | 8.7% | 8.7% |
| 信息比率 | 0.28 | 0.89 | 1.28 |
| 最大回撤 | -33.3% | -37.5% | -29.6% |
| 相对回撤 | -14.2% | -13.0% | -10.0% |
| 盈亏比 | 1.29 | 1.15 | 1.36 |
| 超额盈亏比 | 1.15 | 1.81 | 1.72 |
| 周度超额胜率 | - | 56.3% | 58.3% |

复合策略净值与持仓动态展示 [page::9][page::10]

• 样本外期内策略净值较基准明显超额增长。

- 持仓信号动态切换，精准捕捉成长与价值风格切换。

• 策略较好的利用新闻信号的反应速度和传统模型的稳健性。

中金 | 风格轮动系列（2）：如何结合高频新闻与传统框架？详尽分析

---

一、元数据与报告概览

报告标题：《风格轮动系列（2）：如何结合高频新闻与传统框架？》
作者：陈宜筠、郑文才等
发布机构：中金公司量化及ESG研究团队
发布时间：2025年3月24日 16:00
专题领域：市场风格轮动、高频新闻情绪数据及量化投资策略
核心主题：报告围绕如何结合高频新闻情绪数据和传统低频风格轮动模型，通过构造成长与价值风格的映射关系，提升策略对市场风格切换的捕捉能力，进而优化投资组合的超额收益表现。

核心论点与结论：

• 传统基于月度调仓的低频风格轮动模型，在当前市场事件频发、高波动的环境中特别难以捕捉短期风格切换机会。

- 借助DeepSeek-R1深度学习模型，构建行业-风格标签映射，利用高频新闻情绪数据辅助提升信号响应速度和准确性。

• 通过三类方法识别适合启用新闻信号的时点，实现新闻信号与传统模型的动态切换，实现复合轮动策略。

- 该复合策略样本内年化超额收益达8.8%，样本外甚至超额收益超过20%，显著优于单一低频或新闻策略，策略1+1>2。

• 特别是在2025年初深度学习技术突破引发的科技成长板块风格切换中，策略通过高频新闻及时响应，取得超额收益的表现尤为突出。

---

二、逐节深度解读

1. 引言：风格轮动新挑战与传统模型不足

报告开篇指出，2025年初DeepSeek-R1的发布促发了行业和市场风险偏好结构的大幅切换，尤其是向成长和科技板块切换。同时，市场风格三次重大切换均与关键事件点高度关联系统性事件推动结构机会明显增强。传统以宏观经济指标为基础的月度风格轮动模型，由于信号传导滞后、调仓频率低，难以捕捉月间突发事件，存在超额收益损失的风险。这部分明确了研究痛点和改进动因[page::0,1,2]。

2. 四象限低频风格轮动模型回顾与局限

报告回溯了2023年2月发布的《风格轮动系列（1）》，即基于市场状态、情绪和宏观环境构建的成长-价值与大小盘四象限得分模型，适用于月度调仓。该模型能够规避劣势风格，捕捉到多个重要风格切换节点。但缺点明显：

• 以月度调仓为单位，难以及时响应突发事件和短期结构性变动，部分关键时间点（如2025年1月DeepSeek发布引发的科技成长突变）模组反应滞后。

- 在单一维度成长/价值判断上的模型胜率较低，稳定性不足。

图表3显示，成长价值单维度判断与实际表现匹配度波动较大，反映模型判别的波动性和不稳定性[page::3,4]。

3. 高频新闻情绪信号的引入

为解决上述痛点，团队采用DeepSeek-R1对海量新闻数据进行情绪分析，并将新闻数据映射至行业及风格标签。步骤如下：

• 筛选新闻： 选择行业相关性高、情绪明确且权威新闻源（前20个权威来源）以保证信噪比。

- 行业映射： 利用DeepSeek模型对115个行业分类标签进行划分，判定其成长（45个）、价值（52个）或中性（18个）属性，并输出对应理由，确保覆盖平衡。

• 情绪加权得分： 按日计算各行业新闻情绪得分，并通过行业风格映射转换成成长对价值的相对新闻得分，最终输出周频构建的成长价值信号。

图表4清晰描述了这一信号构建流程，显示新闻信号由筛选-映射-打分-构建择时信号五步完成，确保信号结构性和逻辑性[page::5]。

4. 纯新闻热度风格轮动策略的表现

报告测试了几种新闻信号的择时构建方法：

• 固定阈值法

- 长短期均线法 — 以5天均线与20天均线交叉捕捉反转信号

• 滚动分位数法

其中，以5日均线与20日均线交叉的长短期均线法效果最佳：

• 样本内超额收益5.54%；样本外年化超额收益14.49%，超额盈亏比2.32。

- 趋势窗口20 vs 60日交叉适合趋势判断，样本内外超额收益分别约1.95%、13.13%。

• 新闻风格策略特别在高波动及极端情绪期表现出色，如2020-21年的上涨期和2024年9-10月的周期反转期。

图表5展示在2024年9月底及时切换成长风格，图表6和7分别展示样本内外年度收益表现和策略的统计指标，图表8显示新闻周度策略净值表现净值稳步提升，表现优于基准[page::6,7]。

5. 结合高频新闻与低频模型的复合策略构建

为兼顾传统模型稳定性与新闻信号的时效优势，团队设计动态切换机制：

• 默认使用月度四象限轮动模型信号（成长得分>0持成长指数，<0持价值指数）。

- 在新闻信号满足一定强度和信息价值时（例如新闻得分处于时序极端值或市场波动增强），切换为周频新闻信号，并维持至月底。

图表9详细展现了两类模型信号的切换示意，图表10介绍三种判断新闻信号启动的方案：

• 方法一：极端得分捕捉（信号处于分位数极端值）

- 方法二：市场波动驱动（波动增强，提升新闻价值）

• 方法三：舆情脉冲响应（新闻量异常增加）。

6. 复合策略效果显著优于单一模型

方法一的极端得分捕捉是表现最优的切换方案，成功将传统模型稳健性和新闻信号敏捷性结合。

• 复合策略全样本年化超额收益达11.1%，相较新闻策略提升3.4个百分点。

- 超额最大回撤降低3个百分点至-29.6%，风险控制更优。

• 周度超额胜率提升至58.3%。

- 复合策略超额盈亏比达到1.72，略低于新闻策略1.81，但整体信息比率提高到1.28。

图表11展示三者对比核心绩效指标，图表12示意三种切换方式的基本逻辑，图表10中描述的极端值切换机制带来大幅性能改善。

此外，结合图表10和10页图片显示，复合策略在2025年样本外依然表现优异，年化超额收益超过20%，充分验证了高频新闻数据对捕捉时点的有效性和策略的市场适应性[page::9,10]。

---

三、图表深度解读

图表1（第2页）

• 内容：展示2024年1月至2025年2月成长相对价值指数（成长净值/价值净值）与中证全指成交量走势，标注了三次市场显著风格切换关键时间点。

- 趋势解读：
- 2024年春节后流动性压力释放，成长与小盘风格承压，量化策略回撤，风格表现切换至价值。
- 2024年9月底，稳增长政策出台，超级跌板块反弹，市场交易情绪上升，风格转向成长。
- 2025年1月底至2月，DeepSeek-R1发布引发科技成长行情，成交量和交易热情显著攀升，成长风格再度切换。

• 作用：图表为市场风格轮动的宏观事件背景提供直观时间轴和关联验证，强调外部事件在风格切换中的驱动作用。[page::2]

图表3（第4页）

• 内容：成长价值维度单维度模型观点与实际月度成长价值差异比较，红色条形为模型观点正负，灰线为实际（国证成长 VS 价值月涨跌幅差）。

- 趋势解读：模型判断与实际涨跌差异并非总同步，存在局部周期性误判或失效，尤其在单维度拆分下，说明单维度模型存在稳定性较差的缺陷。

• 作用：图表直观证实传统四象限模型在成长价值维度单一视角下的有效性不足，指出改进必要性。[page::4]

图表4（第5页）

• 内容：新闻风格择时信号构建流程图，展现新闻筛选、风格映射、得分计算、相对得分构建及择时信号生成步骤。

- 作用：图表细致展现了将非结构化新闻数据转换成可用风格信号的流程，体现深度学习模型和数据清洗的复杂关系，增强信号科学性和严谨性。[page::5]

图表5（第6页）

• 内容：2024年9月末时点，新闻信号及时由价值切换为成长，显示策略抓住风格切换关键。

- 作用：图示高频新闻信号在关键市场拐点的灵敏响应，印证策略有效。[page::6]

图表6-7（第6-7页）

• 内容：新闻信号择时策略样本内、样本外绩效表现，三种构建法对比表

- 解读：长短期均线法（5日/20日）反转信号在样本外年化超额收益高达14.49%，绩效优于其他模型，且信息比率及超额盈亏比均较好。

• 作用：数据验证新闻信号具有良好稳定性和超额收益潜力，构筑策略基础。[page::6,7]

图表8（第7页）

• 内容：新闻周度风格轮动策略净值表现，显示净值线稳健增长明显超越基准。

- 作用：说明新闻风格策略在2020-2025年期间表现稳健，尤其在存在较多市场波动和结构切换的市场环境下具备竞争力。[page::7]

图表9（第8页）

• 内容：示意传统月频轮动主线与周频新闻信号如何组合并动态切换的时间线。

- 作用：策略逻辑清晰展示，支持后续复合策略构建和切换机制解释。[page::8]

图表10（第8页）

• 内容：判断切换使用新闻观点的三种方法（极端得分捕捉、市场波动驱动、舆情脉冲响应）。

- 作用：体现新闻信号何时启动的理性逻辑，确保高质量信号输出和节奏把控。[page::8]

图表11-12（第9页）

• 内容：

- 图表11：传统框架、新闻策略及复合策略在年化收益、超额收益、波动、回撤及信息比率等指标上的对比。
- 图表12：极端得分捕捉法的核心逻辑图示。

• 解读：

复合策略在收益和风险控制方面明显领先单一策略，最高信息比率1.28，回撤降低至-29.6%，周度超额胜率超过58%，实现了收益和风险优势的双赢。

• 作用：数据充分支持复合策略的实用价值，验证本文核心论点。 [page::9]

图表10 (含图像，第10页）

• 内容：复合策略样本外期净值表现，复合策略净值线明显跑赢基准和单一策略，在2025年科技风格切换期表现抢眼。

- 作用：演示该模型实战应用潜力，策略对突发事件快速响应能力。[page::10]

---

四、估值与风险因素评估

本报告未涉及具体单一公司的估值分析或盈利预测，核心聚焦于风格轮动策略的构建及其绩效表现，不包含DCF或PE等传统估值模型。具体投资建议部分未提及。

风险因素

报告中隐含或明确的风险包括：

• 模型假设风险：新闻情绪数据与市场表现的相关性可能因市场环境变化而减弱。

- 数据质量风险：新闻数据和情绪分析依赖于新闻来源的权威性及情绪判别准确度。

• 策略执行风险：调仓频率提升带来交易成本和市场冲击风险。

- 突发市场事件风险：极端市场环境下信号可能失准或噪声干扰加剧。

报告通过设定多维度切换标准、过滤新闻来源和结合传统模型降低部分风险，但对缓解策略细节未披露较多[page::5,8,9]。

---

五、批判性视角与细微差别

• 报告中对高频新闻信号的有效性较为自信，可能存在一定的过度依赖情绪分析结果风险。情绪分数映射至风格标签的逻辑虽然详细，但自然包含模型主观设定和行业归纳的判断，如果风格划分不够精确，可能导致错误信号。

- 新闻数据的潜在偏态及新闻发布时间与市场响应时差，以及新闻源筛选标准，仅保留20个顶级来源，可能存在代表性限制。

• 低频模型由于本身设定月频调仓，其不足合情合理，但与超额收益的市场吸引力形成权衡。复合模型的复杂度和维护成本未有详细披露。

- 缺少对策略交易成本、实施细节（如资金流动性约束、执行滑点）的讨论，实际净收益表现可能受影响。

整体来看报告逻辑严谨，数据详尽，但需要关注实操细节和模型稳健性。

---

六、结论性综合

中金公司《风格轮动系列（2）》报告系统地分析了传统低频风格轮动模型在波动市场中的限制，并通过引入高频新闻情绪数据，创新性地结合DeepSeek-R1行业风格映射，构建了成长与价值风格的新闻信号。基于此，报告设计三种切换策略识别新闻信号的启用时点，实现与传统月频轮动模型的动态复合。

实证结果显示：

• 纯新闻情绪信号风格轮动策略在样本内外均贡献了显著超额收益，尤其长短期均线交叉信号表现最佳。

- 结合三类切换方法，尤其是极端得分捕捉方法，复合模型全面提升收益率和信息比率，降低风险敞口。

• 2024-2025年关键事件驱动的市场风格切换中，如DeepSeek-R1发布引发成长科技风主导行情，复合模型准确捕捉风格拐点显著超越基准。

- 复合策略实现了超额收益的“1+1>2”，体现了新闻高频信号在传统风格框架外的重要信息增量。

通过详尽的图表与数据分析，报告验证了高频新闻信号结合传统框架提升风格轮动策略的广泛适用性及实用价值，特别适合当前多事件驱动、市场波动增强的投资环境。该策略不仅提升了超额收益率，也提高了策略的灵敏度与胜率，具有显著的投资指导意义。[page::0-10]

---

参考图表

• — 2024-2025年成长价值风格切换与成交量

- — 成长价值维度模型观点与实际表现对比

• — 新闻风格择时信号构建流程

- — 关键风格切换期的新闻信号表现

• — 新闻周度风格轮动策略净值表现

- — 复合信号切换示意图

• — 复合策略收益表现指标对比

- — 复合策略样本外净值表现

---

综上，报告提供了风格轮动策略在新时代技术背景下的创新思路及实证样本，证明高频新闻情绪数据结合传统调仓模型，可有效提升市场风格切换捕捉精度和超额收益表现，对策略投资者具有重要参考价值。

报告