天风金工风格轮动策略之一——风格的重新定义
创建于 更新于
摘要
本报告在风格轮动策略基础上,重新定义了风格因子的构建方法,将风格分为状态类与预期类,提出通过最大化下期核心因子的解释能力权重合成预期类风格因子。通过因子预处理、正交化和市值中性化,确保因子间稳健性。回测结果显示预期法构建的成长、盈利等风格因子对未来风格的预测更准确,择时价值集中于小盘VS大盘、短期反转VS动量等风格切换,提高了风格轮动研究的准确性和实用性[page::0][page::3][page::4][page::9][page::10][page::14]
速读内容
风格定义与分类 [page::0][page::3][page::4]
- 风格分为状态类(规模、价值、反转、动量)与预期类(成长、盈利、红利、防御),前者依赖股票当前状态,后者依赖未来预测。
- 状态类风格采用传统因子指标,预期类通过最大化对未来核心因子的解释能力进行因子加权。
- 详细罗列了各类风格对应的因子和计算方法。
因子预处理与正交化 [page::5][page::6][page::7][page::8][page::9]
- 进行行业内标准化、市值中性化,剥离市值因子影响,降低因子间相关性。
- 用对称正交方法消除因子共线性,保证回归稳定性。
- 采用面板回归模型预测预期类风格的未来核心因子,三期因子数据回归计算加权系数。
预期法与传统收益法比较 [page::10][page::11]



- 预期法构建的成长、盈利及红利风格因子对未来风格表现的预测能力显著优于传统基于收益权重的单因子模型。
- 预期因子与下期核心因子的相关性更稳定,收益法相关性波动大,存在较大误差。
风格切换收益与择时价值分析 [page::11][page::12][page::13][page::14]





- 通过分组回测,风格因子极端组合收益差异明显,有助于判断风格强弱。
- 单项风格对比如小盘VS大盘、低估值VS高估值、短期反转VS动量的择时价值最高,月收益波动率亦最大,指示最佳轮动空间。
- 高红利VS红利等权、高成长VS低成长择时价值较低。
结论与后续研究方向 [page::14]
- 明确了风格轮动目标及因子构建标准,推进了状态类与预期类风格结合的轮动策略研究。
- 预期法风格构建更准确地反映投资者期望。
- 下一步计划基于本研究构建系统性风格轮动模型,提升风格择时效果。
深度阅读
深度分析报告:天风证券《金融工程:风格的重新定义》(2018年2月5日)
---
一、元数据与概览
- 报告标题:天风金工风格轮动策略之一——风格的重新定义
- 作者:吴先兴、陈奕(均为天风证券分析师)
- 发布日期:2018年2月5日
- 发布机构:天风证券股份有限公司
- 研究主题:风格轮动策略基础中的“风格定义”方法及其实证效果,涵盖股票市场多风格因子的重构、权重设定及择时价值分析。
核心论点总结
- 传统风格定义多依赖目标最大化下期收益的方法,未必能准确刻画投资者真正意图的“风格”。
2. 报告提出将风格定义区分为两类:状态类(基于当前股票状态,如规模、价值、反转、动量)与预期类(基于未来预期状态,如成长、盈利、红利、防御)。
- 对状态类风格,采用当前因子数值作为指标;对预期类风格,则通过预测未来核心因子、最大化核心因子解释度来加权合成风格因子,精准刻画预期风格。
4. 通过实证数据,报告验证该预期类风格因子定义方法优于传统收益导向因子,能够更准确捕捉未来风格。
- 研究最终聚焦风格择时,发现小盘VS大盘、短期反转VS动量、低估值VS高估值、高盈利VS低盈利、成长VS价值五类风格切换最具择时投资价值。
6. 报告明确区分风格定义与风格收益,不将收益表现的变化视作风格定义的调整依据,为后续风格轮动模型建设定基调。
---
二、逐章节深度解读
1. 风格定义的问题与分类(Page 0,3,4)
- 关键论点
- 风格研究的基础是明确风格定义。过往多用指数或目标收益最大化加权因子定义风格,但这种方式对风格本质的刻画不准确。
- 报告强调风格定义应追求最大化风格指标本身的解释力,而非追求收益最大化。
- 明确风格投资者关注的核心是其买入股票是否代表期望的风格(当前及未来),非短期收益。
- 依据投资逻辑将风格分为两大类:
- 状态类:依赖股票现时状态(规模、价值、反转、动量)
- 预期类:依赖对未来状态的预期(成长、盈利、红利、防御)
- 数据与表格
- 表1详细列出7类风格及对应投资逻辑,清晰阐明每种风格投资的核心关注点。
- 表2列出详细的因子指标及其计算方法(如市盈率、市净率、净利润同比增长、ROE等),为后续因子处理和风格合成奠定技术基础。
- 推理基础
- 采用多因子理论剖析传统风格定义的局限,强调需从需求出发设计因子组合,体现投资者的风格选择意图。
- 通过当前状态因子和未来预期因子的区分,为构建稳定且准确反映投资者需求的风格因子提供理论支撑。
2. 因子预处理与市值中性化(Page 5-7)
- 核心论点
- 收集2007-2017年间因子月度数据,先通过行业内标准化处理,剔除行业效应导致的因子暴露。
- 使用绝对中位数差法(MAD)替代标准差标准化,以稳健处理极值,确保因子归一化的健壮性。
- 识别A股市场市值因子影响显著,因子与市值相关性较高,故采用市值中性化(将因子与市值因子进行正交),剥离市值影响。
- 对预期类因子内部相关性较强的子因子做正交处理,消除共线性影响,保证后续加权回归的稳定性。
- 关键数据与图表
- 图1、图2显示因子间相关系数矩阵,反映初步因子间的较强相关性,尤其市值因子影响突出。
- 图3、图4为市值中性化后因子相关矩阵,明显降低因子与市值的相关性,提升风格因子之间独立性。
- 表3和4体现状态类因子和预期类因子的具体因子权重及构建方法。
- 方法说明
- 对行业暴露及市值因子进行中性化处理有效避免触发因子策略的“伪表现”。
- 对因子做正交化处理(基于对称正交方法及协方差矩阵特征分解),保证子因子互相独立,从而提升预测因子回归的稳定性和解释力。
3. 预期类风格因子合成与回归模型(Page 8-9)
- 关键论点
- 对于成长、盈利、红利、防御预期类风格,根据最大化未来核心因子解释度来确定子因子的权重,以达到更精确的未来风格预测效果。
- 正交化处理后的因子几乎无相关性,更利于构建预测模型。
- 采用面板回归模型,回归目标为下期核心因子(成长为主营收入同比等),自变量为当期子因子,解决时间序列和截面数据混合特性。
- 特别考虑财报数据发布时间差异,财季或半年度因子使用滚动方式预测。
- 表与图表
- 表4对应预期类风格核心因子的设定及子因子匹配。
- 图5展示正交化后因子相关矩阵,验证处理后的子因子独立性。
- 推理
- 通过三期历史数据回归估计因子权重,保证核心因子预测的稳定与精度。
- 预期法优于收益导向法,有效避免风格因子被短期收益扰动误导,更好符合投资者“风格投资”的需求。
4. 风格因子表现对比(Page 10-11)
- 关键论点
- 对比传统单因子法、收益导向加权法和本报告的预期加权法,后者在解释下期核心因子时R方值显著更高。
- 成长、盈利风格的多因子合成显著优于单因子:
- 成长风格中关键当期主营业务收入同比对未来预测不佳,单因子定义不准确,多因子合成明显改善。
- 红利因子提升略微,因其子因子间相关性高。
- 预期加权法构建的风格因子与未来核心因子的相关性较高,收益导向方法相关系数波动大且不稳定,尤其红利因子表现截然相反。
- 图表说明
- 图6-8分别展现成长、盈利、红利风格对比,图中橙色线(多因子预期法)明显优于蓝色线(单因子)和收益导向法。
- 图9-11展现多因子预期法与收益法的相关系数时间序列,预期法线条更平稳且更高。
5. 风格切换收益回测与配对策略(Page 11-13)
- 核心思路
- 根据风格因子得分将股票分为十等份,利用极端组(前后10%)构建股票组合进行回测,重点非单只风格组合收益,而是风格之间切换超额收益。
- 建立了多组主流风格对(如小盘VS大盘、低估值VS高估值、短期反转VS动量等),通过比较风格对收益表现判断择时能力。
- 数据与图示
- 表5清晰列出10类主流风格对及其计算超额收益方法。
- 图12-21展示了不同配对风格间相对收益的历史表现,显示显著收益差异和趋势。
- 这些风格切换的表现为后续择时策略提供直观依据。
6. 风格择时价值分析(Page 14)
- 核心分析
- 采用不同时间周期内风格切换(配对)月度收益标准差作为择时价值指标。
- 发现短期(6-12个月)内,小盘VS大盘、短期反转VS动量择时价值最高;中长期部分风格择时价值有所差异。
- 总结择时价值较大的五类风格对包括:小盘VS大盘、短期反转VS动量、低估值VS高估值、高盈利VS低盈利、成长VS价值。
- 高红利VS红利等权、高成长VS低成长择时价值较低,投资策略中需重点关注择时收益较高的风格对。
- 数据展示
- 图22详细展示各风格对在不同月度窗口下波动率指标,清晰量化择时价值差异。
7. 报告总结(Page 14)
- 报告再次强调风格定义区分状态类与预期类的重要性及其不同构建方法。
- 预期类风格因子通过最大化未来核心因子解释度合成,显著优于传统收益导向风格定义。
- 风格收益驱动下的择时价值主要集中在个别核心风格切换,后续将围绕这些风格指标开展风格轮动模型研究。
- 报告提出“无目标的努力犹如在黑暗中远征”,明确投资风格轮动策略目标,为进一步细化模型奠定基础。
---
三、图表深度解读
- 图1-4:因子相关矩阵与市值中性化效果
- 初始因子相关度存在明显市场影响特别是市值因子强相关性,市值中性化有效去除市值影响,令因子间依赖减少,有利正交处理和独立因子构建。
- 这些变化为后续预测模型和风格组合构建提供更合理的数据基础。
- 图5:正交后因子矩阵
- 展示了预期类子因子间几乎零相关性,表明正交处理有效消除了共线性,增加了因子预测精度的信心。
- 图6-9、10-11:成长、盈利、红利风格因子对比和预测效果曲线
- 多因子预测法(橙线)较单因子和收益法稳定且信噪比高,验证了报告提出的预期法建模优势。
- 红利因子不同方法的结果展现明显差异,收益导向法因负相关性产生误导。
- 图12-21:十组主流风格配对收益
- 各图趋势不同,反映不同风格切换时期收益优势交替,为择时策略提供直观依据。
- 例如图12小盘VS大盘经历数年上升期体现小盘超额收益,图20成长VS价值呈现波动下行趋势体现价值偶尔超越成长。
- 图22:风格择时价值波动率横向对比
- 量化择时价值的核心图表,明晰地标示短中长期内不同风格对波动水平,指导重点关注差异明显的风格对以寻求择时机会。
---
四、估值分析
报告本身并不涉及具体个股估值分析,而是聚焦多因子风格指标构建与择时研究。核心为风格因子建构方法学,采用面板回归、正交化、预期权重法,优于传统收益最大化法。
---
五、风险因素评估
- 报告末尾风险提示强调通过历史回测判断因子有效性无法排除未来失效风险。
- 多因子模型和风格因子也可能受极端市场、结构性调整或宏观变化影响而表现异常。
- 该风险说明反映业内对历史数据的局限性和模型稳定性的自我认知,劝示投资者谨慎使用。
---
六、批判性视角与细微差别
- 报告核心创新在于明确风格定义应独立于收益,强调投资者对风格的需求准确性,视角独特且有实际指导意义。
- 预期类风格因子加权权重基于未来核心因子解释程度的预测,回归模型合理,但模型准确性依赖于财务数据及时更新,存在时滞风险。
- 对于资金流入显著且市值影响偏强的A股市场,市值中性化虽有效,但可能掩盖真实市场动态对因子表现的贡献。
- 报告未展开后续风格轮动模型构建的具体策略实现细节,留有研究空间。
- 风格择时价值以波动率衡量择时利用度合理,但波动率高低并不完全等同于绝对收益或风险-adjusted收益,实际应用需综合其他指标。
---
七、结论性综合
本报告以深度的多因子角度重新定义股票市场的主流风格投资指标,提出状态类与预期类两种风格定义路线,并分别采用合理的因子合成与权重确定模型:
- 通过行业标准化、市值中性化及正交化处理降低因子间干扰和共线性,提升模型稳健性。
- 采用面板回归模型和最大化未来核心因子的解释度为预期类风格子因子赋权,创新性地提升了对成长、盈利、红利、防御风格的识别准确度。
- 实证结果清晰表明,预期类风格定义法较传统收益导向法在捕捉未来风格属性上优势显著。
- 风格切换收益回测与月度收益波动率分析,确认了小盘VS大盘、短期反转VS动量、低估值VS高估值、高盈利VS低盈利、成长VS价值为风格择时的重点对象。
- 报告明晰区分风格定义与风格收益表现,为风格轮动策略建立了坚实、科学的理论和实证基础。
综上,天风证券本报告为风格轮动策略提供了基石定义体系和方法框架,使得未来基于此建构的风格轮动模型能够更精确地反映投资者真实需求,有望提升风格切换的择时效果与市场适应性。
---
附:关键图表示例
图 6:成长风格对比

图 12:小盘 VS 大盘风格切换收益

图 22:风格择时月度收益波动率
详细波动率数据见报告第14页,多时间窗口覆盖,反映择时价值分布。
---
参考文献与数据来源
- 天风证券研究所原创数据与因子指标体系
- Wind数据库及朝阳永续数据支持
- 相关参考报告:
- 《金融工程:我国商品期货分类及异质性基本面分析概述》2018-01-31
- 《金融工程:潜伏系列之六:季节性盈利异象带来的意外收益》2018-01-22
- 《金融工程:库存基本面与动量技术面共振的投资策略》2018-01-05
---
[page::0,3,4,5,6,7,8,9,10,11,12,13,14]