宏观经济增长与选股因子表现对比 [page::4][page::6][page::8]

• PMI上行期间，动量型基本面因子及分析师情绪类因子表现优异且稳定，PMI下行时价量反转类因子表现更强。

- 财报发布期及企业基本面改善期，基本面因子表现更显著，反之价量因子占优。

• 经济增长指标上行阶段，基本面因子月均IC及月胜率均明显高于指标下行阶段，反转因子优势在经济增长下行时更突出。[page::4][page::6][page::8]

利率及中美利差对因子的影响分析 [page::6][page::7][page::8]

• 利率上行期间，基本面类因子包括ROE、SUE及预期盈利调整因子表现优于利率下行期间。

- 中美利差扩大（利差上行），反映经济预期向好，基本面与价格动量因子表现明显提升。

• 利差收窄则有利于价量反转类因子，基本面因子表现相对薄弱。[page::6][page::7][page::8]

大小盘与价值成长风格因子表现差异 [page::9][page::10][page::11]

• 大盘风格中基本面因子表现显著优于小盘，小盘阶段价量反转类因子及风格因子收益明显。

- 成长风格阶段，动量型基本面因子稳定性高于价量反转因子；价值风格阶段，反转因子表现优于基本面因子。

• 小盘价值风格下，价量类因子优势突出；大盘成长风格下，基本面因子表现稳定且收益率较高。[page::9][page::10][page::11]

复合情景模型构建与因子表现 [page::11][page::12]

• 结合经济增长、中美利差、大盘/小盘及价值/成长风格四个维度信号，构建0-4分复合情景模型刻画市场环境。

- 情景得分较高时，动量型因子（ROE、SUE等）IC表现和月胜率显著优于价量反转因子。

• 情景得分较低时，价量反转类因子（换手率、波动率、反转）及风格因子收益表现更好。[page::11][page::12]

动态调整因子权重优化多因子模型表现 [page::12][page::13]

| 情景得分 | 加权方式 | 月均IC | 月胜率 | 年化ICIR |
|----------|----------------|--------|---------|----------|
| =0 | IC加权 | 7.1% | 85.2% | 3.4 |
| =0 | 降低基本面因子权重 | 7.9% | 85.2% | 3.7 |
| =0 | 降低反转因子权重 | 5.7% | 85.2% | 2.8 |
| ≥3 | IC加权 | 9.1% | 80.6% | 3.4 |
| ≥3 | 降低基本面因子权重 | 7.4% | 77.4% | 2.7 |
| ≥3 | 降低反转因子权重 | 10.2% | 83.9% | 4.0 |

• 在基本面因子有利环境，降权反转类因子提升多因子模型IC和稳定性。

- 在基本面因子不利环境，降低基本面因子权重增加模型表现。[page::12][page::13]

风险敞口放松与指数增强组合表现提升 [page::13]

• 复合情景得分为0时，基本面因子表现差，但小市值因子收益和稳定性较好。

- 适度放开市值敞口，可显著提升沪深300与中证500指数增强组合的年化超额收益和信息比。

• 如沪深300增强组合，市值敞口放开至0.5，年化超额收益由3.2%提升至7.5%，信息比由1.54提升至2.52。[page::13]

不同组合的动态配臵及绩效表现提升 [page::14][page::15]

• 红利组合（防御性）与重仓股组合（动量型）根据情景得分动态配臵，提升组合收益表现及稳定性。

- 情景得分≥2时，重仓股组合权重提升；得分≤1时，红利组合权重提升。

• 情景配臵组合13年年化收益率达23.4%，信息比提升至1.071，优于等权配臵及单一组合表现。

- 跨年度来看，10/12年情景配臵组合超越等权配置，展现较强稳健性。[page::14][page::15]

金融研究报告详尽分析报告

---

1. 元数据与报告概览

• 报告标题：选股因子系列研究（九十八）——不同市场环境下的因子表现与配臵分析

- 分析师：郑雅斌、罗蕾

• 发布机构：海通证券研究所

- 发布时间：2024年6月

• 研究主题：探讨在不同市场和宏观经济环境下，常见的股票选股因子（包括基本面因子、价量反转因子、动量因子、风格因子等）的表现差异，并基于复合情景模型提出因子权重调整、风险敞口设臵及组合配置的策略。

核心论点：
2024年初，特别是截至4月底，ROE等基本面因子选股效果显著提升，月均IC达到9.4%，月胜率100%，远超前三年表现（IC不足2%）。宏观经济环境（PMI、利率、中美利差等）、市场特征（大小盘、价值/成长风格）的不同阶段，会显著影响各类因子的相对表现。基于经济增长指标、中美利差、市场风格构建复合情景模型后，可以动态调整因子权重和组合策略，从而优化多因子选股的预测能力和组合收益风险表现。报告不构成投资建议，存在因子失效及政策风险。 [page::0,4,16]

---

2. 逐节深度解读

2.1 投资要点与引言（页0）

• 关键发现

2024年ROE因子月均IC大幅提升至9.4%，历史同期表现仅约2%。不同市场环境下因子的表现存在显著差异，难以统一择时判断。
针对宏观经济（PMI趋势、企业基本面）、利率（中国国债收益率、中美利差）及市场特征（大小盘、价值成长）等4大变量构建复合情景模型，定量刻画市场环境对因子表现的影响。
基于该环境信号，可动态调整基本面动量因子与价量反转因子的权重，并灵活管理市值敞口和组合配置。 [page::0]

---

2.2 宏观环境分析（页4-8）

PMI与基本面效应

• PMI指标平滑处理（3个月滚动平均），划分为PMI上行与下行情景并统计因子的月均IC及月胜率（表1）。

- 结果显示：PMI上行，偏动量型因子（基本面动量、价格动量、分析师情绪）表现优异且稳定，月胜率普遍高于价量反转型因子；PMI下行阶段，价量反转类因子（如换手率、反转、波动率）表现突出，基本面因子效果明显减弱。

企业整体基本面影响

• 财报发布后2个月内，基本面因子IC及月胜率普遍提升（表2），体现财报季节效应。

- 企业整体基本面改善（净利润同比增速环比提升）时，财报期基本面因子表现进一步加强，且稳定性高，优于价量反转类因子；未改善时，基本面因子表现与非财报期无异，反转类因子占优（表3）。

宏观经济综合指标

• 结合PMI和企业整体基本面指标，划分经济增长类指标上行与下行，统计因子表现（表4）。

- 经济增长上行期基本面因子表现全面优于价量反转类，且风格因子收益弱；下行期则相反，价量反转类优势明显。

利率及中美利差影响

• 利率上行阶段（国债收益率超越历史均值），基本面因子IC普遍提升，主要包括ROE、SUE、预期净利润调整等。反转类因子在利率下行期更具优势（表5、6）。

- 中美利差扩大时，经济预期乐观，基本面动量因子和价格动量因子表现更优，稳定性更高；利差缩小时，表明经济压力增大，反转类和价量因子的表现优先凸显。 [page::4,5,6,7]

---

2.3 市场特征分析（页8-11）

大小盘风格划分

• 利用沪深300相对Wind全A指数的超额收益累计净值及其12个月均线，划分大盘或小盘主导的市场环境（图3、4）。

- 统计各风格情境下因子表现（表8）：大盘阶段基本面因子表现显著好于小盘，小市值和低估值因子表现较差；小盘期间则价量反转类因子表现突出，风格因子收益较高。

价值成长风格划分

• 以国证价值指数相较沪深300超额收益的长期均线划分价值或成长阶段（图5、6）。

- 统计结果显示（表9）：成长阶段基本面因子表现优于价量反转类，且月胜率较高；价值阶段则相反，价量反转类和风格因子表现更佳。

综合风格四象限分析

• 结合大小盘和价值成长风格划分四大类市场情境：小盘成长、小盘价值、大盘成长及大盘价值（表10、11）。

- 结果表明：
- 小盘价值环境下，价量反转类因子和样式因子收益较好，基本面因子表现较弱。
- 大盘成长环境下，动量类基本面因子稳定性高、收益显著，超越价量反转因子。
- 不同环境下因子收益分布表现出明显区隔，有利于基于环境动态调整因子权重。 [page::8,9,10,11]

---

2.4 复合情景模型及其应用（页12-16）

模型构建与因子表现

• 结合经济增长指标（PMI与基本面）、中美利差、大小盘风格和价值成长风格四项指标，将各信号按照积极=1、不利=0方式求和，形成0-4的复合情景得分（低至高表示市场环境对动量型因子越友好）。
• 不同得分情景下因子表现（图7-10）：

- 情景得分较高（≥3）：偏动量型因子（如ROE、SUE、动量、预期因子）IC和月胜率最高。
- 情景得分较低（0）：价量反转型因子（换手率、反转、波动率）及风格因子（小市值、低估值）更具优势。

调整因子权重的实证

• 研究根据情景得分调整因子权重对多因子模型预测IC影响（表11）：

- 情景得分较高时，降低反转因子权重提升模型IC（如从9.1%增至10.2%）。
- 情景得分较低时，降低基本面因子权重提升模型效果（从7.1%增至7.9%）。

• 加入小市值因子后，调整权重效果更明显，帮助提升多因子预测准确度。

风险敞口设臵

• 情景得分最低阶段，基本面因子表现不佳，多头超额收益有限，价量反转因子虽突出但收益弱。

- 小市值因子在该阶段表现优异，适度放开市值敞口可显著提高指数增强组合的年化超额收益和信息比（表12）。

• 建议情景得分低时放松风格管控，情景得分高时严控风格敞口以降低风险。

组合配置策略

• 构建红利组合（防御型）及重仓股组合（偏动量型），根据情景得分动态调整配臵比重（表13）：

- 情景得分高时，重仓股组合年化超额收益较高，月胜率优于红利组合。
- 情景得分低时，防御性红利组合表现胜出。

• 图11显示将两组合等权配置表现平稳，年化收益位于两组合之间。

- 基于情景得分动态配臵策略，年化收益提升至23.4%，信息比提升至1.071，且多数年份表现优于等权组合（表14、15）。 [page::12,13,14,15,16]

---

3. 图表深度解读

图1-2（页4）

• 展示2017-2024年常见基本面因子（ROE、SUE、预期净利润调整）的月均IC演变（图1）及2024年各月月度IC波动（图2）。

- 明显看出2024年ROE因子IC大幅跃升超过9%，远高于前几年水平，且月胜率高达100%，显示基本面因子在当前环境的强选择能力。

• 2024年月度IC波动显示多月为正向，尤其1月和4月表现强劲，偶有负值（2月）但整体趋势明显。

表1（页4）

• 对比PMI上行与PMI下行阶段各因子月均IC与月胜率。

- PMI上行，动量类及基本面类因子月均IC普遍高于下行状态，反转因子表现相对弱化，反映增长阶段市场更青睐稳定成长类股票。

表3（页5）

• 财报期对比非财报期，结合企业基本面改善状态对因子表现影响的四象限分析表。

- 明显表现出基本面改善期间财报效应显著，基本面因子IC大幅提升，反转类因子效果下降，验证基本面改善加强因子稳定性的假设。

图3-4（页9）

• 大盘累计超额收益的历史走势及基于12个月均线的大小盘信号划分。

- 图3信号锋利跳跃，图4通过3个月平滑改善信号连续性，提升划分准确性，减少频繁切换。

表8（页9）

• 大小盘不同情景下，基本面因子表现大盘更优，小盘则价量反转及风格因子更显著。

- 该表数据支持动态风格调整策略。

图7-10（页12）

• 图7-10分别展示不同复合情景得分下量价因子、动量因子月均IC及月胜率。

- 图8显示，高情景得分下动量因子稳健增长，图7及图9在低情景得分下价量类因子站上风头，图10月胜率趋势验证上述结论。

表11-12以及图11（页13-14）

• 表11验证基于情景得分调整因子权重对多因子模型预测性能的提升效果，且小市值因子加入能进一步优化。

- 表12强调在基本面因子失效时合理放开市值敞口的显著正面影响。

• 图11总结红利组合与重仓股组合及其等权与情景配臵的累计净值走势，显示动态配臵组合波动更小，收益稳定性提升。

---

4. 估值分析

报告属于因子表现与多因子选股模型构建研究，未涉及具体公司或行业估值分析，不包含现金流折现、相对估值等传统估值模型内容。其核心估值是在多因子预测能力上的IC（信息系数）表现及组合超额收益，体现选股模型的预测准确性和业绩贡献，属于量化投资模型的评估体系。

---

5. 风险因素评估

报告在多处明确存在的风险包括：

• 历史统计规律失效风险：因子的历史有效性可能因市场结构变化或政策环境出现变动而失效。

- 因子失效风险：选股因子随时间可能弱化或失去稳定性，导致模型预期收益下降。

• 政策变动风险：宏观经济及资本市场政策调整可能改变因子表现特征，影响复合情景模型的准确性。

报告未具体提出风险缓解策略，但通过多因子动态调整、环境感知模型及组合配置优化以分散风险，体现一定的风险管理思路。 [page::0,16]

---

6. 审慎视角与细微差别

• 因子择时难度：报告强调alpha因子正负择时难，但不同环境下因子的“相对”择时优势明显，表明因子择时非绝对概念，应聚焦环境区分。

- 信号划分稳定性：大小盘、价值成长信号均依赖于基准指数相对表现及均线处理，存在信号切换频繁可能导致高交易成本风险，报告虽采用3个月平滑减缓，但仍需警惕信号滞后或延迟反应实际走势。

• 小市值因子风险与收益权衡：虽然在低情景得分下放松市值敞口提升收益，但小盘股通常波动更大，流动性风险也更突出，报告未深入讨论敞口放松的潜在风险，对投资者风险承受能力提出更高要求。

---

7. 结论性综合

本报告系统分析了多类经典选股因子在不同宏观经济环境（PMI及企业基本面趋势、国债利率走势及中美利差）、市场结构（大小盘、价值成长风格）下的表现差异，为复杂市场环境中因子择时提供了实证依据。核心成果是构建了宏观与市场特征的复合情景打分模型，能显著区分动量类因子与价量反转因子的优劣表现阶段。

• 基本面动量因子（如ROE、SUE、预期净利润调整）在经济增长上行、中美利差增加、大盘成长环境中表现最优，IC和月胜率稳定高。

- 价量反转类因子（换手率、波动率、反转）在经济下行、利差缩小、小盘价值环境中更具优势。

• 基于情景得分动态调整因子权重和风格敞口，能提升多因子选股模型性能，改善策略超额收益和信息比。

- 组合层面，区分防御性较强的红利组合与动量偏重的重仓股组合，并根据市场情景动态配置，提高投资组合收益稳定性和风险调整回报。

• 报告所揭示的因子表现规律和模型应用能够为量化基金经理、投资顾问提供精细化的因子配置和风险管理路径，但需警惕因子失效及宏观政策带来的潜在风险。

图表尤其直观展示了经济指标与因子表现间的关联性、大小盘及价值成长风格中因子表现的差异，以及复合情景模型下因子表现和组合收益的显著变化，强化了报告的实证说服力。 [page::4,9,12,14,16]

---

总结

该份海通证券选股因子系列报告通过详实数据统计和多维度分析，清晰展现了不同宏观经济、市场环境下股票选股因子的差异化表现和综合应用框架，提出了兼顾因子动态调整、敞口管理和组合策略优化的操作指引，具有较高的实操指导意义。投资者可据此在多变的市场环境中更灵活地应用因子模型提升选股精度，但仍应注意历史规律失效和政策风险的潜在不确定性。该报告具备扎实的数据支撑、系统的环境划分与应用策略，适合专业量化投资和机构资产管理参考。

报告