行为金融学模型及投资者情绪假设 [page::1][page::2][page::3]

• 使用含有反应不足与过度反应的双状态马尔科夫模型描述盈利扰动，反映投资者在盈利趋势与均值回复间动态调整权重。

- 定义“消息观察者”与“动量交易者”两类非完全理性投资者，前者基于未来基本面信息交易，后者依据价格趋势参与动量交易，统一解释市场价格反应的不足及过度现象。

成长-价值-防御风格轮动构建与逻辑 [page::3][page::4]

• 以成长与价值盈利增速的变化（加速度）作为SAA层面风格轮动信号。

- 结合两个防御择时指标：风险回报度(RTI)和风格差异度(DR)，动态调整二级风格配置。

• 防御指标示意：风险回报度反映波动与收益的rank相关性，风格差异度衡量风格资产走势差异性，二者异常时配置红利低波防御风格。

风格轮动策略回测结果 [page::5][page::6][page::7]

| 指标 | 轮动（价格指数） | 基准（价格指数） | 超额 | 轮动（全收益指数） | 基准（全收益指数） | 超额 |
|----------------|------------------|------------------|-------------|--------------------|--------------------|-------------|
| 年化收益 | 14.94% | 3.56% | 11.38% | 19.63% | 6.45% | 13.17% |
| 年化波动 | 19.13% | 18.00% | -- | 19.21% | 17.99% | -- |
| 最大回撤 | -31.74% | -31.40% | -19.26% | -29.54% | -29.85% | -19.17% |
| 月胜率 | 60.55% | -- | -- | 60.55% | -- | -- |
| 月超额赔率 | 1.42 | -- | -- | 1.56 | -- | -- |

• 配置不同均衡风格后回测表现接近，但在市场相关性快速升高时，选择宽基成分指数表现更优，突显降低风格过度倾斜的必要性。

行业轮动方法及效果 [page::7][page::8]

• 行业轮动依据申万一级行业相对于全行业平均增长加速度及风险指标动态选取5个行业作为投资标的。

- 不同风险状态下分别选择加速增长行业、低PB行业、成长价值均衡行业及高股息行业。

• 2016-2025年行业轮动年化收益7.92%，超额7.10%，月胜率58.72%。

| 指标 | 轮动 | 基准 | 超额 |
|------------|------|------|-------|
| 年化收益 | 7.92%| 0.82%| 7.10% |
| 年化波动 | 20.63%|19.45%| 9.41% |
| 最大回撤 | -30.85%| -36.45%| -15.49% |
| 月胜率 | 58.72%| -- | -- |
| 月超额赔率 | 1.26 | -- | -- |

主要风险提示 [page::9]

• 市场波动风险

- 宏观数据及政策变化风险

• 模型失效风险

报告分析——《参考投资者情绪模型进行风格和行业轮动--行为金融学应用之二》

---

一、元数据与报告概览

• 报告标题： 参考投资者情绪模型进行风格和行业轮动--行为金融学应用之二

- 作者： 王琦

• 发布机构： 东北证券金融工程组，上海证券研究咨询分公司

- 发布日期： 2025年5月26日

• 主题： 行为金融学视角下，结合投资者情绪模型及相关风险指标，对中国A股市场中的成长、价值、防御三大风格及行业进行轮动策略研究。

- 核心论点与信息传递目标：
本文延续先前基于行为金融学的投资策略探索，重点引入投资者情绪模型（涉及反应过度与反应不足的统一理论），指导A股成长-价值-防御风格以及行业的动态配置和轮动操作。通过引入风险指标“风险回报度（RTI）”和“风格差异度（DR）”，实现对风格及行业的风险调整择时与轮动。报告显示，采用该策略应用于2016年至2025年期间，风格轮动年化收益率优异，行业轮动同样取得正向超额收益。

• 评级与目标价： 本文为策略型研究报告，未涉及具体股票评级和目标价。

---

二、逐节深度解读

1. 概述及研究背景（第0页）

• 作者回顾行为金融学在指数择时中的应用，提到先前报告基于前景理论和筹码分布分析长短期效用变化，为宽基指数和行业择时提供了良好市场走势预测。

- 重点放在套利限制和投资者心理，其中套利限制不做本报告深究，改为引入投资者心理模型和投资者情绪模型（结合反应不足、过度反应及动量交易的统一理论）用于指导A股中的风格轮动。

• 引用Fergis等（2019）的防御因子择时理念，引入两个风险指标（波动收益相关性和风格分散度）进行市场判断，以量化动态切换大盘成长、小盘价值等风格。

- 主要逻辑包括：
1) 基于未来数据的成长因子表现稳定且超越市场，长期对增长进行定价。
2) 财务报告数据可能失效的原因，包含消息扩散速度提高导致动量交易轮次减少，从而削弱预期外盈余带来的超额收益。
3) 投资者对盈利均值回复和盈利动量模型的权重动态调整。
4) 动量交易强度难以用低频数据预测，但风险指标预警时进行风格调整和防御配置。

• 报告目的清晰，旨在用行为金融学和情绪模型指导风格与行业轮动策略。[page::0]

2. 理论介绍（第1-3页）

2.1 反应不足与过度反应定义

• 反应不足定义为：在好消息发布后的下一期，收益高于坏消息后的收益，体现信息滞后吸收（次期正回报修正）。典型表现在盈余公告后SUE因子的表现。

- 过度反应定义为：连续多期好消息后的回报低于连续坏消息时期的回报，表现为长期反转，成长因子相对于低估因子表现较弱等现象。

2.2 投资者情绪模型

• 模型设定两种“市场状态”，分别由两套不同的马尔科夫过程模型生成盈利扰动，模型1侧重均值回复，模型2强调盈利动量趋势。市场在两状态间切换也服从马尔科夫过程。

- 投资者以贝叶斯方式根据观测盈利扰动来更新对两个模型的信念权重，从而动态判断市场处于偏向均值回复还是动量趋势的状态。

• 具体转移概率的推导和更新公式体现了理论的数学严谨性和动态适应性。

- 实证研究支持该模型能模拟现实中盈利动量与均值回复交易倾向的变动。

2.3 统一理论框架

• 将非完全理性的投资者分为“消息观察者”（基于基本面新信息做交易，不关注价格）和“动量交易者”（仅基于价格动量交易，参与度不均，存在时序外部性）。

- 该结构有效统一了解释反应不足（消息观察者信息吸收不足）及过度反应（动量交易者滞后入场推高价格至过度状态）。

2.4 对成长收益回撤的行为解释

• 利用上述理论阐述预期外盈余财报增速因子失效的原因，市场确定性下降导致私人信息减少，消息观察者活跃度降低，投资者趋于盈利均值回复预期，从而抑制了财报驱动的动量交易和超额收益。

- 投资者在市场不确定时倾向选择短久期成长标的，这限制了动量空间。

• 结论表明，在不同市场环境下，成长因子的动态表现与投资者心理和交易反应机制密切关联。[page::1,2,3]

3. 风格轮动方法与结果（第3-6页）

3.1 逻辑

• 在顶层资产配置（SAA）层面，依据成长与价值盈利净利润增速的相对变化，决定大类配置成长或价值风格。

- 二级风格选择依托两个防御指标“风险回报度（RTI）”和“风格差异度（DR）”，分别反映市场波动与收益相关性及风格间的走势差异性。

• 具体选择规则如下：

1) 两指标均正常时，偏好小盘价值或小盘成长。
2) 风格差异度下降时，偏好大盘价值或大盘成长。
3) 风险回报度下降时，采用均衡配置（大小市值均衡成长或价值）。
4) 两指标均异常时，配置红利低波（防御风格）。

• 图1展示了基于未来盈利信息（SUE）构建的因子收益，前10组表现出显著的超额增长走势，支撑成长因子长期有效性的论点。

3.2 计算与测试说明

• 成长与价值净利润增速数据来源于沪深300、中证500、中证1000等指数的加权合成，力求覆盖大中小市值代表性风格指数。

- 风险指标RTI通过过去60日的波动率与收益率秩相关计算，衡量波动与回报关系的坚固性。图2显示RTI曲线走势与市场环境变化紧密相关。

• 风格差异度DR衡量各风格波动率与组合波动之间的比例，体现风格间表现分散程度。图3揭示风格差异度的周期波动趋势。

- 每季度财报发布后，根据成长价值增速差变化进行风格切换，并据风险指标进行细分风格调整。

测试结果

• 时间区间：2016/04/30-2025/05/23。

- 风格轮动策略基于价格指数的年化收益达14.94%，超额11.38%，月胜率约60.5%。基于全收益指数年化收益提升至19.63%，超额达13.17%。

• 风格均衡方法对比显示：当市场风格相关性提升（RTI降低）时，采用宽基指数配置效果更佳，匹配了波动率上涨时热门风格调整的需求。

- 加入防御资产配置虽偶尔导致阶段性净值回撤，但整体平滑跌幅，有助于降低长期最大回撤。

• 图4-7和表1-2清晰展示了轮动净值和超额收益的趋势及风险收益指标，结果稳健，说明模型具备实用性。

---

4. 行业轮动方法与结果（第7-8页）

4.1 方法说明

• 行业数多，无法进行系统性配对对比，采用各申万一级行业相对于全行业平均净利润增速差变化排序，结合风险指标筛选出符合风险偏好与加速增长的5个行业进行配置。

- 风险指标与风格轮动规则相仿：两指标正常时选择加速增长最强的行业，指标异常时根据PB分位数、成长价值均衡及全市场股息率进行防御性调整。

4.2 测试结果

• 时间区间同样为2016/04/30-2025/05/23。

- 行业轮动年化收益7.92%，超额7.10%，月胜率58.72%，且各年度均录得正超额。

• 最大回撤明显优于基准，反映策略降低了极端风险暴露。

- 净值和超额趋势与风格轮动保持较好一致性，显示该行为金融学方法具有一定的普适性。

• 报告建议若能加入更精准基本面预测，顶层配置决策效果将进一步提升。

- 图8和表3详细请见附图。

---

5. 总结（第9页）

• 本文基于投资者情绪模型，结合反应过度/不足和动量交易的统一理论，合理设计成长-价值-防御轮动策略及行业轮动策略。

- 在顶层通过成长与价值盈利增速差二阶变化，进行成长价值风格的选择；在月度层基于RTI和DR指标，选择具体二级风格细分；行业配置同理结合风险指标和盈利增速加速特征。

• 历史回测期间，风格轮动实现年化超额收益11%+，行业轮动实现7%+的年化超额，均有较好月胜率和正向波动收益关系。

- 指标风险识别能力良好，对抗极端市场环境发挥重要防御作用。

• 风险提示包含市场波动风险、宏观政策变化风险、模型失效风险，强调模型基于历史数据和当下假设，不保证未来表现。

---

三、图表深度解读

图1：SUE因子基于未来盈利信息的表现

• 描述：图表展示了2016年至2024年间，按照未来盈余预期划分的10组股票组合净值变化。第10组（右上方曲线）表现显著优于其他组合。

- 解读：随着未来盈利信息的持续显露，市场对高成长股票持续调整价格，SUE因子形成长期超额收益的动力，反映成长因子基于未来预期的有效性。

• 联系文本：是支持核心论点的关键实证证据，论证成长因子投资的稳定超额收益来源于对未来盈利的期待和价格调整。

- 数据局限：基于未来数据回测，可能存在未来函数问题，但为检验因子有效性常用方法。

图2和图3：风险回报度（RTI）与风格差异度（DR）

• 描述：RTI图展示波动率与收益的秩相关变化，DR图展示风格间波动率差异的动态走势。

- 解读：两指标的波动均反映市场风险偏好和分散性变化，指标显著下降通常对应市场风险升高或风格表现趋同，此时策略倾向防御或大盘风格。

• 联系文本：构成风格二级轮动和防御调整的重要依据，策略通过这些指标规避系统性风险。

图4-7：风格轮动净值及超额收益（均衡风格为宽基和大小均衡）

• 描述：净值曲线显示轮动策略与基准的累计收益差距，超额图反映相对基准的超额收益增长趋势。

- 解读：策略长期跑赢基准尤其在2019年后愈加明显，风险调整指标显示最大回撤有所控制，策略抗风险能力较好。

• 联系文本：支撑策略有效性和风险控制能力，表格中年化收益和最大回撤数据强化了图表直观表现。

表1-3：轮动策略各类风险收益指标

• 年化收益分别在11%-19%之间，较基准优势明显。

- 波动率与基准持平或略高，显示适度承担风险。

• 月超额赔率均高于1.4，表明正向超额概率显著超负向。

- 最大回撤普遍优于基准，风险管理效果显著。

• 结合这些数据，可以推断策略稳定有效，兼顾收益与风险。

图8及表3：行业轮动净值与风险收益

• 与风格轮动表现同步，行业轮动策略同样获得稳健的超额收益和风险控制。

---

四、估值分析

• 报告未涉及具体估值模型，如DCF、市盈率等传统公司估值方法。

- 策略更多基于行为金融学理论及投资者情绪模型，融合统计风险指标进行动态择时及资产配置。

• 估值环节主要体现在风格和行业因子轮动和风险限度控制上，采用量化风格指数及行业数据作为标的。

---

五、风险因素评估

• 市场波动风险： 针对A股市场固有的剧烈波动，策略通过RTI和DR指标进行动态调整，试图降低极端市场情绪引发的损失风险。

- 宏观数据及政策变化风险： 宏观经济指标、政策调控可能导致基本面和市场行为的重大变化，使模型基于历史经验的预测出现偏差。

• 模型失效风险： 所有基于历史数据和假设的模型均面临在未来市场结构或投资者行为变化下失效的可能，尤其投资者情绪模型和动量反应假设可能不再适用。

- 报告未详细提出具体缓解措施，但通过多指标动态监测实现一定程度的风险防范。[page::9]

---

六、批判性视角与细微差别

• 本报告利用未来盈利数据进行因子检验，有未来函数问题，实盘可执行性有待量化检验。

- 风险指标基于权重均等且波动相关性假设，可能未完全涵盖系统性风险和极端事件风险。

• 防御型风格配置虽平滑下跌，但阶段性可能拖累收益，投资者需权衡收益平滑与回撤。

- 研究未深入讨论市场结构变化对模型影响，尤其中国市场监管环境变化的可能冲击。

• 部分公式与数学推导中符号排版存在微小瑕疵，如转移概率符号未完全规范，实际影响不大。

- 报告内容理论与实证结合紧密，条理清晰，数据充分，具备一定的学术与实操参考价值，但同样需要结合实时市场检验。

---

七、结论性综合

本报告基于行为金融学的投资者情绪模型，系统阐述了成长、价值、防御风格及行业轮动的理论基础与实证表现。利用反应不足与过度反应理论，结合消息观察者与动量交易者的统一模型，构建了动态调整盈利预测权重及风格选择的框架。以风险回报度（RTI）和风格差异度（DR）辅助判断风格内部及行业间防御调整，规避极端波动风险。

回测结果显示，2016年至2025年期间：

• 风格轮动策略年化收益达14.94%（价格指数）至19.63%（全收益指数），超额收益显著，月度胜率约60.5%。

- 风格二级轮动和防御风格配置有效降低了最大回撤，提升风险调整后的表现。

• 行业轮动年化收益7.92%，超额7.10%，同样具备稳健性及良好的月度获胜概率。

- 图表与数据综合体现成长因子基于未来盈利预期的稳定超额收益特性；风险指标动态反映市场情绪变化，为轮动提供可行的风险信号输入。

整体来看，本文论证深刻，基于行为金融学理论与量化风格数据的结合，有效捕捉了中国A股市场中投资者情绪与风格轮动的动态关系，具备一定的策略指导价值。然而，投资者仍需关注宏观政策变动及模型可能失效的风险，结合实际投资情境和个性化需求审慎应用。

---

附：部分关键图表

图1：使用盈利的未来信息的SUE因子测试


图2：风险回报度（RTI）


图3：风格差异度（DR）


图4-5：风格轮动净值与超额（均衡风格为宽基）



图8：行业轮动净值


图9：行业轮动超额


---

参考文献

• Fergis et al. (2019) 防御性因子择时研究方法

- 《行为金融学新进展(II)》，理查德·泰勒，2014

• 东北证券金融工程组系列报告

---

【报告全文信息均摘自原文，全文页码对应为引用依据】[page::0-10]

报告