• 经济周期对A股市场的直接主导作用减弱，金融周期逐渐成为推动牛熊转换的核心变量，私人部门信贷/GDP与M2-GDP增速差是测度金融周期的关键指标 [page::2][page::3]

• 申万一级行业根据增长驱动划分为利率驱动、消费驱动、创新驱动等五大类，不同周期阶段由不同类型行业交替领跑市场，金融强周期时期利率驱动型行业领跑，经济弱周期时期消费驱动行业领先，经济新周期初现创新驱动型行业崛起 [page::3][page::4][page::5]

- 随机折现因子（SDF）模型解释了周期视角下的行业轮动和资产定价逻辑：经济繁荣期风险偏好提升，高风险成长股受捧；经济低迷期风险偏好下降，稳定现金流的行业龙头和白马股更受青睐 [page::5][page::6]

• barra-CNE6 多因子模型是SDF在现实中的映射，包含国家、行业及8大类风格因子。通过Fama-Macbeth回归以时变公司特征作为因子暴露，因子效度受经济周期影响明显，是A股风险管理和业绩归因的重要工具 [page::7][page::8]

- 因子检验采用数据清洗、中性化处理和多重检验方法（信息系数、分组测试、纯因子组合）筛选出稳定的风险和收益因子。规模、成长、EP价值和流动性因子表现显著，且多因子间无严重共线性 [page::10][page::11][page::13][page::14][page::15][page::16]

• EP价值因子在价值类因子中表现最佳，信息系数和Fama-Macbeth检验均显示其预测能力强，除规模、流动性、成长外价值类因子亦具显著超额溢酬 [page::16][page::17][page::18]

• 纯因子组合检验表明，规模、流动性、成长、价值（EP、反转）等因子具显著稳定溢酬，而异质波动率因子溢酬不显著，说明部分因子的风险溢酬或来自于其他因子的共同影响或经济环境 [page::18]

• 金融周期被细分为高涨、衰退和正常期，2020年疫情后触底回升，2021年至今步入正常期。金融顺周期明显助力规模因子表现复苏，供给侧改革后小市值股票杠杆风险下降，推动规模因子迎来春天 [page::20][page::21][page::22]

• 供给侧改革有效剔除“伪成长”，经济新周期推动创新驱动产业崛起，成长因子组合净值持续上升，近期成长因子多空组合和纯因子组合收益率同步跻身高位，展现出稳定的周期穿越能力 [page::22][page::23]

• 报告总结指出，随机折现因子为理解资产价格周期性波动提供理论基础，多因子模型为该理论在实际的映射。规模因子和成长因子受周期影响明显，金融顺周期激活规模因子，经济新周期促进成长因子，预计未来行情持续看好 [page::23]

深度分析报告：《周期内barra-CNE6的A股适用探析》

---

1. 元数据与报告概览

标题：《周期内barra-CNE6的A股适用探析》
作者及机构：张晓春及团队，国联证券研究所
发布时间：2021年11月12日及随后补充章节
研究主题：基于经济与金融双周期视角，深入探讨MSCI旗下barra-CNE6多因子模型在中国A股市场的适用性及表现，重点分析规模因子和成长因子在当前及未来周期中的估值与收益趋势。

核心论点与评级观点：

• 经济结构与市场环境经历从金融强周期主导至经济弱周期主导，近年来经济新周期与金融周期共振带动规模和成长因子回归表现。

- 利率、消费、创新驱动型行业轮动体现周期交替特征，barra-CNE6多因子模型因子收益受周期明显影响。

• 规模因子（小市值效应）与成长因子正迎来周期春天，未来在经济新周期和金融顺周期的助力下有望持续表现良好。

- 评级虽未明确给出具体个股建议，但报告整体对A股市场尤其是规模和成长风格持积极看法。

• 模型基于量化假设，存在一定失效风险 [page::0, 23]。

---

2. 逐节深度解读

2.1 周期主导下的股市波动与资产定价

2.1.1 经济动能减弱，金融周期主导股市（章节1.1）

• 中国经济自2008年金融危机后增长动力显著减弱，工业增加值同比增速中枢从16%降至7.4%，经济周期对股市的主导性逐渐下降。

- 虽通常认为股市反映经济走势，但2008年后股市出现较多独立行情，特别是2009和2014-2015年大幅反弹，显示经济与股市脱钩现象增强。

• 图表1展示2008年以来工业增加值同比增速的下降趋势以及红绿条对应牛熊市月份，红色区域（牛市）并非总伴随高工业增加值增长。该图明确体现经济因素对股市周期影响力下降。

- 逻辑基础在于经济动能放缓，长期政策、结构调整和国际环境变数使经济对市场的直接影响减弱。

• 同时指出金融变量对市场影响增强，意味着信用、货币政策等金融周期成为市场主导要素 [page::2].

2.1.2 金融周期的显著性提升（章节1.2）

• 使用私人部门信贷/GDP比值与M2-GDP增速差反映金融周期。

- 结果显示自2008次贷危机后，信用收缩与扩张显著对应上证综指牛熊转换，2012-2016年货币宽松与市场牛市一致（图表2）。

• 金融周期体现了信贷扩张对股票市场资金面的推动机制，货币政策宽松增强市场流动性，提升投资热情。

- 该对比强化经济周期与金融周期的独立性，金融周期波动事件对资产价格影响更为直接与快速。

• 数据按季度划分屏蔽因数据披露节奏，更科学严谨地分析金融周期阶段对市场的反馈机制 [page::3].

2.1.3 行业轮动及分类（章节1.3）

• 将A股行业分为五大类：消费驱动、制造驱动、利率驱动、周期性、创新驱动型，以增长逻辑划分。

- 2010年代前半段由利率驱动型行业主导市场，如银行、房地产、非银金融；后期消费驱动行业崛起，表现行业包括食品饮料、休闲服务等；创新驱动近年快速兴起，涵盖计算机、电子、电气设备及汽车电动车。

• 该分类紧扣经济与金融周期特征，反映行业表现与宏观驱动因素的内在关联。

- 图表3（虽文本有排版缺失）列示各年份领先行业，清晰展现周期行业更迭的时间趋势和逻辑。

• 文本深度论述了不同周期因素对行业收益率的推动机理，对于投资者把握行业轮动提供了定量和理论依据 [page::4-5].

2.1.4 资产定价核（SDF）及多因子模型解释（章节1.3-1.4）

• 资产定价核即随机折现因子（SDF），表征消费的跨期边际替代率，反映经济周期中风险偏好的变化。

- 经济繁荣时边际效用低，折现因子高，投资者风险偏好强，偏好高风险小盘、成长股；经济差时折现因子低，风险偏好弱，偏好稳定现金流白马股及行业龙头。

• 横截面视角下，投资者更愿以高价购买在经济萧条时提供“保值”回报的低风险资产，因此系统性风险小的资产期望收益率低。

- 随机折现因子与现实世界的多因子（如Fama-French 3因子）模型对应，多因子模型中的因子暴露即风险敞口，可视为SDF的线性组合。

• 介绍了多因子模型的演进、三大因子类型（宏观经济、基本面、统计因子）及三类回归方法（时序、截面、FM回归），指出barra模型采用公司特征做因子暴露的截面回归，更适用于中国市场。

- 公式清晰表达barra-CNE6的多层级因子结构，包括国家因子、行业因子、风格因子及其线性回归模型。

• 强调barra模型主要用于风险管理和归因，因子收益有波动且受经济周期影响，因此理解因子在不同周期表现的适用性尤为关键 [page::6-8].

2.2 barra-CNE6多因子在A股的实证（章节2）

2.2.1 因子定义及清洗

• 选用国联证券定义的申万一级行业因子，及barra中8大风格因子（规模、波动率、流动性、动量、质量、价值、成长、红利），各二级三级因子详见图表4-10。

- 数据清洗包括剔除被特殊处理股票、未满一年上市股，异常值用MAD法处理，财报数据缺失用行业均值填充，技术因子用前值填充。

• 所有因素均标准化（Z-score），风格因子中性化处理除红利因子外均采用行业+市值双中性化，规模因子只中性化行业。

- 采用多重检验方法（barra单因子、信息系数IC、Fama-Macbeth、分组检验、纯因子组合）并以可投资性与收益性为筛选标准。

• 图表5展示数据清洗、因子处理、因子检验三大环节流程图，清晰明了，思路科学严谨 [page::8-11].

2.2.2 因子检验

• 行业因子：所有申万一级行业因子均为有效风险因子（t值绝对值均大于2），但因年化波动率均大于25%，收益稳定性不足，难以直接作为收益因子。表现最好行业包括电子、计算机、食品饮料、电气设备等（年化收益率均超20%）。图表8详列27个行业因子检验数据。

- 风格因子：单因子检验显示，小市值（规模因子）、低波动、非流动性、价值因子溢酬显著，动量呈反转效应，成长因子虽单因子t值稍低，但时序表现稳定（beta约1.09），符合收益因子特征。VIF值体现多因子间无严重多重共线性。图表9统计全面详细。

• 分组检验针对规模因子（对数市值及非线性市值）呈现显著小市值效应，分组净值严格单调。中期经历2018-2020年间负收益和大幅回撤，验证经济周期中该因子表现波动性。异质波动率、流动性因子分组净值差距明显，单调性良好。红利与成长因子表现均较稳健，红利因子收益波动率更小。EP价值因子胜过BP价值因子，递增区分度更明显，收益波动更小。[page::13-17]
• ICIR和Fama-Macbeth检验确认规模（lncap，midcap）、异质波动率、流动性、成长、EP价值因子预测能力显著，且收益稳定。成长因子IC虽不高但通过显著性测试，列入收益因子。质量类因子表现一般。图表18详实支持。

- 纯因子组合检验进一步剔除其他因子影响后，成长、EP价值、流动性、反转、规模因子表现稳健且因子收益显著。异质波动率因子统计意义不再显著，提示其收益可能来源于其他因子或经济环境变化。图表19总结全面。

• 资产组合净值时序上，对数市值因子2017年失效，当前疫情后正恢复，非线性市值因子跃升，EP价值、流动性及成长因子稳步增长（图表20）。

- 文中引用学术文献及实证结果的结合增强了报告的学理严谨性和实证有效性。

• 结论：A股多因子模型中，规模因子受周期强烈影响，但今年以来规模和成长因子明显抬升，意味着“风格春天”已到来[page::19].

2.3 规模和成长因子迎周期春天（章节3）

2.3.1 金融周期状态细分

• 采用HP滤波法提取私人部门信贷/GDP的周期成分，以偏离度划分高涨期、衰退期、正常期三种状态，结合M2-GDP同比增速差辅助修正。

- 图表21展现近20年金融周期分段，详列牛市、危机、供给侧改革、新冠疫情时期对应的周期状态。强调近期2021年第三季度金融周期指标触底回升进入正常期。

• 明确标识了四个金融高涨期区间与四个衰退期区间，最新衰退期对应2017年供给侧后期，2020年疫情后的第二次高涨期又开启了金融景气复苏阶段。

- 这种细分有助于理解该周期对市场因子的影响，后续章节以此为基准判断规模、成长因子表现[page::20-21].

2.3.2 规模因子“蝶变”和成长因子新周期表现

• 规模因子：供给侧改革引发去杠杆，显著减弱了小市值组合的杠杆风险暴露（图表22显示供给侧改革前后杠杆风险结构变化），使规模风险更为纯净且风险敞口更合理。

- 受金融周期主导，规模因子在金融高涨期强劲增长（2012-2016），衰退期遭遇回撤（2017-2018），近期金融周期回暖带动规模因子再度活跃（图表23，2020年起经历“过山车”行情）。今年前三季度规模因子纯因子和多空组合收益均大幅反弹，体现经济金融双周期影响下其周期性特征明显。

• 成长因子：在去杠杆背景下，“伪成长”被淘汰，控制风险后成长因子纯因子组合波动明显降低。经济新周期推动创新驱动型产业快速发展，成长因子多空及纯因子组合净值同步跨越金融周期显著攀升（图表24体现持续增长及超过50%的收益率）。

- 此论点结合了行业实际观察和定量因子实证分析，为投资者洞察成长因子的长周期动力与估值逻辑提供了实证支撑，符合当前中国经济结构升级及政策导向。

• 以上内容充分体现了经济、金融双周期理论对A股多因子模型的解释力度及投资策略的周期适配性[page::21-23].

2.4 资产定价总结及风险提示（章节3.3，4）

• 随机折现因子提供搭建资产定价的经济理论根基，将风险偏好与经济周期波动联系起来，系统解释了因子表现的周期性动态。

- 实证模型的截面检验固然便捷有效，但忽略了因子随经济周期波动的时序特征，报告强调理解因子周期适用性的重要性。

• 当前A股市场规模和成长因子切实进入周期回升阶段，未来在双周期协同支持下有望维持良好表现。

- 风险提示部分简单陈述模型基于量化假设，存在模型失效风险，并无展开，可视为量化模型普遍风险的提醒[page::23].

---

3. 重要图表深度解读

图表1（经济周期对股市牛熊的主导作用减弱）

• 以工业增加值同比增速为核心指标，绘制2004-2021年间的经济周期波动和牛熊市区间。

- 绿色（熊市）与红色（牛市）区域交错，显示牛市并非始终与经济增长同步。

• 经济增速均值从金融危机前的16%下降至7.4%，对应牛熊市主导因素转变。

- 本图直观展示经济周期对资本市场影响减弱，为后续金融周期主导假设奠定基础。

• 来源Wind，国联证券研究所。[page::2]

图表2（金融周期对股市牛熊转换的主导）

• 私人部门信贷/GDP和M2-GDP增速差两个金融周期指标与牛熊市季度对应。

- 红色牛市多对应信用扩张阶段，绿色熊市多对应信用收缩或货币紧缩阶段。

• 金融周期有效表征市场资金面波动，成为解释市场牛熊转换的关键变量。

- 图表具体展示不同金融周期阶段对应的市场行情，验证金融周期的解释力。

• 来源Wind，国联证券研究所。[page::3]

图表3（行业轮动：利率、消费、创新驱动型行业先后领跑）

• 虽然原表因格式错乱，但可见不同年份不同细分行业领导市场表现。

- 体现出行业轮动规律：利率驱动型（银行、房地产）主导早期金融周期阶段；消费驱动型和创新驱动型逐渐崛起。

• 辅证前文理论，展现行业与周期的动态联动。

- 来源Wind，国联证券研究所。[page::4]

图表5（CNE6多因子测试框架）

• 展示数据清洗、因子处理及因子检验的流程框架。

- 强调多环节保证因子数据质量及检验精度，结构清晰。

• 有助理解下文实证检验过程。

- 来源国联证券研究所。[page::11]

图表8（申万一级行业因子测试结果）

• 所有28个申万一级行业因子t值均大于2，均为显著风险因子。

- 行业年波动普遍高于25%，收益稳定性差，单凭行业因子难获得持续超额收益。

• 食品饮料、医药生物、电子等行业年化收益率处于前列，部分超过20%。

- 此图表揭示行业因子风险属性强于收益属性。

• 来源聚源数据库，国联证券研究所。[page::13-14]

图表9（风格因子单因子检验）

• 小市值规模因子显著，成长因子时序稳定但截面显著性偏低。

- 低波动、非流动性、价值因子显著，动量显示反转效应。

• 因子稳定性（自相关系数）整体良好，VIF检验无严重多重共线。

- 支撑风格因子作为风险与收益双重维度的有效工具。

• 来源聚源数据库，国联证券研究所。[page::14]

图表10&11（规模因子小市值效应及中市值因子）

• 小市值组（分组1）净值遥遥领先，但2018-2020年出现大幅回撤，验证周期依赖性。

- 对数市值与非线性市值因子均表现明确的大小市值效应，后者更显著。

• 这一事实强调因子收益受宏观经济与金融周期的强烈影响。

- 来源Wind，国联证券研究所。[page::15]

图表12&13（异质波动率与流动性因子的分层收益）

• 两因子分组1和分组5之间净值差别大，且分组收益单调递增。

- 反映市场存在显著的流动性溢酬与波动率风险溢酬。

• 好的分组单调性加强因子投资构建的可操作性。

- 来源Wind，国联证券研究所。[page::16]

图表14~17（红利、成长、BP和EP价值因子单调性与稳定性）

• 红利因子波动较小且组间差异明显，稳定性优；成长因子单调性良好，表现持续向好。

- EP价值因子表现优于传统账面市值BP因子，组间累计收益差异较大。

• 强调采用更贴合中国市场特征的价值因子有助优化资产配置。

- 来源Wind，国联证券研究所。[page::16-17]

图表18（ICIR和FM检验）

• 多个规模、成长、价值因子通过ICIR和Fama-Macbeth检验。

- 证明这些因子具备稳定预测能力和显著收益，支持其作为收益因子地位。

• 质量类因子预测效果一般。

- 来源聚源数据库，国联证券研究所。[page::17-18]

图表19（纯因子组合检验）

• 纯因子组合剔除多因子重叠影响，规模、成长、流动性、EP价值和反转因子表现显著。

- 异质波动率因子纯收益不显著，提示其收益可能由其他因子掩盖。

• 规模因子负收益现象反映前几年阶段性失效。

- 来源聚源数据库，国联证券研究所。[page::18]

图表20（纯因子组合净值表现）

• 规模类因子（lncap，midcap）净值先降后回升，成长和价值因子表现持续稳健。

- 解释当前规模因子重新活跃，成长因子表现强势。

• 图示不同因子投资组合百倍净值变化，直观体现因子长期表现及周期性。

- 来源聚源数据库，国联证券研究所。[page::19]

图表21（金融周期状态划分）

• 金融周期分高涨（红）、正常（白）、衰退（绿）三部分，与信用及货币变量同步。

- 明确标记几大宏观事件（金融危机、供给侧改革、新冠疫情等）。

• 融资环境变化及货币宽松/紧缩显著对应金融周期变化。

- 有助于后续分析金融周期对多因子表现的具体影响。

• 来源聚源数据库，国联证券研究所。[page::20]

图表22（小市值组合杠杆风险暴露变化）

• 供给侧改革前后小市值组合杠杆风险均值由-9.6%降至-12.9%。

- 表明去杠杆有效减轻小市值股票的负债风险，净化规模因子。

• 有助规模因子更纯粹地反映市值因素，而非杠杆风险。

- 来源聚源数据库，国联证券研究所。[page::21]

图表23（规模因子周期表现）

• 规模因子纯因子组合净值与多空组合净值明显随金融周期起伏。

- 2012-2016金融高涨推动净值快速攀升至顶峰，衰退周期回落明显。

• 2020年疫情前后经历剧烈波动，2021年以来稳健回升。

- 与金融周期划分高度契合，展示经济周期与金融周期共同作用下的因子表现。

• 来源聚源数据库，国联证券研究所。[page::22]

图表24（成长因子净值跨周期增长）

• 成长因子多空及纯因子组合净值自2015年震荡后逐步攀升。

- 供给侧改革去杠杆减缓虚假成长风险，纯因子表现稳健，回撤较多空组合显著减小。

• 2020年以来，创新驱动和碳中和相关产业快速发展，成长因子收益率显著增长。

- 体现成长因子作为经济新周期核心驱动的角色。

• 来源聚源数据库，国联证券研究所。[page::22]

---

4. 估值分析

报告主要围绕barra-CNE6多因子模型的风险因子与收益因子表现做实证分析，未针对特定个股或行业给出市盈率等传统估值指标，而是通过多因子风险暴露和收益率来间接反映市场估值特征。

估值方法：

• 以随机折现因子为理论核心，结合多因子截面回归和纯因子组合构建，实现因子收益率估值。

- 因子收益是通过加权最小二乘法（WLS）带约束截面回归获得，约束行业因子收益加权和为零以消除多重共线。

• 重点关注因子收益率的统计显著性、稳定性及与经济金融周期的关联，兼顾周期适应性。

主要输入与假设：

• 因子暴露使用时变公司特征数据（财务指标、价格特征等）。

- 假设市场有效，因子收益对应真实风险溢价。

• 样本期内样本股票已剔除不可交易及异常股票，数据处理保证稳定性。

估值范围与目标价：

• 报告未具体指出目标价或估值区间，主要强调规模与成长因子因周期因素重回市场风口，暗示未来估值提升空间。

敏感性分析：

• 通过金融周期状态划分（高涨、衰退、正常）展现金融环境对因子收益显著影响。

- 实证显示规模因子受金融周期影响尤显显著，成长因子更依赖经济新周期。

该多因子估值分析强调周期因素作为关键变量，体现了较强的结构性思考和定量验证，但缺乏具体标的或细分行业直接估值数据，适合战略性资产配置和风险管理视角[page::7,19-23].

---

5. 风险因素评估

报告仅限于简要提示风险，主要包括：

• 模型失效风险：

模型基于量化构建，假设条件有约束，经济环境、市场结构变化、数据质量等因素可能导致模型失效或收益因子失效。

• 周期性风险：

因子表现强烈依赖周期，经济、金融周期波动可能大幅影响因子收益，周期判断失误带来投资错误。

• 杠杆风险：

特别是规模因子中，小市值组合杠杆敞口变化显著，杠杆调整对风险暴露有较大影响。

• 数据偏差与前视偏差风险：

各种因子需实时数据，历史回测中数据处理不足可能引起偏差。

报告未提供具体风险缓解策略或风险概率评估，但通过多因子联动和周期判别分析，隐含了对周期轮动的风险控制措施[page::0,23].

---

6. 批判性视角与细微差别

• 周期依赖性导致的收益波动风险较大——规模因子回撤明显且周期特征突出，投资该因子需把握金融周期转折窗口，周期内涨幅可观，但周期外可能亏损加剧。

- 成长因子截面显著性较低，但时序性能稳定——成长因子t值低于其他因子，可能暗示截面横向定价能力不及程度，但稳定的beta和持续上涨净值表明其长期价值。

• 行业因子收益波动大，稳定性不足——难以作为单独收益因子投资，建议结合基本面和风格因子综合分析。

- 风险提示较为笼统，缺少对宏观变量波动、政策调整、突发事件等具体冲击的分析，未来完善风险管理部分有提升空间。

• 报告对经济新周期的判断乐观，受政策及外部经济环境变化影响较大，该主张应持续动态跟踪。

- 模型和实证基于A股全部在市股票，部分小盘股流动性问题可能导致估计误差。

• 因子定义和计算复杂，实际操作中可能面临选股和再平衡的实现难度与成本问题，报告未详细讨论。

- 图表中部分排版损坏，影响阅读，需要修正确认。

总体而言，报告结合理论与实证，周期视角创新且逻辑自洽，考虑到金融周期与经济新周期的复杂影响，为投资者提供了新的视角，但对潜在风险和模型假设的揭示尚欠深刻[page::0-24].

---

7. 结论性综合

本报告围绕barra-CNE6多因子模型在中国A股市场周期环境下的适用性和表现展开，开展了详尽的理论分析与实证检验。结合宏观经济周期与金融周期，两条周期轨迹叠加塑造了A股市场多因子收益的动态演变。

核心结论包括：

• 经济周期影响下降，金融周期逐渐成为股市牛熊转换重要主导因素，私人信贷/GDP比值和M2-GDP增速差为金融周期的良好表征。

- 行业表现存在明显周期交替特征，利率驱动行业、消费驱动行业和创新驱动行业分阶段领跑，反应经济与金融周期对产业结构的影响。

• 资产定价核（随机折现因子）与多因子模型密切相关，因子表现受经济周期与风险偏好动态影响。

- barra-CNE6中风格因子经实证检验，规模、小市值效应、成长、价值（EP）、流动性因子表现稳定显著，异质波动率因子被剔除。

• 规模因子因金融周期驱动出现周期性失效与复苏，表现和杠杆风险敞口紧密相关，在金融顺周期加持下重获活力；成长因子受经济新周期及创新驱动带动，净值持续上升且风险调整后表现优良。

- 多因子模型实证明确规模与成长因子正在迎来“周期的春天”，结合经济与金融双周期，预判未来一年A股规模因子和成长因子将持续牛市行情。

各图表数据支持理论与结论：

• 经济增长放缓与金融周期数据凸显阶段转换（图1、2、21）。

- 行业轮动和因子收益划分周期阶段（图3、8、9、13-17）。

• 因子收益率的实证检验与组合净值变化清晰映射周期影响（图10、11、19、20、23、24）。

- 杠杆风险暴露图示供给侧改革对规模因子影响（图22）。

报告体系完整，理论与实证互为印证，在A股投资决策中强调周期视角的重要性，指导投资者识别和把握因子时机，优化资产配置风险收益结构。

综合来看，报告体现了周期回归背景下多因子模型的有效性与前瞻性，逻辑严谨、数据详实，对A股市场投资风格轮动提供了科学的定量分析框架和实践指导，具有较强应用价值。 [page::0-24]

---

参考文献摘录（部分）

• Fama, E. F. and K. R. French (1996). Multifactor explanations of asset pricing anomalies. Journal of Finance.

- Liu, J., R.F. Stambaugh and Y. Yuan (2018). Size and Value in China. Journal of Finance Economics.

• Levine, R (2000). Bank-Based or Market-Based Financial Systems: Which Is Better. World Bank Working Papers.

- 陈雨露等(2015).金融周期和金融波动对经济增长与金融稳定的影响。金融研究。

• Fama, E. F. and K. R. French (1993). Common risk factors in stocks and bonds returns. Journal of Financial Economics.

- Cochrane (2005). Asset Pricing. Princeton University Press.

以及国联证券研究所编制的相关实证报告[page::24].

---

总体评价

该研究报告立足中国资本市场实际，扎实结合经典资产定价理论与中国经济金融特征，通过严谨实证反映了周期视角下barra-CNE6多因子模型在A股的适用性与未来前景。
报告对规模与成长因子的兴衰轮动做出了深刻分析，揭示了金融周期与经济新周期对因子表现的不同影响机制，对投资者把握当前A股风格转折期具有显著指导意义。
因此，该报告不单是学术讨论，更有较强的实际投资应用价值，可为机构投资者构建周期敏感型多因子投资组合提供理论和实证基础。

---

报告