量化择时及行业配置模型概述 [page::0][page::4]

• 重点策略包括GEYR股债战略配置周期策略、SWARCH市场月度趋势模型、MM-DCC波动率模型及BL行业配置模型。

- 择时策略帮助资产在股债之间有效切换，提升长期收益。

• 行业配置通过BL模型降低流动性风险与个股分散带来的收益波动。

GEYR模型及市场趋势预测 [page::6][page::7][page::8]

• GEYR定义为长期国债收益率与证券市场股利收益率的比值，作为股债配置参考。

- 马尔科夫状态转换模型区分低GEYR（股票优选）与高GEYR（债券优选）状态，历史匹配度高。

• 截至2010年4月，预测股票配置概率高达96.7%，判断未来季度股票市场适合投资。

- SWARCH模型基于M2货币供应环比增速对市场趋势月度预测，42个月样本外预测准确率79%。

• 2010年5月市场趋势预测为上涨。

BL行业配置模型及样本外表现 [page::8][page::9][page::10]

| 证监会行业 | 08Q2 | 08Q3 | 08Q4 | 09Q1 | 09Q2 | 09Q3 | 09Q4 | 10Q1 | 10Q2 |
|------------|--------|--------|--------|--------|--------|--------|--------|--------|--------|
| 信息技术 | | | | | | | 76.82% | | 76.82% |
| 传播文化 | | 1.05% | | | | | 9.34% | | 9.34% |
| 医药类 | 72.28% | 23.90% | 18.16% | | | | 7.29% | | 7.29% |
| 农林牧渔 | 0.70% | | | | | | 6.55% | | 6.55% |

• BL模型行业配置组合08年Q2至10年Q1累计涨幅71.6%，同期基准指数上涨11.3%，年化超额收益率24.2%。

- 样本外8个季度中7个季度超出基准指数2%以上收益。

• 行业配置集中于信息技术、传播文化、医药和农林牧渔。

- 建议稳健型投资者适度超配BL行业组合，控制跟踪误差。

成长股选股模型及效果跟踪 [page::10][page::11][page::12]

| 成长股选股标准 | 分步筛选方法 | 综合打分方法 |
|----------------------|-------------------------------------|----------------------------------|
| 过去一年的股东权益报酬率 | 筛选该指标前70%的股票 | 每指标排序打分，等权重相加，投资排名前25%股票 |
| 预估每股盈余成长率 | 在上步基础上筛选该指标前35%的股票 | |

• 成长股模型采用历史财务报酬率及未来盈余成长预期。

- 在市场上涨阶段表现优异，截止2010年4月，超额收益累计39%，折合年化23%。

• 模型适合激进型投资者把握成长期高增长机会。

- 典型样本多数集中在房地产与成长行业。

价值股选股模型及表现 [page::13][page::14][page::15]

| 价值股选股标准 | 分步筛选方法 | 综合打分方法 |
|----------------------|-----------------------------------------------|--------------------------------|
| 最近三年平均股权报酬率 | 筛选该指标前50%的股票 | 每指标排序打分，等权重相加 |
| 股息收益率 | 在上步基础上筛选该指标前40%的股票 | 持续投资排名前20%股票 |
| 市净率、市现率、市盈率| 在上步基础上筛选该指标前40%的股票 | |

• 价值股模型关注业绩稳定、分红政策和估值合理。

- 策略在涨跌市均有稳健超额收益，主要体现慢变量属性。

• 截止2010年，组合累计收益超过基准，适合稳健型投资配置。

全市场多因子选股策略构建及绩效 [page::15][page::16][page::17]

• 构建因子库包含财务指标（ROA、ROE、毛利率等）、估值指标（PE、PB）和技术指标(MACD)。

- 使用滚动窗分析相关性动态选取显著因子作为选股标准。

• 股票样本数设定为60只，组合按流通市值加权。

- 2007年1月至2010年4月，策略累计净值超大盘两倍以上，呈现明显优势。

• 近期策略因子权重显示不同策略在ROA、毛利率、估值和市场情绪上的不同侧重。

多元波动率预测（MM-DCC模型）与风险管理 [page::18][page::19]

| 预测指标 | 最近2年预测误差(MSE) | 比较基准MSE | 最近1年预测误差 | 比较基准MSE | 2010-5预测值 |
|--------------------|----------------------|----------------|-----------------|-------------|---------------|
| 股票波动率 | 0.000524318 | 0.001038175 | 0.000517211 | 0.000734857 | 0.067008 |
| 债券波动率 | 6.05E-06 | 9.03E-06 | 6.16E-06 | 1.09E-05 | 0.003875 |
| 股债相关性 | 0.063704 | 0.101768 | 0.071157 | 0.132008 | -0.17641 |

• MM-DCC模型将宏观经济变量、多频率市场数据融合，用于中长期（未来月度）波动率预测。

- 模型预测误差显著低于随机游走和OLS模型，提升了风险管理准确性。

• 采用CPI等宏观变量对股市波动有显著影响。

- 2010年5月预测显示股债相关性为负，波动率预测平稳。

深度解析海通数量化研究观点荟萃报告

---

一、元数据与报告概览

报告标题：海通数量化研究观点荟萃
发布日期：2010年6月7日
发布机构：海通证券股份有限公司研究所金融工程团队
作者及联系方式：雍志强（执业资格编号S0850203100082），周健（执业资格编号S0850209010590）等金融工程团队成员
报告主题：全面介绍并跟踪中国证券市场的量化投资策略，包括资产配置、行业配置、成长与价值选股模型、波动率预测模型等，旨在构建切实可行的中国量化投资框架和实证策略。

核心论点：

• 市场复杂多变使得定性判断能力受限，必须借助计算机技术和现代统计数学的力量，实现量化策略的构建与长期跟踪。

- 通过五类核心量化模型（GEYR择时策略、SWARCH市场趋势模型、BL行业配置模型、成长/价值股选择模型、MM-DCC波动率预测模型）实现资产配置、行业配置、个股选取及风险管理。

• 各策略均有实证数据支撑，且经过样本外测试，表现出良好的预测准确性和投资超额收益能力。

- 现阶段中国A股市场仍处于适合股票投资的周期，基于量化模型建议关注信息技术、传播文化、医药、农林牧渔等行业。

整体而言，该报告系统总结了海通证券的量化研究成果，系统展示了量化投资策略在中国市场的适应性和实用性，给出了当前市场环境下的投资建议。 [page::0,4,6]

---

二、逐节深度解读

1. 量化模型汇总（第4页）

• 核心观点：

市场复杂性与多变性对传统定性投资决策带来干扰，量化技术利用统计学和计算机技术实现更精准的数据挖掘和风险收益判断，帮助投资者规避主观情绪和非理性行为。
报告介绍了包括：
- 大类资产配置模型（GEYR策略）
- 中期股市上涨/下跌趋势模型（SWARCH模型）
- 股票市场风险度量（波动率模型）
- 行业资产配置模型（BL模型）
- 以及组合构建和优化工具

• 逻辑与数据：

通过捕捉数据间的非线性关系和动态转换过程，实现更精准择时和配置。投资组合优化采用财务、技术指标筛选以及市值加权方法，具备多维度的投资组合构建能力。
图1呈现了量化择时及行业配置模型框架，显示政策、货币、通胀等宏观因素通过不同模型转化为具体投资建议。 [page::4]

2. 投资组合优化工具与指数开发（第5页）

• 两种优化方法：

1. 根据宏观、技术、财务、估值指标筛选股票，权重不变。
2. 在组合权重上进行调整（如平滑市值加权）模拟指数权重变化。

• 海通积极开发行业指数、基本面加权指数、央企和环保指数以满足多样化投资需求。

- 绝对收益产品结构设计细分：套利策略、事件驱动策略、方向性策略等多元化策略布局，为对冲基金等机构提供策略基础。

• 程序化交易作为全球趋势被提及，将得益于股指期货市场的发展，主要交易类型包括趋势交易、模式识别等。 [page::5]

3. 量化择时模型（第6-8页）

3.1 GEYR模型（股票/债券策略）：

• 定义与计算：

$$
GEYR = \frac{yg}{ys} = yg \times PE
$$
其中$yg$为7年期国债收益率，$y_s$为股票市场股利收益率（以PE倒数表示）。数据涵盖1998年1月至2010年4月。

• 方法：

使用马尔科夫状态转换模型，将GEYR分为低位状态（状态1，适合股票投资）和高位状态（状态2，适合债券投资）。通过概率分布预测未来状态转换。
预测结果显示，过去8年中，GEYR低位和高位状态交替出现，且波动周期长。根据当前模型，2010年4月GEYR低位状态的概率高达96.7%，未来至少3个月适合股票投资。

• 图4和图5解读：

图4显示GEYR自1998年以来的波动趋势，2007-2008年波动最为剧烈，随后的低谷为低GEYR状态，从历史视角提示目前环境仍适合股票。图5展示GEYR处于状态1的概率，波动幅度切换清晰，与市场大趋势高度吻合。

• 结论：GEYR模型通过马尔科夫机制较好捕捉市场大类资产配置的转换点，表现出稳定性和实用性。 [page::6,7,8]

3.2 SWARCH模型（基于宏观货币供应周期的市场趋势判断）：

• 思路：宏观经济周期对市场运行有制约作用，但这种制约并非单期内明确对应，需要研究周期的转移概率。该模型通过测度M2环比增速，发现其与市场涨跌趋势存在强关联且具领先性，最佳领先期约1个月。

- 实证验证：过去42个月样本外预测准确率达到79%。

• 最新预测：基于2010年3月M2增速及4月市场收益率，预测2010年5月市场呈上涨趋势。

- 表1详细列示历史月份市场趋势与预测结果对比，整体趋势预测准确，少量偏差集中在市场震荡剧烈的时期。 [page::7,8]

3.3 BL行业配置模型：

• 背景：大类资产配置切换难度大，个股选股受限于规模与流动性，行业配置作为“中间层”显得尤为重要。

- 方法：
利用贝叶斯后验（BL）方法提取主观观点和基金持仓，通过风险调整收益最大化构建行业配置组合。

• 业绩表现：

自2008年二季度以来，样本外8个季度中7个季度实现超过基准2%以上的超额收益。累计涨幅71.6%，较同期基准上涨11.3%，实现超额60%，年化超额收益率24.2%。

• 异常季度解释：2009年3季度收益下滑，主要因金融地产重仓短期快速出货所致，4季度及时回避热门板块，策略调整成功。

- 当前配置建议：信息技术（76.8%）、传播文化(9.3%)、医药(7.3%)、农林牧渔(6.5%)为主，建议稳健投资者结合市场配置适度超配，以平衡收益和风险。

• 图6与表2解读：图6清晰呈现BL组合和基准季度超额收益对比波动，表2展示了多期行业集中度变化，反映配置激进但收益显著。 [page::8,9,10]

4. 选股模型（第10-18页）

4.1 成长股模型（基于公司历史财务指标与未来盈利成长预期）

• 主要关注成长性、较低估值、盈利成长预期等指标。

- 筛选步骤包括股权报酬率、预估每股盈余成长率筛选等，结合等权重打分。

• 策略表现：从2006年至2010年4月，成长股策略年化折合超额收益达23%，累计超额收益逾39%，高于沪深300和上证综指明显。

- 行业构成偏重房地产，反映了卖方机构预期调整滞后，地产行业估值仍具吸引力。

• 图7及图8展示了成长股策略指数与大盘指数绝对回报对比，成长策略在牛市阶段表现尤为突出。

- 表3与表4展示成长股选股标准和最新样本股名单。 [page::10,11,12]

4.2 价值股模型（基于稳定业绩和严格估值）

• 通过长期ROE、股息收益率、市净率、市现率、市盈率等财务指标筛选成熟稳健公司。

- 策略表现稳定，特别是在市场下跌期累计超额收益更佳。

• 策略持有期限较长（1年），调整频率低于成长股策略。

- 图9和图10显示价值股策略在过去一年中取得相对于基准指数的稳健超额收益。

• 表5与表6详细展现价值股筛选标准和股票名单。 [page::13,14,15]

4.3 全市场选股策略（多因子模型）

• 目标覆盖全市场，选取与未来收益相关性显著的多种因子进行综合评分。

- 因子库包括财务指标（ROA、ROE、毛利率、资产负债率等）、估值指标（PE、PB）、技术指标（MACD等）。

• 采用滚动时间窗口和样本内相关性分析方法确定每期因子组合，灵活适应市场变化。

- 本策略构建60只股票组合，权重使用流通市值加权，考虑交易成本。

• 策略表现（2007-2010）优异，累积净值远超上证指数及沪深300，表现出较强的选股能力和风险调整收益特性。

- 图11和图12展现策略与基准的累计收益及强弱表现对比。

• 表7-表9列明备选指标、最新因子组合权重和当前组合名单，权重多为空（负向），体现复杂动态调节。 [page::15,16,17,18]

5. 波动率预测模型（MM-DCC模型）（第18-20页）

• 传统多元波动率模型基于单一数据频率和市场数据，忽视宏观经济变量影响，限制了中长期（如1个月）波动率预测的精准性。

- 本报告提出引入宏观经济变量（CPI）及高频数据（日、月混合）整合，构建混频多元动态条件相关（MM-DCC）模型。

• 实证分析（2000-2010）显示，模型预测的市场波动率和相关性均优于随机游走和最小二乘基准模型，预测误差显著下降。

- 图13展示了该模型在过去24个月的均方误差（MSE）对比，绝大多数月份低于基准，体现优越的预测能力。

• 以2010年5月为例，预测股票波动率为0.067，债券波动率为0.003875，预计股票债券间存在负相关（-0.17641），为资产配置和风险管理提供科学依据。

- 表10总结了具体预测值和误差数据。 [page::18,19,20]

---

三、图表深度解读

图1（第4页） 量化择时及行业配置模型

• 显示指标（增长率、通胀、货币、市场观点、情绪）是量化模型输入，依次经过GEYR策略、SWARCH模型、波动率模型、BL模型等处理，最终产出投资建议。

- 视觉形象表达信息整合的层层过滤和转换过程，强化了模型的系统性和模块化特点。

图4（第6页） GEYR走势

• 曲线详尽展现1998年至2010年GEYR值的波动，反映不同经济周期下股票与债券收益率的相对优势。

- 可见2007-2008年GEYR峰值明显，随后迅速下降，反映市场波动和金融危机背景变化。

• 结合状态切换模型，辅助大类资产配置决策。

图5（第7页） GEYR状态转换概率

• 蓝线GEYR实际值，浅蓝预测概率，说明模型对状态1（股票投资状态）的预测概率非常集中，转化清晰。

- 8年内仅转换3次，凸显市场大周期转换缓慢且预测稳定性强。

图6（第9页） BL行业组合季度收益超越基准（2008 Q2至2010 Q1）

• 蓝色柱形表明BL组合在绝大多数时间段收益显著优于深蓝基准指数。

- 09年Q3为唯一负超额季度，符合报告中对当季金融地产重仓出货的解释。

表2（第10页） BL行业组合样本外行业配置

• 不同行业配置占比剧烈变化，且行业集中度极高（如信息技术76.8%），说明模型在追求最大化超额收益时较为激进。

- 配置调整反映策略灵活应对市场变化，重点关注成长性及政策支持行业。

图7-图8（第11-12页） 成长股选股策略收益表现

• 多个按不同筛选标准指数均跑赢大盘，成长策略尤其在2007年长牛阶段表现突出。

- 图8显示2009-2010年复盘阶段累计超额收益高达39%。

表3-表4（第11-12页） 成长股选股步骤及样本股名单

• 详细阐述了逐步筛选和综合打分方法，保证策略的系统性和可复制性。

- 样本主要分布在房地产、机械制造等行业，反映成长期行业特征。

图9-图10（第14页） 价值股选股策略与累计收益

• 策略累计收益稳健，特别是下跌阶段优势明显。

- 相比成长股，价值股策略波动较小，适合风险偏好较低的投资者。

表5-表6（第14-15页） 价值股选股标准与样本

• 标准涵盖盈利稳定性和估值安全边际，构建稳健投资框架。

- 样本集中于公用事业、房地产及金融服务等行业。

图11-图12（第17页） 全市场多因子策略累计收益及相对强弱

• 策略累计收益近4倍，显著优于基准。

- 强弱指标显示策略具有长期的超额收益和抗跌能力。

表7-表9（第16-18页） 因子选择及最新股票组合

• 因子权重解释多为负值，意味着相关指标对收益的负相关关系，体现股价反转型特征。

- 最新组合覆盖多个行业，细分股种表现积极。

图13（第19页） MM-DCC模型预测误差（MSE）对比

• 大部分时间误差低于随机游走模型，表明加入宏观经济及混频信息显著提升预测水平。

- 极端月份误差飙升对应市场剧烈波动期，如08年9月金融危机高峰。

表10（第19-20页） 2010年5月波动率预测结果

• 具体数据明确给出预测值与误差，为接下来月资产配置提供风险量化参考。

---

四、估值分析

本报告侧重于量化模型构建和实战策略的开发，未明确采用现金流折现模型(DCF)、市盈率倍数法等传统估值手段，核心估值思想体现在：

• GEYR模型通过国债收益率与股票PE的比率衡量资产配置时点，此指标间接反映估值吸引力；

- 成长/价值股模型分别基于历史财务指标和一致预期数据，挑选具备估值合理性或成长潜力的个股，在实证收益表现中得到验证；

• 全市场选股模型采用多因子打分法，所用指标包括估值因子（PE、PB行业调整后的倍数），体现估值层面的判断；

- 行业配置BL模型通过基金经理行业观点集成，依赖于风险调整后收益最大化，侧重均值方差框架下的优化分配，而非单纯传统估值法。

报告较为突出基于统计学、概率模型和机器学习方法进行估值替代或辅助，强调模型预测准确性与策略实际效果，而非传统估值技术。 [page::6,7,10,13,15]

---

五、风险因素评估

虽然报告未单独章节列出风险因素，结合文本内容能归纳主要风险为：

• 模型假设风险：GEYR模型、SWARCH模型以及BL行业配置均基于历史数据及马尔科夫或统计假设，可能受结构性断裂、市场制度变迁影响。

- 市场异常波动风险：模型预测误差月份多为市场危机或异常波动期（如2008年金融危机），模型在极端情况下的表现可能弱于预期。

• 数据质量与一致预期风险：成长股模型高度依赖分析师盈利预期，预期分歧或失真可能导致策略失效。

- 流动性及规模风险：大规模基金难以频繁调整仓位，行业配置可能受流动性约束，导致实际操作难度增大。

• 政策风险：房地产等关键行业受政策调控强烈影响，可能导致模型基于历史数据的前提失效。

- 交易成本和执行风险：虽然模型考虑手续费，但高频调整策略可能面临滑点等执行障碍。

报告中的缓解措施包括多模型交叉验证、样本外测试及策略组合配置的稳健使用建议。整体认知风险所在，关注模型在非正常状态下的限制。 [page::8,9,18]

---

六、批判性视角与细微差别

• 模型内生风险：报告对核心模型往往乐观描述，实证结果偏重成功案例，缺少更系统的失败及边缘情境分析，存在一定选择性披露的可能。

- 历史数据依赖性：大量策略依赖历史数据的规律，但中国市场的快速变革及市场制度升级，可能导致过去规律未来失效。

• 预期数据局限性：成长股模型对分析师预期依赖强，然而预期本身带有主观性和时滞，尤其在政策紧张和经济转型期风险更高。

- 策略激进程度：部分组合行业过于集中（如信息技术占76.8%），可能加大单一行业风险，对稳健投资者适用性有限。

• 缺乏动态调整建议：虽然涉及滚动窗口和权重调整，但对市场极端震荡时策略切换的具体应对、风险控制框架缺少明确指引。

综上，报告整体框架成熟且丰富，但应注意模型适用限制和市场环境的不确定性。 [page::9,10,15]

---

七、结论性综合

海通证券2010年6月发布的《数量化研究观点荟萃》报告为投资者提供了完整且经实证验证的A股市场量化投资框架，涵盖大类资产择时、行业资产配置、成长和价值股选股以及波动率预测。模型特点鲜明，重视多维度数据及宏观变量融合，辅以马尔科夫机制和混频模型捕捉市场运动规律，取得了较高的预测准确率和样本外超额收益，体现了量化策略对复杂中国市场的适应力。

通过GEYR模型，报告明确指出当前股票投资周期依然持续，给予投资者信心。SWARCH模型基于货币供应周期为市场月度趋势提供有效预测，准确率达79%。BL行业配置模型呈现连续超额收益，合理规避了流动性风险及个股分散风险，聚焦成长相关行业。成长股选股策略优势明显，年化超额收益达23%，而价值选股在风险控制和下跌阶段表现稳定。全市场多因子选股策略成熟，覆盖面广，表现较基准和主流指数优异。波动率预测模型创新性结合宏观经济和不同频率数据，预测误差显著降低，提升了资产配置的风险管理能力。

图表和数据充分验证了各策略的有效性和实际应用价值。投资者可据此把握当前宏观和市场环境下的配置节奏和股票筛选标准。报告整体结构清晰，数据详实，显示了量化投资方法在中国市场的潜力和挑战，建议投资者结合策略激进程度与自身风险容忍度，灵活应用。

综上，这份报告不仅具备理论深度，也有强烈的实务指导意义，强调了多模型、多因子方法结合宏观经济与市场行为的综合性量化研究体系，努力打造适应中国资本市场的量化投资工具链，为专业投资决策提供坚实支撑。 [page::0-20]

---

备注

报告正文共23页，图表丰富，涉及统计模型、行业配置、选股方法及波动率预测，联系方式详见最后数页。全文按严谨的量化投资方法论架构，覆盖策略研发到实际应用的全过程。

报告