港股择时模型与市场影响因子分析 [page::3]

• 关键择时因子包括OECD中国经济领先指标、恒指期权认沽认购比PCR及外资净买入额。

- 复合打分择时策略自2015年以来年化收益为8.42%，显著优于同期恒生指数-3.21%。

港股主要资金结构与beta-alpha关系 [page::4]

• 港股市场外资为主要定价资金，南向资金成交占比已升至32.71%，其动向对港股选股与择时日益重要。

- 恒生指数与上证指数的收益相关性中枢自2018年起明显提高，体现AH联动趋势加强。

港股选股因子系统梳理 [page::5][page::6]

• 研究涵盖现金流类、质量成长类、波动率及股东回报类因子，均采用季频或日频数据指标。

- 标的选取限制为沪深港股通範围内个股，剔除流动性差的仙股和退市风险股，以提升选股质量。

多维现金流因子表现及行业分布分析 [page::9][page::10][page::11]

• 自由现金流因子表现不佳，多空年化收益仅1.82%。

- 全部资产现金回收率因子多空组合年化收益达12.28%，主要集中传媒等热门赛道。

• 营业现金比率因子同样表现稳定，年化多空收益2.24%。

股东回报因子深入分析：回购比率与股息率 [page::12][page::13][page::14]

• 回购比率因子表现欠佳，主要因该因子涉及公司占比低且有行业集中度，医药类回购公司业绩表现不佳。

- 股息率因子表现优良，年化多空收益率达到3.84%。

• 结合股息率与回购比率的复合股东回报因子表现最佳，年化多空收益16.60%。

波动率因子选股表现及流动性分析 [page::15]

• 近12月波动率及其细分版本（上行、下行波动率）多空组合年化收益率为21.70%。

- 低波因子与日均成交金额无明显相关，流动性较好，风险可控。

质量类基本面因子效果分析（ROE波动率及TTM同比）[page::16][page::17]

• ROE波动率多空策略年化收益达10.16%，表现稳定，行业分布较均衡。

- ROE_TTM同比因子贡献良好，年化多空收益5.80%。

港股多维定量选股模型构建及回测 [page::19]

• 集合现金流、股东回报、波动率和质量因子构建复合因子模型。

- 组合月初调仓，剔除低流动性标的。

• 多空组合自2015年起年化收益率达26.44%，最大回撤28.44%，夏普比率1.29，表现优异。

飞跃香江之二：构建港股多维定量选股模型 —— 详尽分析报告

---

1. 元数据与报告概览

• 报告标题：《飞跃香江之二：构建港股多维定量选股模型》

- 分析师：吕思江（主笔），武文静等

• 发布机构：华鑫证券研究所

- 时间：2024年9月24日及以后（相关数据覆盖至2024年）

• 主题：系统化定量投资视角下，针对港股市场的择时和选股模型构建，强调多维因子的开发与测试，聚焦沪深港股通个股的多因子选股系统。

核心论点摘要：
本报告继2015年以来港股择时多因子回测基础上，深入挖掘港股选股因子，有效因子涵盖现金流类、质量类（如ROE及其波动）、股东回报类（股息率、回购）、波动率因子等，构建综合多因子选股模型，验证其优越的历史表现，并针对港股市场特殊性（流动性不足、仙股问题、资金结构变化）制定合理的投资池与流动性筛选标准，旨在打造实用的港股定量选股工具，提升收益与风险的完善管理。整体模型呈现出优异的多空收益和风险调整收益，显著优于基准恒生指数表现。[page::0, page::3, page::19]

---

2. 逐节深度解读

2.1 系统化定量投资视角下的港股择时模型（章节1.1）

• 关键论点：

- 港股指数（主要恒生指数）的涨跌受多维度因素影响，包括基本面（OECD中国经济领先指标）、流动性（美港利差、美元指数）、情绪面（恒指期权PCR）、资金面（外资、南向资金）及估值（AH溢价）。
- 单因子测试中，三个有效信号（OECD领先指标、期权PCR、外资净买入）构成复合择时打分策略，表现优异。

• 数据与逻辑：

- 采用阈值0.5打分买入/空仓恒生指数，基于2015年至今回测，年化收益达+8.42%，远优于同期恒生指数-3.21%（回撤相对较小，Sharpe比显著优越）。

• 图表分析：

- 表格反映策略与恒生指数的累计收益、最大回撤、年化波动率、Sharpe比对比，策略稳健盈利。
- 指标分类清晰，显示组合择时模型的指标设定科学且全面。

• 结论：

- 多因子复合策略有效捕捉港股市场涨跌信号，构筑择时框架。



[page::3]

---

2.2 市场结构变迁与资金构成（章节1.2）

• 关键论点：

- 港股市场定价力量重心正由海外外资向南向资金转移，南向资金成交占比从不足10%升至超过30%。
- 恒生指数与上证指数的收益相关度自2018年起明显提升，体现AH市场联动加强。
- 产业资本重要性突出，尤其股东回报因子（股息率配合回购）成为有效Alpha来源。

• 数据与图表：

- 南向资金成交占比历年显著提升，突显资金结构改变。
- 相关系数图表展示恒生与上证指数联动历史变迁。

• 逻辑：

- 资金结构转变预示投资模型需涵盖南向资金指标作为重要关注要素。



[page::4]

---

2.3 港股选股因子体系搭建与因子测试（章节1.3、2.3）

• 因子大类及说明：

- 现金流类：自由现金流、市值比、全部资产现金回收率、营业现金比率等
- 质量类：ROE及其同比环比、归母净利润及营收同比环比、盈利质量相关指标
- 波动率类：ROE波动率、价格波动率（近12月整体、上行、下行）
- 股东回报类：股息率、回购比率、复合股东回报因子

• 具体测试结果与数据洞察：

- 自由现金流因子表现较弱，部分组别表现为负收益，最大回撤大。
- 全部资产现金回收率因子表现优异，多头累计收益最高达81%，多空组合年化收益达12.28%，波动率低于基准。
- 营业现金比率亦表现稳健，多头年化收益超过3%，回撤控制相对合理。
- 股息率因子表现良好，特别是在股息连续支付和流动性良好的样本筛选下，多头年化收益达11.87%。
- 回购比率单因子表现不佳，主要受行业偏好影响（医药板块超配且表现疲软）。
- 复合股东回报因子（股息率+回购）效果进一步提升，多空年化收益16.6%，Sharpe高达0.96。
- 波动率低的股票整体表现优异，尤其低波动率组合多空年化收益高达21.7%，流动性尚可。
- 质量类中ROE波动率、多方面ROE指标表现良好，均呈现正向收益，稳健优于基准。

• 图表解读：

- 每类因子均配有数值分组的累计收益、年化收益、最大回撤、波动率、Sharpe率以及行业分布及时间序列表现图，充分展示其因子有效性和时序稳定性。
- 行业分布数据体现了部分因子在港股热门板块（如消费服务、传媒、房地产、银行等）的优势集中。
- 多数因子背后均有合理定量逻辑及明确计量定义，体现了数据处理的严谨性和因子构造的规范性。

举例如下：

• 全部资产现金回收率因子（CRTA）表现：

[page::10]

• 营业现金比率因子表现及行业分布：

[page::11]

• 股东回报复合因子表现：

[page::14]

• 近12月波动率因子选股优势与成交金额：

[page::15]

• ROE波动率因子表现（多空组合年化收益达10.16%）：

[page::16]

• ROEttm同比因子测试：

[page::17]

总之，多因子测试展示了港股市场现有因子的表现差异，验证了部分因子的显著Alpha提升能力，且结合行业分布规律，提示模型设计时需考虑行业控制。

---

2.4 港股通可投资性构建逻辑 和 流动性筛选（章节2.1、2.2）

• 个股范围与流动性问题：

- 研究范围限定为沪深港通个股以保证可投资性和流动性。
- 港股通成份股已从2014年的273只迅速增至545只，主要集中银行、非银金融及传媒三大行业，占41%比例。
- 流动性不足问题突出，香港特区政府成立专责小组应对。

• 流动性分布特征：

- 成交额马太效应显著，成交排名前1%个股贡献高达59.59%，前10%占95.57%。
- 为控制组合稳定性，剔除成交排名后20%的“仙股”等极端低流动性资产。

• 图表：

- 港股通数量增长趋势明确。
- 带回购个股占比及行业分布展示流动性改善和资本回报影响。
- 行业分布数据显示典型龙头板块权重及行业结构。



[page::7]

---

2.5 综合模型构建与验证（章节3）

• 模型构建：

- 基于筛选出的有效因子：近12月年化波动率、全部资产现金回收率、股东回报（股息率+回购）、ROE波动率与ROEttm同比构建多因子复合选股模型。
- 组合采用每月第一个交易日开盘调仓的方式，数据更新频率和调仓机制成熟。
- 同样剔除流动性最低20%的港股通股票，提高组合流动性和稳定性。

• 绩效回测结果：

- 多头组合累计收益75.33%，年化收益6.02%，最大回撤31.56%，波动率15.92%，Sharpe比0.38。
- 多空组合年化收益26.44%，最大回撤28.44%，Sharpe高达1.29，Calmar比率近1，风险调整收益优越。
- 多头组合相较基准等权港股通指标，表现显著超额，年化超额收益超过9.8%，回撤控制更好。

• 图表附示：

- 绩效分布趋势清晰，收益和风险指标相辅相成，展示量化选股的有效性。

[page::19]

---

2.6 风险提示

• 研究所依赖的全部数据均来自公开市场，模型基于历史表现构建，未来市场环境若发生剧烈变化，模型有效性可能下降甚至失效。

- 历史收益并不保证未来表现，报告所述结果不构成投资建议或收益保证，投资者需独立判断。

• 强调环境、数据限制和模型自身局限，体现客观稳健态度。

---

3. 图表深度解读

• 择时模型回测图与表格：清晰展示模型年化8.42%的超额收益优势，风险（最大回撤、波动率）较低，实证模型在恒生指数择时上的有效性。

- 南向资金成交占比曲线：显著上升趋势预示资金结构关键变化。

• 多个因子业绩分组绩效表：多因子致胜如股东回报因子表现（累计收益119%，年化超8%），呈现因子稳定性与优越性。

- 行业分布图表：辅助理解因子表现背后的行业集中度，提示模型细分行业风险和机会。

• 流动性指标与剔除仙股逻辑：成交金额大幅分布不均，低流动性股将极大影响策略稳定，剔除20%规则合理。

---

4. 估值分析

报告并未具体展开估值模型及目标价设定，更多关注因子有效性与组合构建，属于量化策略研究报告，重点在因子发现和模型验证。因而未涉及DCF、PE或EV/EBITDA估值模型说明。

---

5. 风险因素评估

• 依赖历史数据和公开信息，市场环境突变导致模型失效风险。

- 流动性风险，港股流动性低且集中度高，模型剔除低流动性个股部分缓解此风险。

• 行业或风格偏好带来的集中特定风险，比如回购因子较多医药股且表现不佳。

- 估值风险未明确，应关注因子回报是否被市场过度估值导致未来表现受限。

• 资金结构变化如南向资金流入退出的波动可能影响模型稳定性。

报告未显著提出专门缓解策略，但通过多因子、多维度筛选机制、回测验证及流动性控制尝试降低风险。

---

6. 审慎视角与细节

• 报告对港股流动性风险认知充分，剔除仙股的做法科学；但剔除20%阈值可能仍无法完全规避急速流动性变化带来的风险。

- 单因子如回购因子的适用性有限，受行业偏好制约，提示读者慎用单一因子。

• 资金结构变化提示作者对模型持续跟踪及修正需求，本文仅展现历史状态。

- 报告内容中对未来市场环境变化的适应性讨论不足，应加强未来模型动态调整逻辑。

• 组合调仓频率一个月一调，考虑港股市场特性合理，但未讨论交易成本影响。

- 报告清晰标注数据来源（Wind），具有较强信服力。

• 无明显利益冲突，合规声明充分。

---

7. 结论性综合

本报告通过多因子系统化研究，构建了符合港股市场特性的量化择时及选股模型。择时策略搭建了以经济领先指标、资金面及情绪面为核心的复合信号，获得显著超额收益。随后针对选股环节，作者全面梳理港股市场选股因子，重点关注现金流类（全部资产现金回收率尤为出色）、股东回报（股息率+回购比率）、质量因子（ROE及其波动）、波动率因子，以及流动性筛选原则，建立了层次清晰、逻辑合理的因子库。

实证结果显示，组合在剔除低流动性且基础沪深港通标的后，多因子集成选股模型历年来表现卓越，年化收益超过6%，多空策略年化收益更超20%，相较基准显著提升风险调整后回报。行业分布合理，覆盖港股主流行业，且股东回报、现金流因子在传统及成长行业均展现较强Alpha。

图表详尽、数据细致，支持结论的清晰细节展示，且风险提示及合规声明充分。整体报告逻辑严密、结构合理，其港股量化投资策略具备很强的实操参考价值。

总结来说，作者以严谨的量化选股与择时视角，结合港股市场资金结构和流动性特点，成功诠释了多因子投资策略在港股市场的应用潜能，展现当前港股量化投资的创新思路及实证支撑，值得市场参与者关注和借鉴。[page::3, page::4, page::9, page::10, page::14, page::15, page::16, page::19]

---

整体视角提示： 本报告不仅为港股择时提供了科学的多维度模型，也深入挖掘和验证了选股因子体系，尤其强化了流动性与资金结构变化对策略设计的影响，为实现港股市场优质量化投资提供了系统框架和实践路径。

报告