• 2024年ROE因子月均IC提升至9.4%，远超近三年不足2%的水平，显示基本面因子在当前环境中表现突出（见图1，图2）[pidx::4]

- PMI上行及企业基本面改善期间，基本面与分析师情绪因子稳定性增强；PMI下行时价量反转类因子表现优异（表1、表3）[pidx::4][pidx::5]

• 利率尤其是中美利差扩大，生态经济预期改善，促使基本面因子与动量因子表现提升；利差缩小时，反转因子优势明显（表6）[pidx::7]

- 大盘趋势下基本面因子突出，小盘趋势则价量反转因子优势明显；成长风格利好基本面因子，价值风格利好反转因子（图3-6，表8-9）[pidx::8][pidx::9]

• 构建复合情景模型（经济增长、中美利差、大盘/小盘、价值/成长风格四指标）打分，得分越高动力类因子表现越好，得分低时反转类因子占优（图7-10）[pidx::11][pidx::12]

- 基于情景得分动态调整因子权重，可提升多因子模型IC，从而提高选股预测精度（见表11）[pidx::12][pidx::13]

• 情景得分低时适度放宽市值敞口，有助于提升组合超额收益，提升信息比（见表12）[pidx::13]

- 结合红利组合与重仓股组合的动态配置，基于情景得分切换权重，历年收益及稳定性显著改善，年化收益达23.4%，信息比提升至1以上（图11，表14）[pidx::14][pidx::15]

• 本报告结论基于历史数据统计分析，存在历史规律失效、因子失效及政策风险，投资需谨慎[pidx::16]

报告详尽分析——《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置分析》

---

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置分析》

- 分析师及联系方式：郑雅斌（Tel: 021-23219395, Email: zhengyb@haitong.com，证书编号 S0850511040004），罗蕾（Tel: 021-23185653，Email: ll9773@haitong.com，证书编号 S0850516080002）

• 发布机构：海通证券研究所

- 发布日期：2024年（具体日期未见披露，报告数据截至4月底）

• 核心主题：研究不同市场和宏观环境条件下，各类常见选股因子的表现差异，依此构建复合情景模型，从而指导因子权重调整及多组合动态配置，提升投资组合超额收益及稳定性。

核心论点总结：
本文通过分析包括经济增长指标（如PMI）、利率（国债收益率及中美利差）、市场风格特征（大小盘、价值成长）四个维度构建复合情景打分模型，揭示市场环境与选股因子表现的密切相关性。动量类（基本面动量、价格动量等）因子在经济和利率上行、大盘成长环境下表现优异；而价量反转类因子在相反环境（经济和利率下行、小盘价值风格）中表现更佳。基于此，报告建议结合情景模型动态调整因子权重及组合配置，实现超额收益的提升和风险管理。报告还列示相关风险提示，强调历史规律可能失效风险等。

---

2. 章节详细解读

2.1 投资要点与引言

报告开篇指出，截至2024年4月底，ROE因子月均IC达到9.4%、月胜率100%，显著优于过去3年低于2%的表现，证明alpha因子在不同市场环境下表现差异显著。基于此，作者统计对比了多种选股因子在不同行情下的表现，将宏观经济指标、利率状况、市场大小盘及价值成长风格纳入分析框架，建立情景模型辅助因子择时与配置优化。投资要点针对复合情景模型下因子权重调整、风格敞口设置及组合动态配置提出了具体建议，同时明确风险警示，强调本文研究基于历史数据统计，非投资建议，存在因子或历史失效风险。

---

2.2 宏观环境分析（第1章）

2.2.1 经济增长视角：PMI与企业整体基本面

• 数据与方法：将PMI做季度滚动平均平滑，划分PMI上行/下行情景；结合企业整体净利润同比增速中位数环比变化，进一步区分基本面改善或未改善时期。

- 发现：
- PMI上行及企业基本面改善阶段，基本面动量因子（ROE、SUE等）及分析师情绪相关因子表现稳健且明显优于价量反转因子，表现IC和稳定性均较高（表1、表2、表3）。
- PMI下行及基本面无明显改善阶段，价量反转类因子表现脱颖而出，基本面因子表现显著走弱。

• 逻辑与假设：

- 宏观经济扩张期上市公司盈利能力和成长性增强，基本面因子信息量提升，形成更强择时信号。
- 经济下行期，价量反转反映短期市场过度反应以及估值错配，更易获得反转型套利机会。

• 总结（小结1.1.3）

- PMI及企业基本面为经济增长的代表指标，两者合并后确认经济增长向上时，基本面动量因子表现明显优异；经济下行则价量反转因子受益明显。

2.2.2 利率视角

• 方法：比较国债收益率与历史均值、以及中美利差变化，划分利率上行/下行、中美利差增大/缩小情景。

- 结果（表5与表6）：
- 利率上行及中美利差拉大时，基本面因子表现显著优于利率下行或中美利差缩小的情形，动量效应更强。
- 利率下行及中美利差缩小时，价量反转类因子表现突出。

• 逻辑说明：

- 利率环境反映宏观经济预期，利率上升通常代表经济复苏，企业盈利预期改善，动量因子信息丰富；反之市场波动加剧，反转效应更显著。

• 小结1.3强调：

- 两类宏观经济指标上下行阶段的因子表现呈现明显的逆向关系。经济利率向好对应动量因子优势，否则反转因子领先。

---

2.3 市场特征分析（第2章）

2.3.1 大小盘风格

• 划分方法：以上证50/沪深300相较于全A指数相对超额收益累计净值，用其12个月均线定位大小盘市场风格，采用3个月平滑降低信号切换频率（图3、图4）。

- 结果（表8）：
- 大盘阶段，基本面因子表现明显优于小盘，价量因子收益较弱。
- 小盘阶段，价量类因子占优，风格因子如小市值、低估值收益显著。

• 解释：

- 大盘市场信息更为充分、稳定，基本面信息更容易持续反映价格；小盘股票易受炒作及短期资金影响，反转型因子优势明显。

2.3.2 价值成长风格

• 划分：以国证价值指数相较沪深300超额收益净值及一年均线区分价值成长期（图5、图6）。

- 结论（表9）：
- 成长风格阶段，基本面因子表现优异，动量因子胜率高。
- 价值阶段，价量反转类因子相对优异，风格因子也更有表现。

• 综合小结（2.3）：

- 大盘成长阶段适合强调动量因子，价量反转因子较弱。
- 小盘价值阶段，价量反转因子及风格因子活跃，基本面因子表现一般。

---

2.4 复合情景模型构建及应用（第3章）

2.4.1 复合情景模型结构（3.1）

• 指标组合：经济增长指标（PMI与企业基本面）+中美利差+市场大小盘+价值成长风格，共4个信号，每个信号高（向好）记为1，低（向坏）为0。

- 得分范围0-4，得分越高，环境越有利于偏动量因子；得分越低，则价量反转因子及防御型组合更强。

• 数据支撑（图7-10）：

- 得分≥3时，基本面与价格动量、预期因子IC值及月胜率显著高于得分0时。
- 得分0时，反转、换手率等价量因子表现突出，小市值、低估值风格因子收益亦显著。

2.4.2 因子权重调整（3.2）

• 方法：在传统基于历史IC权重加权的多因子模型基础上，根据复合情景得分调整基本面类因子及反转类因子权重。

- 结果（表11）：
- 情景有利于基本面（得分≥3）时，降低反转因子权重50%，多因子模型IC由9.1%提升至10.2%，ICIR与月胜率均提升。
- 情景不利于基本面（得分=0）时，降低基本面因子权重50%，IC由7.1%提升至7.9%，效果明显。

• 说明：情景驱动权重调整实现了多因子模型预测能力的提升，体现了择时特征。

2.4.3 风险敞口设置（3.3）

• 问题：得分为0时基本面因子表现差，反转类虽表现好但多头收益较弱。

- 解决方案：放开市值敞口允许持有更多小市值股票，因小市值因子在情景0时表现较好。

• 结果（表12）：沪深300增强组合开放市值敞口，年化超额绩效由3.2%提升至7.5%，信息比从1.54升至2.52；中证500指数类似，抢占更多alpha来源，绩效大幅改善。

- 逻辑：在基本面因子弱时，适度增加小市值暴露能增加组合的超额收益机会。

2.4.4 组合配置策略（3.4）

• 基础：情景得分高时，动量型重仓股组合表现较佳；得分低时，防御型红利组合更优。

- 组合构建：
- 红利组合：选取稳定现金分红的股票，依据股息率、现金流、预期调整、换手率加权评分，选取前50股，结合股息率权重加权。
- 重仓股组合：依据绩优基金重仓股，使用ROE、SUE、换手率打分，选出30只股票。

• 表现（表13、图11）：

- 重仓股组合在高情景得分时表现优；红利组合在低情景得分时超额收益显著。
- 等权配置组合13年年化收益17.6%，信息比提升，表现较单一策略稳定；情景加权配置进一步提升到23.4%年化，信息比超过1，绝大多数年份策略优于基线组合。

• 小结（3.5）：结合宏观及市场指标的多因子模型参数调节、风险敞口静态调整及组合动态配置三管齐下，显著提升选股效率与业绩稳定性。

---

2.5 综合总结（第4章）

• 宏观经济层面：

- PMI及企业整体盈利能力改善阶段，动量型基本面因子及分析师情绪因子表现优异。
- PMI下降或盈利改善未现，基本面因子弱化，价量反转因子表现更突出。

• 利率层面：

- 中美利差扩大及国债利率上升阶段，基本面因子具备较强动量延续。
- 利差缩小时，反转型因子成为主要收益来源。

• 市场风格层面：

- 大盘成长阶段显著利好动量性基因因子。
- 小盘价值阶段，价量反转因子及风格因子表现活跃。

• 情景复合模型构建：结合经济增长、中美利差、大小盘与价值成长四个代表指标，进行打分（0-4），打分高低明显提示动量及反转类因子偏好。
• 策略应用：按照情景打分调整因子权重、放宽风格敞口和组合配置，能有效提升模型IC表现及组合盈亏稳定度。
• 风险提示：承认因子效用基于历史统计，存在历史规律失效、因子失效、政策变动等风险。报告不构成投资建议。

---

3. 图表与数据深度解读

3.1 图1与图2：基本面因子IC历时表现与2024年动态

• 图1（基本面因子历年月均IC）显示ROE、SUE与预期净利润调整因子2017-2023年间IC均多低于2%，表现疲软；2024年（截至4月底）ROE因子IC跃升至9.4%，明显改善，SUE和预期净利润调整同样回升，表明当前环境极大提升了基本面动量因子效用。

- 图2（月度IC）揭示2024年ROE因子月IC月度波动，最高超过16%，体现出环境驱动因子择时表现显著。

• 意义：图表直观反应因子在2024年环境背景下变强，使后续宏观环境与因子表现分析具备时间参考基准。[pidx::4]

3.2 图3与图4：大小盘累积超额收益与信号划分

• 图3显示2009年至2024年间大盘相对全A的净值累计超额走势及其12个月均线指标。大盘信号（蓝线）有明显波动，存在切换频繁。

- 图4对累计超额净值作3月平滑处理，后信号更为连续，减少了噪音。

• 作用：这是划分大小盘市场环境的基础指标，清晰展示环境阶段划分的合理性，确保因子表现统计的环境识别精准。[pidx::9]

3.3 图5与图6：价值成长超额收益及信号划分

• 图5与图6同样展示价值相较沪深300的超额收益及其长期均线。平滑后信号减少频繁切换，便于稳定划分成长/价值阶段。

- 功能：为价值成长风格环境识别提供依据，关联因子表现差异统计。[pidx::10]

3.4 图7-10：复合情景得分与因子IC及胜率表现

• 图7（量价类因子IC）展示得分为0至≥3时，小市值、低估值反转等因子表现明显逆转，得分0时IC及胜率最高，得分≥3时表现最弱。

- 图8（动量类因子IC）相反，得分≥3时ROE、SUE、预期净利润调整因子IC显著高于低分环境。

• 图9（选股因子总体IC对比）将所有主要因子的IC对比下，突显高分环境动量因子普遍正相关，低分环境反转因子领先。

- 图10（月度胜率）进一歩确认动量因子胜率随得分提升增加，反转类因子胜率指标在低分情景占优。

• 解读：这些图显著证实复合情景模型的有效性，为因子择时和组合动态调整提供有力数据支持。[pidx::12-13]

3.5 图11：红利组合与重仓股组合相对净值走势

• 图11显示，红利组合与重仓股组合均跑赢wind全A指数，且情景配置的复合策略净值波动更平稳，年化收益率最高达23.4%，信息比提升至1以上。

- 说明：通过情景打分动态调整两种组合权重大幅提高收益表现和风险调整后收益稳定性，符合报告策略应用建议。[pidx::14-15]

---

4. 估值分析

本报告为因子表现及组合配置的研究报告，未采用传统企业估值模型（DCF、市盈率等），而是通过统计IC、月胜率、超额收益率、多因子模型加权等量化技术指标来评价因子和组合的有效性。报告通过历史回测和数据统计分析构建复合情景指标，进而指导因子权重和组合配置的动态调整，属于量化因子择时及策略优化研究，未涉及公司估值内涵。

---

5. 风险因素评估

报告明确提示：

• 历史规律失效风险：因子表现的经济环境相关性基于历史数据统计，未来可能因市场环境、行为偏好等结构性变化导致规律失效。

- 因子失效风险：普遍存在的因子失效周期和模型过拟合风险。

• 政策变动风险：宏观政策改变可能影响行业基本面及估值体系，进而影响因子表现。

- 非投资建议警告：严禁将报告内容视作未来走势判断或投资建议。

• 风险缓解：报告未明确提出具体缓解策略，但通过动态组合配置、因子权重调整本身即是风险管理措施。

整体风险揭示较为充分，表达审慎，符合规范[pidx::0][pidx::16]。

---

6. 审慎视角与潜在局限

• 因子与环境定义的稳健性：复合情景模型将多维宏观与市场风格指标二元分割并加总得分，仅以0/1离散信号反映复杂非线性市场，模型可能过于简化。

- 信号切换与滞后问题：如大小盘信号存在较为频繁切换，尽管做了平滑，仍可能存在滞后或误判，影响因子择时效果。

• 数据时间范围限制：部分高频因子（如尾盘成交占比）从2013年开始数据，有潜在样本选择偏差风险。

- 因子重合度与多重共线：报告中多因子模型包含多个动量和反转因子，内在相关性或导致过拟合风险及收益来源误判。

• 市场行为及政策变化：中国A股环境复杂多变，历史数据统计意义有限，未来政策及市场结构变化或使结论失效。

- 适用范围局限：本文主要基于A股数据，结论不可直接外推至其他市场。

总体来看，报告数据详实，逻辑清晰，结论合理，但复合情景模型在实际操作中仍需考虑非完全内生因素和多维度复杂互动的影响，务必谨慎实操及动态验证。

---

7. 结论性综合

本文系统分析了不同宏观经济、利率和市场风格环境下我国A股市场常见选股因子表现的差异性，验证了基本面动量因子和价格动量因子在宏观经济、利率上行以及大盘成长环境表现优异，而价量反转类因子在环境走弱或小盘价值阶段表现更好。

基于该发现，报告创新性构建了包含经济增长指标、中美利差、大小盘与价值成长风格四个分量的复合情景打分模型（得分0-4），清晰划分市场环境，为动态调整因子权重及组合配置策略提供强有力的实证支持。通过动态减少基本面因子权重、增强反转因子权重和适时放开风格敞口，实证显示多因子模型IC、月胜率及组合超额收益显著提升（多因子月均IC最高提升至10.2%，组合收益年化超过20%），显著增强超额收益稳定性。

报告依托丰富的图表（图1至图11）与统计表（表1至表15）深入阐述，结合数据与理论逻辑剖析因子表现的经济内生与外生影响机制，尤其图7至图10生动展现情景因子表现逆相关，图11清晰示范情景动态配置组合优异业绩，提升研究的应用可信度。

风险方面，报告客观提醒历史规律失效、因子失效及政策变动风险，强调结论基于历史数据的统计分析非投资建议，体现务实审慎态度。

总体而言，报告结构严谨，数据翔实，论证逻辑清晰，创新构建的复合情景模型及其在因子权重调整、风险敞口设定和组合动态管理中的应用，为A股因子投资和量化策略优化提供了重要的理论与实践参考。

---

参考图片示例

---

溯源标注

本分析内容严格基于报告原文内容及数据，从引言至各章节数据分析与结论，溯源页码如下：

• 投资要点与引言：p0

- 目录与图表表格索引：p1-p3

• 宏观环境分析：p4-p8

- 市场特征分析：p9-p11

• 复合情景模型与策略应用：p11-p16

- 总结与风险提示：p15-p16

• 信息披露：p17

对应引用示例：

[pidx::0] [pidx::4] [pidx::7] [pidx::9] [pidx::12] [pidx::14] [pidx::16]

报告