胜率策略及其核心逻辑与表现 [page::1][page::3][page::4]

• 胜率策略综合运用趋势动量、财报景气和一致性预期三个维度构建极致景气行业等权组合。

- 2015-2021年综合因子超额收益显著，动量因子自2021年底先行失效，一致预期因子自2022年底回撤，财报景气度因子表现相对稳健。

• 胜率策略多头组行业以石油石化、电力、汽车、交通运输、电子、通信等为主。

因子相关性、换手率与轮转速度对策略有效性的影响 [page::5][page::6][page::7][page::9][page::10]

• 胜率策略内动量、财报景气和一致性预期三因子相关性在2019-2021年较高，2021年底以来明显下降，相关性下降导致策略有效性降低。

- 换手率较高时，市场认同胜率逻辑，策略表现更佳，尤其是短期5-20日换手因子有效。

• 轮转速度快时，因子逻辑连贯性降低，策略收益稳定性下降，轮转相关性低于75%时发出失效预警。

胜率策略择时逻辑优化与叠加换手、轮转因子提升表现 [page::11][page::12][page::13]

• 以胜率、赔率及其分项因子构建综合相关性预警信号；

- 采用行业平均换手率和轮转速度作为择时逻辑补充，提升空单时命中率和整体择时稳定性。

• 叠加换手和轮转速度后的择时综合模型，命中率、收益均显著优化。

结合量价因子构建非热门行业轮动策略，提升策略稳定性和性能 [page::14][page::15][page::18][page::19][page::20][page::22][page::23]

• 当胜率策略失效（因子相关性差且轮转快）时，转入非热门行业的低波动、低换手量价策略。

- 波动率因子包括价格波动、隔夜收益波动、日内振幅波动，短期因子（5-20日）表现突出。

• 换手率因子及其分项龙头换手、龙头换手差距，在非热门行业中稳定有效。

- 非热门行业筛选标准基于市值、交易量、涨跌幅、资金重仓等多维度指标。

• 非热门行业中量价因子表现整体优于热门行业。

量价策略因子构建与组合方案，优于传统等权双因子方法 [page::24][page::25][page::27][page::28][page::30][page::31]

• 量价策略采用波动率和换手率两个单因子的TOP3行业组合，双因子组持仓做等权处理。

- 该方案避免传统双因子等权合成导致的收益下降问题。

• 量价组合2016年至今年化收益6.7%，2021年后表现稳定且超额显著。

胜率-量价择时增强方案与年度表现 [page::32][page::33][page::34]

• 以综合胜率相关性判断择时信号，相关性正时持有胜率策略，负时切换为量价策略；相关性模糊时依换手率和轮转速度做进一步判断。

- 策略自2016年8月以来，超额年化16.02%，信息比率1.76，回撤控制良好。

• 2024年1-3月采用量价策略，4月至今切换为胜率策略，累计超额收益约7.64%。

最新行业筛选结果（2024年6月推荐） [page::35]

• 胜率策略推荐六行业等权持仓：石油石化、电力及公用事业、汽车、交通运输、电子、通信。

- 量价策略参考行业包含纺织服装、食品饮料、银行、石油石化、煤炭。

由胜率景气逻辑出发的量价择时增强行业轮动探索报告详尽分析

---

1. 元数据与概览（引言与报告概览）

• 报告题目：《由胜率景气逻辑出发的量价择时增强行业轮动探索》

- 作者及机构：
- 李杨（证券分析师）
- 赵馨（联系人）、许紫薇（联系人）
- 出自国海证券研究所，联系方式及认证信息详见报告结尾部分

• 发布时间：2024年6月（具体日期未明，数据截止至2024年5月31日）

- 研究主题：本报告聚焦中国A股市场基于“胜率策略”结合“量价因子”进行行业轮动择时的研究。其核心旨在优化行业轮动的择时逻辑，通过胜率策略的改进和结合量价因子，提升策略稳定性及超额收益。

报告核心论点与信息摘要

• 以趋势动量、财报景气度和分析师一致预期构建胜率策略，胜率策略在市场上涨时增强收益，跌市时有缓冲，但自2021年底开始存在因子失效现象；

- 设计包含胜率、赔率和胜率分项因子的综合因子相关性指标，进行择时优化，提升开多仓的胜率，同时对开空仓进行辅助策略设计；

• 发现当胜率策略逻辑失效时，需转向量价因子策略，尤其在非热门行业内寻找低波动、低换手行业，以提高组合稳健性；

- 设计择时量价增强组合，在胜率确定性差时使用量价方法筛选行业，该策略在2024年表现优于单一胜率策略，1-5月相对行业等权获得7.64%的超额收益；

• 结合量价和胜率策略择优操作，实现行业配置的超额收益和稳定提升。

风险提示涵盖了公开信息局限性、政策和市场环境变化影响及样本数据不足和统计误差风险。[page::0,1]

---

2. 逐节深度解读

2.1 胜率策略核心逻辑与历史表现（第3-5页）

• 核心逻辑：胜率策略基于三个维度：

- 历史动量（价格趋势，40日价格动量）
- 当前财报景气度（盈利能力、成长能力、营运能力指标，如净利润同比、固定资产周转率等）
- 未来一致预期（分析师三年后EPS、ROE及净利润预期环比）

• 旨在捕捉景气行业的相对强势，以构造极致景气行业的等权组合，特别聚焦行业中的龙头股表现。
• 历史表现：

- 2015-2021年，尤其2020年，胜率综合因子表现显著优异，年化超额回报高达32.29%；
- 但2021年末起出现明显因子失效，尤其动量因子先行下滑，一致预期因子和综合因子随后跟进，负收益状态；
- 财报景气度因子部分保持稳健；

• 这说明传统胜率逻辑受到市场环境影响，部分因子失效减弱策略效力。
• 持仓行业：5月份时，均衡配置石油石化、电力及公用事业、汽车、交通运输、电子、通信六大行业，各占1/6权重。[page::3,4,5]

2.2 胜率策略有效性拆解（第5-11页）

• 因子间相关性的重要性：因子间历史动量、财报景气度、未来预期的相关性高，策略收益确定性和超额持续性强；2021年以来相关性下降对应策略失效。
• 奖励风控机制（赔率结合）：引入赔率指标（表征收益的风险/回报预期）与胜率因子的相关性，丰富综合十因子相关性判断，提升择时决策准确度。
• 换手率的信号作用：

- 高胜率行业对应换手率较市场平均高，表明市场认同度和资金关注度高，配合胜率策略提升效果；
- 具体测试发觉5、10、20日换手率等短期换手指标具有较好正向命中率（>60%），暗示短期关注度和交易情绪指示策略有效性；

• 波动率的影响：

- 市场震荡和高波动阶段策略表现下降；
- 反而当月波动极高（年化30%以上）往往预示择时策略次月回暖，暗示剧烈震荡后市场重归理性、基本面逻辑驱动。

• 行业轮动速度（轮转速度）指标：

- 轮动速度快即行业持仓或排名变动剧烈，表明因子逻辑连贯性下降，策略稳定性随之减弱，
- 采用行业排名相关性和平滑后的滑动平均指标作为衡量，动态监测择时风险并形成预警。

• 综合择时逻辑优化：

- 胜率相关性为正时维持策略，负向时考虑换手率差异和轮转速度以决定策略开多或空；
- 换手率补充使开空判断准确率提升，轮转速度进一步丰富预警能力，实现多层次的择时改善。[page::5,6,7,8,9,10,11,12]

2.3 胜率策略进一步优化与热门/非热门行业划分（第14-18页）

• 胜率策略失效时的应对：

- 胜率策略确定性下降且热度消耗殆尽时，策略更倾向于追求非热门行业中的低波动、低换手对象，以求稳定收益；

• 热门/非热门行业划分方法：

- 先筛选约20个潜在热门行业，所谓热门行业基于市场总市值、交易量；
- 再根据涨跌幅、交易热度、基金持仓重仓三个维度评分确定6-10个热门行业；
- 剩余行业归为非热门行业，形成两大分类体系；

• 热门行业长期稳定性：

- 历史上食品饮料、TMT类行业热门期最为频繁，科技板块热门行业选取数目最高；
- 2019-2021年科技板块热门行业出现下降趋势，制造及医疗板块上升；
- 今年以来以周期、制造、科技为热门热点。

• 热门与非热门策略表现差异：

- 从2015年到2024年整体看，非热门行业的胜率策略筛选表现优于热门行业筛选，提高了策略稳健性；
- 但2020-2021年市场广泛高度认同胜率逻辑时，热门行业筛选优势明显。

• 从因子角度来看：

- 波动率和流动性因子在非热门行业的筛选效果优秀，尤其近年表现持续提升；
- 反转、成长性、预期等与盈利相关指标在非热门行业获得更好超额表现；

这表明非热门行业更适合采用基于波动率和换手率等量价因子的策略优化胜率策略。[page::14,15,16,17,18,19]

2.4 量价策略因子分析与组成方案（第20-31页）

• 波动率因子构成及表现：

- 包含价格波动、隔夜收益波动和日内振幅波动，均测试了多期限（5、10、20、40、60、120天）；
- 研究表明期限越短（尤其5、10、20日）波动率因子的稳定性和收益表现最优；
- 非热门行业筛选效果明显好于热门行业，尤其2021年以来，隔夜收益波动低对应更稳定行业。

• 换手率因子构成及表现：

- 包含行业换手率、龙头换手率和龙头换手差距；
- 同样五日、十日、二十日等短期换手因子表现较佳；
- 换手率低的行业对应更稳定表现，非热门行业使用以上因子筛选效果同样较好。

• 波动率与换手率因子的关系与选股策略：

- 2021年至2023年间，两个因子在非热门行业内的相关性较低；
- 低相关性导致传统双因子等权组合筛选出的行业覆盖不集中，表现不优；
- 因此选择分别在两个因子根据因子值选出Top3行业，再将两个多头组组合等权处理，避免因相关性下降导致行业覆盖分散；
- 该单因子Top3等权组合自2021年起实现稳定超额收益，2022年达21.02%，2023年为9.01%。

• 决策频率：考察发现波动率和换手率因子效果在20交易日内最优，选择月度调仓可以较好捕捉因子信号，避免过高交易频率导致因子衰减。
• 历史收益表现：

- 量价策略单因子组合年化收益6.7%，超额3.81%，信息比率稳定。
- 传统等权复合因子表现相较欠佳，验证了分开构建多头组合再等权叠加策略的合理性。[page::20,21,22,23,24,25,26,27,28,29,30,31]

2.5 择时增强组合构建与实证（第32-35页）

• 择时增强的逻辑：

- 本方案基于前述胜率因子相关性指标判断市场内胜率策略的信号强度。
- 当相关性信号为正，保持胜率策略执行；
- 当相关性信号为负时，转用基于量价因子的非热门行业策略；
- 当相关性信号模糊时，结合轮动速度及换手率综合判断，决定回归胜率策略或切换量价策略。

• 实证表现：

- 该择时策略自2016年7月31日起至2024年5月31日累计有效，多头次数48次，月均收益达1.53%，表现稳健；
- 2024年初至3月主要使用量价策略，4月起切换为优先胜率策略；
- 截至2024年5月31日，择时量价增强策略相较于传统胜率多头组、综合量价因子、行业等权组合均表现出明显超额，累计超额年化16.02%，信息比率达到1.76；
- 策略平均单边换手率为53.55%，具备一定的流动性和交易活跃度；
- 5月底推荐的胜率行业为石油石化、电力及公用事业、汽车、交通运输、电子、通信等周期与制造业为主行业，量价策略关注纺织服装、食品饮料、银行等稳定类行业，体现对周期和低波动低换手率行业的综合侧重。

• 图表展示策略净值和超额收益走势，明显优于行业等权，且择时信号有效捕捉市场阶段性行业表现差异。[page::32,33,34,35]

---

3. 图表深度解读

• 图表4（第4页）年度超额收益与净值图：

- 表格显示2015-2024年间，胜率综合因子年化超额收益平均为10.10%，优于动量、财报景气度和一致预期分项因子；
- 净值图反映出综合因子净值于2020和2021年显著上涨，但2022开始大幅回撤，反映因子失效。

• 图表6、7（第5页）因子相关性与策略超额：

- 胜率因子三者内部相关性于2021年后下降，策略超额收益走平表明因子背离及策略有效性减退；
- 结合赔率因子及胜率的十因子相关性提升择时准确率，开空时命中率从41.3%提升至54.84%。

• 图表9、10（第7-10页）换手率关联与行业轮动速度指标：

- 换手率和龙头换手率在高胜率多头组中明显高于市场平均，确认市场热度与资金聚焦；
- 轮转速度指标用行业因子排名相关性表达，相关性高对应轮转慢，反之轮转快。2024年轮转加速提示策略失效风险；
- 策略轮转速度择时进一步提升空头开仓精准度。

• 图表16、17（第15-17页）热门行业筛选数量与行业分布：

- 展现热门行业数量稳定在6-10个，主要集中于周期、制造和科技板块；
- 历史周期板块呈波动走势，科技板块热门行业受市场波动影响更大。

• 图表18、19（第18-19页）热门与非热门行业胜率筛选表现对比：

- 非热门行业筛选整体超额表现优于热门行业，稳定性更好，尤其自2021年以后表现更佳；
- 波动率和流动性因子在非热门行业筛选中显著有效。

• 图表20-23（第20-23页）波动率与换手率因子表现：

- 短期波动率（5-20日）及换手率因子在非热门行业均有积极的超额收益表现；
- 波动率隔夜收益部分波动较大，但整体具备有效性；
- 换手率龙头换手及差距特别在2022年之后表现优异。

• 图表25-31（第25-31页）量价策略综合因子与组合优化：

- 综合换手率因子相对行业等权收益更加稳定和持续，年化超额高达6.59%；
- 单因子top3等权组合优于多因子简单等权复合，避免了因因子相关性低引起的组合表现衰减；
- 2022年至今单因子top3组合比等权复合因子组合累计超额高约10%。

• 图表33-35（第32-34页）择时增强策略表现和行业配置：

-择时信号成功捕捉策略阶段表现，优先使用胜率策略或量价策略，实现月均1.53%的正收益率。
- 战略配置六个行业权重均衡，覆盖周期、制造和科技核心行业，同时量价策略关注稳定低波动行业如银行和食品饮料。

图表数据完整反映策略设计的合理性、验证策略有效性以及择时策略的应用绩效，充分支持报告结论及方案改进，逻辑清晰。[page::4,5,6,7,8,9,10,11,15,16,17,18,19,20,21,22,23,25,26,27,28,29,30,31,32,33,34,35]

---

4. 估值分析

本报告并未涉及传统的公司估值方法（如DCF、市盈率等），其研究重点是基于量化因子构造的行业轮动策略的择时方法及内容优化，属于策略研究范畴，关注因子的有效性，即通过历史数据和因子相关性测试择时效果，并未给出具体目标价或估值水平。

---

5. 风险因素评估

• 因子失效风险：2021年起部分核心因子出现失效，策略稳定性下降，乃市场环境及参与者行为变化所致；

- 数据质量与样本限制：报告警示数据样本存在局限，公开数据的覆盖与准确性影响研究结论；

• 政策和市场环境变化风险：行业表现受宏观经济及政策调整影响，亦可能导致预期超额收益不存在；

- 策略轮动速度加快导致的择时难度提升：轮动超速可能导致择时信号失灵，增加投资风险；

• 流动性风险：策略活跃度中等，单边换手率约54%，存在一定交易成本和市场冲击风险，但流动性风险可控。

报告明确表示，以上风险未必有应对策略，但通过因子综合相关性、换手和轮动速度等预警指标，试图对系统性风险做出前瞻提示。[page::1,36,5,9,10]

---

6. 批判性视角与细微差别

• 报告在因子失效期间探索补充逻辑，体现了策略自适应的优点，但无论胜率因子还是量价因子均基于历史走势，未来市场结构若发生根本变化可能仍难以保障策略持续有效；

- 量价因子策略对非热门行业倾斜，强调稳定性和低换手，这虽降低了策略波动，但在牛市强势行情中可能失去部分相对收益；

• 换手率高被视为认同信号，但高换手可能伴随更高交易成本和滑点风险，报告未针对交易成本做深入分析；

- 报告不存在详细的交易成本、税费和市场影响的测算，策略真实执行的净收益率或低于测算值；

• 报告中的择时信号多建立在相关性指标及经验阈值设定，多少带有经验参数特征，存在过拟合风险；

- 量价因子相关性较低时，传统等权策略表现欠佳，选择分因子权重叠加改善表现现实，但实际操作中如何动态调整权重和因子体系，需要后续进一步验证；

• 没有提及因子向行业特定或市场阶段敏感性的深入探索，这可能会限制模型在极端市场周期的稳健性。

总体而言，报告对现有策略做了详实的数学及实证补强，策略设计严谨，思路清晰，符合量化策略研究常规，但对市场微观结构和实际交易执行壁垒关注不足，是后续调优的提升空间。

---

7. 结论性综合

本报告系统梳理了基于“胜率策略”构建的行业轮动择时系统中的核心逻辑及存在的问题，深入剖析了胜率策略的组成因子——动量、财报景气度和一致性预期在2015年至今的表现，验证了2021年末以来因子相关性和策略稳定性下降导致胜率策略失效。

为此，报告基于多因素相关性指标设计了胜率策略的择时预警模型，加入赔率因子增强准确率，叠加行业换手率和轮转速度指标实现负向命中率显著提升，增强择时效率和风险防范能力。

报告进一步发现，在胜率策略失效时，非热门行业中的量价因子（波动率和换手率）能有效替代并且提升策略稳定性和收益表现。且量价因子由短期分项因子构成，尤其5-20日的短期波动和换手指标在非热门行业最有效。为避免因子相关性低导致的策略表现衰减，报告设计单因子Top3行业组合再等权叠加的量价综合策略，实证验证其自2021年以来的超额收益显著。

最终择时策略结合胜率策略的因子相关性指标与量价策略相互切换，并且在相关性模糊区间引入行业换手及轮转速度辅助决策，从而实现择时效率和超额收益的双重提升。

实证表明，择时增强策略自2016年8月至2024年5月的超额年化收益达到16.02%，信息比率达1.76，策略与行业等权比较，整体有效且稳健。2024年初至5月择时策略相对行业等权超额达7.64%，体现量价增强型择时策略的现实绩效。当前策略建议持仓石油石化、电力及公用事业、汽车、交通运输、电子和通信六大行业，兼顾周期制造与科技板块，量价策略推荐关注纺织服装、食品饮料及银行等低波动低换手行业。

总体来说，报告展现了通过胜率因子与量价因子互补，构建行业轮动择时增强策略的完整路线图，在应对2021年以来市场因子失效难题方面取得明显进展，策略结合信息丰富的财报数据、市场动量及行为特征数据，符合当前量化投资前沿趋势，为行业轮动策略投资提供了创新的实证支持和实践参考。[page::1,4,5,6,7,14,15,18,19,20,21,25,27,32,33,34,35]

---

结束语

该份研究报告条理清晰、分析详实，重点聚焦胜率策略及量价因子的有效融合与择时优化，方法扎实，数据支撑充分。通过丰富的因子交叉验证和实证测试，揭示了行业轮动策略中因子相关性动态变化带来的绩效影响，并提出有效策略增强方法。适合关注量化择时及行业轮动策略、寻求提升因子适用性的专业投资机构和研究人员深入阅读与借鉴。

---

如需对报告中具体图表数据作更进一步定量分析或策略再设计，您可以提供更细致需求，欢迎随时咨询。

报告