量化视角下的2019年市场分化显著 [page::5][page::6]

• 市场以沪深300和中证500为界，形成大盘股与中小盘股两个梯队，中小盘股持续跑输大盘股。

- 主要行业呈现分化，周期类行业显著跑输，消费类行业显著跑赢。

• 行业内龙头股强化马太效应，行业龙头市值占比和估值溢价提升。

价值因子表现弱于历史，行业内部竞争地位影响估值 [page::6][page::7]

• 价值因子历史回撤反映行业内部传统估值比较体系失效。

- 公司竞争地位成为更重要的估值维度。

• 价值因子回撤情况与2012-2013年移动互联时代的价值因子调整相似。

量化选股与行业轮动策略表现差异 [page::7][page::8]

| 策略 | 2019年(截至10月31日)超额收益 |
|-------------------|-------------------------------|
| 预期高派现组合 | 7.13% |
| 分析师持续推荐组合 | 16.92% |
| 高管增持组合 | -36.33% |
| 宏观视角行业轮动策略 | 11.93% |
| 业绩与估值视角行业轮动 | -12.67% |

• 行业轮动策略中，宏观视角策略表现优于业绩估值视角策略。

- 传统事件驱动策略表现低迷。

基本面稳健龙头股票池构建与策略绩效 [page::9][page::10]

• 使用市场占有度、盈利能力、定价能力、长期价格动量多维度因子筛选行业龙头和基本面稳健股票池。

| 标的 | 年化收益(%) | 夏普比率 | 最大回撤(%) |
|-----------------|------------|---------|-------------|
| 稳健龙头组合 | 12.46 | 0.33 | 38.01 |
| 沪深300 | 7.27 | 0.12 | 42.71 |

• 该组合长期显著优于沪深300和中证800，且持仓股票数量稳定。

防范短期业绩波动与低估值精选提升组合稳健性 [page::11][page::12]

• 基本面稳健龙头组合内，业绩未达预期的个股短期表现弱于指数，建议采用主动研究防范风险。

| 指标 | 稳健龙头100组合 | 沪深300 |
|-----------------|----------------|---------|
| 年化收益(%) | 13.19 | 7.27 |
| 夏普比率 | 0.35 | 0.12 |
| 最大回撤 | 36.02 | 42.71 |

• 题库中选择低估值（PE最低）个股进一步提升组合表现。

成长风格切换是核心资产重要补充 [page::13][page::14]

• 高净利润增速组合的超额收益主要来自相对业绩增速提高及估值提升。

• 市场风险偏好中枢是成长风格催化剂，风险偏好与流动性周期密切相关。

ESG投资：核心资产的未来演化方向 [page::14][page::15][page::16]

• ESG涵盖环境、社会、治理三大板块，多维度指标体系支持投资决策。

• 全球ESG投资快速增长，欧洲和美国规模占比超25%，国内机构积极签署UN PRI。

• 美国ESG基金发行数量和资金流入持续增长，显示投资热情高涨。

A股及港股ESG制度和指数发展 [page::18][page::19]

• A 股和港股不断强化上市公司ESG信息披露和报告制度，披露比例大幅提升。

- 国内外权威机构发布多只ESG指数，表现优于传统指数，夏普比率明显更高。

人工智能技术加速量化策略迭代 [page::20][page::21][page::22]

• 多家著名对冲基金积极引进人工智能专家和技术，深度耦合机器学习算法。

- 机器学习顶级会议NeurIPS相关投资机构赞助数量持续增长。

• 市场上人工智能ETF迅猛发展，特别是Blackrock发行多只相关产品。

案例一：基于随机森林的择时套保策略 [page::22][page::23]

• 采用多技术指标训练随机森林模型预测沪深300涨跌，预测下跌时采取对冲。

- 模型最大回撤显著低于指数，2019年收益18.7%，夏普比率1.5。

| 指标 | 2019年年化收益(%) | 夏普比率 |
|--------------|--------------------|----------|
| 随机森林策略 | 18.7 | 1.5 |
| 沪深300 | 不详 | 不详 |

案例二：基于模式匹配的行业轮动策略 [page::24]

• 选取市场当前状态时间窗口，寻找历史相似时期，优化行业配置权重，月度调仓。

- 2006-2019年回测年化超额收益10.6%，今年前10个月超额收益达32.9%。
| 年份 | 年化超额收益(%) | 夏普比率 |
|------|-----------------|----------|
| 全期 | 10.6 | 0.4 |
| 2019 | 39.3 | 2.6 |

报告详尽全面分析：“核心”演化为纲，技术迭代为本——2020年量化投资策略

---

一、元数据与报告概览

报告信息

• 标题：“核心”演化为纲，技术迭代为本——2020年量化投资策略

- 作者：王兆宇（首席量化分析师）、赵文荣（首席配置分析师）、张依文（量化策略分析师）、厉海强（首席产品分析师）、刘方（首席组合配置分析师）、朱必远（金融产品分析师）

• 发布机构：中信证券研究部

- 发布日期：2019年11月14日

• 主题：以量化投资策略为核心，深入分析2019年A股市场表现，探讨“核心资产”的内涵演进，成长风格、ESG主题投资的兴起及人工智能技术对量化投资的促进作用。

核心论点及评级

本报告立足于2019年A股市场特征，强调量化投资需兼顾市场基本面逻辑与技术迭代两大方面。它提出：

• “核心资产”的概念仍为市场主流，但未来更强调稳健性。

- 成长风格需关注有质地、有核心竞争力的新增长，且切换逻辑关键在于业绩增速相对变化。

• ESG投资将成为“核心资产”演化的一个新方向。

- 人工智能技术，尤其是机器学习，在量化模型迭代中发挥日益重要作用。

• 报告未直接给出具体股票评级，而是提出投资建议及风险提示。

---

二、逐节深度解读

1. 市场回顾：2019年量化视角下的市场分化

• 关键观点：

2019年A股市场呈现明显分化，主要体现在市值、行业、估值等层面，这些层面相互交织，带来了量化策略的挑战，也展现出多个基本面事件的共振效应。

• 指数层面：

- 市场分为两梯队：沪深300及上证50构成大盘股梯队；中证500及中证1000构成中小盘股梯队。
- 中小盘股全年持续跑输大盘股，图1显示中证500相对沪深300的强弱指数持续下行。

• 行业层面：

- 周期板块显著跑输市场，上游行业跌幅最大，如钢铁和石油石化行业指数分别相对中证800跑输26.05%、19.76%。
- 消费及TMT行业表现强劲，食品饮料、电子元器件和农林牧渔指数跑赢中证800分别达41.93%、25.55%、18.68%（图2）。

• 行业内部：

龙头股优势明显，前Top3、Top5、Top10市值公司收入占比持续攀升（图3）。这些大市值公司获得的估值溢价加速上升，2019年7月后溢价显著（图4）。

• 价值因子表现：

2019年主要指数空间的价值因子均经历持续回撤，尤其5月后情况严峻（图5、图6）。这说明原有的行业划分的估值参考体系失效，公司行业内竞争地位成为新的估值维度（图7、图8回顾历史类似回撤阶段）。

• 量化策略表现：

- 选股策略方面，机构抱团现象明显，传统事件驱动策略表现疲软，预期高派现和分析师持续覆盖策略表现相对较好。
- 行业轮动策略中，基于宏观视角的策略收益较好，基于业绩与估值视角的表现较差（表1）。
- 因子层面，成长及盈利因子表现提升，价值因子及低波动等因子表现承压（表2）。

• 总结：

本节强调量化投资技术应与市场逻辑相结合，"主动量化"的重要性日益凸显[page::5,6,7,8].

---

2. “核心资产”：内涵不变，稳健先行

• 概念演化：

“核心资产”从“漂亮50”到“蓝筹”，再到现在，更强调企业的核心竞争力以及稳健性，具体包含长期基本面稳健、短期业绩稳定及市场价格稳定三个层次。

• 多维度筛选方法：

- 筛选依据：
包括市场占有率（销售量及营业收入占比）、盈利能力（净资产收益率ROE、投入资本回报率ROIC及其波动率）、定价能力（销售毛利率及净利率）与长期价格动量（近5年收益率）（表3）。
- 筛选过程：
在中信一级行业内，先剔除盈利能力、定价能力、长期动量表现较差（尾部剔除80%交集）公司，构成基本面稳健股票池（图9）。同时，在中信二级行业范围内筛选市场占有率最高25%的企业构成行业龙头股票池（图10）。二者取交集得到“基本面稳健龙头”组合。
- 结果表现：
2009-2019年间，该组合年化收益12.46%，夏普比率0.33，明显超越上证50、沪深300等主流指数，平均持仓154只股票（图11、表4）。

• 应对短期业绩波动：

- 长期基本面稳健不等同于短期无风险，定义短期业绩波动股为当期净利润增速低于财报前一致预期超过50%股票。
- 2019年中报显示此类股组合自8月至9月跑输沪深300约5%（图12）。
- 建议结合主动研究方法辅助识别和规避短期波动风险。

• 估值精选增强稳健性：

- “基本面稳健龙头”组合总体PE（TTM）处于历史中位以下，但部分个股估值处较高分位，7只个股已超90%历史分位（表5）。
- 通过筛选PE较低的100只股票构建“稳健龙头100组合”，年化收益升至13.19%，最大回撤、夏普比率均改善（图13、表6）。
- 今年以来该组合保持对沪深300和中证800超额收益分别约5%和7.7%。

总结表明，“核心资产”筛选强调稳健与估值双重维度的融合，兼顾业绩质量与价格安全[page::8,9,10,11,12].

---

3. 成长风格：有质量、有核心竞争力的新增长

• 切换逻辑：

- 成长风格与“核心资产”风格的切换重要性已超过传统大小盘风格切换。
- 成长风格不仅代表小盘股，更注重新增长的质量与核心竞争力。

• 关键驱动力：

- 相对业绩增速提升是成长风格表现的关键驱动力（图14，表7），如2013-2015年净利润增速组合表现强势。
- 市场风险偏好中枢提升是重要催化剂（图15）。该中枢定义为收益率与波动率相关系数的20日移动平均。
- 市场风险偏好的中枢与流动性周期关联紧密（图16）；当前流动性处于周期底部，预期将回升，对成长股有利。

本节指出把握成长风格转折点，关注业绩增速及市场风险偏好对量化策略优化极为重要[page::12,13,14].

---

4. ESG主题投资：“核心资产”演化新方向

• 背景与意义：

- ESG投资强调环境、社会与治理对企业价值的影响，符合中国经济结构优化升级趋势，且与“核心资产”理念高度契合。
- ESG包括三方面指标体系：环境（E）、社会（S）、治理（G），涵盖公司的环境影响、员工管理、公司治理结构等（图17）。

• 全球发展情况：

- ESG投资资产规模快速增长，2006-2019年签署UN-PRI机构数从63家增至2372家，管理规模从7万亿美元增至86万亿美元（图18）。
- 欧洲ESG投资占总资产比例近49%，美国达25.7%，加拿大、澳大利亚及日本增长尤为迅速（表8）。
- 美国ESG基金新发行数及资金流入近年来呈现爆发式增长，2018年基金数与资产规模双双大幅攀升（图19、20）。

• A股与香港现状：

- 中国发布系列政策推动绿色金融体系建设，推动上市公司ESG信息披露，且2018年科创板上市公司披露率显著提升（图21、22）。
- 沪深300指数成份股自愿披露ESG信息比例从2009年的43%提升至2018年的82%（图23）。
- 香港上市公司开展ESG信息披露达到约90%，披露质量逐年提升（图24）。
- A股与香港市场均已推出ESG指数，表现明显优于传统指数（图25，表9）。

总结强调，ESG投资将成为重要趋势，对投资者识别“核心资产”的新标准提出了高要求[page::14,15,16,17,18,19].

---

5. 人工智能：技术迭代为量化投资赋能

• 行业趋势：

- 人工智能，特别是机器学习技术，正被越来越多对冲基金及资管机构采纳，如Citadel、Two Sigma、Man AHL等（图26）。
- 多数顶级学术会议NeurIPS赞助商中金融机构数目攀升，反映行业内对人工智能重视（表10）。
- 多只应用人工智能的ETF相继成立，规模迅速增长（表11）。

• 应用案例一：基于随机森林的择时套保策略

- 随机森林结合决策树与Bagging算法，具有非线性拟合能力及较强解释性（图27）。
- 以沪深300为择时标的，选用动量、成交量、统计及趋势指标（表12）进行训练。
- 策略通过预测指数涨跌决定对冲操作，交易成本考虑全面。
- 历史回测结果显示，策略回撤仅18.5%，夏普率1.1，2019年年化收益18.7%，最大回撤7.7%，夏普比率提升至1.5（图28、29）。

• 应用案例二：基于模式匹配的行业轮动策略

- 通过回溯历史寻找类似市场状态，利用历史表现计算当前配置权重（图30）。
- 2006-2019年回测年化超额收益10.6%，持续战胜基准，2019年跑赢超32.9%（图31，表13）。

本节说明人工智能及机器学习技术已成为量化投资策略升级的核心驱动力，提升了策略表现和风险管理能力[page::20,21,22,23,24,25].

---

6. 风险因素

• 模型风险：模型可能失效或对现实市场变化反应迟缓。

- 数据过度拟合风险：模型过度依赖历史数据，未来表现可能偏离。

• 国内外政策变化风险：政策端频繁调整可能带来市场波动。

---

三、图表深度解读

• 图1（指数相对强弱）：显示沪深300大盘股与中证500中小盘股长期趋同，但分化明显，后者表现弱势，表明资金和投资者偏好向大盘集中[page::5]。

- 图2（行业相对超额收益）：消费及科技类行业板块跑赢市场，周期板块尤其是钢铁等显著跑输，强调行业盈利和成长分化[page::5]。

• 图3、4：行业龙头集中度上升，带动估值溢价加深，反映马太效应持续[page::6]。

- 图5、6、7、8：价值因子在多个指数空间表现疲软，隐含行业内估值可比性的破坏，需关注竞争地位新维度[page::6,7]。

• 表1、2：策略表现分化明显，宏观视角行业轮动优于业绩估值视角，成长因子表现优于价值[page::7,8]。

- 图9、10：展示基于多因子筛选及分层行业龙头筛选的流程，体现量化选股具体操作框架[page::9]。

• 图11、表4：基本面稳健龙头组合收益稳健，波动适中，显著优于主流指数[page::10]。

- 图12：短期业绩波动股表现逊色，说明主动判断有价值[page::11]。

• 表5、图13、表6：低估值精选提升组合表现；“稳健龙头100组合”表现更佳[page::11,12]。

- 图14、表7：成长收益主要来自业绩及预期利润增速变化，相关表现明显[page::13]。

• 图15、16：风险偏好指标与流动性相关，对成长风格表现有影响[page::14]。

- 图17：ESG三大维度示意，指标详尽彻底，体现ESG标准的多维性[page::15]。

• 图18、表8：全球ESG机构签署和资产规模快速增长，多国市场蓬勃发展[page::16]。

- 图19、20：美国ESG基金数及资金流入持续增长，表明投资者认可度提升[page::17]。

• 图21、22、23：A股及香港ESG政策推进，企业披露比例及质量不断提升[page::18]。

- 图24、25、表9：香港ESG披露情况良好，ESG指数表现优于基准[page::19]。

• 图26：Man AHL量化策略演进，机器学习成为关键时期[page::20]。

- 表10、11：金融机构加大AI投入，人工智能ETF快速增长[page::20,21]。

• 图27、表12：展示随机森林择时模型结构及技术指标体系，技术细腻完善[page::22]。

- 图28、29、表13：随机森林策略历史及2019年表现优异，风险收益比突出[page::23]。

• 图30、31、表14：模式匹配行业轮动策略原理清晰，长期表现稳定，2019年超额收益显著[page::24,25]。

---

四、估值分析

报告未直接推导单一估值模型及目标价，但通过多因子筛选构建“稳健龙头”及低估值精选组合等方式，间接体现了估值敏感性管理。主要关注因子包括ROE、盈利波动率、毛利率、净利率及长期价格动量，辅以PE（TTM）历史分位数做价格过滤。

估值因子近期回撤反映估值体系重塑，需关注企业竞争地位对估值的影响。低估值优选进一步提升组合风险调整后的收益，表明精细估值管理能稳健增强投资收益。

---

五、风险因素评估

• 模型风险：量化模型基于既有历史，有可能不适应突发或结构性市场变化，导致失效。

- 过度拟合风险：对历史数据的过度依赖会减弱模型在实际运用中的泛化能力，误差增加。

• 政策变化风险：国内外政策调整可能引发市场震荡，影响模型表现及整体投资环境。

- 缓解路径：报告鼓励结合主动研究手段对短期波动加以防范，此外量化策略多样化和技术迭代也有助降低风险。

---

六、批判性视角与细微差别

• 报告虽强调技术迭代和主动研究联合的重要性，但对“主动量化”短期实现路径及具体实践细节相对略显笼统，尤其面对短期业绩波动的主动判断，具体实现方式未充分展开。

- 在价值因子回撤的分析中，报告主要归因于行业内部竞争地位分化的新维度，可能低估了市场整体风格及宏观经济周期对估值体系的影响。

• ESG投资的未来演进虽被看好，但现阶段对数据质量、信息披露标准化及量化评价一致性仍面临挑战，需关注政策演变和国际经验的适用性。

- AI算法应用虽展示了出色的历史表现，但未充分披露模型的具体参数调整和模型风险控制，如过拟合风险的评估，这对投资者风险认识可能造成一定盲点。

整体看，报告逻辑清晰，覆盖全面，但对复杂度较高的人工智能与主动研究结合的具体操作细节及风险控制仍可进一步深化。

---

七、结论性综合

本报告深入分析了2019年中国A股市场量化投资的关键特征和未来发展方向，涵盖市场结构分化、“核心资产”的稳健性升级、成长风格转变、ESG主题投资崛起及人工智能技术应用创新。

1. 市场结构依然分化：

- 市值梯队明显，中大盘股与中小盘股表现显著差异。
- 行业分化显著，消费和科技强势，周期板块疲弱。
- 行业内龙头竞争优势增强，估值溢价提升。
- 价值因子回撤表明行业内新估值逻辑对估值模型提出挑战。

1. “核心资产”新内涵：

- 多维度量化指标结合主动研究构建稳健组合，兼顾长期基本面与估值安全。
- 选低估值个股增强组合稳健性，有效提升历史收益和风险指标。

1. 成长风格的重要性及切换逻辑：

- 业绩增速提升驱动成长，市场风险偏好变化起催化作用。
- 流动性周期的转变与风险偏好中枢变化密切相关，利好成长股表现。

1. ESG投资迅速发展，成为未来“核心资产”演化趋势：

- 全球资产管理规模和投资机构快速增长。
- A股和香港市场积极推进相关制度建设及信息披露。
- ESG相关指数表现超越传统基准指数，显示潜在长期价值。

1. 人工智能技术为量化投资赋能：

- 顶尖投资机构加大AI研究投入。
- 机器学习模型（如随机森林择时策略）获得优异的风险调整回报。
- 模式匹配行业轮动策略验证了历史走势对未来判断的指导价值，连续多年超额回报。

1. 风险需警惕：

- 模型风险、数据拟合风险和政策风险并存，且彼此可能叠加。
- 主动研究与量化技术需深度融合，灵活应对市场变化。

结合所有重要数据与图表，本报告不仅展现了2019年中国A股的市场格局和量化基金的表现，也指明了未来量化策略投资的核心——注重企业竞争力和稳健性，强调成长的新内涵，积极拥抱ESG投资理念，并借助先进的人机智能技术实现策略升级，迎接A股市场结构调整和发展新阶段的挑战。

读者应关注上述风险因素，科学配置“核心资产”，同时动态调整成长与价值风格，利用技术工具辅助决策，实现稳健而持续的投资收益。

---

溯源页码：[page::0,1,2,3,4,5,6,7,8,9,10,11,12,13,14,15,16,17,18,19,20,21,22,23,24,25,26,27]

---

结束语

本报告深刻洞察了量化投资战略的转变路径：以“核心”资产为纲，强调企业核心竞争力及稳健性为本，辅以技术迭代推动量化模型革新。建议投资者在实践中兼顾定量分析与主观判断，持续关注ESG及人工智能等前沿趋势，把握市场风格演化带来的投资机会，实现资产的长期稳健增值。

报告