• 2024年ROE因子表现显著提升，月均IC达9.4%，月胜率100%，显著优于过去三年表现，显示因子效果受环境影响显著 [page::0][page::1]

• 宏观经济指标PMI上行时，基本面因子和分析师情绪因子表现优异，价量反转类因子表现较弱；PMI下行时则反转因子表现突出 [page::2][page::3]

| 因子 | PMI下行月均IC | PMI上行月均IC |
|----------|--------------|--------------|
| ROE | 2.9% | 5.6% |
| 换手率 | 6.2% | 5.4% |
| 反转 | 4.5% | 4.8% |

• 企业基本面改善期间（财报披露后2-3个月），基本面因子表现更佳，反转类因子优势减弱；基本面未改善时价量反转类因子占优 [page::3]

- 经济增长类指标（PMI+企业基本面）上行时期，基本面因子表现显著优于经济下行阶段，价量反转因子则相反 [page::4]

• 利率上升和中美利差扩大促使基本面因子及动量因子收益率和稳定性提升，利率下降或中美利差缩小时价量反转因子表现更好 [page::5]

- 宏观经济与中美利差交叉划分的四种情景下，经济上行且利差扩大的环境利好基本面因子，经济下行且利差收缩时价量反转因子优势明显 [page::6]

• 市场特征方面，大盘趋势下基本面因子表现更好，小盘趋势下价量反转及风格因子表现更优，且大盘成长风格更利好基本面因子 [page::6][page::7][page::8]

• 结合经济增长、中美利差、大盘小盘及价值成长风格四个维度，构建复合情景打分，得分越高偏动量因子表现越优，得分越低价量反转及防御型因子更具优势 [page::8][page::9]

• 利用复合情景得分调整多因子模型权重，得分高时下调反转类因子权重，得分低时下调基本面因子权重，可明显提升IC及稳健性 [page::10]

| 模型配置 | 月均IC | 月胜率 | 年化ICIR |
|--------------------|--------|--------|----------|
| 情景得分=0，无调整 | 7.1% | 85.2% | 3.4 |
| 情景得分=0，下调基本面因子权重 | 7.9% | 85.2% | 3.7 |
| 情景得分≥3，无调整 | 9.1% | 80.6% | 3.4 |
| 情景得分≥3，下调反转因子权重 | 10.2% | 83.9% | 4.0 |

• 情景得分为0时，价量反转因子效应突出但多头收益较弱，适度放开市值敞口显著提升沪深300及中证500增强策略超额收益和信息比 [page::10]

- 不同因子策略组合配置效果分析：重仓股组合偏动量型，红利组合偏防御型，情景得分高时优选重仓股组合，得分低时优选红利组合，动态配置显著提升收益及稳定性 [page::11][page::12]

• 2013-2024年分年度收益表明，动态根据情景配置组合多数年份表现优于单一策略或等权配置，显著提升收益率及信息比 [page::13]

- 结论：选股因子表现受宏观经济环境和市场风格影响明显，通过构建复合情景模型动态调整因子权重、风格敞口及组合配置，有助于提高多因子选股模型的预测能力及投资组合业绩 [page::14]

海通金工 | 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—详尽分析报告

---

1. 元数据与报告概览

• 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》

- 作者：海通证券金融工程首席分析师郑雅斌

• 发布机构：海通证券研究所

- 发布日期：2024年7月8日

• 研究主题：本报告聚焦于A股市场在不同宏观和市场环境下，不同选股因子的表现及其配置策略。尤其关注基本面因子、价量反转因子、市场风格因子等在多种经济指标和市场风格变化下的alpha表现差异。

核心论点：

• 不同市场环境（经济增长强弱、利率水平、市值大小、价值成长风格）显著影响选股因子的表现，特别是基本面因子与价量反转因子的表现分化明显。

- 构建复合情景模型，结合宏观经济指标和市场风格，能够较好指导因子权重动态调整与组合配置，提升多因子模型预测效能和组合收益。

• 结合情景模型调节风格敞口，在基本面因子收益较弱环境下适度放开市值敞口，有利于超额收益的稳定扩展。

以上洞见为专业投资者提供因子选股与资产配置策略的制度化指导框架，强调环境变化对因子表现的差异性及动态调整必要性。[page::0,1]

---

2. 逐节深度解读

2.1 投资要点

报告指出，2024年ROE因子（净资产收益率）表现显著提升，月均IC达9.4%，且月胜率100%，远超过去三年不足2%的均值，表明因子表现强劲且稳定。经济增长向好如PMI上行时，动量型因子表现更佳；而经济下行期，价量反转因子更具优势。此外，不同利率环境、市场规模与风格分化也决定因子表现差异，对应的因子配置策略需动态调整。[page::0,1]

2.2 宏观环境分析及因子表现

2.2.1 经济增长指标 - PMI和平滑处理

• 报告采用季度滚动平均PMI，划分为“PMI上行”和“PMI下行”情景，统计后一个月因子IC表现。

- 表1显示，PMI上行期间，价格动量、基本面动量和分析师情绪类因子月均IC显著高于PMI下行期，月胜率整体提升，稳定性更强。

• 价量反转类因子如换手率、反转在PMI下行期更具优势，表现稳定且较为显著。

- 基本面因子高度依赖宏观经济环境，回馈出“动量”和“反转”因子的时间性差异。

2.2.2 企业整体基本面暴露（财报期效应）

• 财报公布后2个月内，基本面因子如ROE表现优于其他期间，“财报期效应”明显，且若企业整体基本面（净利润同比增速）改善，因子表现尤为突出（表3）。

- 若基本面无改善，价量反转类因子表现占优。

• 结合PMI与企业基本面表现，构建经济增长类指标，判断整体经济环境高低，进一步验证了动反转因子在不同环境下的表现差异（表4）。

2.2.3 利率走势对因子表现影响

• 利率上升阶段（以国债收益率相对于历史均值为标准），基本面因子表现优于利率下降期。

- 中美利差拉大背景下，经济预期改善，投资者更偏好基本面优异股票，基本面因子、价格动量因子收益稳定提升。

• 利差缩小时，反转效应显著，价量反转类因子更具优势（表5，表6）。

2.2.4 宏观指标四象限下的复合表现

• 将经济增长与中美利差指标交叉，划分为四种象限，分别统计因子表现（表7）。

- 经济增长与中美利差双上行时，动量型因子表现最佳，ROE、SUE等基本面因子月均IC往往超5%。

• 双下行时价量反转因子优势明显，小市值、低估值因子收益也较高。

- 两指标方向不一致时（如增长上行但利差下行），两类因子竞争态势明显且无明显领先。

综上，宏观经济指标直接影响因子动能与反转效应强度，提示投资者需视环境灵活调整因子配比。[page::2,3,4,5]

2.3 市场特征与因子表现

2.3.1 大小盘风格划分及表现

• 以沪深300相对于Wind全A的月超额累计净值（及其12个月均线）区分大盘/小盘风格（图3、图4）。

- 大盘风格时，基本面因子表现优于小盘风格。大盘风格下，小市值和低估值因子表现较弱。

• 小盘环境下，价量反转类因子和风格因子（小市值）收益较好（表8）。

2.3.2 价值与成长风格划分及表现

• 采用国证价值指数相对沪深300的超额累计净值确定价值或成长市场风格（图5、图6）。

- 成长风格时，基本面因子优势明显，动量型因子的月胜率高于反转类因子。

• 价值风格时，价量反转类因子占优，风格因子收益显著（表9）。

2.3.3 风格四象限综合划分

• 结合大小盘和价值成长四象限划分，统计由于环境不同，因子表现迥异（表10）。

- 小盘价值环境下，价量反转类因子表现最佳，基本面因子表现较弱。

• 大盘成长环境中，基本面因子表现稳定且胜率较高，动量型因子优势显现。

市场风格影响因子表现，推荐动态调整因子及风格暴露，规避单一风格风险。[page::6,7,8]

---

3. 图表深度解读

图1与图2 常见基本面因子历年月均IC及2024年趋势

• 图1回顾2017-2024年间ROE、SUE（超额收益惊喜）等基本面因子月均IC走势，2024年ROE表现大幅跃升，远高于前期。

- 图2逐月显示ROE、SUE和预期净利润调整因子2024年波动，4月底ROE IC峰值达到17%。

此图直观表明：2024年基本面因子表现质量显著改善，支持报告主观点。[page::2]

图3、图4 大盘累计超额收益走势

• 均线和累积净值趋势反映大盘/小盘信号划分合理但存在信号切换波动。

- 通过3月平滑，信号更为稳定，适合作为因子表现环境判断依据。

图表支持后续大小盘风格分析方法合理性。[page::6]

图5、图6 价值累计超额收益走势

• 价值/成长风格信号基于累计超额净值及其移动均线划分，趋势清晰。

- 平滑后信号波动减小，适合作为趋势稳定期划分。

为后续相关因子表现对比基础数据图形化展示。[page::7]

图7-10 不同复合情境得分下因子IC表现及稳定性

• 图7重点量价类因子（小市值、低估值、反转、换手率、波动率）表现：得分0时优势最大，动量因子表现较弱。

- 图8动量型因子（ROE、SUE、预期净利调整、分析师关注度等）随复合得分升高表现提升，得分≥3时表现优异。

• 图9综合展示所有常见因子月均IC对比，进一步确认环境对因子表现的显著分化。

- 图10展示月胜率，得分越高，动量类因子胜率越高，反转类因子在低分时胜率更优。

图形数据直观衬托复合情景模型有效捕捉市场适宜的因子类型，是构建动态多因子模型的关键依据。[page::9]

图11 红利组合和重仓股组合相对全A指数累计净值

• 两大组合均衡配置优于单一组合，年化收益率17.6%，净值波动及回撤均得到改善。

- 根据情景得分动态配置，更进一步提升年化收益至23.4%，信息比显著提升，表现更平稳可靠。

该图支持情景驱动组合动态配置策略的实践应用价值。[page::12]

---

4. 估值分析

本报告主要聚焦于多因子模型性能与组合表现，没有包含传统估值模型（例如DCF、PE倍数法等），故无估值分析章节。

---

5. 风险因素评估

• 历史规律失效风险：统计结论基于2009年以来历史数据，未来市场结构、规则变动可能影响因子表现稳定性。

- 因子失效风险：选股因子存在周期性失效可能，特别是在不同市场环境下表现波动显著。

• 政策变动风险：政策环境变动可能导致市场结构、投资者行为和因子有效性发生根本改变。

报告提醒读者，统计结果不等同于未来走势预测，投资操作应审慎。[page::0,14]

---

6. 批判性视角与细微差别

• 报告针对因子表现的统计结论依赖于多重假设，包括因子的正交中性化处理，所用宏观经济和风格指标的代表性及划分有效性，均可能受限于历史数据特征和指标构造方法，未来需关注因子失效的早期信号。

- 尽管复合情景模型提高多因子模型表现，但因子权重调整策略的实际操作难点及交易成本影响未深入讨论，后续可进一步量化这些因素。

• 报告对风险提示较为简略，建议后续结合动态模型监测和风险管理机制，以及探讨模型在极端市场环境（如黑天鹅事件）的稳健性。

---

7. 结论性综合

报告主要结论总结：

• 不同宏观经济环境、利率趋势及市场风格对选股因子的影响显著。宏观经济增长好转、利率及中美利差升高时，基本面和动量因子表现更稳健，动量延续性强；经济下行、中美利差缩小时，价量反转因子表现更突出且胜率更高。

- 市场风格环境中，小盘及价值风格倾向更利于价量反转因子，反之大盘涌现成长风格则基本面因子表现更佳。复合四象限划分进一步细化，指导因子在不同风格环境中的应用。

• 报告创新构建复合情景评分模型（基于经济增长指标、中美利差及大小盘与价值成长风格），得分高低精准划分适合采用何种因子类型策略。

- 基于复合情景模型调整因子权重：得分高时提升基本面等动量因子权重，得分低时聚焦价量反转因子权重；并在得分低时适度放开市值敞口，扩展超额收益来源，实现组合业绩提升（多因子模型IC提升约1个百分点）。

• 结合情景模型设计不同风格的组合配置策略（红利组合与重仓股组合），动态轮动可实现年化收益23.4%，且净值波动和最大回撤更加平稳，有效降低投资风险。

- 图表分析验证了这一套因子表现与环境关系的系统性规律，包括基本面因子从图1-2的回升，风格信号图3-6的划分，以及因子IC表现随着复合情景得分变化的清晰趋势（图7-10），为多因子策略提供了科学的环境适应框架。

• 操作建议强调应结合宏观经济、利率和市场风格的动态变化调整模型，不宜一成不变，同时风险提示突出统计规律失效与政策变动风险，提醒投资者理性使用。

总之，本报告结合丰富的统计实证及直观图表，全面系统地展示了我国市场情景对不同选股因子表现的影响规律，为多因子选股模型的动态权重调整与组合策略提供了坚实数据基础和实务指导，对于量化基金经理及专业投资者极具参考价值。[page::13,14]

---

（以上分析依据海通金工《选股因子系列研究（九十八）》报告全文综合而成，引用原文各页内容罗列如下标注，确保内容追溯性和准确性，符合专业金融研究报告标准）

报告