2017年上半年监管环境与市场表现综述 [page::3][page::4]

• 监管层出台限制借壳、题材炒作、险资炒作和定向增发的新规，力求市场长期健康估值。

- 量化基金2017年年初至今平均下跌3.54%，表现弱于同期主要指数。

天风量化模型架构与因子体系 [page::6][page::10]

• 模型基于市场环境、监管环境及宏观环境三大要素，重点采用业绩类因子。

- 不同市场状态下优选因子包含净利润同比增长率、换手率、特异度等，实现动态适配。
| 市场状态 | 表现较好因子 |
| -------- | ------------ |
| 缩量下跌 | 中性化单季度净利润同比增长率、中性化过去一年换手、单季度净利润同比增长率 |
| 缩量震荡 | 未来1年分析师预期净利润增速、中性化过去5年销售收入复合增长率、市值残差 |
| 放量下跌 | 过去20日收益率、非流动性冲击、长期负债率等多因子结合 |

因子的事件化研究：EPS、PE、交易的反转驱动与特征 [page::7][page::8][page::9]

• EPS增长驱动因子包含快速扩张、盈利动量、盈利预测与景气度提升。

- PE因子反映行业相对估值水平、转型概率及高PE业务比重。

• 交易因子重点捕捉反转效应，关注前期涨跌幅与低换手的冷门股。

反转效应的市场环境依赖性分析 [page::12]

• 市场下跌、震荡时，过去20日收益率因子的多头表现更佳，特别是放量下跌时月度胜率最高。

| 市场环境 | 缩量 | 平量 | 放量 |
| -------- | ----- | ----- | ----- |
| 上涨 | -0.91% | -0.09% | 0.05% |
| 震荡 | 0.03% | 0.42% | 1.37% |
| 下跌 | 1.74% | 0.84% | 5.70% |

• 下跌市场反转效应最明显，短线投机行为旺盛助推超跌股反弹。

动态反转信号与交易策略设计 [page::13][page::14][page::15][page::16][page::17][page::18]

• 选取过去25个交易日跌幅最大的50只标的，基于下跌阈值-5%、反弹阈值1%动态构建反转信号。

- 动态反转策略比固定时点调仓策略收益与胜率均显著优越，2017年动态策略超额收益累计7.54%，固定策略为-10.50%。

• 交易绩效指标：

| 年份 | 动态策略超额累计收益 | 平均胜率 |
|------|--------------------|---------|
| 2015 | 76.22% | 58.4% |
| 2016 | 20.52% | 48.0% |
| 2017 | 7.54% | 41.33% |

行业层面反转交易实践 [page::19]

• 使用10个中证全指行业指数触发反转信号，行业内选取跌幅最大的10只个股构建组合。

- 除“公用”行业外，其他行业超额收益均超过2.3%，胜率均值多在50%以上，持仓时间约16-18天。
| 行业 | 超额指数收益 | 超额全指收益 | 胜率均值 | 持仓天数 | 信号次数 |
|--------|--------------|--------------|----------|----------|----------|
| 能源 | 1.33% | 2.43% | 55.39% | 16.49 | 76 |
| 材料 | 1.78% | 3.26% | 52.68% | 17.03 | 71 |
| 金融 | 1.91% | 2.93% | 53.68% | 17.53 | 57 |

其他量化策略简要披露 [page::20]

• 国债期货展期价差交易，方向判断正确率70%，累计收益55.68%，最大回撤5.95%。

- 潜伏业绩预增策略年化超额35.11%，最大相对回撤7.18%，收益回撤比4.89。

• 长线金股策略年化超额收益28.41%，最大回撤9%，收益回撤比3.16。

- 戴维斯双击策略年化超额22.28%，最大回撤11.90%，收益回撤比1.87。
| 策略 | 超额收益 | 最大回撤 | 收益回撤比 | 资金容量 |
|----------------|----------|----------|------------|----------|
| 潜伏业绩预增 | 3.26% | -3.80% | 0.86 | 4.09亿 |
| 长线金股策略 | 2.16% | -4.65% | 0.47 | 5.03亿 |
| 戴维斯双击策略 | 12.86% | -0.99% | 13.01 | 6.01亿 |

天风证券《因子的事件化研究》报告详细分析

---

一、元数据与概览

• 报告标题：《因子的事件化研究》

- 分析师：吴先兴（天风证券金融工程首席分析师）

• 发布机构：天风证券研究所

- 发布时间：2017年（报告涵盖2017年上半年市场回顾）

• 研究主题：基于量化模型视角，结合市场环境、监管政策，聚焦因子在不同时点和市场环境下的表现与事件化研究。主要探讨量化投资中的核心因子表现、反转效应及因子选股模型的构建和优化。

- 主要信息：报告分析了2017年上半年中国市场的监管新规及其对市场风格的影响，提出市场风格向大盘蓝筹切换导致部分量化因子表现下降。报告进一步探讨了基于反转效应的动态调仓策略优于固定调仓时点方法，展示了因子在事件驱动下的动态表现及其在量化选股中的应用，并介绍了天风量化模型的核心构架和策略表现。

报告核心观点强调：
严格监管政策影响市场估值与资金偏好，小盘股表现承压，业绩因子成为选股核心；投资者应关注反转效应的时点和市场环境选择，通过动态信号调仓获取超额收益，动态反转策略在市场多变环境下表现出较强的适应性和收益优势。[page::0,1,3,4,10,12,13,17,18]

---

二、逐节深度解读

Part 01：2017年上半年市场回顾

• 关键论点与信息：

- 监管层集中出台多项政策规范资本市场，控制借壳上市、题材炒作、险资炒作、定向增发等行为。
- 监管新规明确限制定增定价从“设定底价竞价”转为“只能市价发行”，并限制大额增发，影响大约25%的上市公司。
- 减持新规严格限制大宗交易后竞价减持路径，抑制非公开发行股份的减持；IPO政策继续支持。
- 监管趋严影响市场风险偏好和货币环境，导致市场风格由小盘股向大盘蓝筹股切换。

• 数据解读：

- 表格列出2017年监管公告日期、内容及其对市场的具体影响，强调定增和减持管理趋严对市场流动性和风格的冲击。

• 市场表现数据：

- 截至2017年6月7日，量化基金年内平均下跌3.54%，表现逊于沪深300指数上涨6.76%，惨淡的量化业绩反映了监管环境大幅影响量化策略表现。[page::3,4]

Part 02：天风量化模型架构

• 模型构建要素：

- 结合市场环境、监管环境、宏观环境构建业绩类因子为主的选股模型。

• 因子选择和适用场景：

- 根据不同市场状态（缩量、放量，上涨、下跌、震荡）分别选取体现业绩、换手率、股价特异度、财务杠杆等不同因子集合。
- 表格详细展示了在“缩量上涨”、“放量下跌”等不同市场状态下表现较好的因子，为模型动态调整和轮动打下基础。

• 逻辑阐述：

- 面对监管趋严的环境，突出业绩因子驱动，强调用财务健康与盈利能力指标驱动的股票选择能力，弱化与市值相关的选股因子的作用。[page::6,10]

Part 03：因子的事件化研究

• EPS增长线索：

- 重点关注EPS增长的四大维度：
1. 快速扩张（员工数量、固定资产投资、股权激励）
2. 盈利动量（大幅预增公司后续一季度继续预增概率较高）
3. 盈利预测调整（研究机构对上市公司未来业绩预期变化）
4. 景气度提升（高毛利率、行业门槛上升、现金流健康）

• PE因子驱动因素：

- 行业相对性、转型概率、高PE业务比例和行业占比都会影响PE估值水平。

• 交易因子：

- 关注交易的反转效应、市场价值及冷门股票（低换手，特异波动率高，未被过度炒作）可能带来超额回报。

• 市场状态对反转效应的影响：

- 统计数据显示，过去20日收益率因子在下跌市场多头表现最佳，且多头胜率在市场下跌加放量时高达100%。缩量上涨时反转效应减弱，涨跌状态和成交量变化共同影响因子表现。

• 建仓时点影响：

- 不同建仓时点（如月初建仓与反弹信号触发时建仓）对超额收益影响显著，后者带来更高的超额收益（8.81% vs 0.09%）。

• 动态反转信号研究：

- 基于中证500指数设定“下跌-反弹阈值”模型，信号分布较均匀，但13-14年明显减少，提示信号的市场周期性和阶段性。

• 反转信号交易策略效果对比：

- 动态反转策略体现了更好的年化超额收益和胜率（2010-2017平均超额2.69%，胜率52.44%），而固定建仓策略表现较差。
- 2017年动态策略超额累计7.54%，固定策略则出现-10.50%的负收益。

• 行业层面反转交易：

- 利用10个行业指数下跌反弹信号分别择时，反转效应普遍显著，除公用外超额收益均超过2.3%，胜率均在50%左右，持仓天数约16-18天，说明行业分化明显。

• 其他策略表现：

- 国债期货展期价差交易判别准确率70%，356个交易日收益55.68%，最大回撤5.95%。
- 潜伏业绩预增策略年化超额35.11%，最大回撤7.18%，收益回撤比4.89。
- 长线金股策略年化超额28.41%，最大回撤9%，收益回撤比3.16。
- 戴维斯双击策略年化超额22.28%，最大回撤11.90%，收益回撤比1.87。

• 总结：

- 事件化动态选股和调仓策略在市场不同阶段表现优异，科学地捕捉因子表现的时间和环境变化，提高了量化模型的收益和适应性。[page::7,8,9,12,13,14,15,16,17,18,19,20]

评级与声明

• 明确股票投资评级体系和行业评级的定义，包含买入、增持、持有、卖出等多档评级标准，以收益率相对沪深300作为衡量基准。

- 分析师声明保证报告观点的独立性和客观性，重申报告中信息仅供参考，不构成投资建议。

• 强调潜在利益冲突披露和版权条款，保障投资者权益。

- 结尾附有量化团队联系方式和公众号二维码，方便投资者交流和跟踪最新研究成果。[page::21,22,23]

---

三、图表深度解读

• 2017年监管政策影响（表格，page 3）：详细列明两大影响政策《上市公司非公开发行股票实施细则》和《上市公司高减持股份若干规定》的具体时间和内容，以及对定增定价、定增规模及大宗交易减持的具体影响。这表明严监管背后的机制切换，影响A股资金流向和估值结构。
• 量化基金2017年表现（柱状图，page 4）：

- 上证综指上涨1.18%，沪深300上涨6.76%，中证500下跌4.93%，量化基金整体下跌3.54%。
- 反映出监管政策影响下，小盘为主的中证500表现不佳，量化基金业绩也受到拖累。

• 量化要素与市场状态匹配表（page 10）：

- 精细罗列9种市场状态（缩量/平量/放量，上涨/震荡/下跌）对应表现良好的因子集合，直观展现了量化策略中因子适用的市场环境。

• 反转效应表现表（page 12）：

- 市场不同涨跌及成交量环境下，过去20日收益率因子多头月度超额收益和胜率数据。
- 体现市场下跌+放量时反转效应最强（超额5.70%，月度胜率100%），验证了反转策略在熊市或调整期的有效性。

• 动态反转信号示意图（page 14）：

- 以下跌幅度和反弹幅度为阈值确定信号源，直观说明信号捕捉过程，帮助理解反转策略具体操作逻辑。

• 动态反转信号分布（时间序列图，page 15）：

- 反弹信号在时间上较为均匀，但13-14年信号较少，表明反转机会分布受市场特定周期影响。

• 动态调仓 vs 固定时点调仓表现对比（page 17-18）：

- 两类策略超额收益和胜率表格对比，动态策略在2017年表现依然正向，固定时点策略负收益明显。
- 净值曲线图呈现动态反转策略持续显著优于固定时点调仓。

• 行业反转信号表现（page 19）：

- 行业名称列表及超额金指及全指收益对比，显示绝大多数行业动态反转策略取得超额回报。

• 策略业绩总结表格（page 20）：

- 多策略年初至今超额收益、最大回撤和收益回撤比，数据支持因子事件化研究对提升量化策略稳健性的重要作用。

整体图表配合文字详尽揭示了市场状态多变对因子表现的影响，动态调仓和事件化因子研究为量化策略带来更高收益和稳健性。[page::3,4,6,10,12,14,15,17,18,19,20]

---

四、估值分析

本报告核心不涉及传统DCF或PE估值，主要聚焦在量化选股因子和动态调仓策略的模型表现。因子价值在于通过统计方法捕捉价格走势背后的量化信号，而非单纯企业估值。
报告中“PE因子”部分论述股票估值衡量方法的影响因素，如行业相对估值水平、转型概率和业务结构，但主要作为选股因子而非绝对估值模型。
量化模型通过因子组合（业绩增长、PE、交易属性）来构建股票池，以捕捉股票超额收益，体现“因子的事件化”即因子在不同市场事件和环境下的动态表现和作用力。[page::8,10]

---

五、风险因素评估

• 宏观和监管风险：大量政策持续影响资金流向及市场结构，监管政策趋严可能导致某些量化因子失效或风格转变。

- 模型适应性风险：因子和反转策略表现依赖市场状态和时点，固定策略表现不稳，需动态调整以规避风险。

• 市场流动性风险：因关注超跌反转品种，流动性较差的股票可能带来交易执行风险和交易成本。

- 回撤风险：各策略均存在最大跌幅，尤其在特定年份信号数量减少或市场极端环境下，策略表现波动较大。

• 数据风险：策略依赖历史数据和模型假设，未来可能存在数据异常或假设失效风险。

报告并未特别详细披露缓释策略，但通过强调动态调仓、事件驱动和市场环境分类，体现了对提高模型稳健性和应对风险的关注。[page::3,4,12,16,17,20]

---

六、批判性视角与细微差别

• 报告立场明显支持基于业绩成长和反转效应的动态调仓策略，可能低估了其他风格因子在不同环境下的潜在作用。

- 虽对监管政策限制及市场风格转变有客观描述，但对政策持续演变对量化策略中长期影响未深入探讨。

• 部分策略胜率在50%左右，提示收益随机性成分尚存，超额收益水平有限，须谨慎对待“策略优越性”。

- 信号分布的周期性波动显示市场行为模式可能变化，策略适用性存在窗口期限制。

• 缺乏对交易成本及市场冲击的详细测算，真实投资落地可能面临滑点等不可忽视的风险。

整体报告严谨但侧重正面策略介绍，少量潜在策略风险与模型假设敏感性分析不足，投资时需要结合最新市场环境动态评估。[page::12,16,17]

---

七、结论性综合

本报告由天风证券吴先兴分析师团队完成，围绕“因子的事件化研究”展开，对2017年上半年市场监管环境升级导致市场风险偏好切换、小盘股受挫的背景下，展示了天风证券量化模型架构的核心思路，重点聚焦绩效类因子与反转效应。

报告详细论述并实证了：

• 监管政策和市场环境对因子表现的深刻影响，今年小盘股风格因子表现下降，业绩因子表现成为主流；

- 因子事件化的动态表现，特别是在不同市场涨跌和成交量状态下，“反转”因子显著且存在市场行情依赖性；

• 动态调仓策略优于固定调仓时点，尤其反转策略建仓时点对超额收益影响巨大，动态信号下的调仓策略表现稳健且收益较高；

- 行业层面动态反转策略普遍有效，能够超额跑赢行业指数，验证了跨行业因子事件化特征；

• 多元策略协同 ——国债期货价差、潜伏业绩预增、长线金股、戴维斯双击等策略年内均表现良好，组合化管理风险与收益。

图表直观展现了监管政策出台时间表、不同策略年化收益、反转信号码点分布和净值曲线，支持文字论述，体现天风量化团队研究成果的科学性和实用性。

总体而言，报告通过系统的事件化因子研究，提供了深入的量化选股策略设计与时间性调整思路，强调“因子动态表现”是提升量化策略适应性和收益的关键，得出动态调仓策略在中国A股复杂市场环境中具备显著优势的结论，并给出具体参数建议和策略样本回测验证。

---

综上，报告对于投资者理解量化因子在不同时点和市场环境中的表现具有重要指导价值，并为量化模型构建和动态调仓提供了实证基础。投资者应结合各自的风险偏好和市场判断，适度借鉴报告中策略设计理念和实施方法。[page::0~23]

报告