2020年市场回顾及分化趋势 [page::5][page::6]

• A股主要指数均上涨，沪深300、沪深500、沪深1000分别涨14.62%、16.02%、16.96%，中证500有望首次跑赢沪深300。

- 行业分化显著，食品饮料、电力设备等涨超50%，石油石化等9行业为负。

• 市场风格分化持续，盈利因子和成长因子表现领先，价值和反转因子疲软。

量化因子及策略表现分析 [page::7][page::8][page::9][page::11]

• 盈利和成长因子持续贡献超额收益，各大盘指数的因子收益趋同，且逐步向中小盘空间扩散。

- 价值因子失效，因子收益形成两大对立阵营，且采用“主风格判断+相对估值修正”因子框架增强了沪深300组合表现，2020年增强策略年化超额收益17.95%。

• 盈利因子与ROE分化度呈正相关，盈利兑现趋势明显，盈利风格仍被看好。

- 利率环境抑制成长股，成长风格爆发多出现在利率下降中段。

基于参与者行为的量化策略表现优异 [page::13][page::14][page::15][page::16]

• 卖方分析师前瞻盈利预测组合实现年化超额收益38.1%，持续覆盖组合年化超额收益7.7%。

- 基于公募基金重仓股构建行业配置策略，年化超额收益达36.17%。

• 行业趋势动量模型结合截面时序动量及止损，累计收益26.21%，大幅跑赢基准。

衍生品市场与对冲策略 [page::17][page::18][page::19][page::20]

• 股指期货贴水扩大，2020年对冲成本明显上升，上证50、沪深300期指对冲损益约为-0.5%，中证500期指对冲损益约-15%。

- 市场中性产品规模快速增长，股指期货的空头需求提升，未来贴水或将持续。

• 期权对冲和基于随机森林的择时对冲策略有效控制风险，实现近5年择时对冲年化收益13.7%，最大回撤控制较好。

网下打新收益持续但潜在空间收窄 [page::21][page::22][page::23][page::24]

• 传统A股和科创板发行数量与规模均大幅增加，新股首日平均涨幅翻倍，打新潜在收益明显提升。

- 再融资新规放宽，但定增潜在收益空间保持稳定。

• 预计打新收益短期持续，长期因机构参与增加和IPO溢价收窄而下降。

量化策略创新方向：另类数据与ETF应用 [page::25][page::26][page::27][page::28][page::30][page::31]

• 利用BERT模型构建个股新闻情绪指标，可用于市场择时及杠杆增强策略，实现2020年杠杆策略超额收益32%以上。

- 跨市场ETF配置提升组合稳健性和收益率，亚洲+美股市场组合近5年信息比率最高达0.73。

• 基于ETF的行业板块轮动策略在考虑交易成本后表现优异，近5年信息比率1.66，优于指数轮动策略。

- 利用杠杆ETF与高质量债券ETF构建50/50组合，2015-2020年实现年化超额收益2.78%。

报告深度分析：《分化延续，以行为知——2021年量化投资策略》

---

一、元数据与报告概览

• 报告标题：《分化延续，以行为知——2021年量化投资策略》

- 发布时间： 2020年11月11日

• 发布机构： 中信证券研究部

- 主要作者及分析师团队： 王兆宇（首席量化策略分析师）、赵文荣（首席量化与配置分析师）、马普凡、张依文、刘方、唐栋国等多名资深量化策略与组合配置分析师。

• 报告主题： 2020年A股市场的量化投资回顾与2021年策略展望，围绕市场分化、风格演变、量化策略表现、衍生品对冲、打新收益、量化新方向等展开。

- 核心论点与目标信息：
- 2020年A股市场展现出显著的行业和风格分化，宽基指数上涨15%以上，部分行业收益爆发、部分行业收益为负。
- 量化多头策略受行业分化影响表现不一，而市场中性和量化对冲产品迎来快速增长，相关衍生品市场规模明显扩大。
- 预计2021年市场分化与机构集中持股现象将继续，基本面风格依然优于价值风格，盈利因子表现强劲，但利率上升可能压制成长风格。
- 基于市场参与者行为的策略表现优异，衍生品对冲成本高企，灵活对冲和择时对冲方法成为重点。
- 网下打新收益短期看好但长远有下降趋势，另类数据和被动产品（ETF）将成为量化策略的新发展方向。[page::0,5]

---

二、逐节深度解读

1. 2020年市场回顾与行情总览

• 市场普涨但分化显著： 2020年A股受多重影响（科技周期、疫情、流动性、贸易摩擦等）震荡上行，沪深300、CSI500、CSI1000累计收益分别约15%、16%和17%，其中CSI500首次有望跑赢沪深300。

- 行业差异巨大： 食品饮料、电力设备及新能源、消费者服务行业收益均超50%；而石油石化、综合金融、房地产、银行等9行业收益为负，行业轮动成为全年态势关键。上半年医药、电子、计算机较强，下半年汽车、国防军工表现改善。[page::5,6]

• 图表解读：

- 图1（行业收益率）： 食品饮料行业最高接近55%收益，石油石化等行业负收益约-10%。
- 图2（2020H1 vs H2）： 上半年科技板块涨幅明显，医药和电子领涨；下半年汽车和国防军工显著反弹。[page::6]

2. 市场风格量化判断

• 2018年以来，大盘指数（沪深300）和中小盘指数（中证500/1000）均体现风格分化。

- 盈利因子和成长因子表现优异，而价值因子及反转因子的超额收益普遍下降。2020上半年表现极端，下半年中证500/1000表现稍有恢复，沪深300依旧分化严重。

• 图3-5（沪深300、中证500、中证1000因子表现）：

- 2020上半年，盈利因子和成长因子年化收益均高于15%。
- 价值类因子和反转因子在沪深300空间连续亏损，显示市场风格极其分化。[page::6,7]

• 图6（中信证券因子策略超额收益）： 基于行为的因子（如一致预期、基金重仓股）表现优于传统价值及分红因子，显示机构投资者行为驱动突出。[page::7]

3. 估值分化及基本面风格

• 估值分化量化体系：

- 以PB回归ROE测盈利估值分化度，PE/PS回归利润和营业收入增长率测成长估值分化度。
- 目前PB估值分化度处于历史高位的98%分位，意味着盈利风格极致；PE、PS估值分化度显示成长风格极致但已出现分化回落迹象。[page::7,8]

• 图7-9： 成交的估值分化度与对应因子的超额收益高度相关，盈利估值分化度提升推动盈利因子表现强于价值因子。[page::8]

4. 量化策略表现解析

• 表1总结量化策略表现：

- 基于参与者行为的策略（分析师前瞻盈利预测组合：年化超额收益38.1%，分析师持续覆盖组合：7.7%）表现优异。
- 反转型策略、价值策略整体表现不佳，行业轮动策略回撤明显。
- AH溢价与宏观大类配置也有较好收益，分别13.2%、12.7%。[page::8,9]

• 因子收益相关性分析（表2，表3，图10-11）：

- 2017年以来盈利、成长因子与价值因子之间呈强烈负相关，显示市场风格分化。此现象自大盘向中小盘蔓延。
- 沪深300空间盈利/成长因子走势高度同步，表现出市场主题明显的时间窗口；中证500空间也呈现趋势演化。[page::9,10]

5. 因子配置框架与基本面预判

• 主风格判断+相对估值修正因子：

- 结合基本面（盈利、成长）因子动量配置与相对估值因子微调构建多因子组合。
- 2020年策略年化超额收益约18%，信息比率4.2，表现出色。当前配置倾向基本面因子。[page::11]

• 盈利风格展望：

- ROE分化度与盈利因子表现正相关，当前沪深300盈利分化度及一致预期处于提升趋势，盈利因子有望继续领先。

• 成长风格受利率环境影响：

- 利率上升通常抑制成长因子表现，成长因子爆发多集中在利率下行中段。2020年利率整体呈上升趋势，可能限制成长股表现。
- 图14-17详细展示ROE分化变化和利率与成长因子未来收益的关系。[page::12,13]

6. 参与者行为相关量化策略

• 分析师驱动策略（图18-19，表6-7）：

- 通过分析师盈利预测和持续覆盖组合捕捉超额收益，表现优异，尤其是盈利预测组合。

• 公募基金重仓视角（图20，表8）：

- 构建基于公募基金超配、净仓位变动及逆势配置综合视角策略，年化超额收益达36.17%。

• 行业趋势动量模型（图21，表9）：

- 结合截面动量、时序动量及止损，综合模型2020年收益26.21%，明显跑赢中证800及全行业等权指数。
- 表明集中持股情境下行业趋势动量依然是有效策略。 [page::14-17]

7. 衍生品对冲成本及策略

• 对冲成本高企（表10，图22）：

- 2020年股指期货总体贴水显著，导致对冲成本比2017年以来升高，尤其中证500期指对冲损益约-15%。

• 对冲需求提升（图23-25）：

- 市场中性基金管理规模增长显著，公募市场中性基金规模从162亿元增至655亿元，增加了空头需求。
- 股指期货空头集中，前20大会员多空持仓比下降，贴水难降。

• 灵活对冲策略（表11-13，图26）：

- 期权对冲能在隐含波动率较低时改善收益分布，降低极端回撤。
- 随机森林择时对冲结合31个多维指标，多年来表现稳健，2015年以来年化收益13.7%。[page::17-21]

8. 网下打新收益展望

• 发行节奏及收益（图27-29，表14）：

- 2020年新股及再融资发行规模提升，2020年前三季度科创板发行资金激增。
- 打新收益明显提升，科创板打新收益率约10.5%，传统A股2.8%，创业板2%。

• 政策影响及长期展望（图30-33）：

- 再融资新规收紧定增折价，实际定增事件效应有限。
- IPO发行逐步向注册制转型，短期打新收益仍存，长期随着机构参与增加及注册制深入，打新收益幅度将逐步下降。
- 美国及香港市场显示，注册制后IPO首日溢价显著减少且破发比例提升。[page::21-26]

9. 量化策略开发新方向

• 另类数据与文本分析（图36-38）：

- 应用BERT模型构建新闻情绪指标，有效捕捉市场顶底信号，训练集信号准确率70%，测试集100%。
- 结合情绪指标和股指期货构建杠杆增强策略，2020年以来实现超额收益32.04%。

• ETF工具多元利用（图39-42）：

- 利用ETF实现跨市场配置（亚太、美股、欧洲市场组合风险分散效果显著，近5年信息比率最高达0.73）。
- 行业及风格ETF用于波段交易提升收益，基于ETF的行业轮动2017年表现优于基于行业指数。
- 杠杆ETF与债券结合构建50/50组合显著增强收益，可跑赢沪深300指数超2.7%年化收益。[page::26-31]

---

三、图表深度解读（精选）

• 图1-2： 系统展示2020年不同行业收益差异及上下半年分化趋势，阐明市场内部分化严重。

- 图3-5： 三大指数空间内主要因子的超额收益变化，突出盈利和成长因子的主导地位，反映价值因子失灵。

• 图7-9： 估值分化度与因子超额收益高度负相关，估值与盈利/成长预期明显分离。

- 图14-17： 展现盈利ROE分化度与因子强弱的关系，以及成长因子表现与利率的复杂相关，解释风格偏好逻辑依据。

• 图18-21： 量化策略表现净值曲线和行业趋势策略收益展示策略有效性及超额收益能力。

- 图22-26： 衍生品对冲成本波动趋势、对冲策略净值及择时机制展示了风险管理的技术方法。

• 图27-33： 融资发行节奏、打新收益及中签率数据具体量化了发行制度变化对投资机会的影响。

- 图36-39： 体现了文本情绪指标及杠杆增强策略创新的可行性和优异业绩。

• 图40-42： 多市场组合、ETF板块轮动及杠杆ETF+债券组合体现了资产配置策略的多样化及风险收益优化手段。

---

四、估值分析

• 报告中未详述DCF等传统现金流折现估值，但围绕因子配置和量化选股策略进行估值判断。

- 采用估值分化度（基于PB/PE/PS回归模型）量化估值分布历史水平，作为因子偏好和风格配置的依据。

• 强调动量配置理念，采用“主风格判断+相对估值修正”模型，通过多因子评分和技术因子修正实现增益。

- 期权对冲与择时策略的风险贴水及成本纳入投资成本考虑，衍生品整体估值体现于对冲成本的市场贴水及相关工具效率。

• ETF组合和杠杆产品表现模拟显示，合理的杠杆和多市场配置能有效提升组合估值期望收益及下降波动。[page::11,17,27,31]

---

五、风险因素评估

• 模型风险与数据拟合风险： 因子模型及机器学习方法可能面临过度拟合风险，未来市场环境若发生变化，模型表现可能遭遇挑战。

- 政策风险： 国内外政策特别是证券发行相关政策调整（如注册制实施、再融资新规等）对市场结构和投资机会造成冲击。

• 市场波动风险： 量化对冲产品及衍生品市场的流动性和波动性增加导致执行风险上升，对冲成本攀升。

- 投资者行为变化风险： 抱团和集中持股行为可能因市场结构变化或资金流向变化产生显著波动和趋势逆转。

• 技术风险： 欧美及境外市场环境、ETF流动性、杠杆使用可能放大风险，若杠杆管理不当会导致损失放大。

- 收益下降风险： 打新收益下降及IPO溢价回落将削弱相关收益来源核心优势。[page::1,21,33]

---

六、批判性视角与细微差别

• 策略表现与行业集中的冲突： 报告多次强调行业及风格分化、集中持股是投资难点，也使得价值类因子表现较差，反映量化多头策略难以发挥效果，但同时也表示行为及趋势因子表现较好。存在对部分策略有效性的潜在依赖风险。

- 分化分位数的历史极值状态，可能隐含市场转折风险： 盈利和成长估值分化均处历史极致，成长风格分化有所回落，这可能意味着市场风格切换和估值修复存在不确定性。

• 对冲成本上升带来压力，灵活对冲方案虽有创新，但执行挑战高： 期权对冲和择时对冲系统对参数依赖较大，强对冲策略也可能增加交易频率和成本风险。

- 打新收益的可持续性存疑： 虽短期看有较好收益，但新股发行注册制下的效率提升及参与主体增加可能导致收益率不可持续，这一点报告已有提醒。

• ETF策略受限于工具覆盖度和跟踪误差，实际应用需谨慎考量费率及流动性风险。

- 报告整体基调偏向积极，在保持策略多样化的同时，可能低估了短期波动和市场情绪极端变动的负面影响。[page::7,20,33]

---

七、结论性综合

该报告深入、系统地分析了2020年市场分化态势及多个层面的量化策略表现，提供了详实的因子关系、估值分化、参与者行为和衍生品市场对冲成本等分析支撑，结合丰富的图表与数据，整合量化策略的有效应用场景。

• 市场分化主基调： 2020年持续行业与风格深度分化，主动投资者抱团与机构集中持股现象突出，盈利与成长因子走强，价值因子疲软。[page::5-8]
• 因子配置框架强化盈利因子优先，估值动量结合相对估值修正，策略收益显著。[page::11-13]
• 行为与趋势相关策略充分利用集中持股特征，表现持续优异，反转及价值策略表现弱势。[page::13-17]
• 衍生品对冲成本高企，推升灵活对冲需求，多维择时与期权策略有效控制风险。[page::17-21]
• 网下打新收益受益于注册制初期仍将延续但中长期有回落压力，发行行为与融资政策动态需密切关注。[page::21-26]
• 量化策略研发在数据、算力和机器学习驱动下创新加速，文本情绪指标和ETF策略代表重要突破口，实现多场景、多市场应用。[page::26-31]
• 多个图表突显结构性行情下的策略成长路径，包括估值极致分化图、量化策略净值曲线、对冲组合表现及跨市场ETF配置效果，揭示量化投资的系统性机会和风险。
• 投资建议上，报告建议继续关注基本面风格特别是盈利因子，结合参与者行为和行业趋势动量策略，积极利用衍生品市场对冲成本高企带来的套利机会，同时合理参与打新市场，关注注册制进展及发行节奏变化；拥抱新兴量化发展方向，尤其是基于另类数据和ETF多样化配置策略。
• 风险提示包括模型风险、政策风险及市场极端波动风险。

总体来看，报告不仅总结了2020年量化市场真实态势，也提出了科学、系统的2021年量化策略思路，极具实践指导价值和理论系统性，是量化投资决策的重要参考依据。

---

参考文献及附录

• 本分析中引用图表均按报告页码溯源。

- 详细因子定义、模型构建和计算公式见报告正文。

• 关注报告中金融数据均截止2020年10月底。

---

（完）

报告