报告核心观点 - 运用证券研究的 2+1 思维，从微观结构角度引入市场流动性与交易拥挤度模型，研究估值、市场流动性以及交易拥挤度模型在风格指数择时中的作用 [6] - 应用估值、流动性与拥挤度的量化择时模型能准确捕捉风格指数底部与顶部特征，有效规避指数交易拥挤下跌风险 [1][6] - 2011 年以来大小盘、价值成长与红利类指数多头组合平均年化收益率为 18.54%，平均超额年化收益率为 16.46%；大小盘与价值成长混合风格指数多头组合年化收益率为 20.10%，超额年化收益率为 16.24% [1][6] 各部分总结 风格指数量化择时研究框架 - 风格指数包括大小盘、价值成长与红利类指数，以及大小盘与价值成长混合风格指数，选用中证和国证指数公司现有指数代表不同风格 [7] - 从微观结构角度引入市场流动性与交易拥挤度指标，结合指数估值，从指数估值、市场流动性与交易拥挤度等维度识别指数底部与顶部特征，研究相关择时模型在风格指数择时中的作用 [13] - 量化择时研究流程包括基础数据处理、模型因子计算、模型测试以及复合模型合成等步骤 [16][19] 风格指数估值模型 - 指数估值因子包括指数 PB、PE、PBPE 以及股权风险溢价，通过计算估值因子所处历史分位数水平构建风格指数估值因子 [3][17] - 指数估值因子指数择时的准确度与效果整体较为显著，但底部择时噪音信号较多；分指数看，沪深 300、中证红利与国证价值顶部与底部择时效果均较好，中证 500 与中证 1000 顶部择时效果较好，国证成长底部择时效果较好 [34][39] - 选择股权风险溢价与 PB 估值因子参与指数估值模型合成，将估值模型应用于大小盘、价值成长与红利类风格指数，国证价值、中证红利与国证成长等指数年化收益率超过 11%，中证 1000 与沪深 300 年化超额超过 9% [47][55] 市场流动性模型 - 市场流动性因子包括买入冲击成本、卖出冲击成本、上涨流动性指数以及下跌流动性指数，通过计算流动性因子所处历史分位数水平构建市场流动性因子 [3][59] - 市场流动性因子风格指数底部择时的准确度与效果相较顶部择时更为显著，流动性因子底部择时单次平均反弹收益 6.86% [3][71] - 单独使用流动性模型进行流动性恐慌底部择时，也可与估值模型结合使用；将估值流动性模型应用于大小盘、价值成长与红利类风格指数，相较单纯的估值模型，估值流动性模型多头组合年化收益率均值提升 2.0% [80][86] 交易拥挤度模型 - 从微观结构、波动率、流动性、相关性等多维度构建交易拥挤度因子，应用均线系统改进后，研究其在风格指数交易拥挤下跌风险规避中的作用 [90] - 交易拥挤度因子包括微观结构因子、波动率因子、流动性因子、相关性因子、乖离率因子以及分布特征因子，通过计算当前指标值在历史数据中所处分位数水平判断当前风格指数是否处于交易拥挤状态 [91] 风格指数量化择时模型合成与应用 - 应用估值、流动性与拥挤度的量化择时模型能够较为准确地捕捉风格指数底部与顶部特征，同时能有效规避交易拥挤下跌风险 [3] - 2011 年以来大小盘、价值成长与红利类风格指数择时模型多头组合平均年化收益率为 18.54%，平均超额年化收益率为 16.46%，平均 SHARP 比率为 1.06，超额收益年胜率为 87% [3] - 将择时模型应用于大小盘与价值成长混合风格指数，2013 年 12 月以来多头组合年化收益率为 20.10%，超额年化收益率为 16.24%，平均 SHARP 比率为 1.13，超额收益年胜率为 86% [3]