量化模型与因子总结 量化模型与构建方式 1. 模型名称：市场风格动量选股模型[28][48] 模型构建思路：基于市场风格动量与银行股内部风格轮动的映射关系，通过市场短期动量信号选择银行股中相应风格的标的[28][47] 模型具体构建过程： - 每月末计算市场风格动量，使用两个月的风格动量，当两个对立风格之间的动量差异大于5%时认为风格占优[48] - 次月在银行股内选择对应风格的标的，风格分为大盘价值、大盘成长、小盘价值、小盘成长四类[28][42] - 市值因子依据前20%与后80%的划分标准，分为大、小市值两组；估值因子则依据50%分位，划分为高、低估值两组，平行构建四宫格组合[42] 模型评价：该模型能够有效捕捉银行股内部风格轮动，尤其在市场价值风格下表现优异，但在成长风格主导或市场震荡阶段可能表现独立[47][48] 2. 模型名称：基本面修正成长风格选股模型[56][58] 模型构建思路：在成长风格选择时，引入ROE基本面指标修正高估值标的，以规避估值下修风险[56][58] 模型具体构建过程： - 当市场风格动量信号指向成长风格时，使用PB和ROE_TTM值做等权打分[58] - 选择高估值（高PB）且高基本面（高ROE）的标的，公式为： - 选取得分较高的股票作为成长风格组合[58] 模型评价：通过基本面修正，提升了成长风格选择的稳健性，减少了高估值标的的下行风险[58] 模型的回测效果 1. 市场风格动量选股模型[48][54] - 年化收益：14.45%[48] - 年化波动：22.62%[48] - 夏普比例：0.64[48] - 最大回撤：33.08%[48] - 卡玛比例：0.44[48] - 超额年化（相对中信银行指数）：5.65%[48] - 超额波动：9.99%[48] - 信息比例（IR）：0.57[48] - 超额最大回撤：20.03%[48] 2. 基本面修正成长风格选股模型[54][58] - 年化收益：16.27%[54][58] - 年化波动：22.20%[54] - 夏普比例：0.73[54] - 最大回撤：32.82%[54] - 卡玛比例：0.50[54] - 超额年化（相对中证全指）：13.20%[3][58] - 超额年化（相对中信银行指数）：7.33%[3][54][58] - 超额波动：9.59%[54] - 信息比例（IR）：0.76[54] - 超额最大回撤：15.26%[54] 量化因子与构建方式 1. 因子名称：PB估值因子[32] 因子构建思路：使用市净率（PB）作为估值指标，低估值组合预期表现更优[32] 因子具体构建过程： - 每月末计算银行股的PB值[32] - 按PB值从小到大排序，分为5组，第1组为低估值组合，第5组为高估值组合[32] 因子评价：低估值组合在全区间内表现最优，尤其在价值风格下表现强劲[32][39] 2. 因子名称：股息率因子[32] 因子构建思路：使用股息率作为价值指标，高股息率组合预期表现稳定[32] 因子具体构建过程： - 每月末计算银行股的股息率[32] - 按股息率从高到低排序，分为5组，第1组为高股息率组合[32] 因子评价：高股息率组合在大部分年份表现突出，但部分年份推动力较弱[32] 3. 因子名称：市值因子[35][39] 因子构建思路：使用总市值作为规模指标，大市值组合预期表现更稳健[35][39] 因子具体构建过程： - 每月末计算银行股的总市值[35] - 按市值从大到小排序，分为5组，第1组为大市值组合[35] 因子评价：大市值组合表现稳定，自2023年起加速上行[35][39] 4. 因子名称：ROE因子[36][39] 因子构建思路：使用ROE_TTM作为基本面指标，高ROE组合预期表现更优[36][39] 因子具体构建过程： - 每月末计算银行股的ROE_TTM值[36] - 按ROE从高到低排序，分为5组，第1组为高ROE组合[36] 因子评价：高ROE组合在多数年份表现占优，但有效性不稳定，存在特定市场环境下的局限性[36][39] 因子的回测效果 1. PB估值因子[32] - 低估值组合（第1组）绝对净值显著跑赢中证全指及其他分组[32] - 2014年低估值组合取得年度最高绝对业绩[32] 2. 股息率因子[32] - 高股息率组合（第1组）在大部分年份跑赢基准[32] - 2019年、2020年表现不及低估值组合[32] 3. 市值因子[35][39] - 大市值组合（第1组）绝对净值稳定跑赢中证全指[35] - 自2023年起加速上行[39] 4. ROE因子[36][39] - 高ROE组合（第1组）在多数年份表现占优[36] - 2014年表现显著逊于低ROE组合[39]
基于市场风格动量的银行股选股逻辑推演
华福证券·2025-09-02 21:07