核心观点 - 根据9月底量化模型信号，10月建议超配大盘风格，等权配置价值和成长风格 [1] - 市值因子估值价差为0.76，距离历史顶部区域1.7~2.6仍有距离，中长期继续看好小微盘 [1][8] - 成长风格已占优两年，价值风格有望长期占优 [1] - 大小盘风格轮动月度策略9月底量化模型信号为-1，指向大盘，建议10月超配大盘风格 [8] - 价值成长风格轮动月度策略9月底量化模型信号为0，建议10月等权配置价值和成长风格 [21] 大小盘风格轮动观点更新 月度观点 - 9月底量化模型信号为-1，指向大盘，建议10月超配大盘风格 [8] - 当前量化模型6个维度中，宏观、估值、基本面、资金、情绪、量价维度均指向大盘 [9] - 复盘9月超配大盘观点，观点错误 [8] - 截止9月底，模型本年收益-9.64%，相对等权基准（-3.93%）的超额收益为-5.72% [8] - 大小盘风格具有明显的月度效应，按照市值10分组构建大小市值组，根据1995年以来的历史数据，在2、3、5、8、11月小盘风格明显超过大盘，1、4、12月大盘风格明显超过小盘 [12] - 小市值组月度超额收益呈现明显日历效应，月均超额方面2月为3.27%、3月为4.19%、5月为3.30%、7月为2.33%、8月为3.55%、11月为3.71%，1月为0.00%、4月为-1.20%、6月为-0.57%、9月为1.30%、10月为-1.11%、12月为-1.11% [14] - 月度胜率方面，2月为84%、3月为81%、5月为78%、8月为75%、11月为71%，4月为41%、6月为41%、12月为52% [14] 中长期观点 - 大小盘轮动5-10年切换一次，单次小盘占优时间（7、10年）明显长于大盘占优时间（4年） [15] - 估值价差的高点和低点对于市值因子择时有较强的指示作用，估值价差的计算公式为小市值组的PB中位数/大市值组的PB中位数 [15] - 目前市值因子最新估值价差为0.76，距离历史顶部区域1.7~2.6仍有距离，中长期并不拥挤，继续看好小微盘 [15] - 市值因子估值价差最大达到2.64倍，最低为0.44倍，小市值因子的估值价差走势上有3轮上行和2轮下行 [18] 价值成长风格轮动月度观点 最新观点 - 9月底量化模型信号为0，建议10月等权配置价值和成长风格 [21] - 当前量化模型宏观维度指向价值，基本面维度指向成长，估值维度信号中性 [22] - 截止9月底，模型收益-9.56%，相对等权基准（-3.21%）的超额收益为-6.55% [21] 中长期观点 - 中长期看，成长风格已经占优两年，存在切换成价值风格长期占优的可能，未来更看好价值风格 [26] - 历史上看，自2013年以来，价值成长风格2-3年切换一次，单次价值风格占优时间略长于成长占优时间 [26] A股风险模型因子表现跟踪 大类因子表现跟踪 - 9月，8个大类因子中，价值、质量、红利因子分获正向收益0.49%、0.18%、0.12% [30] - 9月，大市值、动量、波动率、成长、流动性因子分获负向收益-1.46%、-0.85%、-0.62%、-0.19%、-0.11% [30] - 本年以来，8个大类因子中，波动率、动量、价值、红利、成长因子分获正向收益7.14%、5.03%、3.05%、1.67%、1.07% [30] - 本年以来，大市值、流动性、质量因子分获负向收益-3.87%、-3.15%、-1.92% [30] 风格因子表现跟踪 - 20个风格因子中，9月账面市值比、盈利质量、盈利收益、流动性、股息率因子正向收益较高，分获0.83%、0.35%、0.33%、0.27%、0.10% [34] - 9月大市值、残差波动、行业动量、杠杆率、动量因子负向收益较高，分别为-1.40%、-1.02%、-0.96%、-0.70%、-0.65% [34] - 20个风格因子中，本年以来，动量、贝塔、盈利收益、股息率、分析师情绪因子正向收益较高，分获10.54%、5.82%、1.83%、1.70%、1.25% [34] - 本年以来，行业动量、短期反转、残差波动、大市值、投资质量因子负向收益较高，分别为-9.48%、-9.32%、-7.77%、-4.85%、-2.44% [34] 最新一期因子协方差矩阵 - 股票协方差矩阵估计是股票组合风险预测的核心，广泛应用于风险预测、风险归因和组合构建 [37] - 将股票协方差矩阵拆解为因子协方差矩阵和股票特质风险矩阵分别进行估计，两者结合得到股票协方差矩阵估计 [37] - 通过因子收益率计算时序移动加权因子协方差矩阵，采用Newey-West方法对协方差矩阵进行自相关调整，并通过特征值风险调整法调整因子协方差矩阵相关性，最后根据波动率预测偏误调整因子波动率 [37] - 最新一期（2026/9/30）的因子协方差矩阵及归一化的因子相关系数矩阵已更新 [37] 附录 大小盘轮动策略月度模型介绍 - 大小盘轮动月度策略从宏观、估值、基本面、资金、情绪、量价6维度出发构建量化模型，测试并选取在历史上有效的因子 [40] - 量化模型能够进行历史回测从而检验其有效性，样本外再参考月度效应和主观分析适当调整，最终生成每月更新的风格轮动观点 [40] - 宏观维度包括期限利差因子、货币活化因子、信用利差因子 [41] - 估值维度包括大盘估值溢价因子、小盘估值溢价因子 [41] - 基本面维度包括分析师预期因子 [41] - 资金维度包括大单资金因子、外资流入压力因子、ETF份额因子、龙虎榜因子、融资买入因子 [41] - 情绪维度包括换手率因子、创新高新低因子、上行趋势因子、超买超卖因子 [41] - 量价维度包括动量因子、拥挤度因子 [41] - 主观分析包括政策维度（经济政策与技术变革、并购重组政策与IPO发行节奏）和月度效应 [41] 价值成长轮动策略月度模型简介 - 从宏观、估值、基本面3维度选取因子构建月度打分模型 [43] - 量化模型能够进行历史回测从而检验其有效性，样本外再引入主观分析适当调整，最终生成每月更新的风格轮动观点 [43] - 从纯量价维度选取因子构建了周度打分模型，从而可以在月内对月度观点进行调整 [43] - 宏观维度包括国内流动性因子、海外流动性因子、信用因子、通胀因子 [45] - 估值维度包括相对估值因子 [45] - 基本面维度包括分析师预期因子、深度学习因子 [45] - 周度模型量价维度包括动量因子、拥挤度因子 [45] - 主观分析包括政策维度（经济政策与技术变革）和月度效应，历史统计6、10月成长风格占优，4、8、12月价值风格占优 [45] A股风险模型介绍 - Barra风险模型广泛应用于投资组合分析领域，2018年MSCI推出了针对中国市场最新的CNE6模型 [47] - 参考Barra CNE6模型，引入三大类因子来刻画股票收益，包括市场因子、行业因子和风格因子 [47] - 通过多因子模型，可以对任一投资组合进行收益分解 [47] - 投资组合P的协方差矩阵可分解为因子协方差矩阵和股票特质风险矩阵的结合 [47] - Barra中的Long Term Model包含16个偏长期的风格因子，Trading Model额外引入了4个短期风格因子Analyst Sentiment、Industry Momentum、Seasonality和Short-Term Reversal [48] - 本报告使用全部20个风格因子来构建多因子风险模型 [48] - Barra提供大类因子框架，将Long Term Model中的16个风格因子根据相似属性加权得到8个大类因子 [48] - 月报中回归模型进行月度求解，即将股票月度收益率作为因变量，月初最后一期的因子暴露作为自变量 [51]