量化模型与构建方式 1. **模型名称：量化大势研判行业配置策略**[1][6] * **模型构建思路**：该模型是一个自下而上的风格轮动与行业配置框架。其核心思想是，风格是资产的内在属性，通过全局比较不同风格资产的优势，可以判断未来市场的主流风格，并据此选择最具优势的细分行业进行配置[1][6]。 * **模型具体构建过程**： 1. **风格定义与分类**：根据产业生命周期理论，将股票资产划分为五种风格阶段：外延成长、质量成长、质量红利、价值红利、破产价值[6]。 2. **资产比较框架**：建立“主流资产”与“次级资产”的比较优先级。主流资产包括实际增速资产（g）、预期增速资产（gf）、盈利资产（ROE），三者中只要有一个具备优势，市场资金就会主要配置。只有当主流资产均无机会时，市场才会转向次级资产（质量红利、价值红利、破产价值），次级资产的优先级由拥挤度等因素决定[10]。 3. **优势判断逻辑**： * 对于**预期成长（gf）**，主要看分析师预期增速的高低[7]。 * 对于**实际成长（g）**，主要看业绩动量（Δg）的高低，适用于转型期和成长期[7]。 * 对于**盈利能力（ROE）**，主要看PB-ROE框架下的估值水平高低，适用于成熟期[7]。 * 对于**质量红利**，核心看股息率（DP）和盈利能力（ROE）的综合打分[45]。 * 对于**价值红利**，核心看股息率（DP）和市净率（BP）的综合打分[48]。 * 对于**破产价值**，核心看市净率（PB）和规模（SIZE）的综合打分，选取打分最低的[52]。 4. **优势差计算**：采用类似于因子择时中的Spread方法，计算各风格头部资产的优势差（如Δgf, Δg, ΔROE），用以刻画头部资产的趋势变化。优势差扩张表明该风格资产趋势转好[23]。 5. **行业选择与配置**：以中信二三级行业（整理合并后为202个）为标的，每月根据上述框架判断占优风格，并在该风格下选取排名靠前的细分行业（每期每个策略选5个行业）进行等权重配置[17]。 2. **因子名称：预期净利润增速（gf）**[7][25] * **因子构建思路**：基于分析师对未来盈利的一致预期，衡量资产的预期成长性[7]。 * **因子具体构建过程**：使用行业的预期净利润增速（g_fttm）作为因子值。通过计算该因子值的优势差（Δgf）来观察预期成长风格的趋势变化[25]。 3. **因子名称：净利润增速（g）**[7][28] * **因子构建思路**：基于历史财务数据，衡量资产的实际成长性[7]。 * **因子具体构建过程**：使用行业的净利润增速（g_ttm）作为因子值。通过计算该因子值的优势差（Δg）来观察实际成长风格的趋势变化[28]。 4. **因子名称：盈利能力（ROE）**[7][31] * **因子构建思路**：衡量资产的盈利能力和资本运用效率[7]。 * **因子具体构建过程**：使用行业的净资产收益率（ROE）作为因子值。通过计算该因子值的优势差（ΔROE）来观察盈利能力风格的趋势变化[31]。 5. **因子名称：股息率（DP）**[35][45][48] * **因子构建思路**：衡量资产的现金分红回报率，是高股息策略的核心[7]。 * **因子具体构建过程**：使用行业的股息率（DP）作为因子值。报告中也通过观察DP资产的拥挤度变化来判断高股息策略的配置时机[35]。 6. **因子名称：市净率（PB/BP）**[42][48][52] * **因子构建思路**：衡量资产价格相对于其净资产的估值水平[42][48][52]。 * **因子具体构建过程**：在盈利能力策略中，使用PB-ROE回归残差作为估值因子[42]。在价值红利策略中，直接使用市净率（BP）作为打分因子之一[48]。在破产价值策略中，使用市净率（PB）作为打分因子之一[52]。 7. **因子名称：规模（SIZE）**[52] * **因子构建思路**：衡量公司的市值大小，在破产价值策略中通常与小市值特征相关联[52]。 * **因子具体构建过程**：在破产价值策略中，使用规模（SIZE）作为打分因子之一，通常选取打分最低（即市值较小）的行业[52]。 8. **因子名称：超预期因子（sue, sur, jor）**[39] * **因子构建思路**：衡量公司业绩超出市场预期的程度，是实际成长策略的核心[39]。 * **因子具体构建过程**：在实际成长策略中，具体采用行业的标准化未预期盈余（sue）、盈余惊喜（sur）和业绩超预期（jor）等因子来筛选行业[39]。 9. **因子名称：PB-ROE回归残差**[42] * **因子构建思路**：在PB-ROE估值框架下，寻找盈利能力（ROE）较高但估值（PB）相对较低的资产，即“性价比”高的资产[42]。 * **因子具体构建过程**：对行业进行PB对ROE的横截面回归，取回归残差作为因子值。残差为负表示相对于其ROE水平，该行业的PB估值较低[42]。 模型的回测效果 1. **量化大势研判行业配置策略**，年化收益27.45%（2009年以来）[17]，2009年超额收益51%[20]，2010年超额收益14%[20]，2011年超额收益-11%[20]，2012年超额收益0%[20]，2013年超额收益36%[20]，2014年超额收益-4%[20]，2015年超额收益16%[20]，2016年超额收益-1%[20]，2017年超额收益27%[20]，2018年超额收益7%[20]，2019年超额收益8%[20]，2020年超额收益44%[20]，2021年超额收益38%[20]，2022年超额收益62%[20]，2023年超额收益10%[20]，2024年超额收益52%[20]，2025年超额收益14%[20] 因子的回测效果 *注：报告中未提供各因子的独立回测指标（如IC、IR等），而是展示了基于各因子构建的六类策略的历史表现概览。因此，此处总结各策略的整体表现特征。* 1. **预期成长策略**，在2019年以来以及2014-2015年期间超额收益显著[37] 2. **实际成长策略**，长期超额收益较为显著，在成长风格占优环境下表现尤佳[39] 3. **盈利能力策略**，在2016年-2020年期间超额收益较为显著，2021年以来持续较弱[42] 4. **质量红利策略**，在2016年、2017年、2023年超额收益较为显著[45] 5. **价值红利策略**，在2009年、2017年、2021-2023年超额收益较为显著[48] 6. **破产价值策略**，在2015-2016年、2021-2023年超额收益较为显著[52]