量化投资策略报告：因子风格择时策略（2021年11月期）

- 1 - 敬请参阅最后一页特别声明 熊颖瑜 联系人 （ 8621）60753902 xiongyingyu＠gjzq.com.cn 张剑辉 分析师 SAC 执业编号：S1130519100003 (8610)66211648 zhangjh＠gjzq.com.cn 因子风格择时策略（2021 年 11 月期） 本篇报告中我们通过 XGBoost 方法构建因子择时模型以及大小盘轮动模型。根据拟合得到 XGBoost 模型对于 barra 风格、大小盘风格未来收益进行预测，为投资者提供系统的风格配臵参考。由于两套模型都用到宏观经济数据和市场情绪变量作为输入变量，且策略框架有一定共性，因此我们放在同一篇报告中做展示。 本报告包括两个相互独立的策略： 1）策略 1：我们使用 XGboost 模型，对股票 barra 风格因子未来一个月因子收益正负做出预测。输入自变量包括因子拥挤度、宏观数据（多指标）、市场状态等。该策略对于做指数增强、smart beta 轮动策略的投资者有帮助。 模型回测显示，风格轮动择时效果明显。我们将择时结果与多因子选股组合优化框架进行结合，选取中证 500 指数为基准，选股范围为中证 500 成分股。在控制行业偏离和风格偏离情况下，XGBoost 模型在测试集（2019 年至今）各风格因子上平均月度胜率为 61%，策略收益年化 32.64%，相对于中证 500 超额收益年化 27.77%。今年以来该模型超额收益稳健，除了 1 月其余各月基本上都跑赢基准，其中在 8 月份的收益尤为突出，主要是因为高配了动量、质量和估值因子。 模型在 11 月份建议高配 beta、质量、成长、估值、低换手因子,低配动量、小市值、低波动因子。从模型逻辑上看，当前经济周期还没有到全部复苏的阶段，市场流动性较为宽松，但市场主线尚不明确，没有明显的风格偏好，因此模型总体保持风格敞口的相对均衡配臵。模型本期相对优选对于利率敏感性较强的小市值、成长因子，以及在整个投资环境趋势不明晰下控制质量和估值有一定敞口，另低换手率因子长期来看都值得高配。 2）策略 2：我们使用嵌套 XGBoost 的打分加权模型，对沪深 300、中证 500 未来一个月收益高低做出预测。对于偏长期的宏观经济数据维度和偏短期的市场情绪、估值盈利差、风险偏好维度，我们分别构建两套不同的 XGBoost 模型来建立自变量到因变量的映射，然后对不同维度的信号进行等权打分，从而可判断当前市场环境是否更加有利于投资沪深 300 或者中证 500。策略选取业绩比较基准为“50%*沪深 300+50%*中证 500”。 由宏观经济数据为自变量构建的 XGBoost 模型的胜率分别为 76%、超额收益年化 6.53%，夏普比率 1.26。由市场情绪自变量构建的 XGBoost 模型胜率位72%，夏普比率 1.5，超额年化收益 7.52%。我们将两个信号进行等权得到的综合信号。当两个信号方向不一致时，模型等权配臵沪深 300 与中证 500。与单信号相比，综合信号虽然超额收益还是较之前有所降低，但是熨平了波动，策略夏普比率提高到 1.66。综合模型超额收益在 2017 年和 2020 年表现优异，18 年回撤较大，2021 年以来超额收益 8%。 当前 11 月份两个信号的方向有分歧，市场流动性偏宽松但是经济还未完全复苏。以宏观数据为基础的信号看多中证 500，而以偏短期视角为基础的信号看多沪深 300。 风险提示：模型测试基于历史数据，市场未来可能发生变化。 2021 年 11 月 05 日 风格择时月报 量化投资策略报告 证券研究报告 金融产品研究中心 因子风格择时策略（2021 年 11 月期） - 2 - 敬请参阅最后一页特别声明 内容目录 第一部分：A 股风格因子体系介绍 ..................................................................4 1.1 市场回顾： ............................................................................................4 1.2 最新建议： ............................................................................................5 1.3 多因子体系介绍： .................................................................................6 第二部分：因子择时信号简介及有效性测试 ....................................................7 2.1 离散度有效性测试 .................................................................................7 2.2 因子拥挤度有效性测试 ..........................................................................7 2.3 宏观经济数据与市场情绪变量 ................................................................9 第三部分：利用 XGBoost 模型构建风格择时策略 .........................................10 3.1 XGBoost 原理 .....................................................................................10 3.2 构建流程 .............................................................................................12 3.3 滚动回测 .............................................................................................12 3.4 特征选择 .............................................................................................13 第四部分：利用 XGBoost 模型构建指数轮动策略 .........................................16 4.1 指数历史走势情况 .................................................................