1、 证监会审核华创证券投资咨询业务资格批文号：证监许可（2009）1210 号 未经许可，禁止转载未经许可，禁止转载 证 券 研 究证 券 研 究 报报 告告 【专题报告】多因子模型与行业轮动模型的结合多因子模型与行业轮动模型的结合 本报告导读本报告导读 本报告针对行业轮动模型的现状进行了简述，对现存的与多因子模型结合的方法进行了梳理，并尝试结合 Barra 纯因子模型将其耦合至多因子框架之中。摘要摘要 在投资实务中，投资经理往往因为行业波动较大且收益不高将其中性化，但经研究发现确有知名指数增强基金对行业进行主动暴露。现存的行业轮动模型往往与多因子模型无法完全结合，在构建投资组合的过程中进行主动
2、行业偏离往往也会引起风格的偏离。本报告结合 Barra 纯因子模型构建了对风格 0暴露的纯行业组合，这一组合更贴近行业轮动模型的初始逻辑，且较行业超额组合拥有较多优势，并尝试将其耦合至多因子框架之中。风险提示风险提示 策略基于历史数据的回测，不保证策略未来的有效性。证券分析师：陈杰证券分析师：陈杰 电话：021-20572557-2609 邮箱： 执业编号：S0360517110002 证券分析师：王小川证券分析师：王小川 电话：021-20572528 邮箱： 执业编号：S0360517100001 联系人：刘联系人：刘昺昺轶轶 电话：021-20572532 邮箱： 评价基金行业轮动能力的
3、新指标 2018-08-21 分析师推荐信号深入挖掘 2018-08-23 华创金工形态选股系列之一：基于杯柄形态的识别与交易探索 2018-09-04“十倍股”的研究 2018-09-20 金融工程专题报告：量化视角下的交易机会 2018-11-26 相关研究报告相关研究报告 华创证券研究所华创证券研究所 金融工程金融工程 专题报告专题报告 2018 年年 12 月月 28 日日 专题报告专题报告 证监会审核华创证券投资咨询业务资格批文号：证监许可（2009）1210 号 2 目 录 一、引言一、引言.4 二、行业轮动是否有必要？二、行业轮动是否有必要？.4（一）行业中性是与非？.4（二）常
4、见行业轮动增强方法.5（三）与多因子框架的割裂.5 三、三、Simple Factor Portfolios.7（一）常规因子处理.7（二）哑变量因子处理.8 四、四、Pure Factor Portfolios.8 五、模型验证五、模型验证.9（一）国家因子代表了什么？.9（二）因子共线性.12 2.1 风格因子共线性.13 2.2 行业因子共线性.14 六、探秘纯行业组合六、探秘纯行业组合.16 七、与行业轮动模型的结合七、与行业轮动模型的结合.24 八、组合构建方法八、组合构建方法.26（一）mixed approach.26（二）integrated approach.27 九、总结及
5、展望九、总结及展望.27 十、风险提示十、风险提示.27 专题报告专题报告 证监会审核华创证券投资咨询业务资格批文号：证监许可（2009）1210 号 3 图表目录 图表 1 沪深 300 指数增强基金行业暴露情况（20180630）.4 图表 2 沪深 300 指数权重分布（20181203）.5 图表 3 行业偏离后相对行业暴露.6 图表 4 行业偏离后相对风格暴露.6 图表 5 只加入行业哑变量的国家因子收益与wind 全 A 对比.10 图表 6 cne5 十大风格因子.11 图表 7 加入风格因子及行业哑变量后国家因子收益与wind 全 A 对比.12 图表 8 因子杠杆率.12 图
6、表 9 单因子组合风格因子对数累计收益.13 图表 10 纯因子组合风格因子对数累计收益.14 图表 11 行业组合（风格有偏）累计收益相关性.15 图表 12 纯行业组合（无风格暴露）累计收益相关性.16 图表 13 传媒行业单因子组合与纯因子组合对数累计收益对比.17 图表 14 电力及公用事业行业单因子组合与纯因子组合对数累计收益对比.17 图表 15 钢铁行业单因子组合与纯因子组合对数累计收益对比.18 图表 16 国防军工行业单因子组合与纯因子组合对数累计收益对比.18 图表 17 家电行业单因子组合与纯因子组合对数累计收益对比.19 图表 18 建材行业单因子组合与纯因子组合对数累
7、计收益对比.19 图表 19 海螺水泥 k 线图.20 图表 20 中国巨石 k 线图.20 图表 21 东方雨虹 k 线图.21 图表 22 基础化工行业单因子组合与纯因子组合对数累计收益对比.21 图表 23 万华化学 k 线图.22 图表 24 浙江龙盛 k 线图.22 图表 25 华鲁恒升 k 线图.23 图表 26 行业轮动逻辑.23 图表 27 纯行业组合对数累计收益.24 图表 28 纯行业组合对数累计收益.24 图表 29 纯行业组合对数累计收益.25 图表 30 纯行业组合对数累计收益.25 图表 31 等权纯行业组合对数累计收益.26 专题报告专题报告 证监会审核华创证券投
8、资咨询业务资格批文号：证监许可（2009）1210 号 4 一、一、引言引言 在之前的研报基于基金行业仓位测算的行业轮动策略以及评价基金行业轮动能力的新指标中，我们构建了跟随基金行业风格暴露的行业轮动策略。在该策略中我们买卖的标的为中信行业指数，但是在投资实操中并无完全对标的 ETF 产品，所以我们的投资终须落实到个股层面上。然而常见的增强选股方法与多因子框架之间存在较强的割裂性，本篇报告试图结合纯因子模型提出一种解决方案。二、二、行业轮动是否有必要？行业轮动是否有必要？（一）（一）行业中性是与非？行业中性是与非？在投资实务中，投资经理认为行业轮动的收益较难获取，而且会增加组合波动，性价比不高
9、，所以大多数基于多因子模型的指数增强策略均是进行行业中性控制的，然而事实是否如此？我们选取了三支知名沪深 300 增强基金，根据其 20180630 披露的全部持仓计算其相对沪深 300 指数的行业偏离情况，如下图所示：图表图表 1 沪深沪深 300 指数指数增强基金行业暴露情况（增强基金行业暴露情况（20180630）资料来源：Wind，华创证券 如图表 1 所示，可以发现，因为披露持仓权重并非期期初持仓权重，且行业分类选择不同的原因。基金1 尚且可能是进行行业中性控制的。但基金 2,3 在银行及证券上有明显的负偏离，而在非银金融上有明显的正向偏离，偏离程度无法用上述两个理由去解释，说明存在
10、两种可能性：1.基金 2,3 对 alpha 模型选出来的股票并未执行行业中性约束操作。2.基金 2,3 执行了行业中性约束操作，但根据行业轮动模型信号对某些行业进行主动偏离。但是我们也知道，指数增强基金对于跟踪误差的要求较为严苛，第二种情况的更能性较第一种大得多，所以我们可以认为基金 2,3 在其组合构建中大概率使用了行业轮动模型。专题报告专题报告 证监会审核华创证券投资咨询业务资格批文号：证监许可（2009）1210 号 5 （二）（二）常见行业轮动增强方法常见行业轮动增强方法 券商研报中常见的行业轮动增强一般为以下几个步骤：1.根据宏观数据、行业基本面数据或行业指数 K 线生成行业轮动信
11、号，并与宽基或等权行业组合相比较。2.根据信号在基准（沪深 300 或中证 500 等）上进行主动行业偏离，增加看多行业个股的权重，减少看空行业个股的权重。3.或是在多因子框架中加入行业哑变量，一起参与排序打分。然而以上结合方法都存在一些问题。（三）与多因子框架的割裂（三）与多因子框架的割裂 以上文中第二个方法为例，这里我们取出沪深 300 指数 20181203 的成份股权重，对其进行行业主动偏离以及风格暴露分析，首先我们先来看当期沪深 300 成份股的行业分布情况。以中信行业为例，可以发现沪深 300 指数中大部分权重集中于银行及非银金融两个行业。图表图表 2 沪深沪深 300 指数权重分
12、布（指数权重分布（20181203）资料来源：Wind，华创证券 如果我们本期的行业轮动信号，看多纺织服装，看空股份制与城商行，并分别对其增加/减少 3%的权重（个股按等比例操作）。此时我们对新的成份股权重进行主动风格归因（新权重风格暴露-原成份股风格暴露），则其行业主动暴露如下图所示：专题报告专题报告 证监会审核华创证券投资咨询业务资格批文号：证监许可（2009）1210 号 6 图表图表 3 行业偏离后行业偏离后主动主动行业暴露行业暴露 资料来源：Wind，华创证券 的确如我们所料，行业的风格暴露没有问题，仅在股份制城商行上负偏离 3 个点，纺织服装上正偏离 3 个点。然而风格的主动偏离却
13、所有变化，如下图所示：图表图表 4 行业偏离后行业偏离后主动主动风格暴露风格暴露 资料来源：华创证券 这与我们的出发点所违背，我们仅仅想变化行业的配置情况，却导致了组合风格的变化，我们想做的是行业轮动，结果却变成风格轮动。这一方面会导致收益的不稳定，另一方面也会蚕食我们行业轮动模型所带来的收益，看来仅仅对行业权重进行偏离的做法不是非常合理。专题报告专题报告 证监会审核华创证券投资咨询业务资格批文号：证监许可（2009）1210 号 7 第二种方法中也存在同样问题。比如银行行业天生是大市值偏向的，如果在多因子选股的过程中增加了银行行业的哑变量，其相当于变相增加了大市值因子的权重，行业和风格之间的
14、暴露混杂在一起，难以控制，所以我们有必要对这两类暴露进行分离，构建纯行业/风格组合，让我们先从单因子组合讲起。三三、Simple Factor Portfolios 单因子的组合构建一般采用两种方法。1.将个股按因子暴露进行排序，做多前 10%(20%)并同时做空后 10%(20%)的个股构建多空组合。2.将 T 期末的个股收益作为因变量，T 期初的个股因子暴露作为自变量进行回归，构建多空组合。值得注意的是，这两种构建方法构建的投资组合均为零额投资(dollar neutral)组合，本节着重介绍第二种方法，其本质还是 WLS。（一）（一）常规因子处理常规因子处理 对于非哑变量的因子值，我们可
15、将股票收益分解为：SSSncnssnrfXfu 其中nr为股票 n 的收益，Scf为截距项，Ssf为因子 s 的收益，nsX为股票的因子暴露，Snu为特异性收益，截距项也可以理解为国家因子或市场组合（所有股票在该组合上的暴露为 1），这里我们根据个股的流通市值平方根进行加权，其思想是对noisy个股（即特异性风险较高的个股）进行降权处理。对于因子值的处理方式也有所不通。常规的去极值以及缺失值填充不再阐述，这里我们着重讲解一下因子的标准化方法。于常规的标准化方法不同，我们并不采用简单算数平均，而是采用加权算数平均，这里我们定义 WLS 中个股的权重为nv，即个股的流通市值平方根，并进行归一化，即
16、：1nnv 0nnsnv X 21nnsnv X 其实这种处理方法并不影响因子收益的计算，只是让我们对因子收益及投资组合中个股权重的表征更为方便，此时因子收益的计算公式为：()Ssnnsnnfv Xr 其中 Simple Factor Portfolios 中个股的权重即为nnsv X，另国家组合的收益为：Scnnnfv r 专题报告专题报告 证监会审核华创证券投资咨询业务资格批文号：证监许可（2009）1210 号 8 （二）（二）哑变量因子处理哑变量因子处理 对于哑变量的因子值，如行业分类因子，我们可将股票收益分解为：SSSncnggngrfXfu 其中ngX即为（0,1）的行业 g 哑变
17、量，gf为其对应的行业收益。值得注意的是，Sgf与Scf之间存在明显的共线性关系，所以我们有必要对这些变量进行约束，即：0Sgggsf 其中gs即为行业 g 的流通市值，通过这个约束，我们可以计算得到国家组合的因子收益：()Snncgggv rfsV 其中gV即为行业 g 在 WLS 中的回归权重，此时各行业的因子收益为，其可以理解为做多行业组合，做空国家组合。1()SSgnncnggfv rfV Simple Factor Portfolios 的构建中往往只有单一常规因子，所以通过这种方法构建的投资组合是十分清晰且符合直觉的，过程也十分简便，不需要依靠其他因子的数据源。但是这种方法也没有考
18、虑到单一因子与其他因子或行业之间存在的相关性，往往会高估或低估该因子的效用。四、四、Pure Factor Portfolios 在上一节中我们阐述了构建 Simple Factor Portfolios 的方法，不过还是存在一些问题，而 Pure Factor Portfolios在一定程度上克服了以上缺点，该组合的构建方法仍旧是截面回归，不同的只是自变量的数量，其表达式如下：ppqISqncnInSnPQrfXfXfu 其中nr为个股收益率，pInX为行业 p 的哑变量。qSnX风格因子qS的暴露，均按照流通市值加权进行标准化，nu个股特异性收益。Cf为国家因子的因子收益率；pIf为行业
19、pI因子的因子收益率；qSf为风格因子qS的因子收益率。和上一节类似，因变量为 T 期末的收益率，因子及行业暴露均为 T 期初的暴露，每日作截面回归，且对行业因子收益率有所约束：0ppIIPsf 专题报告专题报告 证监会审核华创证券投资咨询业务资格批文号：证监许可（2009）1210 号 9 其中pIs即为行业pI的流通市值。在回归中我们依旧采用与 simple 组合相同的股票权重，即使用流通市值的平方根作为个股的权重，据此及约束条件我们可以构建权重矩阵及约束矩阵：1nnNiisvs 12Nv000v0V00v 其中ns为个股的流通市值，则据此可计算得到纯因子投资组合的权重及当期因子收益为：1
20、TTTTRRX V XRRX V 1Nkknnnfr 中的每一行均对应了一个纯因子组合的权重，每一个投资组合均为零额投资(dollar-neutral)。对于风格因子来说，其对应的组合只对该风格有单位为 1 的暴露，而对其他行业和风格及国家因子暴露均为 0；对于行业因子来说，其对应的组合可以视为做对所有风格都 0 暴露的行业超额收益组合。将每个投资组合的股票权重与当期股票收益相乘即可得到对应因子的收益率。五、五、模型验证模型验证 在上两节中我们分别介绍了两种因子组合的构建方式，在本节中我们将从不同角度阐述 Pure Factor Portfolios 的优势，一是模型对于收益的解释程度，而是模
21、型计算得到的因子收益是否符合经济学直觉。（一）（一）国家因子代表了什么？国家因子代表了什么？在第一、二节中，我们都在 WLS 中加入了截距项cf，并称其为国家组合，该组合对所有个股暴露均为 1，那么该组合的经济学意义究竟是什么？让我们从数学上对这一组合进行解释。专题报告专题报告 证监会审核华创证券投资咨询业务资格批文号：证监许可（2009）1210 号 10 我们按照流通市值对个股进行加权，并根据 Pure Factor Portfolios 对其收益进行分解，则：因为我们已经对行业添加了约束，且各风格因子均按照流通市值进行标准化，所以上式的第二三项均为 0，即：1NMcnnnrfs u 如果
22、风格及行业因子对个股收益nr有足够的解释性，我们可以认为10Nnnns u，即mcrf，此时cf即为流通市值加权的市场组合。首先我们先来看 Simple Factor Portfolios 中只加入行业哑变量进行回归得到的国家组合累计收益，并与wind 全 A指数进行对比。图表图表 5 只加入行业哑变量的国家因子收益与只加入行业哑变量的国家因子收益与 wind 全全 A 对比对比 资料来源：Wind，华创证券 专题报告专题报告 证监会审核华创证券投资咨询业务资格批文号：证监许可（2009）1210 号 11 由于股票收益无法完全由行业因子所解释，则10Nnnns u的假设无法成立，国家因子的累
23、计收益在后期对比wind 全 A 指数已经产生较大偏离。在 Pure Factor Portfolios，即 Barra 纯因子模型中，我们加入了新的风格因子和行业哑变量一起进行回归，风格因子的定义严格遵守 cne5 中的方法，定义十个大类风格因子：图表图表 6 cne5 十大风格因子十大风格因子 Style Factor Descriptor Detail Beta BETA 个股与 wind 全 A 指数 WLS回归的回归系数 Momentum RSTR 21 个交易日至 504 个交易日之间的指数加权对数累计收益 Size LNCAP 对数流通市值 Earnings Yield EPIB
24、S 分析师一致预期 EP ETOP EPTTM CETOP 现金收益滚动收益与市值比 Residual Volatility DASTD 指数加权超额收益标准差 CMRA 过去 12 个月超额收益的离差 HSIGMA 计算 beta 中残差的标准差 Growth SGRO 5 年营业收入增长率 EGRO 5 年收益增长率 EGIBS 长期盈利增长预测 EGIBS_s 短期盈利增长预测 Book-to-Price BTOP 专题报告专题报告 证监会审核华创证券投资咨询业务资格批文号：证监许可（2009）1210 号 12 图表图表 7 加入风格因子及行业哑变量后国家因子收益与加入风格因子及行业哑
25、变量后国家因子收益与 wind 全全 A 对比对比 资料来源：Wind，华创证券 可以发现，相比于图表 5，该组合与 wind 全 A 的偏离已经小得多，说明我们的模型相对于只有行业因子来说解释程度提高了不少。（二）（二）因子共线性因子共线性 之前我们也提到过 Simple Factor Portfolios 中的处理方式难以消除因子与其余因子的共线性，这里我们定义了一个指标类描绘因子的共线性程度，即因子杠杆率：PnknkSnknL 其中分子为 Pure Factor Portfolios 中组合权重的绝对值之和，分母为 Simple Factor Portfolios 中组合权重的绝对值之和
26、，该值越大说明这一因子与其他因子之间存在更多的相关性。这里我们计算了十大风格因子及行业因子从20030103 至 20181203 的因子杠杆率的平均值，如下表所示：图表图表 8 因子杠杆率因子杠杆率 Factor Leverage Factor Leverage Factor Leverage Factor Leverage barra_beta 1.28 家电 1.14 医药 1.22 房地产 1.22 barra_btop 1.32 建筑 1.19 电子元器件 1.25 商贸零售 1.13 barra_country 1.46 汽车 1.10 农林牧渔 1.18 证券 1.80 barr
27、a_earnyild 1.27 建材 1.19 食品饮料 1.28 国有银行 1.92 barra_growth 1.18 餐饮旅游 1.26 保险 1.60 钢铁 1.31 barra_leverage 1.11 基础化工 1.16 轻工制造 1.23 股份制与城商行 1.70 barra_liquidty 1.32 煤炭 1.42 机械 1.13 纺织服装 1.18 barra_momentum 1.43 通信 1.22 传媒 1.35 交通运输 1.14 专题报告专题报告 证监会审核华创证券投资咨询业务资格批文号：证监许可（2009）1210 号 13 barra_resvol 1.48
28、 综合 1.21 有色金属 1.32 信托及其他 1.77 barra_size 1.19 计算机 1.35 石油石化 1.13 电力及公用事业 1.18 barra_sizenl 1.00 国防军工 1.39 电力设备 1.17 资料来源：Wind，华创证券 可以看到，除了非线性市值以外，其余风格或行业均或多或少存在一定的共线性问题，个别行业甚至超过了 1.5，较为明显的为证券、保险以及银行行业，这三个行业均在市值上有较大的暴露，这也是导致因子杠杆率较高的原因所在。2.1 风格因子共线性风格因子共线性 这一点在累计净值中也得以体现。下图展示了 Simple Factor Portfolios
29、 中风格因子的对数累计收益，可以发现其波动较大，区分度尚不明显，因为各因子受到其余风格及行业的影响。图表图表 9 单因子组合风格因子对数累计收益单因子组合风格因子对数累计收益 资料来源：Wind，华创证券 而 Pure Factor Portfolios 中的对数累计收益则区分度非常明显，各因子的方向性很好，波动性也显著降低。最为关键的是，对不同组合中对同一因子的解读也会发生显著变化。专题报告专题报告 证监会审核华创证券投资咨询业务资格批文号：证监许可（2009）1210 号 14 图表图表 10 纯因子组合风格因子对数累计收益纯因子组合风格因子对数累计收益 资料来源：wind，华创证券 如
30、momentum 以及 resvol 因子，在 Simple Factor Portfolios 中它们均存在一定的负向收益。而在 Pure Factor Portfolios 中这两个因子累计收益基本持平，但方向相反，这才是符合我们投资直觉的，因为动量和波动率本身在一定程度上就是趋势和震荡的代表，他们本应是方向相反的两个因子，这说明由于没有排除其他因子的共线性，导致这两个因子被高估。再看 beta 及 growth 两个因子，在 Simple Factor Portfolios 中它们均无明显的正向收益，而在 Pure Factor Portfolios 中有明显的正向收益，说明在单因子组合
31、中这两个因子被低估，这一点与我们的投资直觉也是相符合的。2.2 行业因子共线性行业因子共线性 在 Simple Factor Portfolios 我们对所有行业变量一起回归，虽然每个单行业投资组合均只对自身行业暴露为 1，但是还是无法消除在风格上的共同暴露，可以理解为行业组合相对于基准组合的超额收益，其因子收益相关性如下图所示。可以发现还是有不少行业相关性在 0.5 以上，这说明它们不仅在行业模式上存在一些相似性，还在风格上存在共同或完全相反的暴露，如基础化工与农林牧渔的相关性高达 0.55，国有银行与基础化工的相关性为-0.64。再看纯行业组合的因子收益相关性，该组合只对自身行业暴露为 1
32、，对其余风格因子暴露均为 0，如下图所示，可以发现行业之间的相关性得到进一步的降低，这说明 Pure Factor Portfolios 的确能显著降低因子之间的共线性，带来更为纯粹的因子表现。专题报告专题报告 证监会审核华创证券投资咨询业务资格批文号：证监许可（2009）1210 号 15 图表图表 11 行业组合（风格有偏）累计收益相关性行业组合（风格有偏）累计收益相关性 资料来源：Wind，华创证券 再看纯行业组合的因子收益相关性，该组合只对自身行业暴露为 1，对其余风格因子暴露均为 0，如下图所示，可以发现行业之间的相关性得到进一步的降低，这说明 Pure Factor Portfol
33、ios 的确能显著降低因子之间的共线性，带来更为纯粹的因子表现。专题报告专题报告 证监会审核华创证券投资咨询业务资格批文号：证监许可（2009）1210 号 16 图表图表 12 纯行业组合（无风格暴露）累计收益相关性纯行业组合（无风格暴露）累计收益相关性 资料来源：Wind，华创证券 六、六、探秘纯行业组合探秘纯行业组合 在上文中，我们曾提到过纯行业组合的意义，其类似于行业相对于基准的超额收益，不过剔除了所有的风格影响，下面我们来观察纯行业组合和单行业组合（不剔除风格影响）的区别，如下图所示。专题报告专题报告 证监会审核华创证券投资咨询业务资格批文号：证监许可（2009）1210 号 17
34、图表图表 13 传媒行业单因子组合与纯因子组合对数累计收益对比传媒行业单因子组合与纯因子组合对数累计收益对比 资料来源：Wind，华创证券 图表图表 14 电力及公用事业行业单因子组合与纯因子组合对数累计收益对比电力及公用事业行业单因子组合与纯因子组合对数累计收益对比 资料来源：Wind，华创证券 专题报告专题报告 证监会审核华创证券投资咨询业务资格批文号：证监许可（2009）1210 号 18 图表图表 15 钢铁行业单因子组合与纯因子组合对数累计收益对比钢铁行业单因子组合与纯因子组合对数累计收益对比 资料来源：Wind，华创证券 图表图表 16 国防军工行业单因子组合与纯因子组合对数累计收
35、益对比国防军工行业单因子组合与纯因子组合对数累计收益对比 资料来源：Wind，华创证券 专题报告专题报告 证监会审核华创证券投资咨询业务资格批文号：证监许可（2009）1210 号 19 图表图表 17 家电行业单因子组合与纯因子组合对数累计收益对比家电行业单因子组合与纯因子组合对数累计收益对比 资料来源：Wind，华创证券 这里限于篇幅限值，仅放出部分行业对比情况，可以发现，对于大部分行业来说，纯行业组合和单行业组合的因子收益情况仅是幅度不通，趋势还是相同的，但还是存在例外。如建材行业，在建材（单）中，其行情启动时间为 15 年 8 月份，而在建材（纯）中，其启动时间在 16 年 6 月份，
36、晚了将近 10 个月。图表图表 18 建材行业单因子组合与纯因子组合对数累计收益对比建材行业单因子组合与纯因子组合对数累计收益对比 资料来源：Wind，华创证券 那么到底孰是孰非？我们来看下建材龙头股，海螺水泥。专题报告专题报告 证监会审核华创证券投资咨询业务资格批文号：证监许可（2009）1210 号 20 图表图表 19 海螺水泥海螺水泥 k 线图线图 资料来源：Wind，华创证券 中国巨石 图表图表 20 中国巨石中国巨石 k 线图线图 资料来源：Wind，华创证券 东方雨虹 专题报告专题报告 证监会审核华创证券投资咨询业务资格批文号：证监许可（2009）1210 号 21 图表图表 2
37、1 东方雨虹东方雨虹 k 线图线图 资料来源：Wind，华创证券 因为龙头股相比于其他股票更能体现行业自身的属性，行业集中更为明显，从结果上来看它们的走势和启动时间也更符合建材（纯）的组合的趋势，因为建材（纯）组合对所有风格暴露均为 0，更能体现行业自身的特性。再来看基础化工行业，可以发现，基础化工（纯）和基础化工（单）的走势也有较大区别，特别是 16-18 年这段行情，基础化工（单）在 17 年初到达高点，随后一路下跌，而基础化工（纯）则盘整到 18 年 6 月份，两者相差18 个月。图表图表 22 基础化工行业单因子组合与纯因子组合对数累计收益对比基础化工行业单因子组合与纯因子组合对数累计
38、收益对比 资料来源：Wind，华创证券 同样，我们来看下化工龙头万华化学。专题报告专题报告 证监会审核华创证券投资咨询业务资格批文号：证监许可（2009）1210 号 22 图表图表 23 万华化学万华化学 k 线图线图 资料来源：Wind，华创证券 浙江龙盛 图表图表 24 浙江龙盛浙江龙盛 k 线图线图 资料来源：Wind，华创证券 华鲁恒升 专题报告专题报告 证监会审核华创证券投资咨询业务资格批文号：证监许可（2009）1210 号 23 图表图表 25 华鲁恒升华鲁恒升 k 线图线图 资料来源：Wind，华创证券 同样，龙头股的走势与基础化工（纯）的趋势更为贴切，说明纯行业组合的因子收
39、益更能体现出这个行业自身的特质，这也给了我们一个启发，如果行业轮动模型的出发点是宏观及中观数据，那么显然落实到纯行业组合的收益上是更为合理的，因为我们的出发点就是行业本身的特性，而非其他风格的影响。如果我们的模型信号能在纯行业组合上获取稳定超额收益，才更符合我们的初始逻辑，且可能在多因子框架中获取增益。图表图表 26 行业轮动逻辑行业轮动逻辑 资料来源：华创证券 专题报告专题报告 证监会审核华创证券投资咨询业务资格批文号：证监许可（2009）1210 号 24 七、与行业轮动模型的结合七、与行业轮动模型的结合 本节我们将简单介绍一下行业轮动模型与纯因子模型的结合方法。在第一节中，我们说过投资经
40、理一般对其投资组合进行行业中性化，那么这么做的原因是什么呢？我们可以从纯行业组合的累计收益初见端倪，如下图所示。图表图表 27 纯行业组合对数累计收益纯行业组合对数累计收益 资料来源：Wind，华创证券 图表图表 28 纯行业组合对数累计收益纯行业组合对数累计收益 资料来源：Wind，华创证券 专题报告专题报告 证监会审核华创证券投资咨询业务资格批文号：证监许可（2009）1210 号 25 图表图表 29 纯行业组合对数累计收益纯行业组合对数累计收益 资料来源：Wind，华创证券 图表图表 30 纯行业组合对数累计收益纯行业组合对数累计收益 资料来源：Wind，华创证券 可以发现，除了医药、
41、食品饮料、国防军工、家电等少数几个行业以外，其中信息比最高的为医药行业，为 0.739。其余行业的对数累计收益均呈现较大的波动性，这点和上一节中风格因子的对数累计收益有着巨大的差异，这就给投资组合带来的较大的不确定性。有趣的是这几个行业大多集中在大消费类，说明从长周期来看，这些行业更值得投资。专题报告专题报告 证监会审核华创证券投资咨询业务资格批文号：证监许可（2009）1210 号 26 那么这是否意味着我们就无法在基准的基础上赚到行业轮动的收益呢？并不完全是。这里我们简单的将中信 32 个行业(分别将中信一级行业银行以及非银金融拆分成下属二级行业)的纯行业累计收益进行算数平均，观察其对数累
42、计收益变化，发现波动性得到很好得抑制，如下图所示：图表图表 31 等权纯行业组合对数累计收益等权纯行业组合对数累计收益 资料来源：Wind，华创证券 此组合为对所有行业都暴露1个单位同时做空32份国家组合的零额投资组合，年化收益为2.11%，信息比0.951，再次注意其为零额投资组合，这意味着我们可以通过施加杠杆的方法提高收益率并保证信息比不变，这一思想也引出了行业轮动模型的结合方法。八、八、组合构建方法组合构建方法 海外对于多因子组合的构建方法一般分为 mixed approach 以及 integrated approach 两种方式。前者多用于 smart Beta 组合的构建，先构建单
43、因子组合，再通过组合之间的加权得到最终多因子组合，后者多用于主动量化组合的构建，类似于国内常用的因子暴露加权再排序打分，本节将分别从这两种方法入手，探讨行业轮动模型与多因子模型的结合方法。（一）（一）mixed approach 我们可以在国家组合的基础上添加任意杠杆的上一节中的等权纯行业组合，即：()pfcIPwwaw 其中 w 为我们最终投资组合的权重，w_fc为国家（基准）组合的权重，为满额投资组合，pIPw为等权行业组着的权重，为零额投资组合。显而易见，这个组合是自动满足满额投资的，我们要做的只是保证在个股不做空的前提下，最大化 a 的大小，即：.0cnnfindm inas t wa
44、w 专题报告专题报告 证监会审核华创证券投资咨询业务资格批文号：证监许可（2009）1210 号 27 此时以 20030107 的投资组合为例，可计算得到 a=0.00237。由于是全市场投资，买入股票过多，且在基准的基础上超配所有纯行业组合导致系数过小，超额收益过少，但比起行业中性化组合也是聊胜于无。（二）（二）integrated approach 上一节中的方法虽然简单，但是对于国内市场存在一个非常大的问题，即做空工具的缺乏。我们知道，任何一个纯行业组合都是零额投资的多空组合，如果做空头寸过大，会导致最优化无解或解极小，如上节所示，导致增强收益效果并不明显，当然我们也可以只使用纯行业组
45、合中的纯多头部分，不过这和我们的初衷有所违背。另一种方法是根据行业轮动信号在组合优化的过程中直接对行业部分进行偏离，不过这种做法可能会对求解域造成影响，这一部分我们将结合实际的行业轮动模型在后续的报告中进行展示。九九、总结及展望总结及展望 在投资实务中，投资经理认为行业轮动的收益较难获取，而且会增加组合波动，性价比不高，所以大多数基于多因子模型的指数增强策略均是进行行业中性控制的，然而本报告分析了部分优秀指数增强基金的持仓明细，发现其确实没有进行完全行业中性化的操作，在组合构建中运用了行业轮动模型，说明其的确有存在的必要性。然而在券商报告中，将行业轮动模型糅合进多因子框架中的方法却存在一些问题
46、，行业的偏离会导致风格的偏离，不仅影响组合波动，也无法证明其收益来源。本报告提出应该构建纯行业组合，其仅仅在自身行业上暴露为 1，而在其余行业及风格上暴露均为 0，并在此基础上进行行业轮动模型的构建，只有模型信号在纯行业组合上能获取超额收益，才能证明其对多因子框架是有增益作用的。最后本报告例举了两种将多因子模型与行业轮动模型结合的方法，适用于不同场景，不过均需要优化器的配合，进一步的实证将在后续报告中推出。在未来的研究中，我们将试图从其他角度切入以改善本报告的局限性：1.纯因子组合的解并非唯一，是否能有进一步的构建方法？2.结合成熟的行业轮动模型进行进一步的实证。十、十、风险提示风险提示 策略
47、基于历史数据的回测，不保证策略未来的有效性。专题报告专题报告 证监会审核华创证券投资咨询业务资格批文号：证监许可（2009）1210 号 28 量化研究组团队介绍量化研究组团队介绍 组长、首席分析师：王小川组长、首席分析师：王小川 同济大学管理学博士。2017 年加入华创证券研究所。首席分析师：陈杰首席分析师：陈杰 武汉大学经济学硕士，CFA、FRM。2017 年加入华创证券研究所。2010 年新财富金融工程领域第二名，2011 年新财富金融工程领域第三名，2014 年新财富金融工程领域第四名，2015、2016 年新财富金融工程领域第三名。研究员：卢威研究员：卢威 厦门大学经济学硕士。201
48、7 年加入华创证券研究所。助理研究员：秦玄晋助理研究员：秦玄晋 上海对外经贸大学硕士。2018 年加入华创证券研究所。助理研究员：刘助理研究员：刘昺昺轶轶 上海交通大学硕士。2018 年加入华创证券研究所。专题报告专题报告 证监会审核华创证券投资咨询业务资格批文号：证监许可（2009）1210 号 29 华创证券机构销售通讯录华创证券机构销售通讯录 地区地区 姓名姓名 职职 务务 办公电话办公电话 企业邮箱企业邮箱 北京机构销售部 张昱洁 北京机构销售总监 010-66500809 杜博雅 高级销售经理 010-66500827 侯春钰 销售经理 010-63214670 侯斌 销售助理 01
49、0-63214683 过云龙 销售助理 010-63214683 刘懿 销售助理 010-66500867 广深机构销售部 张娟 所长助理、广深机构销售总监 0755-82828570 王栋 高级销售经理 0755-88283039 汪丽燕 高级销售经理 0755-83715428 罗颖茵 高级销售经理 0755-83479862 段佳音 销售经理 0755-82756805 朱研 销售经理 0755-83024576 杨英伟 销售助理 0755-82756804 上海机构销售部 石露 华东区域销售总监 021-20572588 沈晓瑜 资深销售经理 021-20572589 朱登科 高级销售
50、经理 021-20572548 杨晶 高级销售经理 021-20572582 张佳妮 高级销售经理 021-20572585 沈颖 销售经理 021-20572581 乌天宇 高级销售经理 021-20572506 汪子阳 销售经理 021-20572559 柯任 销售经理 021-20572590 何逸云 销售经理 021-20572591 张敏敏 销售经理 021-20572592 蒋瑜 销售助理 021-20572509 专题报告专题报告 证监会审核华创证券投资咨询业务资格批文号：证监许可（2009）1210 号 30 华创行业公司投资评级体系华创行业公司投资评级体系(基准指数沪深基准指