A股风格图谱及宏观环境判别

1、目录TOC o 1-2 h z u HYPERLINK l _TOC_250018 风格图谱 4 HYPERLINK l _TOC_250017 风格概述 4 HYPERLINK l _TOC_250016 风格类别 4 HYPERLINK l _TOC_250015 现有指数 5 HYPERLINK l _TOC_250014 指数编制 6 HYPERLINK l _TOC_250013 风格走势 7 HYPERLINK l _TOC_250012 轮动方法 10 HYPERLINK l _TOC_250011 轮动思路 10 HYPERLINK l _TOC_250010 宏观因子库 10

2、 HYPERLINK l _TOC_250009 变量处理 11 HYPERLINK l _TOC_250008 环境归纳 13 HYPERLINK l _TOC_250007 择时测算 13 HYPERLINK l _TOC_250006 风格图谱 15 HYPERLINK l _TOC_250005 大盘与小盘 15 HYPERLINK l _TOC_250004 价值与成长 16 HYPERLINK l _TOC_250003 消费与周期 16 HYPERLINK l _TOC_250002 金融与非金融 17 HYPERLINK l _TOC_250001 科技与传统 18 HYPER

3、LINK l _TOC_250000 总结 20 金融工程丨专题报告图表目录图 1：大小盘指数构建 7图 2：大小盘指数年度收益率差（%） 7图 3：高低估值指数构建 7图 4：高低成长指数构建 7图 5：估值成长风格 8图 6：估值成长指数年度收益率差（%） 8图 7：消费周期指数构建 8图 8：消费周期指数年度收益率差（%） 8图 9：金融非金融指数构建 8图 10：金融非金融指数年度收益率差（%） 8图 11：科技传统指数构建 9图 12：科技传统指数年度收益率差（%） 9图 13：M1-M2 趋势状态识别 12表 1：现有风格指数梳理 5表 2：宏观变量汇总 11表 3：宏观指标数据问

4、题与处理方式 11表 4：指数宏观经济变量检验汇总 14表 5：大盘与小盘宏观经济变量检验汇总 15表 6：价值与成长宏观经济变量检验汇总 16表 7：消费与周期宏观经济变量检验汇总 17表 8：金融与非金融宏观经济变量检验汇总 17表 9：科技与传统宏观经济变量检验汇总 18风格图谱风格概述风格是指将市场上同一属性的股票归类到相应类别并以此分析其走势特征的一种划分方式。轮动则描述市场上具有不同特征板块涨跌力度不同或此消彼长的现象，同时涉及到时间和空间两个维度，与行业轮动和因子轮动类似。不同风格之间走势受到诸多方面因素的影响，从宏观基本面到资金供需，再到投资者的预期反应。市场的综合因素在变，风

5、格的相对强弱也会发生波动。任何一种风格都不可能持续受到市场追捧，若投资者能够对风格轮动周期进行适当的辨别，就有可能获得稳定的超额收益。根据 Fama-French 三因素模型，大小盘和价值成长是市场中两种最为常见的风格分类方式。但随着市场的发展，影响整个市场的风险因子越来越多，投资者关注的方面也越来越广泛，需要对不同风格进行深入探讨。风格类别在量化中，风格分类的方式一般是从因子角度出发，按照对应的指标将全市场股票分为不同组别，如规模、估值、动量、反转、质量、成长、波动、流动性、盈利、分红等。但是该分类并不能很好地反应投资者的关注度或投资习惯，因子区分过于细致，不太简单直观。根据以往研究，本报告

6、归纳出五种相对较为常见的风格种类，大市值与小市值、价值与成长、消费与周期、金融与非金融、科技与传统等。前两种可从因子角度划分，后三者则跟行业归属密切相关。大盘和小盘相比于其他风格，大小盘具有明晰的划分标准，即根据市值的大小来作划分。从因子角度而言，技术风格类因子同大小盘关系较大。价值与成长价值和成长是主动投资中最为常见的两种派系，而如果从指标角度定义，则需要分别从估值 PB 和净利润增速等因子角度入手，因而二者之间并非完全的对立关系，有可能出现估值低同时净利润增速也高的个股。消费与周期二者是截然不同的行业风格，消费包括家电、食品饮料、医药、纺织服装、农业、轻工、汽车，周期则包括钢铁、煤炭、有色

7、金属、基础化工、石油石化、交通运输等行业，对应经济链中的下游与上游。金融与非金融金融主要包括银行、非银金融和房地产三个行业，占据 A 股约四分之一左右的市值，在某种意义上也附带特别的经济属性，因而同其他行业之间可能有明显的走势区别。科技与传统传统行业主要是指劳动密集型、以制造加工为主的行业，与之相对应的是依赖技术进步的科技类产业，包括信息产业、生物制药、新材料和新能源等。五种风格相对较为常见，本报告将针对风格的历史走势进行分析，并测算影响风格的关键性环境变量。而在分析之前，需要有对应的风格指数。现有指数截至目前，在衡量风格之上，仅大小盘涉及到的指数比较多，其他风格均无直接对应指数，或只能根据申

8、万风格指数或行业指数进行替代。指数代码代表性指数表 1：现有风格指数梳理大盘与小盘中证规模指数、申万风格指数、上证规模指数、巨潮指数、宽基指数和标普指数等价值与成长无对应指数，价值方面有申万高低市盈率、市净率指数，但无成长相关的风格消费与周期无对应指数，有相应的细项行业指数，但未作具体区分金融与非金融 无对应指数，有相应的细项行业指数，但未作具体区分传统与科技无对应指数，有相应的细项行业指数，但未作具体区分资料来源： 传统风格指数存在几个重大的问题：发布时间短指数发布基本在 2005 年之后，仅有 15 年的统计区间，其中行业相关指数历史更短，统计样本可能存在较大偏差。样本数量固定A 股的股票

9、数量在不断增多，目前已接近 3900 只，而现有指数基本是按照数量来定义，即成分股的样本数固定，不会随着时间推移而增加。这就造成原有指数的风格特征会发生迁移，比如中证 500 指数，曾经一直作为小盘股票的代表，目前其市值已经居于 A 股比较靠前的位置，往中等市值甚至大市值股票迁移。调仓周期长市场波动较大，一旦遇到较大的板块性行情或并购重组等股权事件，股票市值变化非常大，而目前的风格指数基本是按照半年度甚至年度调仓的方式，对于部分股票而言可能会稍显滞后。实操性差现有指数的编制并没有剔除短期停牌个股，在调仓时也未对涨跌停、次新等股票有所限制，因而这些指数并不具实际可操作性。指数编制囿于此，本文将从

10、可投资的角度，基于股票数据自下而上地构建风格指数，以此作为轮动策略的前提。由于是自行编制，样本区间相对更久，可以从较长的时间维度分析和统计 A 股历史上不同风格的变迁规律。具体而言，从较早的历史样本开始，将 A 股所有股票按照一定标准区分为两组，即对应的风格：样本周期为 1992 年 1 月 1 日至 2020 年 4 月 30 日；选取 A 股上市公司中可交易的标的（剔除停牌、涨停个股），剔除最近一年上市的次新股，剔除 ST 股票；考虑流动性，剔除市值或成交额在后 20%的股票；不同风格具有不同分类：大盘与小盘：按流通市值由高往低分为两组；价值与成长：分别按照 PB 和净利润增速分为两组，选

11、取 PB 较低的一组为价值风格、净利润增速较高的一组为成长风格。当期无 PB 数据或净利润增速数据的个股，两组都参与计算；针对行业分组，若刚开始时无行业分类（中信行业指数发布较晚），则假设按照最早可获得行业进行标识（行业变动一般不会很大）；消费与周期：以中信一级行业作为划分依据，消费涵盖行业为家电、食品饮料、医药、农林牧渔、社会服务与旅游、纺织服装、汽车，周期涉及的行业为钢铁、煤炭、有色金属、石油石化、基础化工、交通运输、建筑装饰、建筑材料等行业；金融与非金融：同消费与周期类似，也是基于行业风格的划分，以银行、非银金融、综合金融和房地产行业作为金融行业的标识，其他行业均为非金融行业风格；传统与

12、科技：按照一般的科技行业定义，选取计算机、传媒、通信、电子、生物医药、国防军工、机械设备、电力设备新能源，其他行业对应的则为传统风格；月度调仓，不考虑成本；组内按照流通市值加权，暂不考虑行业中性；若当期无可选择股票，指数净值保持相对不变。通过该指数编制方法，可测算不同风格之间的走势，并探究各自的轮动规律。风格走势分别查看风格之间的走势差别，主要从两个角度进行分析：相对走势：从风格之间的比价关系，根据走势方向判断该风格是处于强势还是弱势区间；年度收益：根据风格指数的年度收益率差粗略判断一段区间该风格是否占优，若风格连续两年发生变化，才定义为发生轮换。大盘与小盘历史上小盘股长期占据优势地位。从 1

13、990 年以来，A 股共经历 6 个大的风格轮换的阶段，1991 至 1993 年、1997 至 2004年、2007 至 2016 年长期小盘，仅 1994 至 1996 年、2005 至 2006 年、2017 至 2020年偏大盘。目前处于震荡格局，有可能风格已经发生轮换。图 1：大小盘指数构建图 2：大小盘指数年度收益率差（%）701.2601.0500.8400.6300.420100.2199012199110199207199304199402199411199509199607199704199803199812199910200008200106200204200302200

14、31220041020050820060620070420080120081120090920100720110520120320130120131120140920150720160420170220171220181020190800.030.125.222.615.012.81.04.23.20.81.63.7-0.4-0.8-0.2-14.1-10.0-5.6-1.4 -5.0-11.0-4.2-2.3-27.0-21.8-22.9-31.0-19.9-40.2-53.6-63.840200-20-40-60199119921993199419951996199719981999200

15、020012002200320042005200620072008200920102011201220132014201520162017201820192020-80大盘指数小盘指数大小盘比价（右）资料来源：天软，Wind， 资料来源：天软，Wind， 价值与成长低估值长期占优，仅少数年份高估值较好，但持续时间不长。高成长标的长期走势较稳，但在两次市场大跌之后都偏向于低成长股票。图 3：高低估值指数构建图 4：高低成长指数构建302.0306 1.8251.6255 201.42041.2 151.0153 0.8 100.610250.4510.2199012199110199207199

16、304199402199411199509199607199704199803199812199910200008200106200204200302200312200410200508200606200704200801200811200909201007201105201203201301201311201409201507201604201702201712201810199012199110199207199304199402199411199509199607199704199803199812199910200008200106200204200302200312200410200

17、50820060620070420080120081120090920100720110520120320130120131120140920150720160420170220171220181000.000高估值低估值高低估值比价（右）高成长低成长高低成长比价（右）资料来源：天软，Wind， 资料来源：天软，Wind， 将低估值和高成长风格对比，二者差异并不明显。从分年走势来看，两个风格之间经常发生轮换，且收益差值不高。图 5：估值成长风格图 6：估值成长指数年度收益率差（%）301.4251.21.0200.81510080604073.547.711.245.819.417.57.98

18、.20.620100.407.16.23.01.58.12.83.450.219901219911019920719930419940219941119950919960719970419980319981219991020000820010620020420030220031220041020050820060620070420080120081120090920100720110520120320130120131120140920150720160420170220171220181000.0-0.1-20-4019911992199319941995199619971998199920

19、0020012002200320042005200620072008200920102011201220132014201520162017201820192020-60-3.8-38.3-9.6-1.5-2.6-8.3-30.4-8.4-2.5-11.0 -14.7-9.8-17.9低估值高成长估值成长比价（右）-80-66.5资料来源：天软，Wind， 资料来源：天软，Wind， 消费与周期相比于周期，消费行业具有长期优势。按照之前连续两年收益优势则风格轮换的定义，周期行业仅在 1994 至 1995 年、2000至 2001 年、2003 至 2005 年跑赢消费，其他年份基本由消费主导

20、。从长期配置角度，消费是比较优质的待选风格。图 7：消费周期指数构建图 8：消费周期指数年度收益率差（%）20181614 12 1086421990121991101992071993041994021994111995091996071997041998031998121999102000082001062002042003022003122004102005082006062007042008012008112009092010072011052012032013012013112014092015072016042017022017122018100消费周期消费周期比价（右）43.5

21、32.521.510.5078.645.037.438.922.813.13.917.92.01.60.55.13.15.31.414.314.00.9 0.3-1.3-13.2-2.5-0.1-1.0-1.2-14.4-1 -12.48.6-25.0-44.3100806040200-20-40199119921993199419951996199719981999200020012002200320042005200620072008200920102011201220132014201520162017201820192020-60资料来源：天软，Wind， 资料来源：天软，Wind，

22、金融与非金融金融行业在所有股票中的权重占比较高，但相比于非金融标的，其并没有体现出强势或劣势属性，该风格轮换的速度较快。图 9：金融非金融指数构建图 10：金融非金融指数年度收益率差（%）201.8181.6161.4 141.2 121 10 80.860.640.4100806040200-20 -1.90.31.472.58.62.93.01.390.119.1-0.2-1.0-3.015.18.444.07.011.160.3-1.321990121991101992071993041994021994111995091996071997041998031998121999102000

23、082001062002042003022003122004102005082006062007042008012008112009092010072011052012032013012013112014092015072016042017022017122018100金融非金融金融非金融比价（右）0.20-40-60-80199119921993199419951996199719981999200020012002200320042005200620072008200920102011201220132014201520162017201820192020-65.7-14.4-12.0 -

24、12.9-10.7-10.4-18.6-11.0-28.9-14.2资料来源：天软，Wind， 资料来源：天软，Wind， 科技与传统科技代表实体经济中的新兴产业，但并非一直受资金青睐，大部分年份中，传统行业表现要更好。但科技行业占优时，其涨幅相对较高。图 11：科技传统指数构建图 12：科技传统指数年度收益率差（%）252.55040302010037.435.028.731.512 15.7.311.142.73.80.82.53.95.1-10 -0.5-20-30-40-50-2.0-4.5-6.0-6.6 -6.3-11.3-8.3-8.0-17.3-15-.186.7-21.6-1

25、0.5-16.-316.4-42.9202151.510150.5199012199110199207199304199402199411199509199607199704199803199812199910200008200106200204200302200312200410200508200606200704200801200811200909201007201105201203201301201311201409201507201604201702201712201810001991199219931994199519961997199819992000200120022003200

26、42005200620072008200920102011201220132014201520162017201820192020科技传统科技传统比价（右）资料来源：天软，Wind， 资料来源：天软，Wind， 轮动方法轮动思路风格轮动的本质是选择相对较强的板块，因而可以转化为对风格指数的比价关系进行择时判断。从数据来源角度来说，目前主要有两类方法：技术面风格轮动和基本面风格轮动。技术面风格轮动倾向于从价量盘等数据出发，寻找指数收益率差的趋势变化。基本假设是价格能够反映市场信息，且趋势具有持续性，且一般情况下，技术面的较多数据均能反映部分市场情绪。技术分析存在多种指标构建的方式，且数据类型多、

27、更新快、频率高，应用起来更为灵活。另一方面，由于信息冗杂，干扰大，存在较多的误判，且交易太过频繁，不利于实际操作。基本面风格轮动基于宏观基本面数据，从经济逻辑的角度出发，对风格的相对强弱关系进行预判。不同风格企业的资金结构和融资环境不同，在某些经济环境下利于某种风格的发展，在另外一类环境下，则利于另一种风格对应标的的上涨。目前应用得较多的是 logit 模型，基于 M2、CPI、PMI、工业增加值等宏观经济指标预判风格相对强弱。基本面数据类型少，频率低，公布存在滞后，但其具有较强的逻辑基础，且信号相对较少，不似技术面那般交易频繁。不同风格公司的企业特征和融资环境区分较为明显，较大程度地受到宏观

28、经济、行业周期和资金流动性的影响，单从技术方面分析会存在逻辑欠缺，本部分将从基本面角度探索影响风格相对收益的深层次原因。宏观因子库宏观指标影响企业盈利和引导预期，可从常用的经济指标类别入手，选择关注度高、有经济逻辑基础的宏观指标作为因子库：反映实体经济情况，月频数据，定期更新存续期超过 5 年，次月可更新完国家权威机构发布市场关注度高暂不做行业、风格区分，仅获取宏观维度数据据此，筛选货币环境、工业生产、企业经营、景气指数、投资与地产、物价水平、外汇外贸、消费财政和利率高低等九类指标，共计宏观指标 101 个，可从流动性、经营环境、发展状况等方面解释实体经济和股价走势。表 2：宏观变量汇总变量类

29、别变量选取变量解释货币环境M0 增速、M1 增速、M2 增速、货币乘数、贷款余额同比、外汇贷款余额同比、存款余额同比、外汇存款余额同比、大型机构存款准备金率、M1-M2资产再平衡；影响通货，改变贴现率；影响流动性工业生产工业增加值同比、产销率、发电量同比、铁路货运量、克强指数、原煤累积同比、原油同比、铁矿石同比影响企业未来的生产经营企业经营工业企业利润总额累积同比、主营业务收入累积同比、产成品存货累积同比、主营业务成本累积同比、资产同比、负债同比表征企业已发生的经营情况，可能存在持续性景气指数制造业 PMI、制造业 PMI_生产、制造业 PMI_订单、制造业 PMI_新出口订单、制造业 PMI

30、_在手订单、制造业 PMI_产成品库存、制造业 PMI_采购量、制造业 PMI_进口、制造业 PMI_出厂价格、制造业PMI_主要原材料购进价格、制造业 PMI_原材料库存、制造业 PMI_从业人员、制造业PMI_供货商配送时间、非制造业PMI_商务活动、非制造业PMI_建筑业、非制造业 PMI_服务业、财新中国PMI、消费者信心指数、消费者满意指数、消费者预期指数反映制造业、非制造业对市场的景气 ，代表经济的扩张情况投资与地产固定投资累积同比、房地产开发投资完成额同比、新增固定资产投资完成额同比、社会融资规模同比、FDI 投资金额同比、固定投资累计同比_新建、固定投资累计同比_扩建、固定投资

31、累计同比_改建、民间固定投资完成额、商品房销售面积增速、70 大中城市二手房价格同比、70大中城市新建商品住宅价格同比代表政府和民间对于经济发展的投资情况；基建与房地产涉及较多行业物价水平CPI、城市 CPI、农村 CPI、PPI、PPI_生产资料、PPI_生活资料、核心 CPI、RPI、PPIRM、 CGPI、农业生产资料价格指数同比、出口价格指数、大宗商品价格指数货币价值，影响市场折现率外汇外贸美元兑人民币汇率、美元指数、外汇储备、银行结汇、银行售汇、跨境人民币业务结算金额、进出口总额同比、进口额同比、出口额同比、出口交货值当月同比、美国失业率、美国非农就业人数、进出口货运量同比、对外直接

32、投资同比、对外承包工程完成额同比、对外承包工程新签合同额同比海外市场影响消费财政社会消费品零售总额同比、社会消费品零售总额_城镇、社会消费品零售总额_乡村、社会消费品零售总额_商品零售、社会消费品零售总额_餐饮收入、彩票销售额同比、财政收入同比、财政支出同比消费贡献与政府投入利率高低银行 7 天同业拆借利率平均、银行间 7 天债券质押式回购平均利率、债券市场发行债券、活期存款利率、中长期贷款利率、Shibor 利率、10 年期国债、10 年期美债资金的真实价格资料来源：Wind， 变量处理宏观数据偏低频，在实际处理中存在多方面的问题，包括量纲维度不一致、指标繁多、数据缺失以及滞后问题等，据此可

33、采取对应的解决方式。表 3：宏观指标数据问题与处理方式变量类别数据问题处理方式量纲不同不同数据之间的量纲甚至计量单位都不太一样，有的偏金额数量有的偏百分比，不同数据存在一个统一量纲的问题。而 A 股市场大部分宏观变量开始时间均较晚，且存在利用未来信息的问题，因而利用历史数据时间序列标准化不太适用。宏观经济变量分为上升下降趋势的状态变量指标繁多不同数据对股市影响不同，而数据的维度也不一致。部分数据看绝对量，针对原始数据本身，部分数据看增速同比或环比变化，利用原始数据的衍生类型。可根据常用的经济学原理选择核心的宏观经济变量数据缺失并非每个月都有数据，部分数据在有些月份不会公布，如 1 月份的累计值

34、或累积同比，部分数据开始时间较晚，之前一直处于缺失状态。后延补全存在滞后宏观数据公布大部分都存在滞后，一般滞后一个月，部分甚至达到两个月或三个月，故很多情况下可能股市反而领先宏观变量。选择滞后一个月以内的资料来源： 最核心的问题还是量纲不同，宏观指标干扰性比较大，需要对数据进行预处理，将其分为上升下降趋势的状态变量，本部分采取的识别方式为极值判断。具体方式为考察一个宏观经济变量的时间序列中每一个点是否为局部极值。而在算法的计算上，首先便需要分辨局部高低点。局部极值对于给定时间序列(), = 1,2,3, , N，遍历所有点，对于任何一个时间点，考察时间序列()在以为中心的前后各j个时间段内的最

35、大值或最小值，具体为,= 1() ( + i), = , + 1, , 1, 1 () ( + i), = , + 1, , 1, 为参数，代表趋势状态的周期长短。连续点处理一般而言，高低点会交替出现，但在不同周期参数下，也存在连续出现高点或低点的情况，在此情况下，需要有倾向性的剔除其中一个点。若两点均为高点，则剔除相对位置较低的高点；若两点均为低点，则剔除位置相对较高的低点。首尾点处理首尾两端可能存在无法判断局部高低点的情况，此处采取的方式同最近的局部极值点同向处理。趋势标记在连续点处理后，基本上关键高点到低点为下降趋势，定义为 0；低点到高点为上升趋势，定义为 1。按照上述的识别方式，取周

36、期 5 个月，对 M1-M2 的走势进行状态识别。从结果来看，走势比较符合直观，在测算效果上会去除较多的干扰信号。图 13：M1-M2 趋势状态识别20151050-5-10-15199512199608199704199712199808199904199912200008200104200112200208200304200312200408200504200512200608200704200712200808200904200912201008201104201112201208201304201312201408201504201512201608201704201712201808

37、201904201912-201.00.90.80.70.60.50.40.30.20.10.0状态变量(右)M1-M2(%)资料来源：天软，Wind， 环境归纳宏观变量的原始数据蕴含信息量大，存在较多的干扰因素，虽然可能会领先于股市，但也可能产生错误的信号。在上一部分对宏观指标进行处理，划分为上升和下降两种趋势状态之后，可用状态变量序列来解释股市收益率或者风格收益率差。同步分析运用回归的思想，检验宏观经济变量与股市或风格收益之间同期的长短期关系： = + , + 此类测算方式仅仅能够找到跟股市同步性较高的经济变量，在宏观变量普遍公布滞后的情况下，此类方式并不具有操作意义。但由于同步指标时间标

38、签对齐，可对宏观数据有一定预期之后，间接对股市或风格进行预判。滞后遍历在回归方程的基础上，需要考虑宏观变量对于经济的领先滞后性，对于指标测算而言，可将宏观状态进行一定程度的偏移： = + ,+ + 大于零时，假设宏观经济变量滞后于股市；小于零时，假设宏观经济变量领先于股市；等于零时，假设宏观经济变量同步于股市。实际测算中，在检验宏观经济变量同股市的回归关系时，需遍历多个时间周期和领先滞后关系，寻找最优匹配周期和领先关系。回归的最终目的是获取能够以保证变量同股市是长期稳定的关系，故在保证回归检验通过的基础上，以最大化为优化目标。寻优之后，再根据的取值判断指标是否具有领先性。先导性变量实际上，在对

39、宏观指标进行领先性测算之后，也可在此基础上利用多元回归等方式，对未来股市或风格收益进行预测，以此构建完整的基本面轮动模型。但宏观数据类别较多，彼此之间也存在一定的相关性，在数据频率较低的情况下构建模型较易形成误差，预测效果并不稳定。同时，若较多变量参与模型构建，直观解释力度也很有限。因此可退而求其次，通过筛选的领先变量进行归纳总结，找出该指数或风格的适用环境变量，以获得模型直观上的判断。该方法虽然量化度量有限，但对于今后的模型构建和风格识别而言，具有极大的辅助性作用。择时测算按照上述方法，在较长的历史区间对每一个宏观经济变量的趋势状态变量与股市之间的长短期回归关系进行研究，判断其是否存在领先性

40、。样本区间：1996 年 1 月至 2020 年 4 月；测算指数：考虑所需数据较长，采用上证综指作为目标对象；T 值要求：绝对值高于 1.96，即满足 95%置信区间。分别测算能够表征股市特征的同步变量和领先变量。在环境变量归纳方面，优先选择解释力度较高的指标类别。14 个同步指标中，制造业越好、流动性越高，指数表现越好；20 个领先指标中，流动性越高、制造业越好，后期指数表现越好。表 4：指数宏观经济变量检验汇总同步变量领先变量（前 20 个）宏观变量周期系数Rsquare宏观变量周期领先系数Rsquare制造业PMI_主要原材料购进价格74.768.5%跨境人民币业务结算金额73-4.5

41、110.2%财新中国 PMI24.628.3%M1 增速834.207.2%M1-M264.227.2%银行售汇22-3.367.0%社会消费品零售总额_乡村4-2.754.8%制造业PMI_订单924.587.0%核心 CPI12.764.7%进出口货运量同比94-3.376.9%大宗商品价格指数13.364.3%彩票销售额同比24-3.746.7%制造业PMI_进口43.133.8%制造业PMI_产成品库存62-4.056.3%进出口总额同比82.873.3%对外承包工程新签合同额同比243.205.8%出口额同比42.873.3%社会消费品零售总额_城镇93-2.945.5%工业增加值同

42、比42.783.2%克强指数523.344.6%社会融资规模同比42.753.1%非制造业 PMI_建筑业34-3.134.1%工业企业利润总额累积同比42.252.0%FDI 投资金额同比343.074.0%非农就业人数12.131.8%银行 7 天同业拆借利率平均543.003.8%财政支出同比7-2.141.8%活期存款利率83-3.353.8%铁路货运量342.993.7%社会消费品零售总额_商品零售73-2.473.6%制造业PMI_供货商配送时间752.883.2%消费者预期指数722.873.2%进口额同比842.703.0%负债同比32-2.602.9%资料来源：天软，Wind

43、， 风格图谱基于上述基本面方法，对风格轮动的驱动要素进行分析。具体而言，将目标对象换为不同风格的相对收益，分别基于同步指标和先导性指标两个角度进行分析。大盘与小盘同步指标：经济越好、物价越高、投资越低，越利于小盘；领先指标：流动性越高、经济越高，越利于后期小盘，可能同中小企业融资难度有关。表 5：大盘与小盘宏观经济变量检验汇总同步变量领先变量（前 20 个）宏观变量周期系数Rsquare宏观变量周期领先系数Rsquare进出口货运量同比6-2.065.1%跨境人民币业务结算金额222.427.7%核心 CPI7-1.974.3%对外承包工程完成额同比15-2.226.5%FDI 投资金额同比1

44、1.774.3%对外直接投资同比24-2.065.8%制造业PMI_生产2-1.814.0%非制造业 PMI_商务活动221.984.9%民间固定投资完成额21.793.7%非制造业 PMI_服务业24-1.934.8%制造业PMI2-1.733.6%社会融资规模同比221.784.4%产销率21.222.0%非制造业 PMI_建筑业121.824.2%美元指数3-1.162.0%财政支出同比23-1.603.8%M1 增速31.031.6%银行售汇121.633.8%社会消费品零售总额_餐饮收入55-1.613.6%主营业务成本累积同比241.453.2%中长期贷款利率231.903.0%制

45、造业PMI_主要原材料购进价格33-1.562.9%进口额同比621.402.8%出口交货值当月同比25-1.432.8%工业增加值同比55-1.342.6%10 年期国债13-1.362.6%城市 CPI12-1.302.5%制造业PMI_产成品库存23-1.372.3%货币乘数131.152.1%资料来源：天软，Wind， 价值与成长同步指标：价值和成长风格区分度不高，指标解释度有限；投资越高，越利于价值股；领先指标：经济越好、流动性越低，越利于价值股。表 6：价值与成长宏观经济变量检验汇总同步变量领先变量（前 20 个）宏观变量周期系数Rsquare宏观变量周期领先系数Rsquare制造

46、业PMI_产成品库存81.053.4%制造业PMI_出厂价格731.7014.1%房地产开发投资完成额同比40.832.2%非制造业 PMI_服务业131.629.8%固定投资累积同比10.972.2%对外承包工程完成额同比25-1.489.0%大型机构存款准备金率20.871.5%非制造业 PMI_商务活动14-1.487.9%产销率10.781.4%非制造业 PMI_建筑业121.286.2%核心 CPI14-1.295.5%彩票销售额同比851.024.1%银行 7 天同业拆借利率平均33-0.983.6%负债同比540.913.0%城市 CPI14-1.122.9%非农就业人数35-1

47、.052.6%财新中国 PMI15-0.902.5%大宗商品价格指数330.922.5%CPI14-1.022.5%社会融资规模同比130.792.1%FDI 投资金额同比55-0.792.0%活期存款利率740.852.0%克强指数14-0.792.0%失业率230.932.0%银行间 7 天债券质押式回购平均利率33-0.731.9%资料来源：天软，Wind， 消费与周期以消费相对于周期的走势作为研究对象。同步指标：制造业越好、投资越高，越利于周期；领先指标：消费价格越低、零售越好，越利于后期的周期股。表 7：消费与周期宏观经济变量检验汇总同步变量领先变量（前 20 个）宏观变量周期系数R

48、square宏观变量周期领先系数Rsquare制造业PMI_主要原材料购进价格1-1.945.6%非制造业 PMI_商务活动142.377.5%固定投资累积同比1-1.584.1%核心 CPI542.116.3%大宗商品价格指数1-1.462.9%社会消费品零售总额_城镇42-1.975.5%财新中国 PMI1-1.412.9%银行结汇331.974.9%制造业PMI_采购量4-1.302.5%对外承包工程完成额同比151.934.9%FDI 投资金额同比1-1.242.5%社会消费品零售总额_商品零售32-1.844.8%美元指数11.212.5%主营业务成本累积同比34-1.533.9%原

49、煤累积同比4-1.112.1%出口价格指数64-1.493.7%工业增加值同比2-1.031.8%非农就业人数151.473.6%M0 增速11.011.7%社会消费品零售总额_餐饮收入551.553.4%消费者预期指数9-1.011.5%RPI13-1.312.9%货币乘数251.182.7%CPI13-1.252.6%制造业PMI_产成品库存14-1.332.6%10 年期国债14-1.212.4%银行间 7 天债券质押式回购利率231.222.4%资产同比63-1.102.2%中长期贷款利率23-1.552.2%城市 CPI13-1.102.1%PPI_生活资料32-1.062.0%资料

50、来源：天软，Wind， 金融与非金融同步指标：经济越低迷、利率越高、投资越多、流动性越高，越利于金融；领先指标：利率越高、投资越多，越利于后期金融股。表 8：金融与非金融宏观经济变量检验汇总同步变量领先变量（前 20 个）宏观变量周期系数Rsquare宏观变量周期领先系数Rsquare非制造业 PMI_建筑业1-2.153.9%对外承包工程完成额同比15-2.878.5%大型机构存款准备金率22.113.7%跨境人民币业务结算金额222.175.2%社会消费品零售总额_餐饮收入31.703.3%中长期贷款利率532.645.1%新增固定资产投资完成额同比11.923.0%进出口货运量同比25-2.205.1%民间固定投资完成额21.822.3%对外直接投资同比23-2.074.8%出口价格指数3-1.472.1%进出口总额同比242.184.5%M1 增速41.351.8%核心 CPI12-2.094.4%农村 CPI2-1.351.8%非制造业 PMI_商务活动14-2.113.4%M1-M221.271.6%出口额同比141.803.2%固定投资累积同比41.221.4%10 年期国债12-1.913.1%制造业PMI_原材料库存22-2.053.1%财政支出同比33-1.6