边际预期思维下的股票风格择时探究

股票风格研方回顾A股市场风格轮动速度快A股市场风格轮动速度较快风格择时显得十分必要随着的不同市场对不同类别的公司关注度差异巨大：风险偏好较高时，投资者热衷选择未来成长空间大，更具备想象空间成长股进行投。而当经济进入下行周期，市值较的价股票防守型较好，其相对收益也会更高。本统计了主要宽基指数年度收益率以及巨潮风格指数相对表现情况。无论是市值差异较大的宽基指数，还是成长价值风格差异较大的巨潮风格指数均呈现了快速轮动的特征下图中1234分别代表小盘价值、大盘价值、大盘成长、小盘成长风，我们标注了每月表现最优的风格指数，发现每表现最优的风格指数切换频。股票风格轮动较快因此在不同的周期选择不同的风格进行投资显得尤为必要对于风格的研究，常用的方法主要围绕自上而下的宏变视角，以及自下而上风格因子视角展开ckock因子投资团队的负责人ndrw（2014）将其定义为了宏观因子和风格因子两类。-.%-.-.%-.%.%.%.%-.%-.%.%.%.%.%.%.%-.%.%.%.%-.%.%-.%-.%-.%-.%.%-.%-.%.%-.%-.%-.%-.%.%.%.%.%.%.%.%-.%.%.%-.%.%.%.%-.%-.%.%-.%-.%-.%.%.%.%.%年份上证50沪深300中证500中证1000创业板指20132014201520162017201820192020202120222023累计收益43.29%60.56%101.83%93.53%236.13%wind，。数据统计区间：2013.01.01–2023.03.31。图2每月表最优的风格指频繁切换4321216--9 217--2 218-0-25 220--8 221--1 222-2-3wind，。数据统计区间：2016.01.01–2023.03.31。自上而下的宏观视角宏观视角下的大类资产及股票风格研主是以宏观指标为基根据不同的宏观指标综合判断目前所处的经济周并将不同资产在不同周期下的表现进行拆解或分力找出经济周期和资产价格之间的关联期望在不同周期下选择合适的大类资产或股风格进行投资该种方式理论基础看似纯粹但在实践过程中由于作用机理复杂宏观数据滞后高频数据缺失以及数据口径经常调整等原因实际应较为困难此外面对相同的宏观数据不同投资者对经济所处阶段的认也不同，使用宏观数据容易产生交易层面异议。实际投资中在宏观维度的指标选取上，一从经济周期、通胀周期、信贷周期和利率周期四个维进行宏观代理变量的选取，所用到的变量主要有PPI工业增加值企业利润利率汇率社融规模；PIPPI等宏观因子本身可度量但不可投因此确定宏观状态后需要进一步将宏观因子映射到对应资产进行才能实现组合的可投性桥水集团的全天候策略可以被认为是考虑了经济增长和通货膨之的简化宏观因子投资框架。该策略估计了不同资产分别在经济增长和通货膨胀的四个不同时期的表。桥水在使用该种方法进行投资时，倾向于认为未来宏观经济状态的不可预测性，因此使用风险平价的方式对不同经济状态进行等权配，力求在长期维度下平稳度过不同经济周，这也侧面反应了通过宏观指标进行大类资产或风格择时的难度。经济：增长市场预期：上升经济：通胀市场预期：上升成长股大宗商品公司信用经济：增长市场预期：上升经济：通胀市场预期：上升成长股大宗商品公司信用新兴市场抗通胀债券大宗商品新兴市场债国债抗通胀债价值股公司债经济：增长市场预期：下降经济：通胀市场预期：下降。自下而上的因子视角自下而上的因子视角认为不同类在同一时期可以通过一系列风格因子进行刻画投资者通过控制风格因子暴露即可获相应的风险溢价。该方法论资本资产定价模（P为基础衍生出了PT多因子模型brr、Fm-Frnch因子模型较为成熟的应用方式。n(ri)=rf+βm∗((rm)−rf)+∑βp∗rp−rf)+α+ε1上式为风险资产定价模型bta部分即资产对应不同风格收益率的暴露程度𝑝为组成该风格的一揽子资产组合收益。在实际投资一般需通过购买一揽子股，或策略TF进行组合p的构建，而目前A股策略F总规模不足300亿元且红利F单策略品种规模就超过00亿元因此在使用自下而上的策略指数进行投资时可投标的较。边际预思下的A股风格择时索股价是反应交易者内心预期的符号宏观因子与风格因子作为度客交易世界的符号刻画了不同资产的历史风险暴露情况在被动投资中有利于对投资组合的风险进行控，但每个交易者面对同样的数据亦会对未来产生不同的判断因此本文将主动择时的重点放在了寻找度量市场交易者内一致预的代理变量上力求通过市场一致预期找到交易信号无论自上而视角、亦或者自下而上的因子视，试图通寻找刻画客观世界符号刻画交易市的全貌。这种结构化的方法对资产收益率的归因具有良好的作用，但在预测层面由于每个交易者的背景不同面对同样的数据亦会产生不同的理解这导致即研究人可以通过量化手段刻画市场的全貌，在预测交易市场未来走势方面，每个对同样数也会得出不的结论。我们可以大致地看到股票价格形成的过程首客观世界的信息进入人们的内心世，从而形成预期和价值的预期环节其是人们把内心世界的价值判断输入交易系统从而形成价格的交易环节如果认可这一观点，通过量化进行择时的重点将由符号化客观世并预测符号世界的变化变为寻找度量人心的代理变量。图4股价形成过程。2+1思维：预期思维、交易思边际思维所黄燕铭所长针对交易者内心变化提出了著名的+1思维本文着眼于此寻找超预期的代理变量对市场风格进行择时寻找度量人心的代理变量需要首先认清交易者的思以及行方国泰君安黄燕铭所长针对交易内心变提出了著名的2+1理论：预期思维交易思维+边际思维预期思维是交易者对市场的预期代表了交易者对市场的看法；而交易思维旨在衡量交易是否有足够的筹码在市场中进行交。举例来如果市场上95%的投资者看多但此时所有交易者的仓位已经达到100%那么即使出现超预期从交易边际的层面来看股价也无法再创新高本文的重点在于寻找市场预的变化，也就是超预的代理变量，因此后文主要讨论如何度量超预期，以及超预期对市场的影响，交易边际方面的影响我们将在之后进行讨论。图5证券研究的2+1思维。DDM的贴现思维是衡量超预期的理论基础本文重点对预期思维下M模型的贴现思想进行研究寻找模型中参数的代理变量预期思维的理论基础是M模型的贴现思想、交易思维的理论基础是微观结构理论，边际思维的理论基础是有效市场理。股息贴现模型M模，用于为公司的股权资产定价原理就是把预企业未来的现按利率贴现成现值该现值即为企业价。该模型理论依据充分，但在实务估计中，由于客观事件的复杂性以及未来的不确定性，使用该模型计算的结果很难说是准确庆幸的是，作为二级市场交易的投资者我们在边际思的导向下更关注的是公司价格的变动，而非公司价值的价格符号本身，因此我们可以将M模型抽象为两个部分，对分子分母的变动进行观察，由此推断接下来的风格。模型分子衡了企业的盈利预期，当企业盈利预期上升，企业价值提升股价上涨特别的M模型为多期折现模型一般而言在经济预期较好时远期盈利增速较高，此时成长股股价上涨幅度快于价值。因，一般而在市场盈利预期上行时，成长股优于价值股。模型的分母端衡量了企业的折现率，该部无风险利率与风险利率组成当市场情绪不佳时，投资者需要较高的风险溢价作为补偿，此时风险溢价上升。β衡量了企业的经营杠杆，一般而言，小市值公司的经营杠杆更高，因此，小市值公司对风险溢价的变动更加敏感。也就是说，当市场情绪降低，风险溢价要求上升，公司股价下跌，此时小市值公司由于β较大受到的影响更大股价下跌幅度较大市值公司更深因此，当市场要求的风险溢价上升时，配置大市值公司优于小市值公司。图6将复杂的M模型简化为两个变量。本文研究方法样本空间本文以国证1000指数为基准使用模型对巨潮风格指中的大盘价值、大盘成长、小盘价值、小盘成进行择，观察策略择时效。国证1000指数是按照市值和成交金额在市场的占，选取排名靠前的1000只股票构巨潮风格指数巨潮规模指的样本空间编制巨潮规模指采用国证1000的样本空间进行编制也就是说巨潮风格指数的成分股为国证1000指数成份股的子集因此我们使用国证100指数作为基准，对巨潮风格指数进行择时，观察策略效果。研究对象及解变量研究对（因变量）本文尝试以M模型为基础，使用模型的分端与分母端变情，分别在大盘、小盘，成长、价间进行择我们首先分别构造了衡量市值收益率的因变量与衡量风格收益率的因变：(1+R巨潮大盘)Rcap=(1+R

巨潮小

)−1(1+R大盘价值∗0.6+R中盘价值∗0.25R小盘价值∗0.15)Rstye=(1+R

大盘成

∗0.6+

中盘成

∗025

小盘成

∗0.15)−1Rca使用巨潮大盘指数收益率与巨潮风格指数收益率计算当大于0时，表示当月国证1000成份股内大盘股走势优于小盘股由于巨潮没有成长与价值指数因Rsty只能使用巨潮风格系列指将风格系列指数按市值加进行计算巨潮大盘、巨潮中盘、巨潮小盘的市值比例约为602515，因此在计算风格收益率时我使用该比例对收益率进行加权。解释变量（自变）本文所用自变量衡量M模型分、分母端的代理变，变量处为月频数M模型子端为盈利预期的变动我们使分析滚动一致预期净利、分析滚动一致预期净利同、分析滚动一致预期净利润两年复合增长以及分析师盈利预期动组成M模型分母端主要变量为风险溢价，我们使滚动一致预期市盈、分析师滚动一致预期市盈差、沪深300年化基中证500年化基基差动量作为代理变量。本文在获取解释变量原始值后，对数据进行如下处理1）除基差数据外，其余变量均采用移动平均3期的方法进行平滑2对数据进行滚动标准化处理。表1：自变量说明自变量 代理变量 指标说明 备注1、获得个股一致预期市盈率数据分析师滚动一致预期市盈（on_p）

个股统计日收盘价/个股未滚动PS

2、采用成份股市值加权，计算国证1000指数一致预期市盈率风险溢价变盈利预期变

分析师滚动一致预期市盈率差（on_p_dff）沪深300年化基差（n_bss_nnuyd_300）中证500年化基差（n_bss_nnuyd_500）基差动量（n_bss_nnuyd_t）分析师滚动一致预期净利润（on_np_ro）

沪深300主连期货点位和标指数点位差值的年化收益率中证500主连期货点位和标指数点位差值的年化收益率预测年t的个股一致预期净利润*(m365)+预测年t+1个股一致预期净利润(1-365)

1、对分析师滚动一直预期市盈率数进行标准化2、大盘股分析师滚动一致预期市盈率–小盘股分析师滚动一致预期市盈率1、获得宽基指数日度年化数据2、获得年化基差月度均同上中证500年化基差-沪深300年化差朝阳永续。

分析师滚动一致预期净利同比差（on_np_yoy_dff）分析师滚动一致预期净利润两复合增长率差（on_nprt_2y_dff）分析师盈利预期动量（on_rt_t）

100*（本期滚动一致预期归母公司净利润-上期滚动一致期归属母公司净利润）/AB(上滚动一致预期归属母司净利润)100*(QRT(个股未来滚动净利润/个股历史滚动净利润)-1)

价值股分析师滚动一致预期净利同比–成长股分析师滚动一致预期净利比价值股分析师滚动一致预期净利润两年复合增长率–成长股分析师滚动致预期净利润两年复合增长率分析师滚动一致预期净利同比差-析师滚动一致预期净利润两年复合增长率差回归模型本文使用ogstc回归对市场状态进行分析该模型通常用于分类和预测性分因变量的范围在0和1之间由于我希望找到未来相对强势风格，因此相较于收益率本身，我们更加关注不同市值及风格指数收益率间的相对关系本文因变量分别Rca与Rste因此当R大于0时我们将R的值调整为1当R小于0时我们将R的值调整为0。具体模如：IRct>0}Rct=at1+bt1npet1+t−1npedit1+dt1analbsisaannulied00t1+et1analbassaannuaied50t1+t−1anlbasisaanuaiedmtt1+t1IRstyet>0Rstyt=at1+bt1nnprllt1+t1nnpdit1+dt1nnpgratedit1+et1ngratemt1+t1模型预测效较好国证1000成份股风格周期明显本文绘制了因变量累计收益率曲线国证1000成份股内部风格轮动明显。2021年2月前，大盘股走势持续优于小盘股，这期间经历了2016年消费估值洼地修复2017年供给侧改革2018年下跌市2019-2021年抱团股行情，该段持续5年多的行情于2021年2月结束，此后小盘持续优于大8年底，以家电，银行，国企改革相关主题的价值股持续占优，但到了2019年，随着经济企稳预期的到来，以消费、医药、新能源、光伏等为代表的成长股行情开始爆发，该段行情结束于2022年初此后市场出现尾部风险防御属性较强的价值股重新走强。图7国证1000成份股大盘优于小盘 图82016年至今成长价值间收益差距不大大盘-小盘（左轴） 大-小盘状态（右轴） 价值-成长（左轴） 价值-成长状态（右轴）22218161412108215-2-31 217-2-31 219-2-31 22123

1 151413121110908070 06215-2-31 217-2-31 219-2-31 22123

10908070605040302010wnd wnd数据统计区间：2016.01.01-2023.03.31 数据统计区间：2016.01.012023.03.31分析师及交易数据对指数未来风格具有解释作用ogistic回归后可以看出分析师及交易数据对指数未来风格具有解释作用。我们分别使巨潮风格指构造了大-小盘、价-成长收益率哑变量，并且使用分析师预期以及宽基指年化基差数据作为自变量与其回归结发现，模型整体显，风险偏好以及宽基指年基差对大小盘风格具有解释作分析师盈利预期对价-成长风格具有解释作用。当分析师对大盘股的乐观程度高于小盘股时未来大盘股表现较好当分析师整体乐观时未来小盘股表现相对较好市场的预期了当前状态下分析师的风险偏好当分析师对大盘股较为乐观时，未来大盘股表现较好当分析师愿意给出整体估值抬升时，说明分析师比较乐观，当风偏好高，此投资者所需要的风险溢价下，因此对风险溢价更加敏感的小盘股股价上升速度高于大盘中证500指数年化基差与大盘股未来相对收益负相关基差动量短期具有反转效应指数年化基差可以反映市场情绪的相对强弱状态，正常情况下，由于持有股指期货无法获得股息收益，因此基差为负，但少数情况下，当市场情绪走强，股指期货多头仓位上升会导致基差收敛甚至为正我们选取沪深300股指期货年化基差中证500股指期货年化基差分别代表国证000指数中大盘股与小盘股情绪的强弱回归结果显示当中证500股指期货基差较高时，未来小盘股表现相对较高沪深300股指期货基差回归系数为正但P值不显著年化基差动量为中证500股指期货年化基差减去沪深300股指期货年化基差，回归系数为正说明当基差动量较高时，未来大盘股表现较好，基差动量具备反转效应。当价值股滚动一致预期长股时成长股未来表现较好；当价值股分析师滚动一致预期净利润两年复合增长高于成长时未来价值股表现较好一致预期利润增速反应了M模型中分母端的预期变化情，当一致预期净利润同比较高时，说明分析师预期未来企业表2：模型相关性检验

利润上。回归发现，当分析师对风格下成份股短期业绩上调较快时，指数内部风格未来会发生反转效应当分析师对风格下成份股2年期业绩上调较快时，指数内部风格未来反应出动量效应。因变量自变量系数系数P值模型P值拟合优度on_pe-0.760.006***𝑫𝒎(𝑹on_p_dff0.590.028**)n_bss_nnuyd_3000.710.068*0.005**14.24%n_bss_nnuyd_500-1.440.002***n_bss_nnuyd_0.960.009***on_np_rol-0.200.380𝑫𝒎(𝑹on_np_yoy_dff-1.770.088*𝒔𝒚𝒍𝒆on_nprt_2y_dff0.800.014**0.079*7.04%on_rt_t1.240.155wind，。数据统计区间：2016.01.01–2023.03.31。价值成长风格较为稳定，市值风格切速度快价值成长风格主要受到盈利预期的影响和经济周期挂钩风格延续性较好而市值风格受到情绪的影响变化较快为了防止使用未来数据，本文使用滚动回归的方式计算模型系数并用拟合t+1期因变量数值，由于ogstc回归因变量介于0到1之间因此拟合值也介于该范围通过拟值发现，价值成长风格的变化相对较为平缓，主要是因为价值成长风受到经济周期的影响大，经济周期变化较慢导致。市值风格由于受到情绪因素影响，市场情绪变化较快，因此市值风格的预测值波动较大。2017年受供给侧改革影响上游产业聚集的价值股表现较好分时段看，017年5月前价值股表现较好此后几大风格指数走势未出现明显分化，至当年10月，价值股再次走2018年由于中美贸易摩擦，防守型较强的价值风格延续，同时市值上由于风险偏好降低，市场也更加青睐大市值股票2019年随着经济复苏周期的开启风格逐渐向成长风格切换值得注意的是在这个阶段由于市场对经济复苏的确定性不强，风险偏好变化迅速2019年一季度市场情绪切换较快直到二季宏观数确认经济复苏周期，市场情绪才重新回归2020年疫情爆发初期，市场避险情绪浓重但随着全球扩表A股经历了两年较为稳定的风格。022年随着黑天鹅事件的不断爆发市场资金重新回到价值股进行避险，此时由于市场下跌与反弹都十分迅速，大小盘风格切换较快2023年，随着经济温和复苏的预期开启，市场情绪开始回暖，但由于一季度为财报真空期，此在此期间盈利预期的相对变化较为稳定。图92023年盈利预相对变化不大市值风向小市值切换价值_成长（估计值） 大盘_小盘（估计值）1009080706050403020100217--6 218--6 219--6 220--6 221--6 222--6 223--6。数据统计区间：2016.01.01-2023.03.31。策略年化超额收益率11.88，超月度胜率65我们使用当月预测值进行次月交易2017年1月1日至2023年3月31日策略年化收益14.43%策略相对国证1000指数年化超额收益率达到1.88%。每月末，我们根据模型预测值，在大盘价值、大盘成长、小盘价值、小盘成长四个风格指数中进行择。估计值umy(Rcap大于0.5时，次月交易大盘风格当估计umy(Rstye大于0.5时次月交易价值风格，小于0.5时交易相反方向，每月进行换。下图中1234分别代小价值大盘价大盘成长小盘成长风格2017年初价值股走势较好此后价值成长趋于平衡模型预测交易风格为成长股到2017年10月价值股重回强势2017年底至2019年中，模型在大盘价值与小盘价值间切换019年经济进入复苏周期，叠加疫情全球货币宽松风格在小盘成长上延续性较强直至2021年底市场才重新关注价值风格2022年底，随着疫情管控政策的逐渐放松，经济复苏预期再起，风格重回成长，目前市场情绪偏强，建议交易小盘成长风格从不同风格交易频次看，小盘成长风格交易频率较高，其它风格相差不大。017年1月1日至2023年3月31日，策略年化收益14.43%同期国证1000指数年化收益2.34%策略相对国证1000指数年化超额收益率达到1.88%超额收益月度胜率为65%通过统计每月超额收益情况我们发现，策略超额收益来源主要为下跌市场，市场风格切换表现一般。图10成长、价值风格延续性较强 图1小盘成长风格交易频次较高1816144 30 27181614253 20152 1051217--6 218--0 219-0-23 221--6 222--9

0大盘成长 大盘价值 小盘成长 小盘价值wnd wnd数据统计区间：2017.01.01-2023.03.31 数据统计区间：2017.01.012023.03.31图12策略年化超额收率1.88%，月度胜率65%月度超额（右轴） 策略收益（左轴国100（左轴） 超额收益（左轴2725232119171513110907217--3 218--3 219--3 220--3 221--3 222--3 223--

1%1%8%6%4%2%0%-2%-4%-6%-8%。数据统计区间：2016.01.01-2023.03.31。总结风格配置的研究上，常用方法主要围绕自上而下的宏观视角，以及自下而上的风格因子视角展，ckock因子投资团队的负责人ndrw2014）将自上而下与自下而上的方法定为了宏观因子和风格因子两。宏因子方面随着国家经济政策从重总量到重结构过度，获取宏观总量指标中的信息含量预期将变得更加困，因子解释力可能会出现下降的情；风格因子方，使用风格因子进被动配置投资方式确实可以获得超越基准的超额收益，是市场的策略TF较少，使用该方式进行投资在实操中较为困难。此外宏观因子与风格因子作为度量交易世界的符号可以刻画出不同资产历史风险暴情况在被动投资有利于对风进行控制。但每个交易者面对同样的数据，亦对未来产生不同的判，因此采用上述两种方式进行主动风格择时较为困。基于，本文将择时的重点落在了寻找度量人一致预期的代理变量上我立足于因研究方，从二加一思维出发，尝试使用量化的方式度量市场超预，通过市场一致预期找到交易信号并以此为基础进主动风格择时。报告采用ogstc回归将大-小盘价值-成长的收益率按照正负值区分为二元变量，验证分析师一致盈利预期、盈利增速、估值，以及宽基指数基差等数据不同风的解释作用结果发现分析师一致预期以及基差对指数风格具有良好的解释作用。检验完成后，进行策略的构建：本文使用滚动回归的方式，在每月最后一个交易日进行模型的参数估计，将估计值运用在次月交易。策略以国证1000指数为基准在采国证1000指数作为样本空间的巨潮大盘价值小盘价值大盘成长小盘成长风格指间进行择时2017年1月1日至2023年3月31日策略年化收益14.43%国证1000指数年化收益2.34%，超额年化收益1.88%。附录巨潮风格指数成份股权市值分布大盘价值、大盘成流通市值平均规模分别为2341.59、1692.85亿，市值多集中在500-4000亿元中盘价值中盘成长流通市值平均规模分别为428.80、419.56亿元，市值多集中在200-800亿元；小盘价值小盘成长流通市值平均规模分别为189.99189.94亿元市值多集中在100-00亿元。图13大盘价值指数成份股权重市值 图14大盘成长指数成份股权重市值1,001,00

1,001,00流1,00通流1,00通流通800市800（600市值（亿600元元400）400） 20000%

2% 4% 6% 8% 1个股占比

20000%

2% 4% 6% 8% 1%个股占比wnd wnd数据统计时间：2023.03.31 数据统计时间：2023.03.31图15中盘价值指数成份股权重市值 图16中盘成长指数成份股权重市值120100流通8市（值6（亿元4）200

0% 1% 2% 3% 4% 个股占比

120100流通8市（值6（亿元4）200

0% 1% 2% 3%个股占比wnd wnd数据统计时间：2023.03.31 数据统计时间：2023.03.31图17小盘价值指数成份股权重市值 图18小盘成长指数成份股权重市值4030流30

6050流市通20市（值20（亿10元）10500

0% 1% 个股占比

通4市（值3（亿元2）100

0% 1% 2% 3%个股占比wnd wnd数据统计时间：2023.03.31 数据统计时间：2023.03.316.2. 巨潮风格指数成份股中信一级行业分布表3：巨潮风格指数成份中信一行业分布情况大盘