不同市场⾏情下股票多头策略的业绩来源及策略展望-策略评价系列报告（⼆）投资要点： Carhart四因素模型显⽰，市场因⼦、规模因⼦、价值/成长因⼦和动量/反转因⼦是股票多头策略业绩来源的核⼼因⼦。基⾦经理的择时、风格配置过程即是对核⼼因⼦的管理过程，⽽因⼦对基⾦业绩的影响⼒度取决有⼆：因⼦本⾝的特征及基⾦经理对因⼦的动态管理能⼒。
基于对股票市场的⾏情划分，我们统计了不同⾏情下4个因⼦对公募股票多头策略类基⾦产品全样本及表现最好的前20%基⾦（Top基⾦）的解释⼒度。虽然股票多头类策略的业绩表现受市场⾏情影响较⼤，但我们发现Top基⾦能够在⾏情低迷时降低损失，在⾏情好转时扩⼤收益，这说明除了市场因⼦外还有其他因⼦影响策略的业绩表现，也说明优秀的股票多头策略可以在⼀定程度上控制因⼦的影响⼒，并通过因⼦的主动选择契合市场风格特征。这种主动控制与选择能⼒正是基⾦经理择时与风格配置能⼒的体现，是优化因⼦组合主动风险暴露度的过程。
吕贝卡
通过将不同⾏情阶段Top基⾦与全样本基⾦因⼦系数的对⽐分析，我们发现：单边上涨期，Top基⾦较全样本基⾦主动提⾼了市场暴露，同时在选股上更加偏向于当时⽜市中盛⾏的⼩盘风格，并通过板块与主题间的轮动操作，重点选择前期滞涨品种，捕捉个股的反转效应；震荡上⾏期，Top基⾦较全样本基⾦有更⾼的市场暴露，同时在选股上更能契合震荡上⾏期的市场风格，如2016年以来的⾏情中，Top基⾦就主动契合了偏向于⼤盘与价值的市场风格；单边下跌
期，Top基⾦较全样本基⾦主动减少市场暴露的⼒度更⼤，同时减仓也导致了对其他三个因⼦的暴露度减⼩；震荡下⾏期，Top基⾦较全样本基⾦在市场暴露上有所降低，同时在选股上采⽤了更加均衡的配置思路；区间横盘振荡期，Top 基⾦与全样本基⾦相⽐更加主动顺应了市场的⼩盘风格，加⼤了⼩盘股的配置，同时在选股上更倾向于选择强势个股，捕捉动量效应。
风格因⼦具有轮动特征，股票多头策略运作是否良好，除⼤势因素外，还在于对市场风格的动态跟踪与预测。我们基于风格指数的累计收益率⽅法构建了相对强弱模型⽤于监测各类风格轮动特征，模型整体表现良好，⽬前指向⼤盘、价值与反转效应的市场风格。
展望2017年1季度，考虑到微观企业盈利仍处于上⾏趋势，流动性也边际有所改善，且政策层⾯对市场形成利好，我们对权益市场保持乐观，股票多头策略运作的⼤势环境尚可。结合对未来市场风格的判断，建议可重点配置股票型基⾦或偏股混合型基⾦，这两类基⾦的市场暴露程度较⾼，有望获取市场因⼦的正收益，其中市场风格偏向⼤盘与价值，且操作风格上偏反转效应的基⾦获取超额收益的概率较⾼，可重点关注。法国女英雄
风险提⽰：本报告所载的任何建议、意见及推测仅反映本公司于本报告发布当⽇的判断。
本报告是我们策略评价系列报告的第⼆篇。在上⼀篇报告中，我们系统阐述了策略评价研究的意义以及框架，并对市场中性策略进⾏了详细研究。本报告将延续这⼀框架，选取股票多头这⼀主流策略进
⾏评价，深⼊探讨股票多头策略的业绩来源、影响因素，并对近期该策略的可能表现进⾏展望（感谢王⽅鸣同学对本报告的贡献）。
1.不同⾏情下股票多头策略的历史表现
鉴于公募基⾦较私募基⾦历史数据更完整，我们以市场上700多只公募股票型及偏股混合型基⾦的历史净值作为研究样本。此外，考虑到基于⾦融产品的动态资产配置，⼀个关键之处在于如何筛选优异的⾦融产品标的，关注表现较优的股票多头策略类基⾦的净值更有实战指导意义，因⽽我们也统计了表现最优的前20%基⾦的历史业绩。
dta
考虑到不同⾏情下股票多头策略的业绩来源及核⼼影响因素可能不尽相同。为便于深⼊研究，我们对市场⾏情进⾏划分，并在不同⾏情下对股票多头策略进⾏探讨。2010年11⽉—2016年12⽉，沪深300指数恰好经历了五次典型性⾏情，依次为：震荡下⾏期，区间振荡期，单边上涨期，单边下跌期以及震荡上⾏期。排课算法
我们基于上述⾏情划分，统计了不同市场环境下股票多头策略的全样本基⾦及各段⾏情中表现最好的前20%基⾦（简称Top20%基⾦）的历史业绩。为便于⽐较，我们对不同时期的收益率进⾏年化处理。
整体看，⽆论是全样本基⾦还是Top20%基⾦在市场下跌时均录得负收益，在市场上涨时期均取得盈利，其中单边上涨时期Top20%基⾦的年化收益率更达到136.9%，这说明股票多头类策略的业绩表现受市场整体⾏情影响较⼤。不过我们也发现，Top20%基⾦能够在⾏情低迷时降低损失，在⾏情好转时扩⼤收益，这说明除了市场因⼦外还有其他因⼦影响策略的业绩表现，也说明优秀的股票多头策略可以在⼀定程度上控制因⼦的影响⼒，并主动契合当时表现较好的因⼦风格。这种主动控制与选择能⼒正是基⾦经理择时能⼒和风格配置能⼒的表现，是优化因⼦组合主动风险暴露度的过程。我们对样
本收益率进⾏后验分析，出不同⾏情下能够解释股票多头策略业绩来源的有效因⼦，评估因⼦的解释⼒度，并纵向、横向⽐较因⼦暴露度的动态变化。
2.股票多头策略的业绩归因——Carhart四因素模型
2.1Carhart模型构建
数据采集和清洗：采⽤周频率数据序列构建回归模型。以市场772只公募基⾦累计净值收益率作为被解释变量；选取申万A股指数代表市场因⼦；市值规模因⼦、价值因⼦与动量因⼦序列均以全部A股数据为基础构造。为了减少新股波动率过⾼的影响与基⾦建仓期内净值不稳定的影响，剔除上市24个⽉内的新股数据与建仓期内（成⽴不满三个⽉）的基⾦净值数据。
市场因⼦：以申万A股指数周收益率-1年期国债周收益率表⽰。
动量/反转因⼦：采⽤Carhart(1997)⽅法：（1）建仓：选取赢家组合（过去6个⽉累计收益排名前30%）与输家组合（过去6个⽉累计收益排名后30%），等权重买⼊；（2）换仓：换仓频率为三个⽉⼀次，重新选取换仓时点上的赢家与输家组合；（3）因⼦计算：赢家组合收益率序列-输家组合收益率序列。
股票分类：采⽤Fama&French(1993)⽅法，构建价值/成长因⼦与规模因⼦需要先对所有股票进⾏分类。
以建仓/换仓时点上A股所有股票的市值中位数为界，将全部A股划分为⼩盘股S类与⼤盘股B类；同时在建仓时点上将全部A股按照市净率进⾏逆序排序，将排名最后30%的股票分为价值股H类，中间40%分为中等M类，排名前30%的股票定义为成长股L 类。两个维度的划分产⽣6个股票组合：S/L，S/M/，S/H，B/L，B/M，B/H。
价值/成长因⼦：（1）建仓：分别按照股票市值权重买⼊S/H,B/H类两个价值股组合，分别按照股票市值权重买⼊
S/L，B/L类两个成长股组合；（2）换仓：每三个⽉换仓⼀次，重新按照定义的分类⽅法构建两个价值股组合与两个成长股组合；（3）因⼦计算：（S/H+B/H）平均收益率序列-（S/L+B/L）平均收益率序列。
市值规模因⼦：（1）建仓：分别按照股票市值权重买⼊S/L，S/M，S/H类三个⼩盘股组合，分别按照股票市值权重买⼊B/L，B/M，B/H类三个⼤盘股组合；（2）换仓：每三个⽉换仓⼀次，重新按照定义的分类⽅法构建三个⼩盘股组合与三个⼤盘股组合；（3）因⼦计算：（S/L+S/M+S/H）平均收益率序列-（B/L+B/M+B/H）平均收益率序列。
模型优化：为缓解多重共线性问题，我们采⽤因⼦提纯的⽅法，⽤提纯后的价值因⼦（原价值因⼦y与市值规模因⼦x回归后的残差项）代替原价值因⼦。
2.2Carhart模型检验
无水乙腈为了考察Carhart模型设计是否合理，我们对模型调整后拟合优度及拟合参数的t统计量进⾏检验。
为了考察Carhart模型设计是否合理，我们对模型调整后拟合优度及拟合参数的t统计量进⾏检验。
调整后拟合优度检验：样本内各个时期的模型调整后R^2⼤于0.75的占⽐均在75%以上，模型拟合优度较⾼，这说明模型设计是合理的，能够较好解释基⾦的收益来源。
系数t统计量检验：⽆论是全样本基⾦还是Top20%基⾦，不同市场⾏情下不仅市场因⼦的t统计量显著度占⽐较⾼，其他⼏个因⼦的暴露度在95%的置信⽔平上也有较⾼的显著性占⽐，这再次证明Carhart模型的有效性，意味着市场因⼦、市值规模因⼦、价值/成长因⼦及动量/反转因⼦均为影响多头策略的有效因⼦。此外，alpha⼤部分时期的显著性⽔平占⽐较低，表明⼤多数股票多头类基⾦获取风险调
整后超额收益的能⼒并不强，收益主要来源于对风险因⼦的暴露。
3.基于回归系数的因⼦分析
因⼦的回归系数不仅可以反映出股票多头策略在不同⾏情下的业绩来源，还可以反映出各因⼦对基⾦业绩影响⼒的⼤⼩。我们统计了各个因⼦的⾮零中位数，即剔除系数不显著的样本基⾦，仅观察显著因⼦的影响⼒。
3.1.全样本基⾦的因⼦系数
在统计全样本基⾦的显著因⼦系数后，我们发现：(1)市场因⼦始终是最重要的解释变量。不过在不同⾏情阶段，市场因⼦的解释⼒度有所不同，单边上涨与单边下跌时期，市场因⼦对收益的解释⼒度相应也最⼤，这说明在显著的趋势性⾏情中，择时能⼒是最重要的；不过当市场陷⼊振荡⾏情时，市场因⼦的解释⼒度有所下降，其他⼏个因⼦的解释⼒度上升。(2)价值/成长因⼦的影响⼒度整体仅次于市场因⼦，因⼦系数在历次⾏情中均为负，说明多数股票多头类基⾦倾向于成长风格（但这并不意味着持仓偏成长风格始终是⼀个占优策略）。(3)动量/反转因⼦根据市场状态的不同呈现⼀定轮动特征，绝⼤多数基⾦在单边市场倾向于反转风格⽽在震荡市场倾向于动量风格；(4)⼤多数基⾦偏好于⼩盘风格，但规模因⼦的解释⼒度依据市场状态有所不同，单边上升及下跌⾏情中，规模因⼦的解释⼒度要显著⾼于振荡市场，这可能是由于单边⾏情中⼤⼩盘风格轮动的特征较为显著所致。
社会主义探索阶段
3.2.Top20%基⾦的因⼦系数
3.2.Top20%基⾦的因⼦系数
各个⾏情阶段收益率排名前20%的基⾦是我们观察的重点，因为每段时期表现最优的基⾦⼀定更加契合当时的市场⾏情，从⽽能够反映出各⾏情阶段股票多策略最优的因⼦组合，我们统计了Top20%基⾦的因⼦⾮零系数中位数分布。
从表4可以看出: (1)与全样本基⾦⼀致，Top20%基⾦不同时期最重要的解释变量依然是市场因⼦。不过Top20%基⾦对市场因⼦的暴露度在⾏情下跌与上涨期的分化显著，即Top20%基⾦较全样本基⾦有更出⾊的择时能⼒。（2）除市场因⼦外，其他因⼦对Top20%基⾦的业绩来源也有⼀定的解释⼒度。同全样本基⾦⼀致，Top20%基⾦单边市场趋向于采⽤反转策略，在震荡⾏情倾向于动量策略；多数时期偏好于成长与⼩盘风格；（3）在震荡下⾏期和单边下跌
期，Top20%基⾦对市场因⼦的暴露度显著下降，在震荡下⾏期⼀度降到0.22，对其他因⼦暴露的绝对值也明显下降。这符合现实的逻辑：在基⾦规避系统性风险、降低仓位时，其实也减少了对其他风
格的暴露，也即股票多头策略中的市值规模因⼦、价值因⼦、动量因⼦的解释⼒度会受到市场因⼦解释⼒度的牵制，这与多头策略⽆法反向做空市场有关。
3.3.Top20%基⾦与全样本基⾦因⼦系数对⽐
我们将各⾏情阶段Top20%基⾦与全样本基⾦的因⼦系数进⾏对⽐，以更加深⼊的分析业绩优异的股票多头策略基⾦相⽐全样本基⾦的超额收益来源。
震荡下⾏期，Top20%基⾦较全样本基⾦主动减少了市场暴露，同时在选股上采⽤了更加均衡的配置思路；震荡上⾏期，Top20%基⾦较全样本基⾦有更⾼的市场暴露，同时在选股上较为契合了震荡上⾏期的市场风格（样本中的震荡上⾏期对应的是2016年初以来的⾏情，风格偏向于⼤盘与价值）。
单边下跌期，Top20%基⾦较全样本基⾦⼤幅减少了市场暴露，同时因为公募机构的做空限制，⼤幅减仓也导致了对其他三因⼦的暴露度减⼩；单边上涨期，Top20%基⾦较全样本基⾦提⾼了市场暴露，同时在选股上更加偏向于当时⽜市中盛⾏的⼩盘股风格，并通过板块、主题间的轮动操作，重点选择前期滞涨品种，捕捉到了个股的反转效应。
区间震荡期，Top20%基⾦与全样本基⾦相⽐更加主动顺应了市场的⼩盘风格，加⼤了⼩盘股的配置，同时在选股上更倾向于选择强势个股，捕捉动量效应。
通过Top20%基⾦与全样本基⾦的⽐较可以看出：
（1）Top20%基⾦的超额业绩来源之⼀为基准择时能⼒。具体在操作上，既可以通过加仓来实现，也可以通过超配⾼贝塔值个股实现，最终表现结果为基⾦对市场因⼦的暴露度明显提升。不过由于公募基⾦最低权益资产仓位的限制及对做空的限制，股票多头策略对市场的暴露度永远为正，这恰是多头策略的弱点，意味着对市场因⼦的管理⼿段受到限制，当市场系统性风险来临时，既⽆法通过⼤幅减仓规避系统性风险，也不能通过主动做空来增厚收益。
（2）Top20%基⾦的超额业绩来源之⼆为有效契合了不同市场⾏情阶段的风格特征。不同于全样本基⾦，Top20%基⾦超额收益还来源于对当时市场⾏情中⼤⼩盘轮动、价值成长轮动以及动量反转轮动特征的把握，或者说对某类因⼦的选择恰好契合了当时⾏情特征。（⼀段时期内基⾦的业绩优异，并不⼀定是该基⾦主动管理能⼒强的表现，还可能是因为某类基⾦的风格恰好契合了当时的市场环境）
（3）当市场下跌时，多头策略对市场因⼦管理能⼒的天然缺陷（⽆法做空市场因⼦）也影响到了对其他三个因⼦的主动管理。在市场下⾏期间，即使基⾦在⼤⼩盘、价值成长等风格选择上优异，但由于市场因⼦的收益为负，且量纲放⼤，股票多头策略也很难获取正收益。
（4）虽然价值因⼦的回报多数时期为正，但是Top20%基⾦对该因⼦的暴露多数时期却为负。我们认为这并不违背市场逻辑。价值因⼦主要集中在⼤盘股，⽽⼩盘股多为成长股。如果对⼩盘因⼦的暴露为正，就极易造成对价值因⼦的暴露度为负，鱼和熊掌⼆者不可兼得，很难同时录得两个因⼦的收益。结合五段⾏情因⼦的收益来看，多数时期⼩盘因⼦的平均收益率⼤于价值因⼦，前四段⾏情中⼩盘因⼦平均周收益率为0.45%，⽽价值因⼦为0.27%。两利相权取其
重，Top20%基⾦在两个因⼦间选择了⼩盘因⼦。
3.4.Top20%基⾦因⼦业绩贡献度分析
归因模型中对各因⼦系数的分析，更多反映的是不同⾏情阶段策略业绩与各类因⼦值的变动关系，但由于原始序列中量纲的存在，如果要进⼀步考察各因⼦对基⾦业绩的具体贡献程度，就需要消除量纲的影响。
我们采⽤标准化回归系数⽅法。假定回归⽅程的形式为：Y = b0 + b1X1 + b2X2 + … +bjXj (Y为估计值)，则标准化回归系数的公式为bj' = bj*(Xj的标准差/Y的标准差)。下图列出了标准化后的各因⼦系数。
豫公网安备41160202000603
站长QQ:729038198
关于我们
投诉建议