研究报告全文：yrtsudnIelbaT策略专题TableTitle策略研究挖掘价值投资成长行业动量与反转效应的探究股TableAuthor策东方财富证券研究所略2023年09月26日证券分析师陈鼎证书编号S1160522110002证券TableSummary电话021-23586470研核心观点究报行业动量效应在A股客观存在但传统的简单动量因子包含信息量相关研究TableReports告过少预测效果一般我们对动量因子采用多种方式进行优化融市场震荡等待海外冲击趋缓合为一个新的复合动量因子该因子的回测效果相比简单动量因子20230926有显著提升持续关注医药煤炭等板块复传统简单动量因子以及改进后的复合动量因子都会出现动量失苏20230919效甚至动量反转的现象这种情况常常出现在牛熊转换期以及关注国产光刻赛道及卫星产业熊市当中我们设计了一个行业反转因子并采用因子择时的思赛道路尝试将市场划分为强市和弱市2种状态在不同的市场环境下20230911分别应用动量因子和反转因子使两个因子能够互相取长补短继续关注地产煤炭钢铁等最后我们将分析师预期因子加入纯量价模型当中打造一个复合顺周期板块复苏模型回测效果较好并且在熊市中仍然能跑出超额收益在2013202309049月行业轮动配置建议到2022年的回测区间当中复合模型的年化收益率超过25月胜20230901率达到74超额收益的最大回撤较单纯的复合动量模型或分析师预期因子模型有显著改善风险提示测试结果基于有限的历史数据和量化模型模型可能存在过拟合风险不能保证对样本外的数据做出有效判断Tableyemei策略专题2017正文目录1A股中存在行业动量效应42尝试寻找效果更优的行业动量因子521基于绝对收益率的简单动量522经风险调整后的动量因子623经股价路径调整后的动量因子724动量变化情况825成交量变化情况103将多个动量因子整合为复合动量因子114行业动量因子失效现象探究及改进135将分析师预期因子融入动量择时策略196总结217风险提示21图表目录图表1行业动量策略分组回测结果201020224图表2行业动量策略超额回报201020225图表3简单动量因子回测结果比较6图表4简单动量-优选因子分组回报率6图表5简单动量-优选因子超额回报6图表6夏普比率因子回测结果比较7图表7夏普比率-优选因子分组回报率7图表8夏普比率-优选因子超额回报7图表9ATR调整后动量因子回测结果比较8图表10ATR调整后动量-优选因子分组回报率8图表11ATR调整后动量-优选因子超额回报8图表12动量改善度因子回测结果比较9图表13动量改善度-优选因子分组回报率9图表14动量改善度-优选因子超额回报9图表15成交量波动因子回测结果比较10图表16成交量波动-优选因子分组回报率11图表17成交量波动-优选因子超额回报11图表18不同因子之间相关性11图表19单因子与复合动量因子效果比较12图表20复合动量因子-分组回报率12图表21复合动量因子-超额回报12图表22复合动量因子泡沫度分组回报率13图表23复合动量因子泡沫度超额回报13图表24简单动量因子N21存在因子失效现象13图表25复合动量因子同样存在因子失效现象14图表26复合动量因子失效情况14图表272006年以来A股全行业年度回报率的标准差15图表28A股全行业轮动速度201042023616图表29中证全指收盘价VS波动率20102022年16图表30中证全指走势VS换手率20102022年17敬请阅读本报告正文后各项声明2Tableyemei策略专题2017图表31中证全指的trace指标与收盘价走势基本同步17图表32反转因子-分组回报率18图表33反转因子-超额回报率18图表34反转因子在回测期内4段熊市中的表现18图表35动量择时策略-分组回报率19图表36动量择时策略-超额回报19图表37复合模型回测结果20图表38复合模型回测-分组回报率20图表39复合模型回测-超额回报20敬请阅读本报告正文后各项声明3Tableyemei策略专题20171A股中存在行业动量效应动量效应是指过去表现好的资产在未来一段时间价格持续跑赢而过去表现差的资产在未来价格持续跑输的一类现象动量策略是一种常见的量化投资策略在权益类资产中如根据决策日前N日的动量数据对全部可投资标的进行排序分组当过去N日收益率最高的分组在未来的观察时间段内继续保持涨幅领先时即认为存在动量效应反之则为反转效应A股的一级行业指数也存在着一定程度的动量效应在我们之前的报告行业拥挤度在行业轮动中的应用里面将28个中信一级行业剔除综合综合金融2个行业分成4组每组7个行业按照过去28个自然日各组的平均回报率进行排序分组然后观察各个分组在未来一周的回报率情况使用该策略在2010到2022年的时间段内进行回测结果发现过去回报率最好的一组未来一周的回报率的累计值能够长期保持领先可以看出简单使用绝对收益率作为动量的代理指标即可对行业轮动有一定的指导意义图表1行业动量策略分组回测结果201020221211071089886468416720-2-4-343-6第一组第二组第三组第四组行业等权组合年化回报率资料来源Choice指数数据浏览器东方财富证券研究所敬请阅读本报告正文后各项声明4Tableyemei策略专题2017图表2行业动量策略超额回报201020226300525042003150210015000动量策略组合净值第一组行业等权组合净值超额收益右轴资料来源Choice指数数据浏览器东方财富证券研究所2尝试寻找效果更优的行业动量因子使用简单的行业绝对收益率作为行业动量因子的代理指标虽然也可以对行业轮动起到一定的指导作用但是该指标还是存在着一定的局限性主要体现为超额收益率尚不够高以及超额收益率的波动较大常常出现阶段性失效的情况因此还需要对行业动量因子和动量投资策略做进一步的改进和增强传统的行业动量仅仅使用到了区间内一头一尾两个时点的价格信息如果能够把区间内更多时点的价格信息甚至成交量的信息给包含进来或许能够使得动量因子效果更好为了寻找更优的指标我们测试了下列行业动量因子21基于绝对收益率的简单动量指标含义简单动量即传统意义的动量指标使用过去一段时间内的行业指数的绝对收益率作为因子值回测方式以中信一级行业指数作为回测对象剔除综合综合金融2个指数在每个月的最后一天观察指数在过去N个自然日的绝对收益率按照过去的收益率从大到小进行排序排名越高的行业得分越高将28个中信一级行业分为4组考察每组在下个月的平均收益率回测区间2013年1月2022年12月共120个月敬请阅读本报告正文后各项声明5Tableyemei策略专题2017图表3简单动量因子回测结果比较首尾组收益率关键参数N-回第一组年化回RankIC为正之差第一组因子名称望观察天数平均RankIC报率概率第四自然日组简单动量-121148300572583934简单动量-23099500311541267简单动量-36080000079550132简单动量-490719-00022525-134简单动量-518010930031857534简单动量-6365625134300738836资料来源Choice指数数据浏览器东方财富证券研究所优选因子综合考虑因子底层投资逻辑优选组的收益率整体分组单调性平均RankICRankIC为正概率等因素我们选择简单动量因子-1N21个自然日作为简单动量因子大类中的优选因子图表4简单动量-优选因子分组回报率图表5简单动量-优选因子超额回报1614836100145121038809514106083534549640242021000组合净值第一组行业等权净值超额收益右轴年化回报率资料来源Choice指数数据浏览器东方财富证券研究所资料来源Choice指数数据浏览器东方财富证券研究所22经风险调整后的动量因子1夏普比率指标含义夏普比率是一个经典指标同时对证券的收益和风险加以考量衡量风险调整后的收益率我们将行业指数的夏普比率定义为按照日频计算无风险收益率选取十年期国债收益率的SharpRatio回测方式以中信一级行业指数作为回测对象剔除综合综合金融2个指数在每个月的最后一天观察指数在过去N个自然日的夏普比率按照过去的夏普值从大到小进行排序排名越高的行业得分越高将28个中信一级行业分为4组考察每组在下个月的平均收益率回测区间2013年1月2022年12月共120个月敬请阅读本报告正文后各项声明6Tableyemei策略专题2017图表6夏普比率因子回测结果比较首尾组收益率关键参数N-回第一组年化回RankIC为正之差第一组因子名称望观察天数平均RankIC报率概率第四自然日组夏普比率-1211461005565831077夏普比率-230108900385533551夏普比率-360101600216566226夏普比率-4907760021953308夏普比率-5180123300474575558夏普比率-6365590130600618944资料来源Choice指数数据浏览器东方财富证券研究所优选因子综合考虑因子底层投资逻辑优选组的收益率整体分组单调性平均RankICRankIC为正概率等因素我们选择夏普比率-6N365个自然日作为夏普比率因子大类中的优选因子图表7夏普比率-优选因子分组回报率图表8夏普比率-优选因子超额回报1645701403141306460123550951340102530822054061510362410205-1000-20组合净值第一组行业等权净值年化回报率超额收益右轴资料来源Choice指数数据浏览器东方财富证券研究所资料来源Choice指数数据浏览器东方财富证券研究所23经股价路径调整后的动量因子1ATR调整后动量指标含义对于同样涨幅的两个行业如果一个行业经过上上下下的多次波折往复才涨到当前位置而另一个行业上涨过程更加平顺没有遇到太多阻力就涨到当前位置则我们猜测上涨阻力较小股价经历路径较短的那个行业指数未来的上涨潜力可能更大同理对于同样跌幅的两个行业如果一个行业经过上上下下的多次反弹和打压才跌到当前位置而另一个行业下跌过程中没有任何抵抗一路滑落到当前位置我们猜测下跌抵抗较少股价经历路径较短的那个行业指数未来的下跌可能性更大因此我们使用ATR真实波幅指标对行业动量进行修正ATR真实波幅的定义首先定义TR最高价-最低价昨收-最高价昨收-最低价三者中的最大值然后ATRTR的N日移动平均值敬请阅读本报告正文后各项声明7Tableyemei策略专题2017ATR调整后动量行业指数区间收益率区间内ATR真实波幅回测方式以中信一级行业指数作为回测对象剔除综合综合金融2个指数在每个月的最后一天观察指数在过去N个交易日的ATR调整后动量按照过去的数值从大到小进行排序排名越高的行业得分越高将28个中信一级行业分为4组考察每组在下个月的平均收益率回测区间2013年1月2022年12月共120个月图表9ATR调整后动量因子回测结果比较首尾组收益率关键参数N-回第一组年化回RankIC为正之差第一组因子名称望观察天数平均RankIC报率概率第四交易日组ATR调整后动量-115157007686251425ATR调整后动量-220101900438533298ATR调整后动量-34077300225575083ATR调整后动量-460100900316558431ATR调整后动量-5120125100641591803ATR调整后动量-62505751501007461031资料来源Choice指数数据浏览器东方财富证券研究所优选因子综合考虑因子底层投资逻辑优选组的收益率整体分组单调性平均RankICRankIC为正概率等因素我们选择ATR调整后动量-1N15个交易日作为该因子大类中的优选因子图表10ATR调整后动量-优选因子分组回报率图表11ATR调整后动量-优选因子超额回报181570714016612014510012979935951801046083406242014521000-20组合净值第一组行业等权净值超额收益右轴年化回报率资料来源Choice指数数据浏览器东方财富证券研究所资料来源Choice指数数据浏览器东方财富证券研究所24动量变化情况1动量改善度指标含义使用动量自身的变化幅度作为衡量行业指数强弱的参照物敬请阅读本报告正文后各项声明8Tableyemei策略专题2017如果一个行业在过去n日的涨跌幅要高于它在过去2n到n1日的涨跌幅则认为该行业的动量在逐渐改善猜测动量改善幅度较高的行业在未来一段时间的表现可能会更好定义动量改善度行业过去n日涨跌幅行业过去2nn1日涨跌幅回测方式以中信一级行业指数作为回测对象剔除综合综合金融2个指数在每个月的最后一天观察指数在过去N个自然日的动量改善度按照过去的动量改善度数值从大到小进行排序将28个中信一级行业分为4组考察每组在下个月的平均收益率回测区间2013年1月2022年12月共120个月图表12动量改善度因子回测结果比较首尾组收益率关键参数N-回第一组年化回RankIC为正之差第一组因子名称望观察天数平均RankIC报率概率第四自然日组动量改善度-1211671006266161391动量改善度-23014670039955054动量改善度-360107700021533151动量改善度-490976-00297466-334动量改善度-5180902-00062541004动量改善度-6365583124300543717资料来源Choice指数数据浏览器东方财富证券研究所优选因子综合考虑因子底层投资逻辑优选组的收益率整体分组单调性平均RankICRankIC为正概率等因素我们选择动量改善度-1N21个自然日作为该因子大类中的优选因子图表13动量改善度-优选因子分组回报率图表14动量改善度-优选因子超额回报18167161201651001412480961951107243608624042801202000组合净值第一组行业等权净值年化回报率超额收益右轴资料来源Choice指数数据浏览器东方财富证券研究所资料来源Choice指数数据浏览器东方财富证券研究所敬请阅读本报告正文后各项声明9Tableyemei策略专题201725成交量变化情况1成交量波动指标含义除了价格信息成交量维度的信息同样可能对行业未来走势有预测作用成交量波动指的是过去一段时间某行业成交量的标准差我们猜测成交量波动较低的行业在未来一段时间的表现可能会更好而成交量波动较高的行业行业在回望观察期内有成交量明显放大或成交量明显收缩的情况在未来一段时间的表现可能会更差即我们把成交量波动视为一个反向指标定义成交量波动行业过去n日内成交量的标准差回测方式以中信一级行业指数作为回测对象剔除综合综合金融2个指数在每个月的最后一天观察指数在过去N个交易日的成交量波动数据按照过去的数值从小到大进行排序越小的数值赋予的得分越高将28个中信一级行业分为4组考察每组在下个月的平均收益率回测区间2013年1月2022年12月共120个月图表15成交量波动因子回测结果比较首尾组收益率关键参数N-回第一组年化回RankIC为正之差第一组因子名称望观察天数平均RankIC报率概率第四交易日组成交量波动-11513260041255678成交量波动-220143800477566978成交量波动-340134500399583498成交量波动-460144400454541708成交量波动-5120149600514575704成交量波动-6250132700418558473资料来源Choice指数数据浏览器东方财富证券研究所优选因子综合考虑因子底层投资逻辑优选组的收益率整体分组单调性平均RankICRankIC为正概率等因素我们选择成交量波动-5N120个交易日作为该因子大类中的优选因子敬请阅读本报告正文后各项声明10Tableyemei策略专题2017图表16成交量波动-优选因子分组回报率图表17成交量波动-优选因子超额回报1614965901445804127095135601037517925082555740621530412020510000组合净值第一组行业等权净值超额收益右轴年化回报率资料来源Choice指数数据浏览器东方财富证券研究所资料来源Choice指数数据浏览器东方财富证券研究所3将多个动量因子整合为复合动量因子在第二章中我们根据不同的底层投资逻辑构建了若干类动量因子并通过回测确定了每一类因子的最优参数接下来我们尝试将这几类动量因子组合起来构建出一个复合动量因子为避免因子之间重合度过高我们对不同因子之间的相关性做测算可以发现除了简单动量因子和ATR调整后动量因子这两者之间有着较高的关联度其它因子之间的相关性较弱图表18不同因子之间相关性简单动量-1夏普比率-6ATR调整后动量-1动量改善度-1成交量波动-5简单动量-11035607550596-0093夏普比率-6035610322-0043-0160ATR调整后动量-10755032210384-0103动量改善度-10596-0043038410016成交量波动-5-0093-0160-010300161资料来源Choice指数数据浏览器东方财富证券研究所因此我们在构建复合动量因子时将简单动量和ATR调整后动量视为同一个大类其它因子视为各自独立的一大类给予这4大类因子各自25的权重然后根据RankIC的优劣情况从总共25的权重中分别赋予简单动量因子10权重ATR调整后动量因子15权重这样构建出一个复合动量因子直接给予等权重的方式简单明了也尽量避免参数的过度拟合敬请阅读本报告正文后各项声明11Tableyemei策略专题2017图表19单因子与复合动量因子效果比较首尾组收益第一组年化回RankIC为正率之差第因子名称底层逻辑平均RankIC报率概率一组第四组简单动量-1绝对收益率148300572583934夏普比率-6经风险调整后的动量130600618590944ATR调整后动量-1经股价路径调整后的动量157007686251425动量改善度-1动量变化情况1671006266161391成交量波动-5成交量变化情况149600514575704复合动量综合1881011446831752资料来源Choice指数数据浏览器东方财富证券研究所可以看出经过整合后复合动量因子的回报率RankIC值RankIC为正概率分组单调性都较其它单因子有显著的提升图表20复合动量因子-分组回报率图表21复合动量因子-超额回报1881208180187160161401412896120125951100104880363816042401292120000组合净值第一组行业等权净值年化回报率超额收益右轴资料来源Choice指数数据浏览器东方财富证券研究所资料来源Choice指数数据浏览器东方财富证券研究所我们在之前的报告行业拥挤度在行业轮动中的应用中设计过一个交易泡沫度的指标用以识别行业的短期交易拥挤度该指标能够在一定程度上规避拥挤行业提升行业轮动的效果我们针对复合动量因子加入了泡沫度指标发现策略效果有进一步的提升优选组的回报率有所提高RankIC也上升到0136敬请阅读本报告正文后各项声明12Tableyemei策略专题2017图表22复合动量因子泡沫度分组回报率图表23复合动量因子泡沫度超额回报2521521025020820015615010429511067141005250000-5-145组合净值第一组行业等权净值超额收益右轴年化回报率资料来源Choice指数数据浏览器东方财富证券研究所资料来源Choice指数数据浏览器东方财富证券研究所4行业动量因子失效现象探究及改进尽管我们对动量因子进行优化后得到的复合动量因子其效果比起原先的简单因子有较为明显的提升但是复合动量因子也仍然存在一些缺陷一个非常明显的缺陷是不管是简单动量因子还是复合动量因子都会出现阶段性失效的情况复合动量因子的累计失效的时长有所缩短但仍然存在期待中的正向动量实际变成反转动量的尴尬境遇图表24简单动量因子N21存在因子失效现象100橙色线条代表因子超额收益在蓝色框90内的时间段有明显回撤80706050403020100资料来源Choice指数数据浏览器东方财富证券研究所敬请阅读本报告正文后各项声明13Tableyemei策略专题2017图表25复合动量因子同样存在因子失效现象25橙色线条代表因子超额收益在蓝色框2内的时间段有明显回撤151050资料来源Choice指数数据浏览器东方财富证券研究所图表26复合动量因子失效情况时间段1时间段2时间段3时间区间201552015920186201922022720231失效月份数量597跑输等权组合幅度-63-46-114资料来源Choice指数数据浏览器东方财富证券研究所观察动量因子失效的阶段可以发现失效现象基本都出现在下跌市当中这背后的原因其实有迹可循在牛市当中A股各个行业的回报率的分化非常严重龙头板块涨幅惊人远远超过其它的非热门板块所以结果呈现强者恒强的动量效应是很正常的而在漫漫熊市当中A股各个行业的回报率分化不明显最后的跌幅差异不大因此熊市中经常呈现的状态是各个板块你方跌罢我登场每个行业都要轮番下跌因此也就不存在动量效应甚至还会出现反转效应即之前表现强势的行业总会出现补跌敬请阅读本报告正文后各项声明14Tableyemei策略专题2017图表272006年以来A股全行业年度回报率的标准差20015010050020062007200820092010201120122013201420152016201720182019202020212022-50标准差中证全指当年回报率-100资料来源Choice指数数据浏览器东方财富证券研究所从行业轮动速度上也可以观察到动量失效的情形我们定义一个算法单月全行业轮动速度所有行业本月收益率排名分位数-上个月收益率排名分位数的绝对值观察从2010年到2023年的数据可以看到在多轮熊市中全行业轮动速度明显加快上个月还涨幅居前的板块下个月可能就会排名落后尤其是2022年行业轮动速度非常快几乎所有月份的轮动速度都在参考平均值之上敬请阅读本报告正文后各项声明15Tableyemei策略专题2017图表28A股全行业轮动速度201042023614121086420行业轮动速度-3个月移动平均参考平均值资料来源Choice指数数据浏览器东方财富证券研究所因此鉴于动量因子在熊市当中很可能失效所以考虑在熊市中放弃使用动量因子转而寻找是否有在弱市当中能预测行业反转趋势的因子即根据市场环境对动量类因子进行择时我们观察到在牛熊转换的过程中以及熊市的早期和中期常常伴随着市场波动率放大同时成交量收缩的现象图表29中证全指收盘价VS波动率20102022年资料来源Choice-指数深度资料页面东方财富证券研究所敬请阅读本报告正文后各项声明16Tableyemei策略专题2017图表30中证全指走势VS换手率20102022年2516142121510816405200六周平均换手率右轴指数走势资料来源Choice指数数据浏览器东方财富证券研究所我们根据换手率和波动率两个指标设计一个名为trace的指标来观察指数的运行状况定义为某指数在最近N日内的平均换手率最近N日内年化波动率令N365时我们看到该指标与指数的走势有较高的一致性虽然trace指标没有用到直接的股价涨跌幅信息但却也能够敏锐的跟踪到市场的涨跌并且由于该指标使用的不仅是区间内一头一尾两个时点的价格信息而是整个观察期内的所有交易日的价格信息以及所有交易日的成交量信息因此该指标的跳跃性更小指向性可能会更加稳定图表31中证全指的trace指标与收盘价走势基本同步30090082500720060051500410030020500100中证全指走势trace指标右轴资料来源Choice指数数据浏览器东方财富证券研究所根据A股各个行业在熊市中常常出现股价轮番下跌的走势特点我们尝试用trace指标来设计一个策略策略思路是规避熊市中前一个阶段较为敬请阅读本报告正文后各项声明17Tableyemei策略专题2017抗跌的行业寻找那些之前已经充分下跌的行业如果市场环境是牛市则这种策略就是绕开前一个阶段涨幅较大的行业寻找那些尚未大幅上涨有补涨空间的行业我们定义反转因子令trace指标的N取30然后将每个月末的trace指标同180天之前的trace指标做比较观察指标数值的下降程度将该下降幅度定义为反转因子下降幅度越大的行业得分越高将28个中信一级行业分为4组考察每组在下个月的平均收益率回测区间2010年1月2022年12月共156个月回测结果如下优选组的年化收益率为1025超过行业等权组合一倍以上平均RankIC为00557图表32反转因子-分组回报率图表33反转因子-超额回报率12410010253510803860590256468240154289201200210500-202014131201013120111312012131201313120151312016131201713120181312019131202013120211312022131组合净值第一组行业等权净值年化回报率超额收益右轴资料来源Choice指数数据浏览器东方财富证券研究所资料来源Choice指数数据浏览器东方财富证券研究所我们发现该因子在长达13年的回测时间段中总体表现也不错大部分时间有正的超额回报因子明显失效的阶段是2019年3季度到2021年4季度这段时间正是A股核心资产的牛市整个市场的上涨主线非常清晰因此寻找补涨行业的策略在这期间失效体现出弱者恒弱的局面但是我们发现规避抗跌行业的策略在历次熊市中都是行之有效的在回测期当中的4段熊市的主要下跌时间段里该因子全都跑出了正的超额收益图表34反转因子在回测期内4段熊市中的表现等权行业组合涨跌反转因子超额收益率熊市起始结束时间幅20113201211-3893752015620162-443798201711201812-310115120221202212-1421767资料来源东方财富证券研究所考虑到反转因子的这种特点我们将其与复合动量因子相结合复合动敬请阅读本报告正文后各项声明18Tableyemei策略专题2017量因子在牛市中比较有效在熊市中容易失效而反转因子在熊市中比较有效在强主线牛市中容易失效因此我们通过因子择时的方式构建出一个策略牛市中使用复合动量因子熊市中使用反转因子希望能够充分发挥两个因子各自的长处动量择时策略定义通过双均线方法对市场所处的状态进行描述当中证全指的75日均线上穿250日均线时认为市场处于较强势的状态市场投资热情较高此时使用复合动量叠加泡沫度因子来捕捉正向动量当中证全指的75日均线下穿250日均线时认为市场处于较弱势的状态市场投资热情较低此时使用反转因子来捕捉反转动量回测区间2013年1月2022年12月共120个月回测结果如下图表35动量择时策略-分组回报率图表36动量择时策略-超额回报3010300241292525082002076150155961410010744350250100-50-5-347第一组第二组第三组第四组组合净值第一组行业等权净值年化回报率超额收益右轴资料来源Choice指数数据浏览器东方财富证券研究所资料来源Choice指数数据浏览器东方财富证券研究所可以看出动量择时策略较好的发挥了复合动量因子和反转因子各自的长处规避了各自短处起到了扬长避短的作用动量择时策略的超额收益率及超额收益稳定性都大幅提升RankIC平均值为01527月胜率达到了6755将分析师预期因子融入动量择时策略在我们之前的研报如何将分析师预期数据应用于行业比较中我们构建了基于分析师盈利预测数据的因子来指导行业轮动投资接下来我们将动量择时模型和分析师预期因子相结合打造基于基本面和量价关系两个维度的复合模型敬请阅读本报告正文后各项声明19Tableyemei策略专题2017回测方式以中信一级行业指数作为回测对象剔除综合综合金融2个指数在每个月的最后一天分别运用动量择时模型和分析师预期因子模型进行打分按照各50的权重将两个分数相加分数越高的行业排名越高将28个中信一级行业分为4组考察每组在下个月的平均收益率回测区间2013年1月2022年12月共120个月图表37复合模型回测结果年份模拟组合当年收益率行业等权组合当年收益率2013213152201468347120156465152016-66-1312017177242018-187-287201944529120205872472021375117202205-151年化收益率2528951资料来源Choice指数数据浏览器东方财富证券研究所图表38复合模型回测-分组回报率图表39复合模型回测-超额回报3012350252830025102508202001561501042100410502525100-500-038-5第一组第二组第三组第四组组合净值第一组行业等权净值超额收益右轴年化回报率资料来源Choice指数数据浏览器东方财富证券研究所资料来源Choice指数数据浏览器东方财富证券研究所可以看出同动量择时策略相比融入了分析师预期因子的复合模型的年化收益率有所提升更重要的是月胜率有大幅提升从675提升到741年胜率为100这表明分析师预期因子的加入明显提升了行业轮动模型在不同市场环境下的稳定性和适用性敬请阅读本报告正文后各项声明20