本报告导读：
　　本文研究价值成长风格轮动策略，从宏观、估值、基本面3维度选取因子构建月度模型，月胜率74%，年化超额8.8%。样本外结合月度效应和主观分析，对月度打分进行适当调整，生成月度观点。为了应对市场的实时变化，从纯量价维度选取因子构建周度模型，年化超额收益7.19%；可以作为更高频率调仓的补充，在月内对观点进行调整。测算发现，月度模型叠加周度模型，能明显降低回撤，提高模型的信息比率和超额收益回撤比。
　　投资要点：
　　本文从量化视角研究价值成长风格轮动策略。在A股历史上不同风格轮动频繁，想要战胜市场获得超额收益，投资者需提前预判风格动向。我们在之前报告构建了大小盘风格轮动策略，样本外效果较好。作为国君金工团队风格轮动系列第二篇报告，本文继续从量化视角研究价值成长风格轮动策略。
　　月度模型：从宏观、估值、基本面3个维度构建，历史回测胜率74.65%，超额年化收益8.80%。从宏观、估值、基本面的6个维度出发，测试并选取在历史上有效的因子。各维度内部的因子信号进行等权合成，生成各维度信号，若看好成长则信号为1，若看好价值则信号为-1，若持中性则信号为0。然后，将不同维度的信号再等权复合，从而得到月度模型最终打分。对模型进行历史回测，月度调仓，以价值成长（国证价值指数、国证成长指数）等权作为基准；在2016/01-2024/12，月度胜率74.65%，年化超额收益8.80%，信息比率1.53，超额收益回撤比1.08。样本外结合月度效应和主观分析，对月度模型打分进行适当调整，从而生成每个月的月度风格观点。
　　周度模型：纯量价选取深度学习、动量、拥挤度因子，作为月度模型的高频补充，提高收益回撤比。月内小级别的风格切换也会带来捕捉收益的机会，通过纯量价视角的深度学习因子、动量因子和拥挤度因子构造周度模型，更高频地对月度观点进行调整。对于周度模型进行历史回测，在2016/01-2024/12，周度胜率58.80%，年化超额收益7.19%。最终在月度模型的基础上叠加周度模型，能够有效降低回撤，将信息比率从1.53提高至1.68，超额收益回撤比从1.08提升至1.31。
　　未来改进思路：一是宏观维度引入经济周期分析。目前宏观维度简单使用因子判断较为粗糙，未来可以对经济周期进行划分，以决策风格的长期相对优势。二是微观量价维度引入股本结构、技术分析等角度，提高量价模型预测的准确性。三是如何确定各维度权重，把握主线维度。目前对各维度进行等权汇总，未来我们希望对当下起主导作用，且未被充分定价的维度赋予更高权重。
　　风险提示：量化模型完全基于公开的历史数据构建，历史回测并不代表模型未来表现，模型存在失效风险。市场环境变化、外部环境变化可能导致投资逻辑改变，模型存在失效风险。