结合行业轮动的指数增强策略

来源：量化先行者

中观模型的落地，依赖于风格与行业轮动策略与多因子模型的结合

中观模型诸如风格轮动与行业轮动，由于市场上的标的不全，导致无法转化为实际投资策略。本系列报告，尝试将此类中观模型结合到指数增强策略中，将其落地为实际投资策略，并期望通过合理的风格、行业轮动模型，来提高传统风格行业中性化的多因子模型绩效。

行业分层轮动分别在组合优化与收益预测模型中超低配板块行业，在提升指数增强策略效果上发挥了很好的作用

在300增强上，年化收益从原本的14.39%提升至16.81%，提升近2.42%，2019年改善更为明显，从原本的-1.63%提升至2.44%，提升达4.07%，同时，信息比与回撤也有一定的提升。

在500增强上，年化收益从原本的15.28%提升至19.14%，提升3.86%，2019年改善更为明显，从原本的0.92%提升至5.51%，提升达4.59%，几乎所有年份相对基准模型均有改善，信息比也有明显提升，从原本的2.2922提升至2.6327。

板块与子行业暴露存在风险性，适当控制暴露程度。

板块与子行业暴露程度对增强策略业绩的影响均呈倒U型，过低的暴露度带不来足够的绩效提升，而过高的暴露度容易引来过高的风险。

结合行业轮动的多因子策略天然会引入更高的换手，放松换手的约束后，策略表现更加平稳

放松换手的约束后，两个策略表现更加平稳，尤其在2019年，截止11月底，300与500增强策略能够分别获得6.08%和9.51%的超额收益，相对基准策略呈现显著提升。

中观模型与多因子策略

A股市场里常见的多因子策略，往往采用风格与行业的中性化，不做风格与行业的暴露，以求提高信息比，控制回撤与跟踪误差。但是在A股市场中，风格与行业轮动的现象极为常见与频繁（参见往期风格与行业轮动系列报告），其中也蕴含着极高的风险收益，这也意味着，如果我们有稳定的风格、行业轮动策略，对于提高我们多因子策略的绩效是有一定的帮助的。

本系列尝试将以往积累的风格与行业轮动模型与多因子模型相结合，探索中观模型在微观选股上的落地策略，以期提高投资绩效。本文首先介绍行业轮动模型与多因子策略的结合。

行业分层轮动策略

在《天风金工行业轮动系列报告之三——板块重构下的行业分层轮动》一文中，我们构建了一个分层行业轮动策略，构建了一套将自上而下与自下而上相结合的行业分层轮动模型，将板块轮动策略与板块内行业轮动策略进行了逻辑方法上的区分。

板块轮动策略，采用更加宏观的维度来分析板块之间轮转的原因，运用TWO-BETA模型，从现金流与折现率两个角度解释板块收益变化的原因，从而以这两个维度出发，判断不同的经济环境下，应当配置什么板块。

行业轮动策略，采用了行业多因子模型，以行业微观的盈利、估值、资金等方面来判断同板块内部子行业的相对强弱。

以下对策略内容进行简单介绍，详情参见《天风金工行业轮动系列报告之三——板块重构下的行业分层轮动》。

1

板块轮动

板块层面，本文仍然沿用TWO-BETA模型来对各板块对于现金流与折现率的敏感度进行分析。从DDM模型出发，我们对影响市场收益率的因素进行分离，从现金流与折现率，即经济景气程度与市场资金成本两个维度来探究板块轮动的核心驱动因素。（详细的推导过程参见报告《天风金工风格轮动策略之三——溢价追本溯源：现金流与折现率》）

2

行业层面轮动

行业层面轮动将解决板块内行业轮动的问题。本文沿用《天风金工行业轮动系列报告之二——行业分层轮动模型》中行业多因子模型，将其拓展至细分的二级行业。

下表为本文采用的因子，因子的ICIR明显高于一级行业的因子ICIR。行业因子的复合仍然采用等权加和方式复合。

3

行业分层轮动

据此我们构建行业分层轮动策略，在板块层面以板块配置轮盘决定中长期板块配置，而在板块内部运用行业多因子模型，短期超低配子行业。

下文中，我们将把行业分层轮动策略与传统的多因子模型相结合，构建带行业轮动的指数增强策略。

基础多因子模型

市场上大部分的多因子模型，在行业配置上往往选择中性化来规避行业暴露的风险，提高模型收益的稳定性。而在本文中，我们尝试利用已经构建的行业轮动策略，来对多因子模型中的行业暴露进行动态调整，改变以往行业中性化的配置方式，在控制风险的基础上，从行业轮动层面提高多因子模型的收益。首先，为了验证行业轮动模型与多因子模型相结合的效果，我们需要构建一个多因子基础模型，构建沪深300与中证500增强基准策略。

回测框架：

1、  选股范围为中证800成分股；

2、  因子进行行业内补全、去极值、标准化；

3、  市值因子做行业中性化处理，其他因子做市值、行业中性化处理；

4、  因子做对称正交处理；

5、  以个股超额行业收益滚动计算各因子12个月ICIR，作为各因子权重；

6、  手续费双边千三。

利用如上的回测框架，我们分别构建沪深300与中证500多因子基础策略。

可以看到沪深300增强基准模型的历史表现较为出色，2018年以前每年都能跑赢市场，信息比达到了2.7284，分年的最大回撤也仅是2015年的-2.75%,。但是策略2019年表现不佳，这也与今年市场上大部分沪深300增强产品的表现一致，而且今年回撤达到了-4.58%，月度胜率也降低到了45.45%，表现不甚理想。

从500增强基准模型的效果来看，与300增强的结果较为类似，2018年以前策略表现出色，仅2015年回撤较大，其他年份回撤均在5%以内。但是2019年策略回撤达到了-7.65%，经过2月与近期的回撤，2019年整体表现也不甚理想。

多因子模型与行业轮动

在上一部分中，我们展示了沪深300与中证500多因子基础模型的结果，在本部分中，我们将逐步把多因子模型与行业分层轮动策略相结合，依此展示结合板块轮动后的多因子模型以及结合了行业分层轮动后的多因子模型。

1

多因子&板块轮动

在本部分中，我们首先将多因子基础模型与板块配置轮盘相结合，构建板块轮动下的多因子模型。

回测框架与上文相同。

从板块轮动结合沪深300增强的结果来看，板块轮动在沪深300中的表现一般，对超额收益与信息比都没有明显改善，仅提高了一定程度的胜率，这或与沪深300中板块偏离过大原因相关，金融所占指数权重远超全市场中金融板块权重，带来了模型的不稳定性。

从板块轮动与500增强结合的结果看，板块轮动对于500增强策略的提升还是较为明显的，年化超额收益有15.28%提升至17.46%，信息比也从原本的2.2922提升至了2.4953，回撤与胜率也均有改善。2019年的表现也有近1%的提升，板块轮动作用于500增强的效果还是较为明显的。

2

多因子&行业分层轮动

行业分层轮动是在板块轮动的基础上，在板块内部根据行业多因子模型来超配子行业。在本部分中，我们尝试在上文板块轮动与行业多因子的基础上，将行业分层轮动与多因子相结合。

回测框架与上文相同。

由于我们的行业分层轮动已经下沉到二级行业，通过行业暴露来实现二级行业轮动会导致行业约束也下沉至二级行业，使得多因子选股模型的选股空间受到极大约束。因此在本部分中，我们尝试另一种方法去实现板块内的子行业超低配。

板块轮动仍然和上文相同，以调整组合在对应行业上的暴露程度来实现。而板块内部子行业的轮动，则通过调整收益预测模型来实现：

通过行业分层轮动与300增强策略的结合，我们可以看到，增强策略的整体改善极为明显：

1.     年化收益从原本的14.39%提升至16.81%，提升近3%，2019年改善更为明显，从原本的-1.63%提升至2.44%，提升达4.07%；

2.     信息比也有一定提升，从原本的2.7284提升至2.8696；

3.     由于引入了更多的行业暴露风险，策略回撤稍有增大，但增加幅度有限；

4.     策略胜率提高明显，从原本的76.70%提升至81.37%，2019年前十一个月的胜率也达到了72.73%。

通过行业分层轮动与500增强策略的结合，我们可以看到，增强策略的整体改善更加明显：

1.     年化收益从原本的15.28%提升至19.14%，提升3.86%，2019年改善更为明显，从原本的0.92%提升至5.51%，提升达4.59%，其他年份除2016年略微跑输，其他年份相对基准模型均有改善；

2.     信息比也有明显提升，从原本的2.2922提升至2.6327；

3.     令人意外的是，叠加行业分层轮动的500增强模型回撤也有所降低，这或与基准500增强策略整体表现一般有关，不过本文仅讨论行业轮动与增强结合效果，没有针对500专门构建增强策略，所选因子也与300增强相同，一定程度上影响了500增强基准策略的表现；

总体而言，结合了行业分层轮动的300增强与500增强策略表现出色，相对基准有明显提升，尤其2019年提升较为明显。不过由于本报告着重探讨行业轮动叠加到增强模型的效果，基准模型没有经过精细化构建，因此，增强策略的整体表现还有很大的提升空间。

3

暴露度的影响

在上文中，我们展示了叠加板块轮动与行业分层轮动的策略效果。在轮动策略的结合中，我们分别对板块轮动与行业分层轮动设定了一定的暴露水平限制，在这里我们也给出在不同的暴露度限制下的模型结合整体效果。

整体而言，板块暴露度的提升对于增强策略收益存在提升效果，但是其风险也随之上升，其暴露度对于策略绩效的影响呈现倒U型。过高的风险暴露可能带来更多的风险性。

子行业的暴露度对于策略效果的影响也呈现倒U型，暴露程度较低时，对于策略的影响较小，而暴露程度过高则会导致引入过高的波动风险，降低策略的整体表现。

4

换手率的影响

另外一个值得探讨的设定就是换手率，由于引入板块和行业的轮动，理论上而言，相邻两期之间的持仓换手应当会有上升。我们在基准模型与行业轮动结合后的模型采用的换手率约束都是同样的50%。这对于叠加了行业轮动的增强策略是相对不利的，可能由于换手率的约束造成优化无法达到其最优解，因此在本部分中，我们考虑在叠加行业轮动的增强策略中，放松一定换手率的约束，并观察其对最终策略的影响。

可以看到，在放松换手率的限制之后，无论是300增强还是500增强，模型分年分表现稳定了很多，今年以来300增强能够获得6.08%的超额收益，相对基准模型提升7.71%，而500增强模型则获得了9.51%的超额收益，相对基准模型提升了8.59%，今年表现尤其出色。

总结

中观模型诸如风格轮动与行业轮动，由于市场上的标的不全，导致无法转化为实际投资策略。本系列报告，尝试将此类中观模型结合到指数增强策略中，将其落地为实际投资策略，并期望通过合理的风格、行业轮动模型，来提高传统风格行业中性化的多因子模型绩效。

本篇报告将前期构建的行业分层轮动策略与多因子策略结合，构建了带行业轮动的300与500增强策略。策略的表现出色。

首先，板块轮动叠加与增强策略表现出了一定的提高收益的作用，这一点在500增强策略上表现尤为明显，收益与信息比均有上升。但在300增强上表现不够稳定，这或与300的板块偏离较大有关；

 其次，行业分层轮动分别在组合优化与收益预测模型中超低配板块行业，在提升指数增强策略效果上发挥了很好的作用。

在300增强上，年化收益从原本的14.39%提升至16.81%，提升近3%，2019年改善更为明显，从原本的-1.63%提升至2.44%，提升达4.07%。信息比也有一定提升，从原本的2.7284提升至2.8696。

在500增强上，年化收益从原本的15.28%提升至19.14%，提升3.86%，2019年改善更为明显，从原本的0.92%提升至5.51%，提升达4.59%，其他年份除2016年略微跑输，其他年份相对基准模型均有改善，信息比也有明显提升，从原本的2.2922提升至2.6327。

再次，板块与子行业暴露存在风险性，适当控制暴露程度。板块与子行业暴露程度对增强策略业绩的影响均呈倒U型，过低的暴露度带不来足够的绩效提升，而过高的暴露度容易引来过高的风险。

最后，带行业轮动的多因子策略天然会引入更高的换手，放松换手的约束后，策略表现更加平稳，尤其在2019年，截止11月底，300与500增强策略能够分别获得6.08%和9.51%的超额收益，相对基准策略呈现显著提升。

多因子选股系列报告

免责声明：自媒体综合提供的内容均源自自媒体，版权归原作者所有，转载请联系原作者并获许可。文章观点仅代表作者本人，不代表新浪立场。若内容涉及投资建议，仅供参考勿作为投资依据。投资有风险，入市需谨慎。