【天风金工风格轮动专题报告一】风格的重新定义

耐心是金 2022-05-20 发布于广东

展开全文

报告要点

风格的定义是风格轮动的基础

在风格轮动策略的研究中，最基础最根本的就是风格的定义，需要明确轮动所用的标的。明确风格的构建与收益无关，只与风格刻画的准确性相关。

将风格定义方式区分为依赖于当前状态与依赖于未来状态

规模、价值、反转、动量风格投资依赖于股票当前所处状态，因此使用因子当前数值来代表风格指标。成长、盈利、红利、防御风格投资依赖于股票未来可能所处状态，因此使用预期因子未来值来代表风格指标。

目标下期风格的因子加权方法对未来风格的刻画效果更佳

相较于以收益为目标导向的风格定义方法，目标下期风格因子的方式，得到的风格因子值与未来风格的划分相关性更高，更加准确地捕捉到风格。

小盘VS大盘、短期反转VS动量、低估值VS高估值、高盈利VS低盈利、成长VS价值几类的风格择时价值的更高，择时的研究价值也相对更大

无论是不同的风格之间，亦或是同一风格的不同时间点，风格的表现差异性均较大。从中长期风格月度收益波动率来看，小盘VS大盘、短期反转VS动量、低估值VS高估值、高盈利VS低盈利、成长VS价值几类的风格择时价值的更高，择时的研究价值也相对更大。

在后续的研究中，我们将以这些风格指标为标的，进行各风格指标影响因素分析，构建不同层面的风格轮动模型。

风格定义的问题

“巧妇难为无米之炊”，在风格轮动策略的研究中，最基础最根本的就是风格的定义，即风格轮动策略的“米”，需要明确轮动所用的标的。

传统的风格研究中，以大小盘风格为例，以往可能选用沪深300与中证500指数的相对收益作为标准，但事实上这样的方式一方面大小盘的代表不准确，另一方面也很难直接应用于股票投资。

随着多因子理论的兴起，更多人从因子的角度来定义风格，比如以规模因子的表现来定义大小盘风格。诚然，这样的方法在对某些因子的定义上较为合理，但是在某些因子上这样的方法并不能准确得定义风格。以成长风格为例，站在当下投资高成长风格的原因本质是想要投资未来能够延续或者有持续的高增速的公司，筛选因子和因子加权应该是以风格的准确刻画为导向。而在多因子体系中，无论是筛选因子还是给因子赋权重，均是以最大化收益为目标导向（因子IC、对下期收益解释程度），原因是因为多因子体系本质上是目标最大化下期收益解释程度的，而并不在意当前投资的是否真正是想要投资的风格。

因此本篇报告从状态和预期，即当前状态和对未来预期，两个角度来重新定义大类的风格指标，并对比重新定义的风格指标与传统方式的优劣，计算风格在每个阶段的收益，并据此判断风格择时价值。

风格分类与定义

Barra中的风险因子定义方式就是典型的因子角度出发的风格因子定义方式，然而barra中对于风险因子定义的出发点是用于对股票收益的解释，筛选因子以及合成大类风格因子的标准都是使得下期收益率最大化（市场上也有以因子IC、ICIR来筛选和合成的方式，本质均为目标收益导向）。诚然，这样的合成方式在用于多因子选股策略的构建时，效果是很好的。但是，如果应用于识别风格的变化，这样的方法其实并不合适。

因为，风格投资者更关心的是所购买的股票在当前或者未来是否是他所需求的风格类型，而不是其所投资的股票下期能够获得多少收益，。一种风格不能因为在某一段时间它对下一期的收益预测效果降低了，就说该风格不存在了，或者要改变风格的定义，而仅仅是在这段时间内风格的收益表现不佳。我们需要将风格的定义与风格的收益区分开来，风格的识别和定义与收益是不相关的。因此，在对风格定义的时候，我们应当追求的是最大化风格指标解释程度，而不是最大化收益的解释程度。

此外，不同的风格类型，需求的目标也可能是不同的，比如价值投资，追求的是寻找当前估值较低的公司的投资风格，而成长投资，追求的是未来能够获得高增速的公司的投资风格。

因此我们对风格的定义方法做了区分，将定义方法区分为状态类与预期类。

状态类：指的是该风格投资依赖于股票当前所处状态，比如规模、价值、反转、动量。

预期类：指的是该风格投资依赖于股票未来可能所处状态，比如成长、盈利、红利、防御。

我们采用海外主流对风格的分类：价值（value）、成长（growth）、动量（Momentum）、红利（Carry）、防御（Defensive），并结合国内研究加入规模、盈利两种分类，共计7类风格指标。

下表中列举了我们的风格分类所采用的所有因子指标以及其算法。

因子预处理

以2007年5月1日-2017年12月31日之间因子的月度数据，对列表中的因子的特征进行分析。

因子标准化

首先对因子，根据中信一级行业进行行业内标准化处理，并以行业中位数为缺失值补全。剔除因子在行业层面的暴露，同时对数据采用绝对中位数差法（median absolute deviation）归一化处理:

对3倍标准差外的取值归一到3倍标准差。

可以看到部分因子与市值因子相关性较强，而且A股历史上市值因子过于强势，因此在尝试构建风格因子时，对因子与市值因子进行正交化处理，做市值中性化处理。

同时风格因子内部各因子往往相关性较强，在做预期类因子的构建时，为避免共线性的影响，子因子之间进行正交化处理。

市值中性化

我们对各因子均进行市值中性化处理，中性化处理后各因子之间的相关系数矩阵如下：

可以看到，中性化处理后，各因子与市值因子相关性均降低到了0，即剥离了市值因子的影响。可以看到剥离市值影响之后，风格因子内部因子的相关性有所上升，对于回归合成风格的因子需要对内部的共线性也进一步消除，这将在下一部分风格的合成中详细介绍。

风格的合成

我们对因子进行预处理之后，剔除了因子的行业影响和市值影响，后续对这些中性化的因子进行风格的合成处理。

状态类

在状态类风格因子的构建中，我们对其中价值类风格的子因子进行等权处理，合成得到价值因子的取值，而规模、反转、动量三个风格我们均按照原始子因子的值进行定义，通过这样的方式我们定义得到了规模、价值、反转、动量四个风格的取值。

预期类

而对于预期类的风格因子，如上文所述我们需要采用不同的方式进行定义。

我们认为，预期类风格投资，比如成长、盈利、红利、防御，依赖于股票未来可能所处状态，也就是说，投资者投资于该风格，需求的是未来这些股票是否是这样的风格，而不仅是这些股票当前处于这样的风格。比如成长风格的投资，投资者寄期望于投资的公司能够未来持续地呈现高速的成长性，因此定义风格的目标导向应该是对未来风格的预测效果。

因此，为了评判我们对未来预测的准确与否，我们需要设定一个对于每个风格划分的核心因子，并以此代替传统多因子体系下的下期收益率，作为最大化解释程度的目标：

设定了目标因子之后，我们可以通过最大化对下期目标因子的解释程度来确定各子因子的权重，从而合成风格因子。

正交化

而为了消除因子间的共线性，保证合成风格指标时回归系数的稳定性，我们需要对原始因子矩阵进行正交化处理。

我们运用我们多因子报告《因子正交全攻略——理论、框架与实践》中介绍的对称正交方法对原始因子矩阵进行正交化：

子因子权重

经过正交化处理后，我们对正交化后的因子特性进行研究，可以发现，经过正交化处理之后风格指标内部的因子相关性几乎为0，消除了共线性的影响之后，我们可以用风格指标的子因子对核心因子的下期值进行预测。

在对因子进行回归时，值得注意的一点是对于财务类的因子其更新周期并不是月度的，因此在每次回归时，采用每个财报期的时间点进行预测，并将该预测结果一直沿用至下期财报之前。其中盈利因子与成长因子以季度为单位进行建模，红利因子以半年度为单位建模。

在对风格的核心因子回归时，我们运用过去三期的因子数据进行回归，得到各因子的回归系数，将该回归系数作为当期各子因子的加权系数，加权得到的因子值即预期因子。该预期因子即作为当期风格因子值。

合成方法的评价

通过上述的合成方法，我们构建了成长、盈利、红利、防御四大风格因子，而相比于传统的最大化下期收益的加权方式，我们运用最大化下期核心因子的方式来为各子因子进行加权处理。我们对这种加权方式进行两方面的对比评价，一是单纯使用核心因子当前值来划分风格，二是以最大化下期收益方式划分风格（多因子体系下的风格划分）。

首先我们来对比单纯使用核心因子当期值来预测下期核心因子方式回归的Ｒ方，其中，防御因子因为采用了单一因子，因此不做比较。

可以看到，成长风格与盈利风格多因子的回归方式R方明显得到了提高，其中成长风格中明显可以看到，当期的主营业务收入同比水平对下期的预测效果极差，因此单纯以当期主营业务收入同比来定义划分成长风格得到的结果与预期这些公司未来高成长的愿景不相符。因此，通过多个成长因子加权得到的结果能够更加准确地刻画成长风格。盈利风格在R方的提升方面也取得了较为明显的结果。而红利因子因为用于预测的因子数量较少，且相关性相对较高，因此Ｒ方提升并不是特别明显。

其次，传统的风险因子的构建多基于收益角度来构建风险因子的子因子权重，服务于多因子模型，致力于提高因子对下期收益的解释能力。而在风格的界定上，这样的方法并不合适，正如前文所述，风格投资者考虑的更多的是投资是否准确地投资到了对应的风格上，而不是此次的风格投资为自己贡献了多少收益。所以我们来观察，用两种方法得到的风格因子与下一期实际核心因子的相关性，验证哪一种方式对风格的把控更加准确。基于收益角度的方法我们采用子因子对下期收益回归，并用回归系数加权合成风险因子的方法为例。

对比我们合成的风格因子、基于收益的风险因子与下一期实际的核心因子相关系数。可以看到我们合成得到的风格因子与下期核心因子的相关性明显高于基于收益因子的结果。这也说明了，从最大化收益法加权得到的风险因子，对下期收益的解释能力或许的确很高，但是其对下期风格的识别是会有很大的偏误的。红利因子的结果更加明显，由于股息率与股价波动方向存在负相关性，如果以收益导向来为其加权，得到的相关系数与最终结果截然相反。而基于预期法的成长因子与盈利因子的相关系数更为稳定，基于收益法的结果相关系数波动巨大。从而验证了，通过预期法得到的风格因子能够保证更好的风格预测与延续效果，使得对于风格的投资准确地落地在真正的风格类股票组合上。

风格切换收益

通过上述风格合成的步骤，得到了各风格的取值。不过风格的研究最终仍然要落实到什么时间投资什么风格的问题，为了进行这个问题的研究，首先我们需要对风格的表现设立一个标准。

由于本文从因子的角度来划分风格，得到了各个股票在每个风格上的得分，我们就可以依据评判因子表现的方法来评判风格的表现。我们在这里采用了分组回测的方式来对风格的表现进行衡量。

回测框架：

1、回测时间区间：2007年8月1日-2017年12月29日

2、回测范围：全A股票

3、剔除停牌与交易日涨停个股

4、根据风格因子值分为十组，分别计算收益

5、调仓频率：月度

计算得到的第一组与第十组的多头收益作为该风格极端的代表性收益，但是单纯的多头收益收到市场影响较大，更多时候我们关注在两个风格之间的切换关系。我们设定不同的风格配对组合，观察风格间的收益情况来判断什么时间点哪几种风格相对强势，哪几种风格表现不佳.

风格择时价值

通过对风格的重新定义，我们划定了风格因子并计算了风格因子的收益，但是可以看到，各个风格的表现迥异。无论是不同的风格之间，亦或是同一风格的不同时间点，风格的表现差异性均较大。在不同的风格上和不同的时间阶段上对其进行择时是否有价值，是我们需要进行衡量的一个重要方面。

我们用不同时间周期下的风格配对月度收益标准差来衡量这段时期内风格择时的价值，只有当风格配对的收益率的波动率足够大，代表着风格配对月间的收益波动越大，对风格配对进行择时的效果也就越好。

可以看到，从短期（6-12个月）来看，小盘VS大盘、短期反转VS动量的择时价值最大，低估值VS高估值、长期动量VS反转、盈利风格、防御风格的择时价值较大。而中长期（36-48个月）来看，择时价值排序为小盘VS大盘、短期反转VS动量、低估值VS高估值、盈利风格、成长VS价值。总体而言高红利VS红利等权、高成长VS低成长的择时价值相对较低。

因此风格的择时价值大部分集中于小盘VS大盘、短期反转VS动量、低估值VS高估值、高盈利VS低盈利、成长VS价值，这几类的风格切换的择时性价比更高，择时的研究价值也相对更大。

总结

本报告从风格投资的追求的目标出发，定义风格指标，并确定风格收益的基准，并根据收益的波动率大小来衡量各风格择时的价值。

首先，我们将风格的定义区分成两个部分，一是状态类，指的是该风格投资依赖于股票当前所处状态，比如规模、价值、反转、动量。一是预期类，指的是该风格投资依赖于股票未来可能所处状态，比如成长、盈利、红利、防御。

其次，对于状态类风格，采用对应的因子指标来对风格指标进行计算。

再次，对于预期类风格，采用最大化下期核心因子解释程度的方式对风格指标内因子进行加权处理，得到对应的预期类风格指标。

再次，运用得到的风格指标，在全市场内筛选股票，建立股票组合，风格指标极端的前后10%构建的组合是不同风格的极端代表。

最后，根据风格收益的波动性来衡量各风格的择时价值，确定择时价值最高的风格切换类型为小盘VS大盘、短期反转VS动量、低估值VS高估值、高盈利VS低盈利、成长VS价值。

“无目标的努力犹如在黑暗中远征”，明确了风格轮动目标，在后续的研究中，我们将以这些风格指标为标的，进行各风格指标影响因素分析，构建不同层面的风格轮动模型。

天风金工专题报告一览

1 《金融工程：我国商品期货分类及异质性基本面分析概述》 2018-1-31

2《金融工程：季节性盈利异象带来的意外收益》 2018-01-22