|
宏观视角下的风格轮动探讨——多因子 Alpha 系列报告之（三十五）报告摘要： 宏观环境变化影响风格轮动规律
股市的波动与宏观经济的的变化有着密不可分的关系。一般而言，股市中投资者的投资风格、市场的风险偏好等都会因宏观经济环境的变化而发生明显的转换。因而，通过对宏观经济在短期形成的特定的宏观事件、宏观经济趋势是否发生“历史重演”，利用统计方法寻找样本内部的轮动规律，便可以利用这些规律为投资者在进行不同风格配臵提供有效的建议。 宏观事件驱动策略实证结果
在宏观事件驱动策略中，通过为各个风格因子找到对应的能够使风格因子表现凸显的宏观事件，从而在每期中根据宏观事件是否触发找到本期应当配臵的风格因子，进而获取更高的收益。从 2009 年至今，策略对冲上证综指共获得 346.59%的累计超额收益率，胜率为 66.44%，最大回撤为51.79%，2018 年以来共获得-0.12%的超额收益率，胜率为 66.67%，最大回撤为 4.12%。 宏观趋势匹配策略实证结果
在宏观趋势匹配策略中，通过将当前市场的宏观走势与历史上的宏观走势进行对比，并将最佳匹配所在的时间点作为当前的最佳匹配时间点，将最佳匹配时间点的未来一段时间的风格有效性作为当前风格轮动的依据，可以构建出我们的宏观趋势匹配策略。从 2009 年至今，策略对冲上证综指共获得 183.66%的累计超额收益率，胜率为 65.14%，最大回撤仅为19.42%，2018 年以来共获得-3.91%的超额收益率，胜率为 33.33%，最大回撤为 2.79%。 综合策略实证结果
在综合策略中，我们综合考虑了前两个策略的方法，通过宏观事件驱动策略确定每期应当配臵的风格因子，再通过宏观趋势匹配策略来对风格因子进行权重的配臵，从而获得更加稳定的收益。从 2009 年至今，策略对冲上证综指共获得 270.88%的累计超额收益率，胜率为 71.56%，最大回撤仅为 22.08%，2018 年以来共获得-1.45%的超额收益率，胜率为 66.67%，最大回撤为 3.34%。 风险提示
本篇报告通过历史数据统计、建模和测算完成，仅作为风格轮动中风格配臵的研究，在宏观政策超出预期的波动以及市场环境变化下可能存在失效风险。 目录索引一、前言
二、宏观因子事件模式
（一）风格轮动方法简介
（二）宏观因子及宏观事件模式定义
（三）正向宏观事件的训练及筛选
（四）反向宏观事件的训练及筛选
（五）有效宏观事件模式举例
三、基于宏观事件驱动的风格轮动策略
（一）策略表现测算
（二）实证结果
四、基于宏观趋势匹配的风格轮动策略
（一）基本逻辑
（二）最优宏观因子组合的训练
（二）策略表现测算
（三）实证结果
五、综合策略
（一）基本逻辑
（二）策略表现测算
（三）实证结果
六、总结
（一）策略表现概述
（二）策略最新推荐
风险提示 图表索引
图 1：大盘价值指数与小盘成长指数近 2 年表现对比
图 2：流通市值（小盘）的事件驱动示例
图 3：流通市值（大盘）的事件驱动示例
图 4：毛利率风格的事件驱动示例
图 5：EP 风格的事件驱动示例
图 6：一个月股价反转风格的事件驱动示例
图 7：一年股价动量风格的事件驱动示例
图 8：宏观事件驱动策略回测结果
图 9：宏观趋势匹配示例（2016/09/30 与 2008/10/31）
图 10：宏观趋势匹配策略回测结果
图 11：综合策略回测结果
表 1: 宏观因子汇总
表 2: 事件模式说明
表 3: 风格因子汇总
表 4 宏观事件驱动策略分年度收益表现
表 5 风格因子对应事件驱动表
表 6 待选宏观因子
表 7 最佳宏观因子组合
表 8 宏观趋势匹配策略分年度收益表现
表 9 综合策略分年度收益表现
表 10 综合策略 2018 年 3 月推荐风格因子组合
| 
