金工量化投资月报：春季行情关注波动率、换手率因子-20220107-华泰证券-28页_1mb

2022年1月A股风格因子预测总结

核心内容

2022年1月，华泰研究从内生变量、外生变量、因子周期、日历效应等多个维度对A股风格因子进行了综合分析，整体看好波动率和换手率因子的表现。

主要观点

1. 内生变量视角

• 短期看好：估值、波动率、换手率因子
• 不看好：财务质量、Beta、技术因子
• 估值因子：在离散度和拥挤度指标上均占优，处于相对忽视状态
• 波动率和换手率因子：在各项指标上均呈现优势，具有较强的适应性

2. 外生变量视角

• 短期看好：小市值、波动率、换手率因子
• 不看好：Beta因子
• 预测值超过10%：小市值、波动率、换手率因子，可能具有较强的预测能力

3. 因子周期视角

• 中长期看好：大市值、估值、盈利、质量、波动率、换手率因子
• 当前周期状态：处于因子投资时钟的第四象限，建议配置大市值、估值、盈利、质量因子，同时长期配置波动率和换手率因子
• 经济周期：库兹涅茨周期处于上行但接近顶部，朱格拉周期向下，流动性趋于宽松

4. 日历效应

• 1月看好：成长、反转、波动率、换手率因子

关键信息

宏观与市场环境

• 宏观环境：国内经济复苏仍面临压力，但经济指标呈现恢复迹象；政策提供底部支撑
• 市场环境：A股交易热度持续，但板块与行业间估值分化明显；沪深300估值处于高位，中证500和中证1000处于低位，市场呈现结构性行情特征

估值与行业表现

• 主要市场指数：沪深300估值处于历史高位，中证500接近历史低点
• 行业估值：消费、成长板块估值偏高，通信、周期板块估值偏低，金融板块处于历史低位

风格因子表现回顾

• 2021年12月：估值、小市值、反转、波动率、换手率、技术因子表现良好，RankIC均超过10%
• 近一年表现：反转、波动率、换手率因子整体表现良好，小市值因子在节后占优，技术因子下半年强势，成长、盈利、财务质量因子表现不佳

风格因子预测结果

• 小市值因子：RankIC预测值为17.6%，CGPI当月同比二阶差分是主要贡献
• 波动率因子：RankIC预测值为11.7%，沪深300波动率变化率为主要贡献
• 换手率因子：RankIC预测值为12.3%，沪深300波动率变化率为主要贡献
• Beta因子：RankIC预测值为-0.8%，表现不理想
• 技术因子：RankIC预测值为5.0%，表现平淡

风险提示

• 风格因子的表现与宏观环境和大盘走势密切相关，历史数据不能预测未来
• 金融周期规律可能被打破，市场可能出现超预期波动，导致交易拥挤

风格因子表现分析

1. 内生变量视角

• 因子动量：小市值、反转、波动率、换手率因子动量较强，成长、盈利、财务质量因子动量较弱
• 因子离散度：估值因子离散度较高，处于被忽视状态；反转、财务质量因子离散度处于低位，可能被过度投资
• 因子拥挤度：成长、盈利、财务质量、小市值和技术因子拥挤度较高；波动率、换手率因子拥挤度较低，交易相对不拥挤

2. 外生变量视角

• 使用线性回归模型预测未来一个月的RankIC值
• 外生变量筛选：通过AIC和AICc准则，筛选出对因子RankIC具有解释能力的外生变量
• 模型构建：对每个大类风格因子进行多元线性回归，预测其未来表现

3. 因子周期视角

• 自上而下预测：根据经济周期分类，建议配置大市值、估值、盈利、质量因子
• 自下而上预测：通过三周期回归拟合，预测因子未来表现的边际变化
• 综合预测：波动率、换手率因子在不同宏观环境下表现稳定，建议长期配置

图表与数据

图表目录

• 图表1：内生变量与外生变量对风格因子表现的预测
• 图表2：各风格因子在各自然月份胜率
• 图表3：2021年PMI趋势
• 图表4：2021年工业增加值同比趋势
• 图表5：A股每日总成交额
• 图表6：A股两融总余额
• 图表7：A股北向资金累计净流入
• 图表8：主要市场指数PE_TTM分位数
• 图表9：中信一级行业指数PE_TTM分位数
• 图表10：市场分歧行情下各因子表现
• 图表11：市场整体上行时各因子表现
• 图表12：市场整体下行时各因子表现
• 图表13：2021年12月大类风格因子表现
• 图表14：近1年大类风格因子累计RankIC值
• 图表15：近1年细分因子表现
• 图表16：内生变量预测得分
• 图表17：大类风格因子动量历史序列
• 图表18：大类风格因子截面动量与历史分位数
• 图表19：大类风格因子离散度历史序列
• 图表20：大类风格因子截面离散度与历史分位数
• 图表21：大类风格因子拥挤度历史序列
• 图表22：大类风格因子截面拥挤度与历史分位数
• 图表23：外生变量列表
• 图表24：外生变量筛选流程图
• 图表25：外生变量对大类风格因子RankIC预测值
• 图表26-35：各因子RankIC预测值及外生变量贡献情况
• 图表36：不同经济周期下因子表现分类
• 图表37：实体经济三周期滤波结果
• 图表38-47：各因子去趋势后累计收益率与三周期回归拟合

附录

附录一：细分因子计算方法

• 包含估值、成长、盈利、财务质量、小市值、反转、波动率、换手率、Beta、技术等10类共34个细分因子
• 每个因子有具体的计算方式和方向定义（1为越大越好，-1为越小越好）

附录二：风格因子合成与RankIC计算方法

• 风格因子合成：对细分因子进行中性化处理、去极值、标准化后等权相加
• RankIC计算：使用Spearman秩相关系数计算风格因子与下期个股收益率的相关性
• 因子收益率计算：通过线性回归模型计算因子收益率，考虑行业暴露度、市值暴露度等影响因素