> **来源：[研报客](https://pc.yanbaoke.cn)** # 金工专题报告：二维风格择时与跨频率指数轮动 ## 核心内容概述 本报告提出了一种新的二维风格择时模型，通过成长/价值与大盘/中小盘两个维度构建风格坐标系，实现更精准的资产配置。该模型通过将21个底层指标转化为63条信号，结合宏观和股票横截面中观信息，形成可解释、可复核的风格判断。模型包含三个层级：风格层、代理层和融合层，分别处理月度、周度和可执行组合层面的决策。 ## 主要观点 ### 1. 二维风格框架 - 二维风格框架将成长/价值与大盘/中小盘同时纳入配置决策，形成“成长大盘、成长中小盘、价值大盘、价值中小盘”四个象限。 - 成长价值轴关注盈利预期、资金成本、通胀约束与风险补偿，大小盘轴关注总量景气、信用与交易流动性分布以及不同市值公司的成本承载能力。 - 模型通过模块内等权和模块间等权，确保每条经济传导链有独立且平衡的表达空间。 ### 2. 模型的三层架构 - **风格层**：月度频率，基于宏观和股票横截面中观数据，确定风格方向与允许池。 - **代理层**：周度频率，基于指数价格、趋势和风险信息，选出Top2指数。 - **融合层**：周度执行，结合风格允许池与代理评分，形成可交易组合。 ### 3. 模型可解释性 - 模型在运行前就明确了指标、信号、模块分数合成方式和持仓映射规则，确保可解释性和可复核性。 - 模型可区分经济方向错误、拐点识别滞后和收益幅度不对称三种问题，便于风险管理和策略调整。 ## 关键信息 ### 1. 信号库构建 - 21个底层指标转化为63条信号，分为长期、中期和短期三类。 - 成长价值轴包含四个模块：景气与增长、流动性与估值、通胀与成本、风险偏好与风险定价。 - 大小盘轴包含三个模块：景气与增长、流动性与估值、通胀与成本。 ### 2. 指数代理与映射 - 模型使用14只指数代理，每个指数在两条轴上具有固定属性。 - 例如，300成长、沪深300R成长属于成长大盘；中证500成长、1000成长、2000成长、科创综指、创业板指属于成长中小盘。 ### 3. 回测表现 - **成长价值轴**：年化超额收益9.67%，超额信息比率1.31，超额最大回撤11.04%。 - **大小盘轴**：年化超额收益6.40%，超额信息比率0.87，超额最大回撤18.01%。 - **统一风格层**：年化超额收益15.16%，超额信息比率1.48，超额最大回撤13.98%。 - **融合层**：年化超额收益16.38%，超额信息比率1.43，超额最大回撤13.28%。 ### 4. 模型执行逻辑 - 代理层评分由收益（75%）和风险（25%）构成，收益评分由趋势和相对强弱等权合成，风险评分由波动率和回撤修复等权合成。 - 融合层根据风格允许池内的指数评分，选出Top2等权持有，避免风格漂移。 ### 5. 历史阶段分析 - 模型通过构建“趋势扩张、趋势降温、风格修复”等四类阶段标签，解释市场变化。 - 分析了模块在不同阶段的表现，包括政策资金主导、受益主体变化和哑铃行情等。 ## 模型表现分析 ### 1. 成长价值轴 - **总体绩效**：累计收益率736.73%，年化收益率19.10%，超额年化收益率9.67%。 - **分年度表现**：多数年份正超额，2016年为负，2026年为正。 - **风险特征**：年化波动率23.52%，最大回撤11.04%。 ### 2. 大小盘轴 - **总体绩效**：累计收益率474.96%，年化收益率15.48%，超额年化收益率6.40%。 - **分年度表现**：多数年份正超额，2014年为负，2026年为正。 - **风险特征**：年化波动率23.78%，最大回撤18.01%。 ### 3. 统一风格层 - **总体绩效**：累计收益率1404.69%，年化收益率25.00%，超额年化收益率15.16%。 - **分年度表现**：多数年份正超额，仅2016年为负。 - **风险特征**：年化波动率24.76%，最大回撤13.98%。 ### 4. 融合层 - **总体绩效**：累计收益率1610.59%，年化收益率26.32%，超额年化收益率16.38%。 - **分年度表现**：多数年份正超额，2016年为负。 - **风险特征**：年化波动率25.33%，最大回撤13.28%。 ## 风险提示 1. 风格收益为相对收益，可能因经济传导、政策变化、流动性冲击和风险偏好快速切换导致阶段性回撤。 2. 指数代理的实际交易表现受基金或ETF流动性、折溢价、冲击成本与账户规模影响。 3. 周频代理排名可能在高波动环境下变化加快，需结合换手、持仓集中度与产品风险预算执行。 4. 模型用于识别权益内部的相对优先级，不构成对市场绝对涨跌或单一指数收益的承诺。 ## 结论 - 二维风格框架有效避免单一风格标签的局限性，实现更全面的市场结构识别。 - 模型通过模块化信号和分层处理，兼顾经济可解释性和周频调整能力。 - 融合层在统一风格层基础上进一步优化，提升收益弹性，但需权衡换手率与风险调整收益。