成长价值轮动的全景式框架：宏观研判与微观量化的协同验证——大类资产配置研究系列（16）.pdf

面对“成长还是价值”这一权益市场核心选择题，本报告构建了一套全景式轮动框架，旨在通过宏观研判与微观量化的协同验证，帮助投资者穿透噪音并优化资产配置。该框架涵盖交易、资金流、基本面及宏观四大维度，共包含九个子策略，分别通过价格与成交额动量、超大单与融资流向、净利润增速与股息比、以及PPI-CPI、固投与M1-M2等指标，全方位捕捉风格轮动驱动力。

多维策略绩效评估

各子策略在不同维度上展现出差异化优势。其中，超大单占比策略在年化超额收益率与信息比率上表现最佳，显示出机构资金流向对风格判断的高有效性；PPI-CPI分位策略虽信号频率极低，但拥有最高的次胜率，体现了宏观周期对风格决定的长期确定性；M1-M2分位策略则凭借极高的次赔率，反映出流动性风险偏好对成长风格的强劲推动力。其余策略如价格动量、融资买盘比等也均贡献了稳定的超额收益来源。

动态赋权模型的优越性

为解决单一策略在不同市场环境下适应性不足的问题，报告对比了等权综合模型与动态赋权模型。等权模型通过简单聚合信号，实现了年化超额收益约8%的水平。而动态赋权模型通过约束优化算法，根据过去一段时间各子策略的表现动态调整权重，使模型能灵活适应市场主导因素的切换。回测显示，动态赋权模型将年化超额收益提升至10%以上，同时提高了次胜率与信息比率，降低了最大回撤，展现出更优的风险收益比。

ETF轮动实战应用

基于动态赋权模型，报告进一步构建了风格ETF轮动组合，在成长与价值ETF之间进行切换。相较于静态均衡配置的基准组合，该轮动组合在所有测试年份均录得正超额收益，年化超额收益显著，验证了该框架在实际投资中的可操作性与有效性。这一成果表明，通过系统化整合宏观与微观信号，投资者可以更精准地把握风格轮动节奏，实现资产配置的优化。