2025年中银宽基指数定量配置系列专题报告：风格因子动态优选策略

一、研究背景及模型框架

（一）多因子模型：构建宽基指数池

模型框架：多因子模型是经典选股模型之一。将同样的思路应用于宽基指数配置，构建备选宽基指 数池，依据最新因子暴露度对宽基指数进行排序，做多排名居前的因子并定期调仓，可得到由宽基 指数构建的因子多头组合。 宽基指数选择：当前市场关注的核心风格包含“大小市值”、“高低估值”及“动量反转”三个维 度。其中“动量反转”维度暂无直接匹配的宽基指数，因此结合机构投资者普遍可接受的投资范围， 选择将“大小市值”维度的上证 50、沪深 300、中证 500、中证 1000，及“高低估值”维度的中证 红利、创业板指 6 个宽基指数纳入指数池。

（二）模型难点与解决思路

经典风格因子具有 beta 属性。在局部时间内有效并表现突出的因子组合往往在下一个阶段进入“失 效期”,出现大幅回撤或维持区间波动。直接使用经典因子构建组合难以获取稳定的超额收益。 通过对因子的动态优选获得稳定超额。当备选因子足够丰富时，每个阶段总有机会选出当前有效的 因子，弥补单一因子难以持续有效的问题 。在每次调仓前对大量因子进行评估，选择使用“当前有 效”的因子，可实现对因子的“动态优选”。

二、优化因子池构建与筛选

（一）优化因子池构建

1.宽基指数因子定义

因子定义：以 1 年价格动量为例，基于因子值，在横截面上对 6 个宽基指数进行打分（1 至 6 分）； 定义多头与空头组合：因子值最高的前 1/3（即 top2)宽基指数池为多头组合，因子得分最低的后 1/3（bottom2)宽基指数池为空头组合； 业绩基准：定义为宽基指数池（6 个）的日度简单平均收益率，基于此基准可计算因子的多头超额 收益、空头超额收益以及多空超额收益。

2.风格因子初始框架

参考 J.P.Morgan 研报、BARRA CNE6 等海外经典文献，结合 Wind RDF 数据库中可直接提取的指 数基本面、量价数据范围，初始因子体系框架搭建如下：

因子组合的另一层含义：基于宽基指数构建多类风格因子组合，相当于把可选的风格资产范围从 6 个宽基指数（仅包含市值、估值两个维度）映射到更多维度。后续模型在 100 多个风格因子组合中 进行动态优选，相比于直接选择原始的 6 个宽基指数，更具有统计学意义。

3.衍生因子

在经典因子基础上，为扩大后续动态优选的选择范围，从两个角度补充衍生因子：

基本面预期值：将基本面因子对应的未来 2 年“分析师一致预期”指标（FY1、FY2）也作为因 子补充到因子池中，且预期因子所属的因子类型与原基本面因子一致。

时间序列滚动分位数：相比于基本面指标本身，市场中部分投资者更关注基本面指标的历史 相对位置。将除“价格动量”外所有因子的“滚动近 3 年历史分位数”作为衍生因子补充到因子池 中，衍生因子所属的类型与原因子一致。

4.因子缺失值处理

万得数据库中部分指数的数据（价格、自由流通换手率、基本面数据）起始点晚于策略回测起始点 （2011.01.04），导致部分因子暴露度数据存在缺失。

因子复合方式：分别计算所有因子的截面排序（正序，因子值越大则排序值越大），取各因子截面 排序值的平均值为“复合因子值”（平均值=除空值外其他数据的平均值，若所有因子此处数据皆为 空值，则复合因子值也为空值），并重新计算“复合因子值截面排序”用于后续的投资组合构建。

5.镜像因子构建

在后续“优选因子”的操作中，我们会根据因子组合的净值表现，基于 “趋势” 逻辑判断是否应该在 当下的时间点使用该因子。在阶段 I、Ⅲ，因子 F 会因为具有明显的正向趋势而被选 中使用，在阶段Ⅱ、Ⅳ会因为失效而被弃用。 实际上，因子 F 在阶段Ⅱ、Ⅳ仍有利用价值。如果在阶段Ⅱ、Ⅳ“反向”使用因子 F，即做空因子 F 较高的指数，做多因子 F 较低的指数，有希望获得超额收益。

为简化计算，构建因子 F 的“镜像因子”F’。F’因子值排序与 F 完全相反（F’因子排序 = F 因子的“反 向排序”），因子 F’的多头组合相当于因子 F 的空头组合，因子 F’的多空组合相当于因子 F 的“空 多”组合。

通过上述方法，可构建所有通过初步筛选的风格因子的镜像因子组合。 以“历史波动率”因子为例，直接使用该因子构建的多空组合可视为对“高波”风格市场表现的代表， 该因子的镜像因子多空组合则为“低波”风格的代表。同理，还可以构建代表“低估值”、“低 β”、 “低换手”以及“反转”（对应动量类因子）风格的镜像因子多空组合。 对质量及成长因子而言，投资者有理由持有质量高、成长性好的资产，没有理由持有质量低、成长 性差的资产。因此理论上无需构建质量、成长类风格因子的镜像因子。 将全部估值、市值、市场 β、换手率、动量类因子及其镜像因子（镜像因子属于原因子所属类别， 例如高、低估值风格因子都归于“估值类”因子），以及通过初步筛选的质量、成长类因子，作为后 续动态配置备选的“因子池”。

6.因子组合净值走势

因子类内相似性 & 类间差异性：截取 2010 年 1 月 1 日-2020 年 12 月 31 日各因子多空组合净值并观 察其阶段性走势，可知各类因子的类内具有一定的相似性，类间差异性显著（优于镜像因子的净值 走势与原因子完全相反，此处仅展示所有“非镜像因子”的净值曲线）。

一部分因子在局部区间内表现出显著的趋势性，在各时间点抓取当下占优的因子并动态配置，有望 获取更稳定的超额收益。另一部分因子净值长期围绕固定中枢小幅震荡，不具备使用价值。 在后续的“因子动态优选过程中”，我们会根据因子过去的表现评估因子是否值得使用，因此要求因 子组合的表现存在一定的自相关性。

（二）因子初步筛选

由于使用滚动区间数据进行因子初筛的回测结果稳健性较低，推荐使用固定区间数据。本文因子初筛 使用的数据区间为：2008 年 1 月 1 日-2020 年 12 月 31 日（该区间被视为模型的“样本内区间”）。

收益弹性：以“因子多空组合月度超额收益率绝对值的中位数 ”衡量因子组合的收益弹性。保 留收益弹性 >= 0.25%的因子。

自相关性：对因子多空组合月度超额收益率的时序数据，做 12 阶自相关回归，对每一阶的回 归系数做置信度为 5%的显著性检验。若任何一阶通过检验，则认为因子收益存在一定的自相 关性，选择保留该因子。

由于使用滚动区间数据进行因子初筛的回测结果稳健性较低，推荐使用固定区间数据。本文 因子初筛使用的数据区间为：2008 年 1 月 1 日-2020 年 12 月 31 日（该区间被视为模型的“样 本内区间”）。

三、因子动态优选策略

（一）构建因子评估体系

确定因子池后，需要在每次调仓前基于历史信息，识别当前配置价值最高的因子。 从“短期动量+长期趋势+反转”3 个角度综合衡量因子的配置价值。

1. 指标 1：短期动量指标（PVT_10_adj）

指标构建理念：因子评估指标相当于“因子的因子”。参考经典量化因子 PVT 的模式，构建用于 捕捉“量价共振”特征的短期动量指标。 标准化调整的意义：不同指数的收益弹性及换手率存在天然差异，经标准化调整后的指标在截面上 可比性更强。

2. 指标 2：长期趋势指标（PVT_252_adj）

构建逻辑与短期动量相同，时间跨度由 2 周（10 个交易日）改为 1 年（252 个交易日）。

3. 指标 3：基于“马尔可夫链”的反转指标 (REV_PROB)

马尔可夫链模型的本质：根据因子本月“是否有效”的真实情况，以及历史统计规律，预测因子下 个月“有效”的概率大小。 注：对马尔可夫链模型的详细介绍见附录。 a.将因子多空组合的收益情况，划分为两种“状态”： 状态①(因子有效)：多空组合月度收益率>=0.5% 。 状态②(因子失效)：多空组合月度收益率<0.5%。

4. 评估指标复合

单一评价指标包含的信息有限，通过如下方式得到“复合评价指标” （复合分值越高代表因子的配置 价值越高）。

（二）分类优选因子

因子类型中性化：从八大类型中分别选择“评估指标”在类内排名居于前 N 位的因子，确保每个类型 所代表的“信息维度”对投资决策都具有一定的影响力，并降低被选中因子的相关性，提升模型的稳 健性。

（三）指数优选

将被选中的因子等权复合，并根据复合因子排序得到多头组合的本期调仓目标。（考虑到做空限制， 最终构建的投资组合为多头组合）

（四）实证分析

1. 策略回测设定说明

回测区间：2011.01.04-2025.08.31； 换仓周期：月度换仓，以每月第 1 个交易日收盘价作为换仓交易价格； 投资标的：上证 50、沪深 300、中证 500、中证 1000、中证红利、创业板全收益指数； 业绩基准：上述 6 个指数的日度等权组合收益率；参数设置：因子类型中性化法：N 取 2； 交易成本：单边交易成本设置为 0.025%，其中包括交易费率及滑点。

2. “复合指标”vs“单一指标”

动量指标贡献超额：从单一指标策略的回测结果看，长、短期动量指标策略能够贡献显著的超额 收益。 反转指标规避拥挤：单一反转指标策略的净值表现不具有“单调性”，无法获得长期正向超额收益， 但与长期趋势、短期动量复合的效果显著优于“长期趋势 + 短期动量”纯粹动量指标复合的效果。 反转指标的作用主要体现在市场出现“因子动量崩溃”的阶段，通过“对具有高胜率的因子扣分” 的方式规避极端拥挤造成的大幅回撤，显著增厚策略的长期超额收益。

3. 持仓相似度分析

以 2024 年 1 月至 2025 年 8 月持仓为例，三指标复合策略的持仓与“长期趋势 + 短期动量”双指标复 合策略的持仓更为接近，与马尔可夫反转单一指标策略持仓差异显著。 三指标复合策略的最终持仓主要由长、短期动量指标的复合效应所决定，反转指标能够对动量指标 的持仓进行略微调整，三指标等权复合的本质是“规避高概率拥挤”的动量信号。 由于 A 股风格轮动层面具有“动量效应强于反转效应”的普遍特征，构建以动量逻辑为主，以概 率反转为辅的模型是相对合理的。

4. 反转指标稳定性测试

基于长期趋势、短期动量指标相同的逻辑，构建更简单、直观的反转指标。周期为 X 日的“简单量 价反转” 指标计算方法如下：

在“长期趋势+短期动量”双指标复合的基础上，加入马尔可夫反转指标的效果优于加入“简单量价” 反转指标。

马尔可夫反转指标对趋势指标的增强效果优于“21d 简单量价”反转指标（马尔可夫反转指标的 构建基于滚动 3 年数据估算的马尔可夫链，与 756d 量价反转指标相对应）。

马尔可夫反转指标同样优于其他较短周期（21d、42d、63d、126d）的简单量价反转指标。

5. “复合评估指标”因子动态优选策略表现

“三大评估指标复合”因子动态优选策略在全回测区间（2011.01.01-2025.08.31）能够较为稳定地获 取超额收益。 “因子池”构建环节曾使用 2011.01.01-2020.12.31 的数据进行因子初步筛选，将 2011.01.01- 2020.12.31 视为 “样本内回测区间”，将 2021.01.01-2025.08.31 视为 “样本外回测区间” 。

编辑：火腿肠