量化投资策略分析报告：因子风格择时策略（2021年12月）.pdfVIP

2021 年 12 月 05 日 证券研究报告 金融产品研究中心 风格择时月报 量化投资策略报告 因子风格择时策略 （2021 年 12 月期） 本篇报告中我们通过 XGBoost 方法构建因子择时模型以及大小盘轮动模型。根 据拟合得到XGBoost 模型对于 barra 风格、大小盘风格未来收益进行预测，为投 资者提供系统的风格配臵参考。由于两套模型都用到宏观经济数据和市场情绪变 量作为输入变量，且策略框架有一定共性，因此我们放在同一篇报告中做展示。 本报告包括两个相互独立的策略： 1 ）策略1：我们使用XGboost 模型，对股票 barra 风格因子未来一个月因子收 益正负做出预测。输入自变量包括因子拥挤度、宏观数据（多指标）、市场状态 等。该策略对于做指数增强、smart beta 轮动策略的投资者有帮助。 模型回测显示，风格轮动择时效果明显。我们将择时结果与多因子选股组合优化 框架进行结合，选取中证500 指数为基准，选股范围为中证500 成分股。在控制 行业偏离和个股权重的情况下，XGBoost 模型在测试集（2019 年至今）各风格 因子上平均月度胜率为61%，策略收益年化 26.06%，相对于中证500 超额收益 年化 20.55%。今年以来该模型超额收益赔率较高，8 月份主要是因为高配了动 量、质量和估值因子。11 月份低配了动量因子超配低换手因子。 模型在 12 月份建议高配 beta、动量、质量、成长因子,低配小市值、低波动因 子、估值因子。从模型逻辑上看，当前经济周期还没有到全部复苏的阶段，市场 流动性较为宽松，但市场主线尚不明确，没有明显的风格偏好，因此模型总体保 持风格敞口的相对均衡配臵。模型本期相对优选对于利率敏感性较强的成长因 子，以及在整个投资环境趋势不明晰下控制质量和大市值有一定敞口。 2 ）策略2：我们使用嵌套XGBoost 的打分加权模型，对沪深300 、中证500 未 来一个月收益高低做出预测。对于偏长期的宏观经济数据维度和偏短期的市场情 绪、估值盈利差、风险偏好维度，我们分别构建两套不同的 XGBoost 模型来建 立自变量到因变量的映射，然后对不同维度的信号进行等权打分，从而可判断当 前市场环境是否更加有利于投资沪深 300 或者中证 500。策略选取业绩比较基准 为“50%*沪深300+50%*中证500”。 由宏观经济数据为自变量构建的 XGBoost 模型的胜率分别为 76%、超额收益年 化 6.59% ，夏普比率 1.27 。由市场情绪自变量构建的 XGBoost 模型胜率位 71%，夏普比率1.36 ，超额