|
多因子风格轮动及基于风格加权的 FOF 组合策略投资要点： 大类资产配置的核心是获取资产的 Beta 收益，而资产的 beta 收益，不仅来源于主动承担的市场系统性风险，还来源于主动承担的某类风格暴露带来的收益。经典的 Carhart 模型把股票市场的收益拆解为 4 类来源，即市场收益，规模因子收益、价值因子收益以及动量因子收益，后三者即为主要的风格收益来源，而对于风格因子的投资，即为 Smart Beta 的投资思路。 我们考虑采用多因子框架，依次构建大小盘、价值成长、动量反转的风格轮动模型。多因子风格轮动模型主要考察宏观经济运行、市场微观结构以及动量趋势三类指标。从模型回测结果看，2010 年 7 月~2018 年 8 月，大小盘风格轮动模型录得7.62%的年化收益率，价值成长轮动模型录得7.49%年化收益率，动量反转轮动模型录得年化收益率为 5.55%，同期沪深 300指数收益率仅 1.93%，且轮动模型跑赢各自成分指数，Calmar 比率也优于成分指数，说明构建的模型是有效的。 我们考虑将轮动结果运用至公募 FOF 的组合构建中。首先，我们按照固定权重构建三个风格轮动模型的风格加权指数；其次，根据多期相关系数对基金进行初始筛选，构建初始基金组合，该组合与风格加权指数走势基本一致，高度相关，不存在严重风格漂移问题；最后，我们加入基金二次筛选指标构建 FOF 组合。历史回测看，经二次筛选后的 FOF 组合，2011年以来年化收益率为 7.01%，同期沪深 300 指数收益率为 1.10%，组合Calmar 比率 1.26 倍，同期沪深 300 指数仅 0.14，另从业绩贡献度看，最终构建的 FOF 组合中风格轮动与基金筛选的贡献各自占一半左右，从而基本实现了中观策略与微观筛选的相互融合。 风险提示：数量化策略研究主要基于历史数据，可能存在模型设定偏差的风险。 内容目录- 风格轮动因子测试框架及说明
- 多因子风格轮动模型构建
2.1. 大小盘风格轮动模型
2.1.1. 单因子测试
2.1.2. 大小盘多因子轮动模型构建与回测
2.2. 价值成长风格轮动模型
2.2.1. 单因子测试
2.2.2. 价值成长多因子轮动模型构建与回测
2.3. 动量反转风格轮动模型
2.3.1. 单因子测试
2.3.2. 动量反转多因子轮动模型构建与回测 - 基于风格加权的 FOF 组合构建
3.1. 风格加权策略构建
3.2. 基于风格加权的公募 FOF 组合构建
图表目录
图 1：基于事前交易视角的波段划分（CPI 同比增速）
图 2：大小盘风格轮动模型历史走势
图 3：价值成长风格轮动模型历史回测
图 4：动量反转风格轮动模型回测净值曲线
图 5：风格加权指数历史回测
图 6：风格加权指数与风格加权基金组合走势比较
图 7：基金初始筛选与二次筛选组合历史走势
表 1：大小盘风格轮动因子测试结果（正向交易）
表 2：大小盘风格轮动因子测试结果（反向交易）
表 3：大小盘风格轮动模型统计结果.
表 4：价值成长风格轮动因子测试结果（正向交易）
表 5：价值成长风格轮动因子测试结果（反向交易）
表 7：价值成长风格轮动模型统计结果
表 7：动量反转风格轮动因子测试结果（正向交易）
表 8：动量反转风格轮动因子测试结果（反向交易）
表 10：动量反转风格轮动模型统计结果
表 11：初始筛选与二次筛选组合统计结果.
| 
