基金研究类模板

Size: px

Start display at page:

Download "基金研究类模板"

拐姻姚
4 years ago
Views:

1 2017 年 1 月 11 日证券研究报告策略评价不同市场行情下股票多头策略的业绩来源及策略展望策略评价系列报告 ( 二 ) [table_research] 分析师 : 张青执业证书编号 S 电话 : 邮箱 : ZhangQing@cnhbstock.com 分析师 : 奕丽萍执业证书编号 S 销售服务电话 : 相关研究报告 [table_product] 期现价差风格轮动与市场中性策略策略评价系列报告 ( 一 ),2016 年 11 月 24 日 [table_main] 投资要点 : Carhart 四因素模型显示, 市场因子规模因子价值 / 成长因子和动量 / 反转因子是股票多头策略业绩来源的核心因子基金经理的择时风格配置过程即是对核心因子的管理过程, 而因子对基金业绩的影响力度取决有二 : 因子本身的特征及基金经理对因子的动态管理能力基于对股票市场的行情划分, 我们统计了不同行情下 4 个因子对公募股票多头策略类基金产品全样本及表现最好的前 20% 基金 (Top 基金 ) 的解释力度虽然股票多头类策略的业绩表现受市场行情影响较大, 但我们发现 Top 基金能够在行情低迷时降低损失, 在行情好转时扩大收益, 这说明除了市场因子外还有其他因子影响策略的业绩表现, 也说明优秀的股票多头策略可以在一定程度上控制因子的影响力, 并通过因子的主动选择契合市场风格特征这种主动控制与选择能力正是基金经理择时与风格配置能力的体现, 是优化因子组合主动风险暴露度的过程通过将不同行情阶段 Top 基金与全样本基金因子系数的对比分析, 我们发现 : 单边上涨期,Top 基金较全样本基金主动提高了市场暴露, 同时在选股上更加偏向于当时牛市中盛行的小盘风格, 并通过板块与主题间的轮动操作, 重点选择前期滞涨品种, 捕捉个股的反转效应 ; 震荡上行期,Top 基金较全样本基金有更高的市场暴露, 同时在选股上更能契合震荡上行期的市场风格, 如 2016 年以来的行情中,Top 基金就主动契合了偏向于大盘与价值的市场风格 ; 单边下跌期,Top 基金较全样本基金主动减少市场暴露的力度更大, 同时减仓也导致了对其他三个因子的暴露度减小 ; 震荡下行期,Top 基金较全样本基金在市场暴露上有所降低, 同时在选股上采用了更加均衡的配置思路 ; 区间横盘振荡期,Top 基金与全样本基金相比更加主动顺应了市场的小盘风格, 加大了小盘股的配置, 同时在选股上更倾向于选择强势个股, 捕捉动量效应风格因子具有轮动特征, 股票多头策略运作是否良好, 除大势因素外, 还在于对市场风格的动态跟踪与预测我们基于风格指数的累计收益率方法构建了相对强弱模型用于监测各类风格轮动特征, 模型整体表现良好, 目前指向大盘价值与反转效应的市场风格展望 2017 年 1 季度, 考虑到微观企业盈利仍处于上行趋势, 流动性也边际有所改善, 且政策层面对市场形成利好, 我们对权益市场保持乐观, 股票多头策略运作的大势环境尚可结合对未来市场风格的判断, 建议可重点配置股票型基金或偏股混合型基金, 这两类基金的市场暴露程度较高, 有望获取市场因子的正收益, 其中市场风格偏向大盘与价值, 且操作风格上偏反转效应的基金获取超额收益的概率较高, 可重点关注风险提示 : 本报告所载的任何建议意见及推测仅反映本公司于本报告发布当日的判断华宝证券 1/13

2 正文目录 1. 不同行情下股票多头策略的历史表现股票多头策略的业绩归因 Carhart 四因素模型 Carhart 模型构建 Carhart 模型检验基于回归系数的因子分析全样本基金的因子系数 Top20% 基金的因子系数 Top20% 基金与全样本基金因子系数对比 Top20% 基金因子业绩贡献度分析股票多头策略核心影响因子的动态分析及展望风格轮动模型相对强弱方法当前市场风格状态及展望图表目录图 1:A 股市场行情划分... 3 图 2: 不同行情下的股票多头策略历史表现 ( 全样本基金与 Top20% 基金 )... 3 图 3: 全样本基金调整后拟合优度 >0.75 占比图 4:Top20% 基金调整后拟合优度 >0.75 占比... 5 图 5: 震荡下行期全样本基金与 Top 基金暴露度比较图 6: 震荡上行期全样本基金与 Top 基金暴露度比较... 7 图 7: 单边下跌期全样本基金与 Top 基金暴露度比较图 8: 单边上涨期全样本基金与 Top 基金暴露度比较... 7 图 9: 区间震荡期全样本基金与 Top 基金暴露度比较... 7 图 10:Top20% 基金不同行情各因子系数非零中位数 ( 非标准化 )... 8 图 11:Top20% 基金不同行情各因子系数非零中位数 ( 标准化 )... 9 图 12: 股票多头策略分段行情总结... 9 图 13:2000 年以来上证综指季度涨跌幅及上涨次数统计图 14: 小盘 - 大盘相对强弱模型图 15: 价值 - 成长相对强弱模型图 16: 反转 - 动量相对强弱模型表格 1: 全样本基金不同行情下各因子 t 统计量显著比例 (95% 置信水平 )... 5 表格 2:Top20% 不同行情下各因子 t 统计量显著比例 (95% 置信水平 )... 5 表格 3: 全样本基金不同行情下各因子系数的非零中位数统计... 6 表格 4:Top20% 基金不同行情下各因子系数的非零中位数统计... 6 华宝证券 2/13

3 本报告是我们策略评价系列报告的第二篇在上一篇报告中, 我们系统阐述了策略评价研究的意义以及框架, 并对市场中性策略进行了详细研究本报告将延续这一框架, 选取股票多头这一主流策略进行评价, 深入探讨股票多头策略的业绩来源影响因素, 并对近期该策略的可能表现进行展望 ( 感谢王方鸣同学对本报告的贡献 ) 1. 不同行情下股票多头策略的历史表现鉴于公募基金较私募基金历史数据更完整, 我们以市场上 700 多只公募股票型及偏股混合型基金的历史净值作为研究样本此外, 考虑到基于金融产品的动态资产配置, 一个关键之处在于如何筛选优异的金融产品标的, 关注表现较优的股票多头策略类基金的净值更有实战指导意义, 因而我们也统计了表现最优的前 20% 基金的历史业绩考虑到不同行情下股票多头策略的业绩来源及核心影响因素可能不尽相同为便于深入研究, 我们对市场行情进行划分, 并在不同行情下对股票多头策略进行探讨 2010 年 11 月 2016 年 12 月, 沪深 300 指数恰好经历了五次典型性行情, 依次为 : 震荡下行期, 区间振荡期, 单边上涨期, 单边下跌期以及震荡上行期图 1:A 股市场行情划分我们基于上述行情划分, 统计了不同市场环境下股票多头策略的全样本基金及各段行情中表现最好的前 20% 基金 ( 简称 Top20% 基金 ) 的历史业绩为便于比较, 我们对不同时期的收益率进行年化处理图 2: 不同行情下的股票多头策略历史表现 ( 全样本基金与 Top20% 基金 ) 整体看, 无论是全样本基金还是 Top20% 基金在市场下跌时均录得负收益, 在市场上涨时期均取得盈利, 其中单边上涨时期 Top20% 基金的年化收益率更达到 136.9%, 这说华宝证券 3/13

4 明股票多头类策略的业绩表现受市场整体行情影响较大不过我们也发现,Top20% 基金能够在行情低迷时降低损失, 在行情好转时扩大收益, 这说明除了市场因子外还有其他因子影响策略的业绩表现, 也说明优秀的股票多头策略可以在一定程度上控制因子的影响力, 并主动契合当时表现较好的因子风格这种主动控制与选择能力正是基金经理择时能力和风格配置能力的表现, 是优化因子组合主动风险暴露度的过程我们对样本收益率进行后验分析, 找出不同行情下能够解释股票多头策略业绩来源的有效因子, 评估因子的解释力度, 并纵向横向比较因子暴露度的动态变化 2. 股票多头策略的业绩归因 Carhart 四因素模型海外经典业绩归因模型 Carhart 四因素模型被业界证明能够较好解释基金的业绩来源该模型共有四个解释变量 : 市场因子 (Rm-Rf), 市值规模因子 (SMB), 价值因子 (HML) 以及动量因子 (MOM) CAPM 模型认为承担市场系统性风险可以获得风险收益, 而 Carhart 模型认为除市场风险溢价长期为正以外, 还有三个因子可以解释收益来源 : 即规模因子价值 / 成长因子以及动量 / 反转因子 Carhart 模型相比 CAPM 模型单一的解释变量更为丰富, 并且涵盖了股票市场表现突出投资者最为关心的三种市场风格通过对四因子 ( 解释变量 ) 与基金净值收益 ( 被解释变量 ) 进行多元线性回归, 可以找出对基金业绩有解释力度的因子, 对基金的绩效来源进行拆解, 并考察各个因子在不同市场行情下对股票多头类策略的业绩影响 2.1.Carhart 模型构建数据采集和清洗 : 采用周频率数据序列构建回归模型以市场 772 只公募基金累计净值收益率作为被解释变量 ; 选取申万 A 股指数代表市场因子 ; 市值规模因子价值因子与动量因子序列均以全部 A 股数据为基础构造为了减少新股波动率过高的影响与基金建仓期内净值不稳定的影响, 剔除上市 24 个月内的新股数据与建仓期内 ( 成立不满三个月 ) 的基金净值数据市场因子 : 以申万 A 股指数周收益率 -1 年期国债周收益率表示动量 / 反转因子 : 采用 Carhart(1997) 方法 :(1) 建仓 : 选取赢家组合 ( 过去 6 个月累计收益排名前 30%) 与输家组合 ( 过去 6 个月累计收益排名后 30%), 等权重买入 ;(2) 换仓 : 换仓频率为三个月一次, 重新选取换仓时点上的赢家与输家组合 ;(3) 因子计算 : 赢家组合收益率序列 - 输家组合收益率序列股票分类 : 采用 Fama&French(1993) 方法, 构建价值 / 成长因子与规模因子需要先对所有股票进行分类以建仓 / 换仓时点上 A 股所有股票的市值中位数为界, 将全部 A 股划分为小盘股 S 类与大盘股 B 类 ; 同时在建仓时点上将全部 A 股按照市净率进行逆序排序, 将排名最后 30% 的股票分为价值股 H 类, 中间 40% 分为中等 M 类, 排名前 30% 的股票定义为成长股 L 类两个维度的划分产生 6 个股票组合 :S/L,S/M/,S/H,B/L,B/M,B/H 价值 / 成长因子 :(1) 建仓 : 分别按照股票市值权重买入 S/H,B/H 类两个价值股组合, 分别按照股票市值权重买入 S/L,B/L 类两个成长股组合 ;( 2) 换仓 : 每三个月换仓一次, 重新按照定义的分类方法构建两个价值股组合与两个成长股组合 ;(3) 因子计算 :(S/H+B/H) 平均收益率序列 -(S/L+B/L) 平均收益率序列市值规模因子 :(1) 建仓 : 分别按照股票市值权重买入 S/L,S/M,S/H 类三个小盘股组合, 分别按照股票市值权重买入 B/L,B/M,B/H 类三个大盘股组合 ;( 2) 换仓 : 每三个月换仓一次, 重新按照定义的分类方法构建三个小盘股组合与三个大盘股组合 ;(3) 因子计算 :(S/L+S/M+S/H) 平均收益率序列 -(B/L+B/M+B/H) 平均收益率序列华宝证券 4/13

模型优化 : 为缓解多重共线性问题, 我们采用因子提纯的方法, 用提纯后的价值因子 ( 原价值因子 y 与市值规模因子 x 回归后的残差项 ) 代替原价值因子 2.2.Carhart 模型检验为了考察 Carhart 模型设计是否合理, 我们对模型调整后拟合优度及拟合参数的 t 统计量进行检验调整后拟合优度检验 : 样本内各个时期的模型调整后 R 2 大于 0.

75 占比系数 t 统计量检验 : 无论是全样本基金还是 Top20% 基金, 不同市场行情下不仅市场因子的 t 统计量显著度占比较高, 其他几个因子的暴露度在 95% 的置信水平上也有较高的显著性占比, 这再次证明 Carhart 模型的有效性, 意味着市场因子市值规模因子价值 / 成长因子及动量 / 反转因子均为影响多头策略的有效因子此外,alpha 大部分时期的显著

5 模型优化 : 为缓解多重共线性问题, 我们采用因子提纯的方法, 用提纯后的价值因子 ( 原价值因子 y 与市值规模因子 x 回归后的残差项 ) 代替原价值因子 2.2.Carhart 模型检验为了考察 Carhart 模型设计是否合理, 我们对模型调整后拟合优度及拟合参数的 t 统计量进行检验调整后拟合优度检验 : 样本内各个时期的模型调整后 R 2 大于 0.75 的占比均在 75% 以上, 模型拟合优度较高, 这说明模型设计是合理的, 能够较好解释基金的收益来源图 3: 全样本基金调整后拟合优度 >0.75 占比图 4:Top20% 基金调整后拟合优度 >0.75 占比系数 t 统计量检验 : 无论是全样本基金还是 Top20% 基金, 不同市场行情下不仅市场因子的 t 统计量显著度占比较高, 其他几个因子的暴露度在 95% 的置信水平上也有较高的显著性占比, 这再次证明 Carhart 模型的有效性, 意味着市场因子市值规模因子价值 / 成长因子及动量 / 反转因子均为影响多头策略的有效因子此外,alpha 大部分时期的显著性水平占比较低, 表明大多数股票多头类基金获取风险调整后超额收益的能力并不强, 收益主要来源于对风险因子的暴露表格 1: 全样本基金不同行情下各因子 t 统计量显著比例 (95% 置信水平 ) 显著系数占比 ( 全样本基金 ) Alpha 市场因子小盘 - 大盘价值 - 成长动量 - 反转震荡下行期 16.99% % 48.09% 68.42% 56.22% 区间振荡期 14.38% % 42.50% 77.08% 53.96% 单边上涨期 22.80% % 54.58% 72.71% 25.61% 单边下跌期 10.53% 99.84% 73.43% 54.56% 21.70% 振荡上行期 17.56% 99.86% 34.70% 44.90% 21.67% 表格 2:Top20% 基金不同行情下各因子 t 统计量显著比例 (95% 置信水平 ) 显著系数占比 (Top20% 基金 ) Alpha 市场因子小盘 - 大盘价值 - 成长动量 - 反转震荡下行期 27.87% % 50.82% 73.77% 68.85% 区间振荡期 30.23% % 48.84% 76.74% 63.95% 单边上涨期 11.11% % 55.56% 77.78% 26.26% 单边下跌期 21.93% % 69.30% 43.86% 17.54% 振荡上行期 52.31% % 52.31% 51.54% 22.31% 3. 基于回归系数的因子分析因子的回归系数不仅可以反映出股票多头策略在不同行情下的业绩来源, 还可以反映出各因子对基金业绩影响力的大小我们统计了各个因子的非零中位数, 即剔除系数不显著的样本基金, 仅观察显著因子的影响力华宝证券 5/13

3.1. 全样本基金的因子系数表格 3: 全样本基金不同行情下各因子系数的非零中位数统计在统计全样本基金的显著因子系数后, 我们发现 :(1) 市场因子始终是最重要的解释变量不过在不同行情阶段, 市场因子的解释力度有所不同, 单边上涨与单边下跌时期, 市场因子对收益的解释力度相应也最大, 这说明在显著的趋势性行情中, 择时能力是最重要的 ; 不过当市场陷入振荡行情时,

6 3.1. 全样本基金的因子系数表格 3: 全样本基金不同行情下各因子系数的非零中位数统计在统计全样本基金的显著因子系数后, 我们发现 :(1) 市场因子始终是最重要的解释变量不过在不同行情阶段, 市场因子的解释力度有所不同, 单边上涨与单边下跌时期, 市场因子对收益的解释力度相应也最大, 这说明在显著的趋势性行情中, 择时能力是最重要的 ; 不过当市场陷入振荡行情时, 市场因子的解释力度有所下降, 其他几个因子的解释力度上升 (2) 价值 / 成长因子的影响力度整体仅次于市场因子, 因子系数在历次行情中均为负, 说明多数股票多头类基金倾向于成长风格 ( 但这并不意味着持仓偏成长风格始终是一个占优策略 ) (3) 动量 / 反转因子根据市场状态的不同呈现一定轮动特征, 绝大多数基金在单边市场倾向于反转风格而在震荡市场倾向于动量风格 ;(4) 大多数基金偏好于小盘风格, 但规模因子的解释力度依据市场状态有所不同, 单边上升及下跌行情中, 规模因子的解释力度要显著高于振荡市场, 这可能是由于单边行情中大小盘风格轮动的特征较为显著所致 3.2.Top20% 基金的因子系数各个行情阶段收益率排名前 20% 的基金是我们观察的重点, 因为每段时期表现最优的基金一定更加契合当时的市场行情, 从而能够反映出各行情阶段股票多策略最优的因子组合, 我们统计了 Top20% 基金的因子非零系数中位数分布表格 4:Top20% 基金不同行情下各因子系数的非零中位数统计从表 4 可以看出 : (1) 与全样本基金一致,Top20% 基金不同时期最重要的解释变量依然是市场因子不过 Top20% 基金对市场因子的暴露度在行情下跌与上涨期的分化显著, 即 Top20% 基金较全样本基金有更出色的择时能力 (2) 除市场因子外, 其他因子对 Top20% 基金的业绩来源也有一定的解释力度同全样本基金一致,Top20% 基金单边市场趋向于采用反转策略, 在震荡行情倾向于动量策略 ; 多数时期偏好于成长与小盘风格 ;(3) 在震荡下行期和单边下跌期,Top20% 基金对市场因子的暴露度显著下降, 在震荡下行期一度降到 0.22, 对其他因子暴露的绝对值也明显下降这符合现实的逻辑 : 在基金规避系统性风险降低仓位时, 其实也减少了对其他风格的暴露, 也即股票多头策略中的市值规模因华宝证券 6/13

7 子价值因子动量因子的解释力度会受到市场因子解释力度的牵制, 这与多头策略无法反向做空市场有关 3.3.Top20% 基金与全样本基金因子系数对比我们将各行情阶段 Top20% 基金与全样本基金的因子系数进行对比, 以更加深入的分析业绩优异的股票多头策略基金相比全样本基金的超额收益来源图 5: 震荡下行期全样本基金与 Top 基金暴露度比较图 6: 震荡上行期全样本基金与 Top 基金暴露度比较震荡下行期,Top20% 基金较全样本基金主动减少了市场暴露, 同时在选股上采用了更加均衡的配置思路 ; 震荡上行期,Top20% 基金较全样本基金有更高的市场暴露, 同时在选股上较为契合了震荡上行期的市场风格 ( 样本中的震荡上行期对应的是 2016 年初以来的行情, 风格偏向于大盘与价值 ) 图 7: 单边下跌期全样本基金与 Top 基金暴露度比较图 8: 单边上涨期全样本基金与 Top 基金暴露度比较单边下跌期,Top20% 基金较全样本基金大幅减少了市场暴露, 同时因为公募机构的做空限制, 大幅减仓也导致了对其他三因子的暴露度减小 ; 单边上涨期,Top20% 基金较全样本基金提高了市场暴露, 同时在选股上更加偏向于当时牛市中盛行的小盘股风格, 并通过板块主题间的轮动操作, 重点选择前期滞涨品种, 捕捉到了个股的反转效应图 9: 区间震荡期全样本基金与 Top 基金暴露度比较华宝证券 7/13

区间震荡期,Top20% 基金与全样本基金相比更加主动顺应了市场的小盘风格, 加大了小盘股的配置, 同时在选股上更倾向于选择强势个股, 捕捉动量效应通过 Top20% 基金与全样本基金的比较可以看出 : (1)Top20% 基金的超额业绩来源之一为基准择时能力具体在操作上, 既可以通过加仓来实现, 也可以通过超配高贝塔值个股实现, 最终表现结果为基金对市场因子的暴露度明显提升

8 区间震荡期,Top20% 基金与全样本基金相比更加主动顺应了市场的小盘风格, 加大了小盘股的配置, 同时在选股上更倾向于选择强势个股, 捕捉动量效应通过 Top20% 基金与全样本基金的比较可以看出 : (1)Top20% 基金的超额业绩来源之一为基准择时能力具体在操作上, 既可以通过加仓来实现, 也可以通过超配高贝塔值个股实现, 最终表现结果为基金对市场因子的暴露度明显提升不过由于公募基金最低权益资产仓位的限制及对做空的限制, 股票多头策略对市场的暴露度永远为正, 这恰是多头策略的弱点, 意味着对市场因子的管理手段受到限制, 当市场系统性风险来临时, 既无法通过大幅减仓规避系统性风险, 也不能通过主动做空来增厚收益 (2)Top20% 基金的超额业绩来源之二为有效契合了不同市场行情阶段的风格特征不同于全样本基金,Top20% 基金超额收益还来源于对当时市场行情中大小盘轮动价值成长轮动以及动量反转轮动特征的把握, 或者说对某类因子的选择恰好契合了当时行情特征 ( 一段时期内基金的业绩优异, 并不一定是该基金主动管理能力强的表现, 还可能是因为某类基金的风格恰好契合了当时的市场环境 ) (3) 当市场下跌时, 多头策略对市场因子管理能力的天然缺陷 ( 无法做空市场因子 ) 也影响到了对其他三个因子的主动管理在市场下行期间, 即使基金在大小盘价值成长等风格选择上优异, 但由于市场因子的收益为负, 且量纲放大, 股票多头策略也很难获取正收益 (4) 虽然价值因子的回报多数时期为正, 但是 Top20% 基金对该因子的暴露多数时期却为负我们认为这并不违背市场逻辑价值因子主要集中在大盘股, 而小盘股多为成长股如果对小盘因子的暴露为正, 就极易造成对价值因子的暴露度为负, 鱼和熊掌二者不可兼得, 很难同时录得两个因子的收益结合五段行情因子的收益来看, 多数时期小盘因子的平均收益率大于价值因子, 前四段行情中小盘因子平均周收益率为 0.45%, 而价值因子为 0.27% 两利相权取其重,Top20% 基金在两个因子间选择了小盘因子 3.4.Top20% 基金因子业绩贡献度分析归因模型中对各因子系数的分析, 更多反映的是不同行情阶段策略业绩与各类因子值的变动关系, 但由于原始序列中量纲的存在, 如果要进一步考察各因子对基金业绩的具体贡献程度, 就需要消除量纲的影响我们采用标准化回归系数方法假定回归方程的形式为 :Y = b0 + b1x1 + b2x2 + +bjxj (Y 为估计值 ), 则标准化回归系数的公式为 bj' = bj*(xj 的标准差 /Y 的标准差 ) 下图列出了标准化后的各因子系数图 10:Top20% 基金不同行情各因子系数非零中位数 ( 非标准化 ) 华宝证券 8/13

图 11:Top20% 基金不同行情各因子系数非零中位数 ( 标准化 ) 通过比较可以发现, 系数标准化之后, 不同时期非市场因子的相对贡献度均有一定程度的下降, 市场因子的贡献度进一步提升这主要是因为标准化考虑了因子本身波动的影响, 即因子的风险值这也意味着当考虑市场的风险因素后, 对市场行情的判断及把握能力, 对股票多头策略的成功运作更加重要其实这也容易理解,

振荡上行及区间横盘振荡市场考虑到多头策略在制度设计上无法做空的天然缺陷, 市场下行期间市场因子的贡献必为负, 且其余因子的贡献度无法超越市场因子, 此时难以通过其他因子产生的正收益将市场因子的亏损抹平, 因而当预期市场处于下行期时, 从收益风险比角度看, 应减配该类策略产品此外, 市值规模因子价值 / 成长因子及动量 / 反转因子对多头策略业绩的贡献度相当,

9 图 11:Top20% 基金不同行情各因子系数非零中位数 ( 标准化 ) 通过比较可以发现, 系数标准化之后, 不同时期非市场因子的相对贡献度均有一定程度的下降, 市场因子的贡献度进一步提升这主要是因为标准化考虑了因子本身波动的影响, 即因子的风险值这也意味着当考虑市场的风险因素后, 对市场行情的判断及把握能力, 对股票多头策略的成功运作更加重要其实这也容易理解, 当市场处于振荡上行格局时, 即使最终涨幅与单边上涨行情的涨幅一致, 但由于行情波动剧烈, 最终对基金业绩的影响一定是夏普比率 Calmar 比率等综合考虑收益与风险两个维度的绩效评估指标的下降总之, 市场因子是股票多头策略的核心影响因子从 FoF 投资的角度看, 配置或超配股票多头策略类基金, 前提条件是股票市场不存在系统性下跌风险, 即股票多头策略仅适用于单边上行振荡上行及区间横盘振荡市场考虑到多头策略在制度设计上无法做空的天然缺陷, 市场下行期间市场因子的贡献必为负, 且其余因子的贡献度无法超越市场因子, 此时难以通过其他因子产生的正收益将市场因子的亏损抹平, 因而当预期市场处于下行期时, 从收益风险比角度看, 应减配该类策略产品此外, 市值规模因子价值 / 成长因子及动量 / 反转因子对多头策略业绩的贡献度相当, 是多头策略业绩的第二大构成, 把握市场风格轮动, 优化因子暴露可以对多头业绩有所增厚, 尤其是当市场处于区间振荡格局时, 由于市场因子对业绩的解释力度下降, 风格选择将对业绩产生至关重要的影响我们将不同市场环境下股票多头策略的因子表现总结如下 : 图 12: 股票多头策略分段行情总结资料来源 : 华宝证券研究创新部 4. 股票多头策略核心影响因子的动态分析及展望华宝证券 9/13

10 如前所述, 只有预期市场因子的影响为正, 也即预期未来市场系统性下跌风险不大时, 股票多头策略才值得配置展望 2017 年 1 季度, 我们对权益市场相对乐观, 认为行情可能延续振荡上行趋势这一判断首先源自于我们对 1 季度企业盈利的判断从 12 月 PMI 数据看, 当前实体经济仍处于短周期复苏阶段, 需求端平稳, 生产端也并未大幅萎缩, 微观制造业企业在 PPI 上行的价格因素刺激下, 企业毛利改善, 主动回补库存, 这一拉动经济上行的逻辑至少在 3 4 月份开工旺季来临之前尚无法证伪其次, 从流动性层面看, 经历去年 4 季度的债灾之后, 近期广义利率水平开始下行, 尤其是 7 天期回购利率较去年 12 月底有明显回落, 考虑到春节即将来临, 按照惯例央行可能会主动投放流动性, 且美元在前期美国加息因素主导下经历了一波快速上行, 近期美元有望进入靴子落地后的巩固调整阶段, 从而对人民币汇率的冲击也暂告一段落, 这有助于国内流动性层面的边际改善第三, 从政策层面看, 也有助于投资者的情绪改善, 这一方面表现为以混改为核心的国资国企改革政策近期频频出台, 另一方面也表现为资本市场监管层面的潜在政策红利释放, 如近期传闻的股指期货开仓数量及非套保盘保证金的松绑, 这可能向市场传递了监管层加强资本市场制度建设, 呵护资本市场的意图最后从历史经验看,1 季度市场上行的概率本就偏大, 即春季攻势图 13:2000 年以来上证综指季度涨跌幅及上涨次数统计季度 2 季度 3 季度 4 季度上涨次数占比 ( 右轴 ) 季度涨跌幅 ( 左轴,%) 70.00% 60.00% 50.00% 40.00% 30.00% 20.00% 10.00% 0.00% 在预期市场因子贡献为正的前提下, 对股票多头策略的展望及相应基金标的筛选, 就主要取决于对非市场因子即市场风格的预测了不过, 由于市场风格往往由基本面政策面资金面技术面以及事件驱动等多方面因素形成, 对各类市场风格的体系化立体化预测是一个相当庞大的工程本报告作为我们策略评价的一项基础框架性研究, 我们仅通过量化技术手段对市场风格进行动态跟踪及预测后期报告中, 我们将尝试以专题形式对各类市场风格轮动构建更加复杂的动态监测与预测模型 4.1. 风格轮动模型相对强弱方法我们采用轮动模型中常用的相对强弱方法对市场风格进行跟踪及预测不过不同于传统相对强弱模型中直接采用两个配对价格序列的比值作为分析标的, 我们改用累计收益率构建模型累计收益率对原始价格的周收益率进行对数化操作, 从而不同周期下的收益率序列可以进行累加以小盘指数与大盘指数为例, 将每周小盘指数的对数收益率减去大盘指数的对数收益率, 之后再用每周累加的方法可以得到自序列起点以来的相对累计收益率值华宝证券 10/13

11 '2005/1/21' '2005/7/8' '2005/12/16' '2006/6/2' '2006/11/10' '2007/4/20' '2007/9/21' '2008/2/29' '2008/8/1' '2009/1/9' '2009/6/19' '2009/11/20' '2010/4/30' '2010/9/30' '2011/3/4' '2011/8/5' '2012/1/13' '2012/6/21' '2012/11/30' '2013/5/10' '2013/10/11' '2014/3/14' '2014/8/15' '2015/1/16' '2015/6/19' '2015/11/20' '2016/4/29' '2016/9/30' R_Cum smb,t = ln(1 + R small,t ) ln (1 + R big,t ) R_Cum smb,tn = n R_Cum smb,t t=1 之后, 我们计算了相对累计收益率序列 N 周期下的简单移动平均线值, 并通过收益率序列与均线的关系, 判断市场风格的可能轮动方向依旧以小盘 / 大盘的轮动为例, 如果 R_Cum Tn 向上突破 N 周均线, 则做多小盘指数, 反之做多大盘指数, 我们将交易成本设定为千分之一, 遍历 N=5:60( 步长控制为 5) 找出策略净值最优的均线参数为便于后续的动态监测, 我们采用了简化的风格因子构建方法, 即小盘 / 大盘因子采用申万小盘指数与申万大盘指数进行构建, 价值 / 成长因子选取申万低市净率指数与申万高市净率指数进行构建, 反转 / 动量因子选取观察期 6 个月, 持仓期 3 个月的反转策略与动量策略的收益率净值曲线进行构建在此基础上, 我们采用相对累计收益率序列构建监测指标, 并进行回测我们发现, 对于小盘 / 大盘的风格轮动,10 周均线是最优参数, 跑赢同期申万小盘指数 2.2%, 跑赢同期大盘指数 181.4%; 对于价值 / 成长风格轮动,5 周均线是最优参数, 跑赢同期申万低市净率 84.7%, 跑赢同期高市净率指数 229.1%; 对于反转 / 动量风格轮动,60 周均线是最优参数, 跑赢同期动量策略累计净值 25.9%, 跑赢同期反转策略累计净值 3.6%, 这说明基于累计收益率的相对强弱方法对各类风格动的识别基本是有效的 4.2. 当前市场风格状态及展望我们采用各市场风格相对累计收益率的最优及次优均线对风格轮动进行动态监测从当前小盘 / 大盘的相对强弱模型看, 累计收益率曲线已明显下破 10 周均线, 并向下击穿了 30 周均线, 预示风格指向大盘股图 14: 小盘 - 大盘相对强弱模型小盘 - 大盘累计收益率 30 周移动均线 10 周移动均线从当前价值 / 成长的相对强弱模型看, 累计收益率曲线上破 5 周均线, 并运行至 20 周均线上方, 预示风格指向价值股图 15: 价值 - 成长相对强弱模型华宝证券 11/13

12 '2010/1 '2011/2/1' '2011/4/ '2011/7/ '2011/1 '2012/1/ '2012/4/ '2012/7/6' '2012/9/ '2012/1 '2013/3/ '2013/6/ '2013/9/ '2013/1 '2014/2/ '2014/5/ '2014/8/ '2014/1 '2015/1/ '2015/4/ '2015/7/ '2015/1 '2015/1 '2016/4/1' '2016/6/ '2016/9/ '2005/1/21' '2005/7/15' '2005/12/ '2006/6/23' '2006/12/8' '2007/5/25' '2007/11/9' '2008/4/18' '2008/9/26' '2009/3/20' '2009/8/28' '2010/2/5' '2010/7/23' '2010/12/ '2011/6/10' '2011/11/ '2012/5/11' '2012/10/ '2013/4/12' '2013/9/18' '2014/2/28' '2014/8/8' '2015/1/16' '2015/6/26' '2015/12/4' '2016/5/20' '2016/11/4' 价值 - 成长累计收益率 20 周移动均线 5 周移动均线从当前反转 / 动量的相对强弱模型看, 累计收益率曲线运行在 20 周及 60 周均线上方, 预示风格指向反转效应图 16: 反转 - 动量相对强弱模型反转 - 动量累计收益率 20 周移动均线 60 周移动均线整体看, 当前市场偏向于大盘与价值类个股的风格特征, 与本轮行情的投资者主体有关去年 2 月以来的振荡上行行情发端于资产荒背景, 大量增量资金来源于银行保险等机构投资者的委外行为不同于个人投资者, 机构投资者更加崇尚价值投资, 偏好于大市值与价值类个股 ; 再者, 从政策层面看, 中央经济工作会议将供给侧改革及国资国企改革定调为 2017 年核心政策举措, 而大市值的蓝筹品种显然直接受益于这些政策基调最后, 虽然小盘股经历前期持续调整后, 收益风险比有所提升, 但估值上尚未形成足够吸引力, 且向小盘成长风格的切换本身又需要业绩政策等催化因素, 而目前尚不具备条件, 因而我们倾向于近期仍将延续大盘价值风格对于反转 / 动量效应, 之所以当前反转效应更强 ( 剔除规模因子的影响 ), 主要是因为对于大市值品种, 持续上涨需要耗费大量的流动性, 而目前市场流动性水平并非极度宽松, 且某一板块上涨后, 板块估值也自然高企, 对于机构投资者而言, 估值高企意味着价值投资的吸引力下降, 而合乎逻辑的操作策略是高抛低吸, 重新寻找其他股价尚未表现的品种板块, 这就导致前期滞涨的品种比前期上涨的品种未来有更高的收益率表现, 即反转效应主导市场风格总之, 对于今年 1 季度, 我们对权益市场相对乐观, 认为可以中配或高配股票多头类策略, 而在具体品种选择上, 我们认为可重点配置股票型基金或偏股混合型基金 ( 这类基金对权益资产的风险暴露程度偏高, 我们预期市场因子对其业绩的贡献为正 ) 中偏大盘价值风格, 且操作策略上偏反转风格的基金产品投资评级的说明华宝证券 12/13

13 - 行业评级标准报告发布日后 3 个月内, 以行业股票指数相对同期中证 800 指数收益率为基准, 区分为以下四级 : 强于大市 A--: 行业指数收益率强于相对市场基准指数收益率 5% 以上 ; 同步大市 B--: 行业指数收益率相对市场基准指数收益率在 -5%~5% 之间波动 ; 弱于大市 C--: 行业指数收益率相对市场基准指数收益率在 -5% 以下 ; 未评级 N--: 不作为行业报告评级单独使用, 但在公司评级报告中, 作为随附行业评级的选择项之一 - 公司评级标准报告发布日后 3 个月内, 以股票相对同期行业指数收益率为基准, 区分为以下五级 : 买入 : 相对于行业指数的涨幅在 15% 以上 ; 持有 : 相对于行业指数的涨幅在 5%-15%; 中性 : 相对于行业指数的涨幅在 -5%-5%; 卖出 : 相对于行业指数的跌幅在 -5% 以上 ; 未评级 : 研究员基于覆盖或公司停牌等其他原因不能对该公司做出股票评级的情况风险提示及免责声明 : 市场有风险, 投资须谨慎本报告所载的信息均来源于已公开信息, 但本公司对这些信息的准确性及完整性不作任何保证本报告所载的任何建议意见及推测仅反映本公司于本报告发布当日的独立判断本公司不保证本报告所载的信息于本报告发布后不会发生任何更新, 也不保证本公司做出的任何建议意见及推测不会发生变化在任何情况下, 本报告所载的信息或所做出的任何建议意见及推测并不构成所述证券买卖的出价或询价, 也不构成对所述金融产品产品发行或管理人作出任何形式的保证在任何情况下, 本公司不就本报告中的任何内容对任何投资做出任何形式的承诺或担保投资者应自行决策, 自担投资风险本公司秉承公平原则对待投资者, 但不排除本报告被他人非法转载不当宣传片面解读的可能, 请投资者审慎识别谨防上当受骗本报告版权归本公司所有未经本公司事先书面授权, 任何组织或个人不得对本报告进行任何形式的发布转载复制如合法引用刊发, 须注明本公司出处, 且不得对本报告进行有悖原意的删节和修改华宝证券 13/13

华夏沪深三百 EFZR 年 9 月 14 日 2018 年 9 月 14 日 1 否 H 股指数上市基金不适用华夏沪深三百 EFZR 年 9 月 14 日 2018 年 9 月 14 日 1

华夏沪深三百 EFZR 年 9 月 14 日 2018 年 9 月 14 日 1 否 H 股指数上市基金不适用华夏沪深三百 EFZR 年 9 月 14 日 2018 年 9 月 14 日 1 恒生银行 ( 中国 ) 银行结构性投资产品表现报告步步稳系列部分保本投资产品产品编号起始日到期日当前观察期发生下档触发挂钩标的最初价格 * 最新价格累积回报 OTZR89 2017 年 5 月 5 日 2018 年 5 月 7 日 2 否中国电信 3.77 3.79 不适用中国移动 82.85 79.25 华能国际 5.35 5.00 OTZR88 2017 年 6 月 21