1、目錄 HYPERLINK l _TOC_250022 2020 年市場回顧：分化依舊，行業特征突出 1 HYPERLINK l _TOC_250021 行情總覽：2020 年以來市場普漲，把握行業成為全年致勝關鍵 1 HYPERLINK l _TOC_250020 市場風格：大盤空間風格持續分化，中小盤空間下半年有所緩解 2 HYPERLINK l _TOC_250019 估值分化：盈利/成長分化均已達歷史極致，成長性分化回落跡象初現 3 HYPERLINK l _TOC_250018 當前跟蹤的部分量化策略表現：基于參與者行為的量化策略表現較優 4 HYPERLINK l _TOC_2500

2、17 基本面風格動量效應依然較強，盈利分化下更看好盈利因子 5 HYPERLINK l _TOC_250016 因子收益趨于同源，并且逐步向中小盤空間擴散 5 HYPERLINK l _TOC_250015 主風格判斷+相對估值修正的因子配置框架，當前基本面因子動量較強 7 HYPERLINK l _TOC_250014 盈利性提升或將繼續強化盈利風格，利率上行或將壓制成長股 8 HYPERLINK l _TOC_250013 以行為知，參與者行為相關策略或將繼續有效 9 HYPERLINK l _TOC_250012 賣方分析師行為視角把握基本面的邊際改善和買方高關注組合 10 HYPERL

3、INK l _TOC_250011 基于公募基金重倉股的行業配置：受益主動公募基金話語權的提升 11 HYPERLINK l _TOC_250010 行業趨勢動量模型：捕捉風格集中下的行業動量效應 12 HYPERLINK l _TOC_250009 衍生品對沖成本預計將保持高位，重視靈活對沖 13 HYPERLINK l _TOC_250008 股指期貨貼水擴大，對沖成本高于往年 13 HYPERLINK l _TOC_250007 對沖需求提升，股指期貨或將繼續保持貼水 14 HYPERLINK l _TOC_250006 靈活對沖以降低對沖成本 15網下打新收益短期將持續，長期來看發行行

4、為隱含的潛在收益空間將下降 17 HYPERLINK l _TOC_250005 股票發行長期隱含豐厚收益，發行規模也與收益空間相關 17 HYPERLINK l _TOC_250004 2020 年以來傳統 A 股發行節奏加快，打新收益提升 19 HYPERLINK l _TOC_250003 預計打新收益將會持續，但收益幅度有下降趨勢 20 HYPERLINK l _TOC_250002 量化策略開發方向展望與舉例 21 HYPERLINK l _TOC_250001 另類及文本數據的使用以新聞輿情指標開發為例 21 HYPERLINK l _TOC_250000 靈活使用 ETF 工具，

5、應對多元化場景 23結論與投資建議 28風險因素 29插圖目錄圖 1：A 股核心板塊與中信一級行業指數 2020 年以來收益率 2圖 2：核心板塊與中信一級行業指數收益率 2020H1 vs.H2 2圖 3：滬深 300 空間各大類因子（年化）超額收益 2圖 4：中證 500 空間各大類因子（年化）超額收益 2圖 5：中證 1000 空間各大類因子（年化）超額收益 3圖 6：中信證券因子策略組合 2020 年以來超額收益 3圖 7：PB 分化度與 PB 因子、ROE 因子歷史超額收益 4圖 8：PE 分化度與 PE 因子、凈利潤增長率因子歷史超額收益 4圖 9：PS 分化度與 PS 因子、營收

6、 TTM 增長率因子歷史超額收益 4圖 10：滬深 300 空間各因子滾動 250 日累計超額收益率 6圖 11：中證 500 空間各因子滾動 250 日累計超額收益率 6圖 12：滬深 300 增強策略相關子組合的相對強弱表現 8圖 13：滬深 300 增強策凈值及相對強弱表現 8圖 14：ROE（TTM）走勢：盈利 Top20% 組合 vs. Btm20%組合 9圖 15：ROE 分化度 vs. 盈利與 PB 因子相對強瑞 9圖 16：國債到期收益率 vs. 中證 500 成長因子未來 250 日收益 9圖 17：國債期限利差 vs. 中證 500 成長因子未來 250 日收益 9圖 18

7、：分析師前瞻盈利預測組合凈值走勢 10圖 19：分析師持續覆蓋組合凈值走勢 11圖 20：多維綜合視角下行業組合的凈值表現 12圖 21：行業趨勢配置綜合模型累計收益曲線 13圖 22：股指期貨模擬對沖組合凈值 14圖 23：公募絕對收益基金數量及管理規模 15圖 24：私募市場中性基金發行數量變化 15圖 25：股指期貨前 20 大會員多空持倉比 15圖 26：針對滬深 300 指數的隨機森林擇時策略凈值 17圖 27：廣義權益融資歷年數量 18圖 28：廣義權益融資歷年規模 18圖 29：廣義權益融資上市首日加權平均收益率 18圖 30：再融資新規后定增預案日前后個股相對中證 500 超額

8、收益 19圖 31：再融資新規后定增實施日前后個股相對中證 500 超額收益 19圖 32：傳統 A 股的中簽率統計 20圖 33：科創板的中簽率統計 20圖 34：美國市場新股首日漲幅及破發情況統計 21圖 35：中國香港市場新股首日漲幅及破發情況統計 21圖 36：BERT 模型的原理圖 22圖 37：參數（-0.03,7%）下的警示信號 vs 中證全指 22圖 38：今年以來的情緒跟蹤 22圖 39：杠桿增強策略的凈值趨勢 23圖 40：基于風險平價模型的多市場配置組合表現 24圖 41：基于宏觀驅動因素的大類行業板塊配置策略表現 26圖 42：滬深 300 正向 2 倍杠桿 ETF(C

9、HAU)與高質量中債 ETF (CBON)50/50 組合表現27表格目錄表 1：當前跟蹤的部分量化策略超額收益表現 5表 2：中證全指空間因子收益相關系數矩陣（2009 年至 2016 年） 5表 3：中證全指空間因子收益相關系數矩陣（2017 年至 2020 年 10 月） 5表 4：滬深 300 空間盈利/成長因子與估值因子的強弱統計 6表 5：滬深 300 增強組合歷史業績統計 7表 6：分析師前瞻盈利預測組合歷年表現統計 10表 7：分析師持續覆蓋組合歷史表現統計 11表 8：多維綜合視角下行業組合的歷史表現統計（相對中證全指） 12表 9：行業趨勢配置綜合模型各年度收益 13表 1

10、0：股指期貨主力合約歷年平均基差 13表 11：模擬抽樣對沖效果：預期指數收益率分布 N（10%，22%） 15表 12：參與訓練的基礎指標 16表 13：隨機森林擇時對沖方法分年度策略表現 17表 14：參與傳統 A 股網下打新的收益測算 19表 15：杠桿增強策略的歷史表現 23表 16：基于風險平價模型的多市場配置組合績效評估（目標風險 15%水平下） 24表 17：大類行業板塊劃分方式及對應 ETF 工具 25表 18：基于中信行業指數及行業 ETF 的大類行業板塊配置策略表現 26表 19：CHAU 和 CBON 50/50 每日再平衡組合歷史表現 27 2020 年市場回顧：分化依

11、舊，行業特征突出2020 年 A 股先后在科技周期回升、新冠疫情爆發、全球流動性放松、中美貿易和科技摩擦、國內經濟復蘇等多重事件的影響和沖擊下，全年震蕩上行、波動加大、資金流入明顯、財富效應快速提升。但在市場結構上，A 股的分化依然在延續，部分行業和主題板塊的表現遠超市場寬基指數。這樣的環境下，主動投資者的話語權提升，機構投資者的抱團和集中持股現象依然延續。這使得以風險均衡配置為主要特征的量化基金的投資難度依舊較大，其中又以價值類因子的失效對量化基金，特別是主動量化管理的基金來說影響最大。但另一方面，2020 年以來市場中性產品迎來廣泛關注，金融衍生品市場也穩步增長。截至 2020 年 3 季

12、度，私募量化管理規模超越 5000 億元，公募量化對沖產品規模從 2019年底的 162 億元增長至當前約 655 億元。股指期貨持倉量總計上升 30%，新上市的滬深300 系列期權的流動性和市場規模也已達 50ETF 期權的 2 倍有余。困難和機遇并存之下，未來量化投資策略將如何布局？市場結構在高度分化后將如何演繹？抱團環境下如何看待趨勢類和參與者行為類策略的崛起？本文嘗試為讀者一一分析。如未特別說明，本文所涉各類數據和測算的截至日期為 2020 年 10 月 31 日。行情總覽：2020 年以來市場普漲，把握行業成為全年致勝關鍵2020 年以來，A 股市場各板塊與中信一級行業指數普遍上漲。

13、年初以來，滬深 300、中證 500、中證 1000 指數年度累計收益率分別為 14.62%、16.02%和 16.96%，中證 500指數近年來首次有希望全年跑贏滬深 300。但在行業層面，2020 年以來收益率的分化極其巨大。其中，中信食品飲料、電力設備及新能源、消費者服務行業指數的累積收益率均在 50%以上，而石油石化、綜合金融、房地產、銀行等 9 行業指數的累計收益率為負。分區間來看，上下半年各行業/板塊的表現也不盡相同，但總體上主題/板塊的特征極其明顯，把握住行業的輪動機會成為全年致勝的關鍵。其中，A 股在 2020 年上半年為高波動率/高收益狀態，而 7 月份后則轉為橫盤震蕩。在市

14、場狀態切換中，食品飲料、電力設備及新能源、消費者服務等行業全年均顯著領先其他行業，房地產、綜合金融、石油石化等行業全年表現均較低迷；醫藥、電子、計算機等上半年的強勢行業在下半年走弱，而汽車、國防軍工、非銀行金融等上半年低迷的行業在下半年開始走強。圖 1： A 股核心板塊與中信一級行業指數 2020 年以來收益率圖 2：核心板塊與中信一級行業指數收益率 2020H1 vs.H260%50%2020年H2收益率40%30%25%汽車 國防軍電工力設備及新能源食品飲料30%石油銀石行化交有紡屬裝深30020%20非%銀行金融機基械礎化工消費者服務10%煤1炭5% 通上運證家輸滬5輕電0 工建制材造0

15、%-10%-20%10%建筑電力及公用5%房鋼地鐵產 事業綜合中小板指中中證證5010000商貿零售電子色織金服創業板指醫藥食品飲料消費者服務醫藥中小板指基礎化工機械計算機 中證500滬深300農林牧漁傳媒非銀行金融紡織服裝電力及公用事業通信銀行煤炭綜合金融0%-5%綜合金融計算機傳媒農林牧漁-10%通信-20%0%20%40%60%2020年H1收益率資料來源：Wind，&資料來源：Wind，&市場風格：大盤空間風格持續分化，中小盤空間下半年有所緩解由圖 3 至圖 5 可見，2018 年以來在滬深 300、中證 500、中證 1000 三個主要的指數空間中，市場風格的分化和集中化逐漸加強。具

16、體表現為，在當前主要跟蹤的各大類因子中，盈利和成長因子的超額收益逐漸增加，其他全部各類因子的超額收益逐步下降。這一現象在 2020 年上半年達到極致。2020 年下半年以來，中證 500 和中證 1000 空間的情況略有好轉，盈利/成長之外的其他因子，特別是價值類和反轉類因子表現有了明顯恢復，但滬深 300 空間依然延續著極端分化的風格特征。中信證券因子策略組合的表現也與上述的因子表現基本一致。由圖 6 可見，在機構投資者全年的“抱團”模式下，與參與者行為相關的一致預期、基金重倉股因子全年超額收益較為突出，而業績預增、成長因子、財務質量因子表現全年也較好，分紅、價值因子全年表現落后。圖 3：滬

17、深 300 空間各大類因子（年化）超額收益圖 4：中證 500 空間各大類因子（年化）超額收益2018年2019年2020H12020H22018年2019年2020H12020H220%15%10%5%0%-5%-10%-15%-20% 資料來源：Wind，&30%20%10%0%-10%-20%-30% 資料來源：Wind，&圖 5：中證 1000 空間各大類因子（年化）超額收益圖 6：中信證券因子策略組合 2020 年以來超額收益2018年2019年2020H12020H2大盤中盤小盤40%30%20%10%0%-10%-20%-30% 資料來源：Wind，&20%15%10%5%0%-

18、5%-10%-15%-20%資料來源：Wind，&估值分化：盈利/成長分化均已達歷史極致，成長性分化回落跡象初現估值分化是導致結構性行情的根本原因，而估值的分化本質是市場預期個股的基本面將發生分化。我們在2020 年下半年量化投資策略堅守盈利，巧對成長（2020-6-8日）中設計了估值分化度的度量模型。主要思路為，靜態 PB 隱含了市場對公司未來的 ROE的預期，靜態 PE 和靜態 PS 隱含了對公司未來凈利潤增長率和營收增長率的預期，因此我們設計基于回歸的估值分化度量指標：PBMRQ = + ROETTM + PETTM = + 凈利潤 TTM 增速+ PSTTM = + 銷售 TTM 增速

19、+ 上式中，回歸線系數即為估值分化度的度量指標1，其中 PB 回歸式反映的是盈利性的估值分化，而 PE 和 PS 角度反映的是成長性的估值分化。由圖 7 至圖 9 可見，截至 10 月 31 日，當前 PB 估值分化度為 18.86，為 2017 年 4月后本輪盈利風格崛起以來的下側 98%分位數，PE 和 PS 估值分化度值分別為-5.17 和 3.04，分別為 2019 年 2 月后本輪成長股風格崛起以來的下側 83 %和 72%分位數。目前盈利性和成長性的估值分化均已達到歷史極致，其中盈利性估值分化水平在市場兌現盈利的推動下依然在提升，而成長性的估值分化在下半年后已經有所弱化。1原方法在

20、回歸時剔除了回歸式中自變量、因變量排序在上下 5%分位數以外的樣本點，以剔除估值極高個股的對回歸結果的影響。但事實上，這些股票通常為機構集中持股的個股，對反映市場估值分化的意義重大。因此這里調整為，對全 A 組合的個股估值指標進行縮尾，將3 倍標準差以外的個股的估值設為3 倍標準差所處的值。圖 7：PB 分化度與 PB 因子、ROE 因子歷史超額收益圖 8：PE 分化度與 PE 因子、凈利潤增長率因子歷史超額收益20%15%10%5%0%-5%-10%-15%-20%PB分化度（右軸）PB因子ROE因子252015105-25%20%15%10%5%0%-5%-10%-15%PE分化（右軸）P

21、E因子凈利潤TTM增長率因子0-2-4-6-8-10-12-14資料來源：Wind，&資料來源：Wind，&圖 9：PS 分化度與 PS 因子、營收 TTM 增長率因子歷史超額收益20%15%10%5%0%-5%-10%-15%營收TTM增長率因子6543210-1-2PS分化度（右軸）PS因子資料來源：Wind，&當前跟蹤的部分量化策略表現：基于參與者行為的量化策略表現較優在市場風格高度集中，部分行業板塊輪流領跑的情況下，我們當前跟蹤的量化策略總體與上述風格特征保持一致。基于市場參與者行為角度的各類策略總體上表現較好。其中，分析師持續跟蹤覆蓋策略、分析師前瞻盈利預測組合今年以來的超額收益分別

22、為 7.30%和 45.30%，其他和市場參與者行為、趨勢類策略總體表現也較好。后文將對此進一步分析。反轉型、價值性策略全年表現較差。2020 年以來，基于估值和業績視角的行業輪動年化超額收益為-13.15%；預期高派現策略由于與價值組合相關度較高，導致其超額收益為-20.14%。另外，年初成長股的極致行情在歷史上也極其罕見，導致基于歷史模式匹配的行業輪動策略年初跑輸中證 800 的幅度較大，雖然 5 月份之后總體超額收益明顯恢復，今年以來的超額收益也僅為-4.30%。此外，基于 AH 相對溢價的選股策略、宏觀視角下的大類板塊配置策略全年表現也較好，相對各自基準的超額收益分別為 13.20%和

23、 12.70%.表 1：當前跟蹤的部分量化策略超額收益表現業績、估值視角模式匹配視角分析師持續覆分析師前瞻盈的行業輪動的行業輪動蓋利預測組合預期高派現相對中證 800相對中證 800相對中證 800相對中證 800相對中證 500基于 AH 相對溢價的選股組合相對恒生滬深港通AH 股A 指數宏觀視角的大類板塊配置相對中證8002020 年（截至10 月 31 日）2019 年-20.50%13.30%-0.40%20.40%22.80%9.70%9.30%2018 年0.90%4.50%7.00%1.90%11.20%7.00%9.20%2017 年-0.90%19.50%-9.00%34.8

24、0%-3.10%22.10%-1.30%2016 年9.30%14.60%5.40%4.80%10.20%10.90%0.60%2015 年31.60%4.70%43.40%6.90%135.60%17.10%23.60%-13.20%-20.10%-4.30%7.30%45.30%13.20%12.70%資料來源：Wind，& 基本面風格動量效應依然較強，盈利分化下更看好盈利因子因子收益趨于同源，并且逐步向中小盤空間擴散2017 年之后，以價值類因子為橋梁，常規的大類因子形成了兩大組，而兩大組之間則為此強彼弱的關系。以中證全指空間為例，2017 年以來，盈利、成長因子和價值類因子的收益率之間

25、形成了較為顯著的負相關關系（見表中淡黃色區域），即盈利、成長因子表現較好之時即為價值類因子表現較弱之時，這一現象在 2017 年之前并不顯著。2017 年之后，價值類因子與四個量價大類因子也形成了較顯著的正相關關系（見兩表中淡藍色、淡灰色區域），即價值因子失效時，四個量價大類因子總體上也失效。表 2：中證全指空間因子收益相關系數矩陣（2009 年至 2016 年）盈利因子成長因子絕對價值相對價值市值因子反轉因子流動性波動率盈利因子1.00-0.090.270.09-0.50-0.200.450.33成長因子1.00-0.63-0.440.43-0.07-0.45-0.39絕對價值1.000.7

26、6-0.440.220.370.28相對價值1.00-0.280.230.210.18市值因子1.000.36-0.63-0.47反轉因子1.00-0.27-0.21流動性1.000.88波動率1.00資料來源：Wind，&表 3：中證全指空間因子收益相關系數矩陣（2017 年至 2020 年 10 月）盈利因子成長因子絕對價值相對價值市值因子反轉因子流動性波動率盈利因子1.00-0.11-0.28-0.28-0.72-0.630.360.00成長因子1.00-0.40-0.380.240.09-0.55-0.56絕對價值1.000.930.180.360.260.51相對價值1.000.22

27、0.360.210.47盈利因子成長因子絕對價值相對價值市值因子反轉因子流動性波動率市值因子1.000.82-0.51-0.19反轉因子1.00-0.38-0.05流動性1.000.83波動率1.00資料來源：Wind，&因子收益趨于同源的現象在大盤空間早已存在，近年來向中小盤空間蔓延。由圖 10所示，以 250 日為滾動窗口考察，滬深 300 空間近 10 年以來盈利/成長因子走勢較為接近，而絕對價值/相對價值因子走勢較為接近，兩組之間形成了非常顯著的此強彼弱的關系。分年度來看，當市場的主題較為明顯時，通常來說成立/成長因子表現較強，而當市場的主題較弱時，價值類因子表現較強（見表 3）。在中

28、證 500 空間中，收益同源的現象早期并不明顯（見圖 11），四大類因子的滾動 250 日收益曲線在 2016 年之前的正/負關系并不穩定，但從 2017 年之后也基本形成了兩組此強彼弱的關系。這說明收益同源的現象在從大盤空間向中小空間蔓延。表 4：滬深 300 空間盈利/成長因子與估值因子的強弱統計盈利/成長因子價值類因子市場主題/狀態2010 年+“四萬億”尾聲2011 年+流動性下行+經濟增速下行2012 年+傳統行業面臨較大轉型壓力2013 年+移動互聯2014 年+小盤股行情逐步轉為全面牛市2015 年+過山車行情2016 年+暴跌后市場信心的逐步恢復2017 年+漂亮 502018

29、 年+中美貿易摩擦2019 年+核心資產+科創2020H1+消費+科技+醫藥資料來源：&。注：“+”表示年度內該風格較強。圖 10：滬深 300 空間各因子滾動 250 日累計超額收益率圖 11：中證 500 空間各因子滾動 250 日累計超額收益率盈利因子成長因子 絕對價值 相對價值30%20%10%0%-10%-10%-20%-20%0%40%盈利因子成長因子 絕對價值 相對價值30%20%10%資料來源：Wind，&資料來源：Wind，&主風格判斷+相對估值修正的因子配置框架，當前基本面因子動量較強在因子收益趨于同源的背景下，我們在多因子量化選股系列專題研究結構行情下滬深 300 增強策

30、略改進方法研究（2020-9-18 日）中提出了“主風格判斷+相對估值修正”的因子配置框架。我們將盈利因子和成長因子統稱為基本面因子，主要思路是對基本面/估值風格的進行動量配置。在基本面因子表現較強時，在基本面優質的股票中選擇估值相對較低的股票；在估值因子表現較強時，在低估值的股票中基本面相對較好的股票，以便獲取估值修復的收益。因子打分體系分為 2 個部分：1）表現較強的主風格識別；2）主風格按照 GARP 策略想法的修正。其中，對于主風格的識別，我們使用基本面因子增強組合與估值因子增強組合相對強弱的 60 日均線趨勢判斷；對于主風格的修正，我們使用對主風格次序影響較小的相對估值因子。相對估值

31、的好處在于，在任何一個成長性水平下，都有其估值指標的相對高低，在任何一個估值水平下，也都有成長性水平的相對高低，這意味著，如果對相對估值因子賦予較小的權重，并不會對主風格次序產生較大的影響，只是在主風格多頭持倉部分做一定的微調，實現 GARP 策略的想法。使用“主風格因子*70%+相對估值*30%”的方式對股票進行打分，同時篩選技術因子排名后 5%的股票，將其分值設定為個股的最低得分。基于技術因子修正后的得分進行組合優化，考察期內增強組合的年化超額收益為 13.99%，信息比率提升至 3.68；2020 年以來，增強策略年化超額收益為 17.95%，信息比率 4.20。截至 10 月 31 日

32、，在基本面因子和估值因子中，本策略顯示依舊配置基本面因子。區間收益滬深 300 區間收益區間超額收益年化超額收益跟蹤誤差信息比率相對收益最大回撤Overall379.27%86.00%293.27%13.99%3.80%3.682.80%2020 年(截至10 月 30 日）28.62%14.62%14.01%17.95%4.27%4.201.39%表 5：滬深 300 增強組合歷史業績2019 年47.63%36.07%11.56%11.56%3.29%3.511.52%2018 年-19.31%-25.31%6.00%6.00%3.52%1.712.36%2017 年39.15%21.78

33、%17.38%17.38%3.27%5.321.29%2016 年4.56%-11.28%15.84%15.84%3.48%4.560.95%2015 年20.47%5.58%14.89%14.89%5.06%2.942.80%2014 年70.60%51.66%18.94%18.94%3.38%5.561.58%2013 年4.30%-7.70%12.00%12.00%3.91%3.141.96%資料來源：Wind，&圖 12：滬深 300 增強策略相關子組合的相對強弱表現圖 13：滬深 300 增強策凈值及相對強弱表現技術因子組合2.301.801.300.80滬深300（右軸） 基本面因

34、子 相對估值因子 絕對估值因子2.802.301.801.300.806.005.004.003.002.001.00-相對強弱（右軸）增強組合滬深3002.782.582.382.181.981.781.581.381.180.980.78資料來源：Wind，&資料來源：Wind，&盈利性提升或將繼續強化盈利風格，利率上行或將壓制成長股除了從動量角度配置基本面和估值因子之外，還可考慮從基本面視角來預判。如上文所述，估值分化的本質是對基本面分化的預期，目前盈利性、成長性的估值分化都已達歷史極致。這樣的背景下，風格因子的走勢將與基本面的兌現情況高度相關。相對來說，盈利性的兌現的可預期性更高，而成

35、長性的兌現要面臨更大的不確定性。在各個主要的指數空間中，滬深 300 的總體盈利水平和盈利的穩定性強于其他空間，因此對盈利因子選擇以滬深 300 空間為研究對象；綜合考慮個股的成長性和基本面的穩健性后，對成長風格選擇中證 500 空間為研究對象。盈利因子與 PB 因子的相對強弱，和高盈利組合相對低盈利組合的實現 ROE 分化度之間有較強的相關性。在滬深 300 空間中，定義高盈利組合為行業中性下盈利因子得分前20%股票構成的組合，低盈利組合為行業中性下盈利因子得分后 20%股票構成的組合。分別計算高盈利組合、低盈利組合的ROETTM、ROE一致預期指標，并且定義：ROETTM分化度 = 高盈利

36、組合ROETTM 低盈利組合ROETTMROE一致預期分化度 = 高盈利組合ROE一致預期 低盈利組合ROE一致預期由圖 14 所示，ROETTM分化度的走勢總體上與高盈利組合ROETTM高度相關，而且市場總體盈利水平的上升/下降，受到高盈利組合盈利水平變化的影響更加明顯。由圖 15 所示，當滬深 300 指數ROETTM分化度上升時，盈利因子相對 PB 因子的表現也更強，即盈利分化度的提升或市場盈利水平的提升有利于盈利因子的表現，反之亦然。另外， ROE一致預期和ROE一致預期分化度，也與分別以與當前實現的盈利水平、ROETTM分化度高度相關，說明市場的一致預期也受到當前兌現業績的高度影響。

37、目前來看，受益于經濟的回暖和市場盈利水平的回升，滬深 300 空間ROETTM分化度和ROE一致預期分化度仍然處在上升趨勢中，因此盈利因子或將依然強于 PB 因子的表現。圖 14： ROE（TTM）走勢：盈利 Top20% 組合 vs. Btm20%組合圖 15： ROE 分化度 vs. 盈利與PB 因子相對強瑞35% ROE：TOP20%30%25% ROE（TTM）分化度25%30%25%ROE：Bottom20%20%15%20%15%ROE（一致預期）分化度20%15%20%10%0%-10%10%5%10%10%-20%-30%0%5%5%-40%ROE（TTM）分化度（右軸）盈利因

38、子-PB因子（右軸）資料來源：Wind，&資料來源：Wind，&成長風格大概率爆發于利率下降過程的中段。成長風格的表現長期來看和利率的走勢存在一定相關性，但兩者的關系較為復雜。由圖 16 和圖 17 所示，在利率水平上升過程中，成長因子未來 250 日的表現通常較為低迷。在利率水平下降過程中，成長因子大概率會在下降的中段迎來爆發。這或許是由于，在利率頂部拐點剛剛到來時，流動性的寬松還未傳導至股市；而在利率接近底部區域時，通常伴隨著短期利率的快速下降和期限利差的提升，當期限利差提升時，久期套利對資金的吸引力或高于成長股。目前來看，雖然利率期限利差水平較低，但各期限利率總體仍處于上升的趨勢中，特是

39、年中以來短期利率上升幅度更大，這或將制約成長因子未來的表現。圖 16：國債到期收益率 vs. 中證 500 成長因子未來 250 日收益圖 17：國債期限利差 vs. 中證 500 成長因子未來 250 日收益5.00%4.00%3.00%2.00%1.00%0.00%成長因子（右軸） 國債：1年國債：3Y 國債：10Y30%25%20%15%10%5%0%-5%-10%2.5%2.0%1.5%1.0%0.5%0.0%-0.5%成長因子（右軸）利差：10Y-1Y利差：3Y-1Y30%25%20%15%10%5%0%-5%-10%資料來源：Wind，&資料來源：Wind，& 以行為知，參與者行為

40、相關策略或將繼續有效今年以來在各種因素的影響下，機構投資者依然以集中持股為主，主動型基金的話語權提升顯著。從賣方分析師或投資者行為入手，能夠有效挖掘市場主要參與者的投資動向，相關投資策略均獲得較好的表現。歷史經驗看，集中持股和抱團行為的并非一朝一夕能夠消失，而集中持股行為也與市場風格的分化相輔相成。以行為知，參與者行為相關策略有望在未來繼續保持較好的表現，而市場在行業、風格等各個層面的趨勢特征也或將延續。賣方分析師行為視角把握基本面的邊際改善和買方高關注組合在量化策略專題研究-尋找分析師前瞻觀點中的 Alpha（2020-5-14）、量化選股系列專題研究巧讀研報：破解分析師觀點中的超額收益密碼

41、（2018-7-18）中，我們根據分析師行為分別構建了分析師前瞻盈利預測組合與分析師持續覆蓋組合。其中，分析師前瞻盈利預測組合從分析師盈利預測的領先性、差異性角度出發，捕捉信息擴散過程中的超額收益；分析師持續覆蓋組合從分析師關注度的角度出發，定位具備中長期配置價值的白馬個股，反映的是買方高關注組合。上述兩組合今年表現均較優，截至 2020 年 10 月 31 日，分析師前瞻盈利預測組合相對中證 500 指數的年化超額收益為 38.1%，分析師持續覆蓋組合相對滬深 300 指數的年化超額收益為 7.7%。圖 18：分析師前瞻盈利預測組合凈值走勢分析師前瞻盈利預測組合中證500 相對強弱（右軸）1

42、6.014.012.010.08.06.04.02.02010-012010-042010-082010-122011-032011-072011-102012-022012-062012-092013-012013-052013-082013-122014-032014-072014-102015-022015-062015-092016-012016-042016-082016-122017-032017-072017-102018-022018-062018-092019-012019-042019-082019-122020-032020-070.010.09.08.07.06.05.

43、04.03.02.01.00.0資料來源：Wind，&表 6：分析師前瞻盈利預測組合歷年表現統計中證 500年化收益最大回撤回撤起始日期回撤結束日期全部28.6%6.7%21.9%9.7%2.3-11.8%20151208201603082020 年（截至63.3%25.3%38.1%11.8%3.2-4.5%20200309202003132019 年44.1%26.9%17.2%8.9%1.9-3.3%20190924201910222018 年-22.5%-39.1%16.6%7.7%2.2-5.0%20181015201810292017 年-1.7%0.9%-2.6%7.5%-0.3

44、-9.5%20170308201708142016 年-2.3%-15.5%13.3%9.6%1.4-10.2%20160104201603082015 年118.4%47.2%71.2%15.5%4.6-9.6%2015072320150806年化收益年化超額收益跟蹤誤差信息比率相對收益相對收益最大相對收益最大10 月 31 日）資料來源：Wind，&圖 19：分析師持續覆蓋組合凈值走勢分析師持續推薦組合滬深300 相對強弱（右軸）4.54.03.53.02.52.01.51.02012-012012-042012-062012-092012-122013-032013-062013-092

45、013-122014-032014-062014-082014-112015-022015-052015-082015-112016-012016-042016-072016-102017-012017-042017-072017-092017-122018-032018-062018-092018-122019-032019-052019-082019-112020-022020-052020-080.52.22.01.81.61.41.21.00.8資料來源：Wind，&表 7：分析師持續覆蓋組合歷史表現統計滬深 300 年化收益益最大回撤回撤起始日期回撤結束日期全部20.1%11.2%8

46、.9%8.1%1.1-15.6%20140722201506082020 年（截至29.1%21.3%7.7%5.8%1.3-3.9%20200213202003232019 年47.1%33.8%13.3%6.6%2.0-4.5%20190130201903072018 年-27.4%-28.0%0.6%7.1%0.1-8.8%20180622201810192017 年42.8%20.9%22.0%6.6%3.3-3.2%20171116201711272016 年-6.8%-9.9%3.0%7.2%0.4-7.4%20160726201612142015 年28.1%13.5%14.6%

47、12.0%1.2-11.2%2015021620150608年化收益年化超額收跟蹤誤差信息比率相對收益相對收益最大相對收益最大10 月 31 日）資料來源：Wind，&基于公募基金重倉股的行業配置：受益主動公募基金話語權的提升作為 A 股市場中重要的機構投資者之一，公募基金重倉股中蘊含著其對后市的觀點。雖然多數主動型基金采用自下而上的方式選股，但從選股的最終結果來看，行業依然是決定超額收益的重要因素之一。在量化策略專題研究公募持倉視角下的行業配置策略（2020-3-25）報告中，我們基于公募基金季度披露的重倉股數據，分析重倉股的在各行業相對基準的超配比例、凈倉位變動，并從“逆勢配置”的視角，構

48、建了下跌凈增倉行業組合/上漲凈減倉行業組合，最后將上述的相對超配比例、凈倉位變動比例、“逆勢配置”三個種策略相結合，構建了多維綜合視角下的行業配置策略。總體上，該策略能夠較好地捕捉公募機構的投資行為，即使由于信息披露存在滯后性，但在公募話語權提升的背景下，該策略依然能夠獲得較高的超額收益。截至 2020 年 10 月 31 日，綜合策略相對中證全指的年化超額收益率為 36.17%。圖 20：多維綜合視角下行業組合的凈值表現多頭組合相對強弱（右）空頭組合相對強弱（右）全A標配組合公募持倉多頭綜合公募持倉空頭綜合1210864220090202200904302009073020091103201

49、001292010050620100805201011112011021520110517201108122011111620120221201205242012082120121122201302282013060320130902201312062014031220140612201409092014121120150318201506162015091520151217201603222016062220160920201612222017032820170629201709252017122720180402201807042018100820190104201904102019071

50、1201910152020011020200416202007202020102203.53.02.52.01.51.00.50.0資料來源：Wind，&年化收益夏普年化超額年化跟蹤信息比相對收益最相對收益最大率年化波動率比率收益率誤差率大回撤率回撤起止日期全區間21.86%27.78%0.7911.18%8.94%1.25-15.12%(20120705, 20140516)公募持2020 年（截至61.15%25.80%2.3736.17%11.65%3.10-6.20%(20200313, 20200430)倉2019 年58.90%21.10%2.7924.53%7.97%3.08-5

51、.49%(20190312, 20190424)多2018 年-32.28%24.87%-1.30-3.01%7.52%-0.40-13.16%(20180425, 20181030)頭2017 年15.32%13.43%1.1411.68%5.53%2.11-3.30%(20170516, 20170719)綜合2016 年-16.65%28.36%-0.59-2.33%7.18%-0.32-6.58%(20160128, 20161212)2015 年43.97%52.59%0.842.79%12.75%0.22-13.46%(20150603, 20150707)全區間5.48%26.5

52、4%0.21-5.21%9.92%-0.52-44.25%(20090921, 20180717)公募持2020 年（截至21.12%26.12%0.81-3.86%10.33%-0.37-11.13%(20200706, 20201022)倉2019 年24.77%22.25%1.11-9.60%8.28%-1.16-10.09%(20190131, 20191210)空2018 年-22.77%20.97%-1.096.49%6.93%0.94-5.73%(20181025, 20181128)頭2017 年-6.97%13.48%-0.52-10.61%5.84%-1.82-13.82%

53、(20170411, 20171123)綜合2016 年-13.93%27.15%-0.510.38%5.99%0.06-4.46%(20160113, 20160711)2015 年36.39%43.71%0.83-4.79%17.51%-0.27-20.34%(20150707, 20151126)表 8：多維綜合視角下行業組合的歷史表現統計（相對中證全指）10 月 31 日）10 月 31 日）資料來源：Wind，&行業趨勢動量模型：捕捉風格集中下的行業動量效應在量化策略專題研究順勢而為：行業趨勢配置模型研究（2020-4-9）中，我們將截面動量、時序動量和止損機制相結合，構建了行業趨勢

54、配置綜合模型。在篩選向上趨勢相對較強行業的基礎上，通過止損機制減少標的行業月內趨勢大幅反轉對組合凈值的影響。截至 2020 年 10 月 31 日，綜合模型累計收益為 26.21%，在今年以來行業趨勢特征較為明顯的情況下，顯著高于中證 800 同期 14.99%的累計收益，同時全行業等權組合同期累計收益為 16.13%。圖 21：行業趨勢配置綜合模型累計收益曲線資料來源：Wind，&表 9：行業趨勢配置綜合模型各年度收益年度收益綜合模型普通動量模型全行業等權中證 8002020 年（截至 10 月 31 日）26.21%20.20%16.13%14.99%2019 年20.44%20.40%2

55、6.75%36.49%2018 年-21.64%-23.14%-28.89%-25.95%2017 年7.24%4.95%1.13%17.11%2016 年-4.84%-18.82%-13.30%-11.70%2015 年90.87%27.59%50.32%16.34%資料來源：Wind，& 衍生品對沖成本預計將保持高位，重視靈活對沖股指期貨貼水擴大，對沖成本高于往年2020 年以來，股指期貨的基差波動加大，期指總體貼水水平深于往年，導致對沖成本總體較高。具體來看，2020 年 1 月份基差水平總體較穩定，但也存在一定的貼水；2 月后市場波動加大，對沖需求增加，主力合約基差一度低于-1%；3

56、至 4 月貼水總體收斂，但 5 月后伴隨指數進入分紅期，貼水再次擴大，直至 8 月份后才有所恢復。表 10：股指期貨主力合約歷年平均基差年度/股指期貨品種上證 50滬深 300中證 5002015 年-1.13%-1.94%-2.97%2016 年-0.61%-0.95%-1.62%2017 年-0.15%-0.35%-0.60%2018 年-0.11%-0.28%-0.61%2019 年-0.11%-0.14%-0.65%2020 年（截至 10 月 31 日）-0.53%-0.53%-0.97%資料來源：Wind，&以主力合約（持倉最大的合約）滾動展期的方式模擬測算對沖成本2，截至 202

57、0 年 10月 31 日，上證 50 和滬深 300 期指今年以來對沖損益約為-5%，中證 500 期指對沖損益約為-15%，這一損益水平顯著高于上述三大期指 2017 年以來分別年化-3%、-5%、10%的損益水平。圖 22：股指期貨模擬對沖組合凈值1.11.00.90.80.70.60.5上證50主力合約對沖凈值滬深300主力合約對沖凈值 中證500主力合約對沖凈值資料來源：Wind，&對沖需求提升，股指期貨或將繼續保持貼水2020 年以來，市場中性產品的管理規模持續增長。其中，公募市場中性產品從 2019年底的162 億元上升至2020 年三季度末的655 億元；私募基金雖然不公開披露管

58、理規模，但從發行數量上看，2020 年 6 月后市場中性產品的發行數量明顯提升。市場中性產品數量和規模的提升導致股指期貨的對沖需求不斷增加。今年以來，中金所前 20 大會員單位的多空持倉比總體呈下降趨勢，特別是 6、7 兩月下降較為明顯，說明市場總體的空頭持倉較為集中，市場對空頭的需求較為顯著。綜上，股指期貨未來或將繼續保持貼水，對沖成本降低的可能性不大。2 假設以 70%倉位持有全收益指數，使用剩余資金用于構建期貨空頭，等市值對沖，每月展期。圖 23：公募絕對收益基金數量及管理規模圖 24：私募市場中性基金發行數量變化7006005004003002001000規模數量（右軸）億元25454

59、020351530251020515100502020年去年同月資料來源：Wind，&資料來源：Wind，&圖 25：股指期貨前 20 大會員多空持倉比上證50期指中證500期指 滬深300期指1.051.000.950.900.850.802019-01-022019-05-072019-08-282019-12-262020-04-282020-08-25資料來源：Wind，&靈活對沖以降低對沖成本對沖成本的提升推升了靈活對沖的需求，其中方式之一即為采用期權進行對沖。假設滬深 300 指數日度收益率服從年化收益 10%、波動率 22%的正態分布，下表模擬了買入持有指數、股指期貨對沖、買入認

60、沽對沖、期權復制期貨對沖幾種方式的效果。由下表可見，買入認沽對沖與股指期貨對沖、期權復制期貨對沖的效果有明顯區別，其總體表現中存在一部分市場 Beta 的影響，但收益分布向中間區域更加集中，回撤也顯著低于買入持有指數。如果實際波動率高于期權的隱含波動率，則買入認沽保護的方法可以提供更加理想的收益。實際的操作中也可以選擇不同行權價的期權、疊加備兌認購的策略提供成本的覆蓋等靈活對沖的方法。表 11：模擬抽樣對沖效果：預期指數收益率分布 N（10%，22%）買入持有至熟期貨對沖買入認沽對沖期權復制期貨對沖標的資產收發生概率益率收益率波動率最大回撤收益率波動率最大回撤收益率波動率 最大回撤收益率波動率