林晓明    S0570516010001
              SFC No.BPY421   研究员

何   康    S0570520080004    

              SFC No.BRB318   研究员

王晨宇    S0570119110038    联系人

陈伟       S0570121070169    联系人

报告发布时间：2022年2月09日

2月因子观点：四重逻辑看好小市值因子持续复苏

从常规视角来看，内生变量、外生变量均看好小市值因子在2月的表现，其中内生变量视角看好估值、小市值、波动率、换手率因子，不看好财务质量、Beta因子；外生变量视角看好盈利、小市值、技术因子，不看好估值、Beta因子。此外从日历效应与机构投资者配置来看，历史上2月小市值因子具有较高的胜率，叠加2021Q4公募基金增加对小市值风格的配置与小市值因子拥挤度的加速上扬，我们认为2月小市值风格或持续复苏。

小市值风格：短期看胜率，长期看配置

从历史胜率来看，自2006年以来小市值因子在2月份的Rank IC胜率高达88.24%，春节后20个交易日做多小盘指数、做空大盘指数具有十分显著的对冲收益，持有对冲组合10个交易日收益为正的胜率达到100%；从机构投资者视角来看，2021Q4公募基金在中小市值股票上的配置比重相较Q3明显增加，小市值因子拥挤度自Q4以来至春节前加速上扬，市场对小市值风格的关注度持续升温，2022Q1小市值或有所表现。

内生变量视角：短期看好估值、小市值、波动率、换手率

内生变量视角基于因子动量、因子离散度、因子拥挤度三类指标，预测风格因子未来表现，因子动量反映因子过去一段时间内表现；因子离散度相当于因子估值；因子拥挤度反映因子是否处于拥挤状态。内生变量对大类风格因子2月表现预测结果如下：看好估值、小市值、波动率、换手率因子，不看好财务质量、Beta因子。其中，小市值因子在动量指标上占优；估值因子在离散度指标上占优，处于过度忽视状态；波动率、换手率因子在拥挤度指标上占优。

外生变量视角：短期看好盈利、财务质量、小市值、反转、技术

外生变量视角假设风格因子表现受市场变量、宏观变量等外生变量驱动，对每个大类风格因子筛选出具备预测能力的外生变量，使用线性回归预测未来一个月的Rank IC值。外生变量对大类风格因子2月Rank IC预测结果如下：盈利、财务质量、小市值、反转、技术因子Rank IC预测值超过5%，可能较为有效，建议短期看多上述因子表现；不看好估值、Beta、成长因子未来一个月表现，上述因子表现可能受宏观环境制约。

因子周期视角：中长期看好大市值、估值、盈利、质量、波动率、换手率

因子周期视角将华泰金工经济周期研究成果应用于风格配置，自上而下构建经济系统周期运行状态与因子表现对应关系的“因子投资时钟”，根据当前周期状态预测因子未来表现的整体趋势。预计未来一年处于库兹涅茨周期见顶回落，经济长期增长趋缓的环境，同时朱格拉周期向下，流动性趋于宽松。建议配置大市值、估值、盈利、财务质量因子，但随着实体经济库兹涅茨周期见顶，经济长期增长趋势放缓的背景下因子风格或有切换。另外，波动率、换手率因子在不同的宏观环境下表现都较好，这两个因子建议长期配置。

风险提示：风格因子的效果与宏观环境和大盘走势密切相关，历史结果不能预测未来。金融周期规律被打破。市场出现超预期波动，导致拥挤交易。

基于短期历史胜率与中长期机构配置，春节后一段时间我们看好小市值风格的表现。从历史胜率来看，自2006年以来小市值因子在2月份的Rank IC正收益胜率高达88.24%，春节后20个交易日做多小盘、做空大盘具有十分显著的对冲收益；从机构投资者视角来看，2021Q4公募基金在中小市值股票上的配置比重相较Q3明显增加，小市值因子拥挤度自Q4以来明显上扬，市场对小市值风格的关注度持续升温，2022Q1小市值或持续复苏。

另外从常规角度看，内生变量视角短期看好估值、小市值、波动率、换手率因子，不看好财务质量、Beta因子。外生变量视角短期看好盈利、小市值、技术因子，不看好估值、Beta因子。因子周期视角中长期看好大市值、估值、盈利、财务质量、波动率、换手率因子，但随着实体经济库兹涅茨周期见顶，经济长期增长趋势放缓的背景下因子风格或有切换。

内生变量视角基于因子动量、因子离散度、因子拥挤度三类指标，预测风格因子未来表现，因子动量反映因子过去一段时间内表现；因子离散度相当于因子估值；因子拥挤度反映因子是否处于拥挤状态。内生变量对大类风格因子2月表现预测结果如下：看好估值、小市值、波动率、换手率因子，不看好财务质量、Beta因子。其中，小市值因子在动量指标上占优；估值因子在离散度指标上占优，处于过度忽视状态；波动率、换手率因子在拥挤度指标上占优。

外生变量视角假设风格因子表现受市场变量、宏观变量等外生变量驱动，对每个大类风格因子筛选出具备预测能力的外生变量，使用线性回归预测未来一个月的Rank IC值。外生变量对大类风格因子2月Rank IC预测结果如下：盈利、财务质量、小市值、反转、技术因子Rank IC预测值超过5%，可能较为有效，建议短期看多上述因子表现；不看好估值、Beta、成长因子未来一个月表现，上述因子表现可能受宏观环境制约。

因子周期视角将华泰金工经济周期研究成果应用于风格配置，自上而下构建经济系统周期运行状态与因子表现对应关系的“因子投资时钟”，根据当前周期状态预测因子未来表现的整体趋势。预计未来一年处于库兹涅茨周期见顶回落，经济长期增长趋缓的环境，同时朱格拉周期向下，流动性趋于宽松。建议配置大市值、估值、盈利、财务质量因子，但随着实体经济库兹涅茨周期见顶，经济长期增长趋势放缓的背景下因子风格或有切换。另外，波动率、换手率因子在不同的宏观环境下表现都较好，这两个因子建议长期配置。

历史2月小市值风格胜率高，春节后大小盘对冲收益显著

从日历效应来看，小市值因子在历年2月份与3月份具有相对较高的胜率，在2006.01~2022.1区间内小市值因子2月份Rank IC与因子收益率胜率均为88.24%，3月份为76.47%，位于全年各月份的高位区间。从详细的历史2月与3月小市值因子Rank IC来看，在2017年小市值风格失效以前，小市值因子在2月与3月几乎达到100%胜率；虽然2017年以后小市值风格有所失效，但总体来看2017-2021的全部2月与3月中仍有70%的胜率。

从大小盘指数的角度来看，我们统计了2007年以来历年春节后20个交易日小盘指数相对于大盘指数的对冲收益。以上证50作为大盘指数的代表，以中证500作为小盘指数的代表（选择中证500而不选择中证1000是因为中证500有对应的股指期货，实际可以操作），以春节后第一个交易日为T+0日，统计T+0日~T+19日做多中证500、做空上证50指数的对冲累积收益，结果如下图表所示。

从春节后10个交易日的结果来看，自2007年以来T+3~T+9的胜率达到100%，第T+7日对冲收益的中位数最高；从春节后20个交易日的结果来看，除2016年对冲收益为负以外，其余年份对冲收益也都显著为正，胜率达到93%；因此综合来看，春节后一段时间A股市场具有较为显著的小市值风格。

以下箱线图展示了各年份在春节后T+N日收益的箱线图，纵轴表示时间，横轴表示对冲收益，图中的散点表示不同年份的极端值。实际上T+10日及以后的散点极端值主要来自于2016年的负向对冲收益，箱体代表的其余年份收益显著在零刻度的右侧，少数年份收益超过10%。

公募权益基金2021Q4小市值配置占比提升，或看好小市值风格

除胜率以外，我们还想知道当前A股市场的主要机构投资者如何看待春节后一段时间的风格？以公募基金为例，我们统计了最新披露的2021Q4季度公募权益基金持仓数据，包括普通股票型、偏股混合型、灵活配置型以及平衡混合型，Q3与Q4的不同市值股票持仓数量与权重结果如下图所示。可以明显发现2021Q4季度公募权益基金无论是数量还是权重上相比于Q3都明显提高了中小市值股票的配置，以公募基金为代表的机构投资者或看好2022Q1小市值风格表现。

从小市值因子的历史拥挤度序列也可以看到（如下图所示），自去年春节后以来，小市值因子的拥挤度一直处于见底回升的阶段，尤其2021Q4至今年春节前小市值因子的拥挤程度加速上扬，说明市场上的投资者近期对小市值股票的关注度明显增加。但从历史来看，当前小市值因子的拥挤度分位数并不算高（最新截面期分位数为50.28%），因此预计未来一段时间小市值风格仍有进一步拥挤的空间。

1月大类风格因子表现

大类风格因子1月在全A股票池的Rank IC值和因子收益率如下图所示。波动率、换手率因子表现突出，Rank IC值分别为34.87%与28.27%，因子收益率则分别为2.95%与2.69%,印证了上月我们看好量价类因子的观点。其次估值因子表现也较为亮眼，上月Rank IC为23.69%；小市值因子延续过去一年的强势表现，上月Rank IC为17.12%；此外反转、Beta因子上月均录得正向收益。成长、盈利、财务质量与技术因子上月回调，但回调幅度较小。

近1年大类风格因子表现

对大类风格因子近12个月的Rank IC值做累加，得到各月累计Rank IC值，如下图所示。

自2021年春节后以来，小市值因子持续表现亮眼，机构抱团股瓦解以后小市值风格持续占优，同时量价类因子中的反转、波动率与换手率因子并驾齐驱，总的来看是过去12个月表现最好的四个因子，ICIR显著超过0.5。估值与技术因子表现次之，过去12个月ICIR在0.5左右，且估值因子轮动频繁，alpha效应不明显。盈利、成长、Beta因子表现较为平淡，财务质量因子小幅回撤。

近期细分因子表现

计算34个细分因子1月Rank IC值，以及近12个月的月频Rank IC值。将近12个月Rank IC的均值除以标准差，得到近1年IC_IR。近期细分因子表现如下图所示。

因子表现计算方法

因子T月表现的计算方法可以简要描述为：

1.     以T-1月最后一个交易日为截面期，以全A股为股票池，计算附录一中10大类共34个细分因子值。对每一大类风格因子内部各细分因子做去极值、标准化预处理及因子方向调整，再等权合成，得到截面期大类风格因子值。

2.     计算T月股票池内个股区间收益。

3.     对大类风格因子或细分因子做去极值、标准化和行业市值中性化预处理，计算T-1月预处理后因子与T月个股区间收益的Spearman秩相关系数，即T月因子Rank IC值。

4.     对大类风格因子值、个股总市值做去极值和标准化预处理，以T-1月预处理后大类风格因子值、预处理后个股总市值、中信一级行业哑变量为自变量，以T月个股区间收益为因变量，以流通市值平方根为权重，做加权线性回归，大类风格因子值对应的回归系数即为T月大类风格因子收益率。

详细计算方法请参见附录二。

内生变量视角基于因子动量、因子离散度、因子拥挤度三类指标，预测风格因子未来表现。因子动量反映因子过去一段时间内表现；因子离散度相当于因子估值，高因子离散度反映因子被过度忽视，低因子离散度反映因子被过度投资；因子拥挤度反映因子是否处于拥挤状态。一般看好高因子动量、高因子离散度、低因子拥挤度因子短期表现，三项指标在截面和时序上均有预测效果。

内生变量综合预测结果

基于因子动量、因子离散度、因子拥挤度三类指标，分别从截面和时序角度，对大类风格因子2月表现进行打分预测，综合预测结果如下表所示。看好估值、小市值、波动率、换手率因子，不看好财务质量、Beta因子。其中，小市值因子在动量指标上占优；估值因子在离散度指标上占优，处于过度忽视状态；波动率、换手率因子在拥挤度指标上占优。

综合预测得分是以下6项细分指标的均值：

1.     归一化截面因子动量；

2.     因子动量历史分位数；

3.     归一化截面因子离散度；

4.     因子离散度历史分位数；

5.     1－归一化截面因子拥挤度；

6.     1－因子拥挤度历史分位数。

其中，归一化采用min-max归一化，根据截面上各类因子相应指标最小值和最大值，将其缩放至[0, 1]范围内；历史分位数取每个因子最新月末截面期相应指标，在其历史上（自2007年1月末截面期开始）所处分位数，本身在[0, 1]范围内；因子拥挤度为反向指标，故用1减去相应指标。

因子动量

定义因子动量为因子在过去12个月末截面期的21日Rank IC均值。从截面角度看，小市值因子动量最强，反转因子次之，成长、盈利、财务质量因子动量较弱。从时序角度看，小市值因子动量处于历史高位，超过2007年以来的80%分位数；盈利与成长因子动量处于历史低位，均位于后10%。

因子离散度

因子离散度计算方式为：

1.     在月末截面期，取每个中信一级行业因子值排名前20%个股的因子值中位数，以及因子值排名后20%个股的因子值中位数，两者求差值；

2.     30个行业的差值求平均值，得到当前截面期该因子离散度原始值；

3.     对当前截面期因子离散度原始值做标准化，计算其在过去72个月末截面期的Z分数。

从截面角度看，估值、成长、盈利因子离散度相对较高，Beta因子离散度相对较低。从时序角度看，估值因子离散度处于历史高位，超过2007年以来的80%分位数水平，可能处于过度忽视状态；财务质量、波动率、Beta因子离散度处于历史低位，低于2007年以来的20%分位数水平，其中财务质量低于10%分位数水平，可能处于过度投资状态。

因子拥挤度

因子拥挤度计算方式为：

1.     在每个月末截面期，分别计算个股a）过去63个交易日的日度涨跌幅标准差作为波动率指标，b）过去63个交易日的日均换手率作为换手率指标，c）过去63个交易日个股收益与万得全A收益线性回归的回归系数作为Beta指标；

2.     取各个中信一级行业因子值排名前20%个股的波动率/换手率/Beta均值，以及因子值排名后20%个股的波动率/换手率/Beta均值，两者求比值；

3.     对波动率、换手率、Beta的三个比值求均值，得到当前截面期该因子拥挤度。

从截面角度看，小市值、技术、财务质量因子拥挤度相对较高，波动率、换手率因子拥挤度相对较低。从时序角度看，Beta、技术因子拥挤度超过2007年以来的90%历史分位数水平，可能处于交易拥挤状态；波动率、换手率因子拥挤度低于2007年以来的20%历史分位数水平，交易相对不拥挤。

外生变量视角假设风格因子表现受市场变量、宏观变量等外生变量驱动，对每个大类风格因子筛选出具备预测能力的外生变量，使用线性回归预测未来一个月的Rank IC值。以下分别展示最新一期预测方法及预测结果。

外生变量选取

选取6项市场指标和13项宏观指标作为外生变量。选择沪深300和中证500月涨跌幅、月波动率及月均换手率，用于表征市场行情的变化。从国民经济核算、工业、价格指数、银行与货币、利率与汇率5个方面，选择较常用的13项宏观指标。

时间序列回归模型的一个重要前提是自变量为平稳时间序列，而大部分宏观指标和市场指标在时间序列上的分布非平稳，不符合预测模型对自变量的假设，因此我们针对不同的外生变量，进行一定差分处理或计算变化率，使得外生变量在单位根检验下均为平稳时间序列。另外，部分宏观变量数据发布具有滞后性，我们在建模时将这部分宏观数据按其实际发布时间滞后使用。例如，T-1月的M1同比数据通常在T月中旬公布，因此我们在T月末建模时用到的是T-1月的M1同比数据。

下表展示具体19项外生变量及其所属类别和变量处理方法。为了更清楚地展示部分宏观变量的滞后期，我们以T月末为截面期，最右列为外生变量能取到的最新数据时间。

外生变量预测方法

参考Hua，Kantsyrev和Qian于2012年发表论文Factor-Timing Model，使用外生变量预测大类风格因子Rank IC值。首先使用条件期望模型和AIC准则，在T-1月最后一个交易日，对每个大类风格因子筛选出可能影响因子Rank IC值的条件变量；其次将大类风格因子与筛选出的条件变量做线性回归，预测T月的因子Rank IC值。

条件期望模型

AIC和AICc准则

外生变量筛选流程

样本区间内筛选外生变量流程如下图所示，具体步骤为：

1.     最优外生变量集合S0初始为空集，AICc初始值AICc0＝T·log(|ΣXX|)；

2.     遍历不在Si中的每个外生变量k，计算将k加入到集合Si后模型AICc值，取最小值AICcmin；

3.     若AICcmin小于AICci，则转向第4步；否则筛选结束，集合Si为最优外生变量集合；

将AICcmin对应的外生变量k加入Si，即Si+1＝Si∪{k}，AICci+1为基于外生变量集合Si+1计算得到的AICc，并转至第2步。

回归预测模型构建

对于每个大类风格因子，取样本区间为过去72个月，分三步预测未来一个月Rank IC值：

1.    使用AICc在样本区间内筛选出对因子Rank IC值具有解释能力的外生变量；

2.    将筛选出来的全部外生变量纳入回归模型，在样本区间内构造因子Rank IC值序列关于外生变量的多元线性回归模型；

将最新一期的外生变量代入回归模型，得到未来一个月的因子Rank IC预测值。

外生变量预测结果

外生变量对大类风格因子12月Rank IC预测结果如下图所示。盈利、财务质量、小市值、反转、技术因子Rank IC预测值超过5%，可能较为有效，建议短期看多上述因子表现；不看好估值、Beta、成长因子未来一个月表现，上述因子表现可能受宏观环境制约。

因子预测结果解读

下面展示各个大类风格因子Rank IC预测值，以及进入回归模型的外生变量对预测结果的贡献情况，贡献度定义为自变量与回归系数的乘积。

下面尝试对预测Rank IC绝对值超过5%的风格因子进行解读。在构建回归模型前，我们对部分外生变量进行了差分处理或计算变化率，在解读预测结果时，我们应关注这些外生变量取值的边际变化，而非变量值本身。

1．   盈利因子：回归模型截距项为3.6%，对Rank IC预测值有正向贡献，说明长期看盈利因子存在正收益。PPI同比新值（12月，10.3）相比前值（11月，12.9）降低2.6pct，为预测值提供5.4%的正向贡献。沪深300月均换手率新值（1月，51.40%）相比前值（12月，54.44%）降低3.4pct，为预测值提供0.6%的正向贡献。

2．   财务质量因子：回归模型截距项为1.8%，对Rank IC预测值有正向贡献，说明长期看财务质量因子存在正收益。PPI同比新值（12月，10.3）相比前值（11月，12.9）降低2.6pct，为预测值提供5.3%的正向贡献。沪深300月均换手率新值（1月，51.40%）相比前值（12月，54.44%）降低3.4pct，为预测值提供0.5%的正向贡献。

3．   小市值因子：回归模型截距项为1.0%，对Rank IC预测值有正向贡献，说明长期看小市值因子存在正收益，但正向幅度不高。PMI指标新值（1月，50.1）相比前值（12月，50.3）二阶差分为-0.4，为预测值提供0.3%的正向贡献，影响较小。CGPI当月同比增速提升，为预测值提供10.5%的正向贡献，影响较大。

4．   反转因子：回归模型截距项为7.8%，对Rank IC预测值有正向贡献，说明长期看反转因子存在正收益。沪深300月均换手率新值（1月，142.51%）相比前值（12月，154.36%）降低11.85pct，为预测值提供-0.6%的负向贡献。

5．   技术因子：回归模型截距项为4.6%，对Rank IC预测值有正向贡献，说明长期看技术因子存在正收益。1月中证500月涨跌幅-11.04%，为预测值提供3.0%的正向贡献。PPI同比新值相比前值降低2.6pct，为预测值提供4.8%的正向贡献。

另外，值得注意的是外生变量对估值、Beta因子表现的预测：

1．   估值因子Rank IC预测值为0.8%，截距项为5.5%，对Rank IC预测值有正向贡献，说明长期看估值因子存在正收益。PPI同比新值相比前值降低2.6pct，为预测值提供-4.9%的负向贡献。

2．   Beta因子Rank IC预测值为-6.4%。1月沪深300月涨跌幅-7.82%，为预测值提供-2.6%的负向贡献。PPI同比新值相比前值降低2.6pct，为预测值提供-4.0%的负向贡献。

总的来看，估值、Beta因子未来表现可能受宏观环境制约。

因子周期视角

因子周期视角将华泰金工经济周期研究成果应用于风格因子表现预测。预测分为两部分：自上而下构建经济系统周期运行状态与因子表现对应关系的“因子投资时钟”，根据当前周期状态预测因子未来表现的整体趋势；自下而上对风格因子去趋势累计收益率进行三周期回归拟合，外推因子未来表现的边际变化。与前述内生变量、外生变量视角不同，因子周期视角侧重于对因子中长期表现的预测。

自上而下预测整体趋势：因子投资时钟

对因子周期的研究发现，大部分因子的中长期走势与经济形势挂钩，影响较为明显的两个因素是经济增长和流动性，前者可使用库兹涅茨周期刻画，后者可使用朱格拉周期辅助判断。我们借助这两个变量将经济环境分为四种情况，不同经济周期下因子表现分类如下图所示，称之为因子投资时钟。因子投资时钟的详细构建方法请参考华泰金工研究报告《周期视角下的因子投资时钟》（20181011）。

在不同资产类别中，商品是靠近实体经济的一种资产，商品价格长周期上的波动在一定程度上反映了实体经济的总需求，因此可借助商品识别经济的中长期波动。CRB综合现货指数三周期分解结果如下图所示，预计未来一年处于库兹涅茨周期见顶回落，经济长期增长趋缓的环境，同时朱格拉周期向下，流动性趋于宽松。当前周期运行状态处于因子投资时钟的第四象限的末尾，建议配置大市值、估值、盈利、财务质量因子。另外，波动率、换手率因子在不同的宏观环境下表现都较好，这两个因子建议长期配置。综合来看，预测未来一年大市值、估值、盈利、财务质量、波动率、换手率因子有效，但随着库兹涅茨周期见顶，经济长期增长趋势放缓的背景下因子风格或有切换。

自下而上预测边际变化：因子周期回归拟合

下面展示各个大类风格因子三周期回归拟合结果。三周期回归拟合详细方法请参考华泰金工研究报告《因子收益率的周期性研究初探》（20180605）。图中红线为去趋势后因子累计收益率，灰线为回归拟合曲线，灰线相对红线的延伸部分为因子未来一年表现边际变化情况预测。综合来看，小市值、波动率、换手率、Beta、技术因子处于周期上行状态，成长、盈利、财务质量因子处于周期下行状态，估值、反转因子即将触底回升。

风格因子的效果与宏观环境和大盘走势密切相关，历史结果不能预测未来。金融周期规律被打破。市场出现超预期波动，导致拥挤交易。

本公众平台不是华泰证券研究所官方订阅平台。相关观点或信息请以华泰证券官方公众平台为准。根据《证券期货投资者适当性管理办法》的相关要求，本公众号内容仅面向华泰证券客户中的专业投资者，请勿对本公众号内容进行任何形式的转发。若您并非华泰证券客户中的专业投资者，请取消关注本公众号，不再订阅、接收或使用本公众号中的内容。因本公众号难以设置访问权限，若给您造成不便，烦请谅解！本公众号旨在沟通研究信息，交流研究经验，华泰证券不因任何订阅本公众号的行为而将订阅者视为华泰证券的客户。

本公众号研究报告有关内容摘编自已经发布的研究报告的，若因对报告的摘编而产生歧义，应以报告发布当日的完整内容为准。如需了解详细内容，请具体参见华泰证券所发布的完整版报告。

本公众号内容基于作者认为可靠的、已公开的信息编制，但作者对该等信息的准确性及完整性不作任何保证，也不对证券价格的涨跌或市场走势作确定性判断。本公众号所载的意见、评估及预测仅反映发布当日的观点和判断。在不同时期，华泰证券可能会发出与本公众号所载意见、评估及预测不一致的研究报告。

在任何情况下，本公众号中的信息或所表述的意见均不构成对客户私人投资建议。订阅人不应单独依靠本订阅号中的信息而取代自身独立的判断，应自主做出投资决策并自行承担投资风险。普通投资者若使用本资料，有可能会因缺乏解读服务而对内容产生理解上的歧义，进而造成投资损失。对依据或者使用本公众号内容所造成的一切后果，华泰证券及作者均不承担任何法律责任。

本公众号版权仅为华泰证券股份有限公司所有，未经公司书面许可，任何机构或个人不得以翻版、复制、发表、引用或再次分发他人等任何形式侵犯本公众号发布的所有内容的版权。如因侵权行为给华泰证券造成任何直接或间接的损失，华泰证券保留追究一切法律责任的权利。本公司具有中国证监会核准的“证券投资咨询”业务资格，经营许可证编号为：91320000704041011J。