金融工程2024年度投资策略

——主动超额蓄势待升，关注另类alpha策略

Ø 宏观和资产配置展望

      国内A股多因素驱动上涨行情预计在2024年1季度末、2季度初发生。2024年整年来看，权益端会显著好于2023年。2023年12月至2024年5月这一段窗口期，推荐小微盘加红利增长的杠铃策略，防范尾部风险。整体仓位视角，以网格化逐步提升沪深300的优质成长标的的仓位。

Ø 风格配置展望

      风格配置：我们的模型自2004年以来取得年化7.57%的收益，截止2023年12月1日，策略发出的信号为大盘-小盘各50%仓位均衡配置。展望2024年，我们认为上半年全球主要驱动因素为利率中枢的下移，看好沪深300等大盘股的反弹。下半年随着国内经济企稳向好，看好中证1000等中小盘宽基指数的行情。

Ø 行业配置展望

      行业配置：我们基于多宏观周期的的行业因子轮动模型，自2017年以来取得年化9.68%的超额收益率，加入拥挤度和绝对估值泡沫剔除尾部风险行业后，超额年化收益率提升至11.05%。其中2023年12月22日截面推荐的行业分别为汽车、家电零部件、养殖业、通信服务和饲料。展望2024年，我们认为低拥挤度的行业轮动策略会持续表现较优。

Ø 因子选股展望

      红利与成长展望：红利类股票公募基金整体配置较少，2019-2021红利远离抱团，在增量资金减少时，红利的优势体现出来；未来单纯红利能够大幅战胜宽基指数的可能性减小，我们建议挖掘红利与成长结合，建议红利（股息率）与成长类因子结合。

Ø 衍生品策略展望

      展望2024年，CTA和期权衍生品类型的策略会出现显著修复行情。长期展望：我们认为，随着金融整体的“去刚兑、低利率”环境下，CTA和期权衍生品类的绝对收益策略会长期受到资金的追逐。

Ø 量化新技术展望

      特征挖掘展望：由于人工因子挖掘效率遇到了明显的瓶颈，基于遗传规划和神经网络的特征挖掘会再次受到追捧。因子组合展望：目前业界流行的因子组合算法为LSTM、随机森林等模型。后续随着竞争的激烈，模型往深度学习和大模型等高算力需求转变或更加快速。

Ø 风险提示

      报告基于历史数据得到的结论，历史回测结果不代表未来。未来市场可能发生变化，因子有效性变化可能导致策略失效。

1. 市场特征与资金流向

1.1 被动连续流入，混合基金流出

      从2023年Q1至Q3来看，货币基金、被动指数和短期纯债排名前三。其中货币基金Q3出现明显流出，被动基金三个季度连续流入，短期纯债基金Q3出现110.85亿份的小幅流出。前三季度偏股混合型和偏债混合型基金都出现连续性流出情况，且三季度合计流出都超1500亿份规模。

1.2 主动超额为负，2023年11月有所好转

      主动权益基金在 2023 年 7 月份大幅跑输中证 800 指数后，其超额收益情况在 10月-11月有所好转，但整体表现仍较弱。

1.3 基金重仓指数回调明显，小微盘表现优异

      我们以基金季报重仓前十大个股数据选取前三十大重仓股等权构建基金重仓股指数。基金重仓指数表现弱于中证500、中证1000指数，且基金重仓指数和万得微盘股指数两者走势2023年几乎完全背离，体现风格极致的演化。

      如下图所示，2023年大小盘指数走势整体一致。

1.4 市场的量化特征

1.4.1 宏观状态

      从多维度刻画宏观环境变化，大类因子分为短期货币流动性、长端利率、信用和经济增长PMI共5个维度。各大类指标之中的子指标如下图表所示：

      将上述各项子指标先统一升频至日频率，然后进行标准化，用前值填充空值。用滚动逻辑回归进行测试，预测目标为中证全指的涨跌幅。

用滚动逻辑回归得到预测值后，将预测值进行移动窗口指数平均处理，得到如下图表所示的宏观状态刻画曲线和中证全指数走势曲线。

1.4.2 中观景气指数

      选取如下图表所示的中观高频数据来刻画中观景气指数，从工业产量、工业利润和经济活跃度三个大类指标进行刻画。

      将上图中所有子指标进行标准化之后升频至日频，拼接所有子指标，用前值填充空值。然后按照季度采样，再用PCA合成大类因子，得到工业产量主成分因子、工业利润主成分因子和经济活跃度主成分因子。

      将三大类因子作为预测变量与上证指数单季度归母净利润同比增长率进行线性回归，得到三大类因子的回归系数。然后将三大类因子频率提升至日频，用回归系数和大类因子值进行模型预测。

1.4.3 微观结构状态

      如下图所示，以估值、风险溢价、波动率以及流动性四类均值回复性较强的因子刻画各宽基指数的微观结构风险。

      四类风险指标以及结构风险因子值20231201截面值如下图所示。

      如下图所示，微观结构风险值-月度时序变化图。各宽基指数风险时序变化基本一致，在某些季度级别上，宽基指数风险值会有部分差异。

2. 基金市场

2.1 行业配置变化

      如下图表所示，2023年以来基金明显减配电力设备、国防军工和食品饮料行业，对TMT增配较为明显。

2.2 基金业绩分化

      如下图所示，2023年以来各类基金业绩表现分化。整体来看，商品型基金和股票型QDII基金收益领先，分别为9.69%/8.28%；股票型和偏股型基金中，被动较主动基金收益相对更好，回撤也较小；债券基金中，权益仓位较低或不含权益的债券基金业绩表现较好，均取得较货币基金更高的收益。

2.3 指数基金持续流入

      如下图所示，自2017年以来，主动权益基金由80%的整体占比逐步降低到当前的66.4%，被动权益基金由17.8%逐步上升到30.9%。自2022年初全球资金收紧以来，主动权益占比下降、被动权益占比上升较为明显。

      如下图所示，截止到2023年Q3，全市场基金规模排名前十的权益基金仅有易方达蓝筹精选1只基金，最新规模为491.7亿元。

2.4 指数增强产品分化

      如下图所示。自2017年以来，公募指数增强基金由420亿元规模左右成长为2023年的1400多亿元。占比权益基金2020年出现明显回落后，开始逐步回升至2.6%左右。

      公募指增产品，主流分为沪深300增强、中证500增强以及中证1000增强，超额收益2023年减少得较为明显。其中中证1000指数增强的超额降到了4.6%。

3. 行业配置

3.1 行业绝对估值泡沫

      在量化行业轮动模型中，我们考虑在策略选择高景气行业的同时考虑估值的匹配度，通过定量测试发现运用估值因子剔除高估值行业的实际绩效改进并不明显。比如用传统的PE_TTM因子对总样本进行高估值的尾部剔除，选取前5个行业构建等权行业指数，相对于全行业基准，提升绩效不明显且不稳定。一致预期PE和一致预期PEG因子也是类似情况。所以充分考虑行业不同阶段的发展，引入基于三阶段增长模型的绝对估值因子，有较好表现。

3.1.1 行业绝对估值泡沫计算

      基于DCF三阶段增长模型，用申万行业的一致预期conRoe、净资产conNa和设定为8%的折现率，计算出在三阶段增长模型下行业的理论估值FVB。具体计算公式如下图表所示。

      通过上图表公式计算后，可以得到DCF三阶段增长模型下的理论估值FVB。通过与申万行业最新的市净率PB求比值，得到绝对估值泡沫AFVB值。具体计算公式如下图表所示。

3.1.2 行业绝对估值泡沫20231201截面排名

      计算出行业的绝对估值泡沫后，周度对行业绝对估值泡沫AFVB值进行横截面排名，得到绝对估值泡沫截面排序值AFVB_rank，如下图所示。

3.2 行业拥挤度

      行业拥挤度因子的刻画分三类子因子，分别为换手率,波动率因子,贝塔因子。

      其中行业换手率因子计算步骤：

• 取行业换手率turnover值，求252日移动窗口的均值；

• 求各行业换手率252日均值的截面ZScore值作为换手率因子；

      行业波动率因子计算步骤：

• 计算行业252日移动窗口的日收益率的标准差；

• 求标准差的截面ZScore值作为波动率因子；

      行业贝塔因子计算步骤：

• 逐行业滚动计算日收益率与中证全指的日收益率在252日的回归系数beta；

• 求beta的截面ZScore值作为贝塔因子；

      拥挤度因子计算公式如下图表所示：

      如下图所示，20231201截面的行业拥挤度排名，排名值越小表示拥挤度越大。

3.3 行业一致预期景气度

      行业一致预期景气度计算如下图表所示：

      如下图所示，20231201截面的行业一致预期景气度因子排名，排名值越小表示景气度越好。

      如下图表所示，一致预期景气度因子的纯因子收益率。基于CANSLIM选股模式以及Barra的风格因子体系构建的适用于A股市场的行业轮动因子框架，详情见国联研究所2022年9月29日发布的《行业配置系列 2——多宏观周期下的行业轮动因子检验》。

4. 主动策略表现回顾

4.1 大小盘轮动

      从宏观指标、利率、汇率指标以及中微观指标来构建大小盘轮动信号，预测目标设置为申万大盘(801811.SI)和申万小盘(801813.SI)的比值。

      用满足格兰杰因果关系检验12 个子信号对大小盘预测目标未来1个月的收益率差值进行多元线性回归，得到预测的大小盘收益率差值Yhat作为交易信号。

      将交易信号标准化、归一化后进行回测，调仓频率为月频率。策略从 2004 年以来，相对于大盘 0.5 仓位，小盘 0.5 仓位的基准有年化 7.57% 的超额收益率。

      如下图表所示，信号值与大小盘仓位时序变化情况。

      如下两图表所示，大小盘轮动策略的月度净值曲线与分年绩效表现。

4.2 主要风格因子收益回顾

      如下图表所示，2023年取得正向收益的风格因子有市值因子、贝塔因子和杠杆因子，其中市值因子3.05%的正向收益为最高。排名前3的负向收益的风格因子为流动性因子、非线性市值因子和价值因子。

      如下图表所示，2023年主要风格因子年度收益累计时序变化图。其中市值因子累计收益较为平稳上涨，流动性因子累计收益较为平稳的下跌。

4.3 量化行业轮动表现

      构建多维度行业风格因子，包括一致预期景气、超越预期盈利、龙头效应、行业估值泡沫、反转因子、动量因子、拥挤度、通胀beta。基于宏观周期的因子轮动并配置相应的高预期收益行业以此构建了适用于 A 股市场的行业轮动策略。

      如下两图表展示了国联金工--行业轮动策略2017年来相对行业等权基准的年化超额收益，无剔除版年化超额收益为9.68%，双剔除版本年化超额为11.21%。

4.4 CTA与期权等衍生品

      2023年CTA线性趋势策略较为平稳上涨，展期策略2季度出现明显的回撤，3季度开始逐步回升。

      如下图表所示，为股指期货期权备兑策略收益曲线，年初至今alpha累计收益为23.5%，绝对收益为20.4%。

5. 2024年展望

5.1 宏观和资产配置展望

      国内A股多因素驱动上涨行情预计在2024年1季度末、2季度初发生。2024年整年来看，权益端会显著好于2023年。核心观点如下：

• 全球本轮经济需求下降，周期底部或位于2024年5月附近；

• 美国近两年较高的制造业支出或提升美国经济软着陆概率；

• 全球利率2024年3-5月份下行概率较高，抬升权益资产风险偏好；

• 国内A股春季躁动的日历效应带来资金流入；

      2023年12月至2024年5月这一段窗口期，推荐小微盘加红利增长的杠铃策略，防范尾部风险。整体仓位视角，以网格化逐步提升沪深300的优质成长标的的仓位。

5.2 风格配置和行业配置展望

      风格配置：我们基于宏观、利率、汇率指标以及中微观指标来构建大小盘轮动信号自2004年以来取得年化7.57%的收益，截止2023年12月1日，策略发出的信号为大盘-小盘各50%仓位均衡配置。展望2024年，我们认为上半年全球主要驱动因素为利率中枢的下移，看好沪深300等大盘股的反弹。下半年随着国内经济企稳向好，看好中证1000等中小盘宽基指数的行情。

      行业配置：我们基于多宏观周期的行业因子轮动模型，自2017年以来取得年化9.68%的超额收益率，加入拥挤度和绝对估值泡沫剔除尾部风险行业后，超额年化收益率提升至11.05%。其中2023年12月22日截面推荐的行业分别为汽车、家电零部件、养殖业、通信服务和饲料。展望2024年，我们认为低拥挤度的行业轮动策略会持续表现较优。

5.3 因子选股展望

      红利与成长展望：红利类股票公募基金整体配置较少，2019-2021红利远离抱团，在增量资金减少时，红利的优势体现出来；红利在中特估背景下长期受益；分红新规下，投资者对红利更加关注；银行理财和保险资管、部分固收+产品偏好高股息策略；在市场底部震荡，红利具有交易好的防守属性。红利策略过去两年表现较好，未来单纯红利能够大幅战胜宽基指数的可能性减小，我们建议挖掘红利与成长结合，建议红利（股息率）与成长类因子结合。

      基本面因子展望：仍然可以等待，不同市场状态定价逻辑有所差别，部分基本面因子虽然近期表现不佳，未来随着市场定价逻辑变化，有可能再次有效。

      量价类因子展望：需要密切关注市场状态，尤其小盘、微盘股的市场状态和博弈结构，适时做出调整。

5.4 衍生品策略展望

      我们认为2024年，CTA和期权衍生品类型的策略会出现显著修复行情。CTA策略自2022下半年以来全市场策略研发者都出现不同程度的回撤，原因之一商品期货整体需求快速收缩造成远近月定价的混乱，另一原因是策略同质化严重。经过2022、2023两年的策略出清和宏观整体局势相较于前两年稳定，商品的远近月定价以及上下游定价的稳定性会带来CTA类型的策略出现明显修复行情。

      长期展望：我们认为，随着金融整体的“去刚兑、低利率”环境下，CTA和期权衍生品类的绝对收益策略会长期受到资金的追逐。

5.5 量化新技术展望

      特征挖掘展望：由于人工因子挖掘效率遇到了明显的瓶颈，基于遗传规划和神经网络的特征挖掘或再次受到追捧。

      因子组合算法展望：目前业界流行的因子组合算法为LSTM、随机森林等模型。后续随着竞争的激烈，模型往深度学习和大模型等高算力需求转变或更加快速。

       本报告基于历史数据得到的结论，历史回测结果不代表未来。未来市场可能发生变化，因子有效性变化可能导致策略失效。

报告标题：金融工程2024年度投资策略——主动超额蓄势待升，关注另类alpha策略

发布时间：2024年01月03日

发布机构：国联证券研究所

作者：

分析师：陆豪

执业证书编号：S0590523070001

邮箱：[email protected]

联系人：康作宁

邮箱：[email protected]

1、《富国指数产品12月配置报告：——建议关注农业ETF、央企创新ETF等》2023.12.03

2、《从宏观微观多因子看大小盘轮动：——A股风格轮动系列研究》2023.12.02

评级说明及声明