20210715-莫尼塔投资-2021年6月A股Smart_Beta月度报告_27页_998kb

A股Smart Beta 月度报告总结（2021年6月）

核心内容概述

本报告是则新智能贝塔团队于2021年6月发布的A股市场Smart Beta分析报告，旨在通过因子分析和机器学习算法，帮助投资者识别A股市场的长期收益来源，并构建更高收益风险比的智能贝塔策略。报告涵盖了宏观因子评论、因子表现回顾、因子相关性分析、因子择时以及机器学习在Smart Beta因子预测中的应用。

主要观点

1. 市场表现与经济环境

• 6月A股市场分化明显，创业板指和中证1000指数上涨，而沪深300和上证综指下跌。
• 国内经济增速边际放缓，但整体仍保持复苏态势，6月金融数据全面超预期，显示经济韧性。
• 美国经济复苏加快，美联储紧缩倾向增强，但市场情绪波动较大。
• 中美货币政策短期背离，但长期趋势仍可能趋同，市场情绪受此影响波动加剧。

2. Smart Beta因子分类与表现

• A股市场因子分为三类：成长类（进取型）、行为类（中性）、价值类（防御型）。
• 本月表现最佳的是创新研发因子，相对收益为6.97%；表现最差的是低风险因子，相对收益为-8.69%。
• 进取型因子整体表现优于中性因子和防御型因子。
• 多因子组合的夏普比率和波动率数据表明，高质量多因子策略在风险调整后的收益表现优于沪深300指数。

3. 因子相关性与择时逻辑

• 不同因子之间存在弱相关或负相关关系，因此其风险来源也不同。
• 借鉴海外研究，构建了经济活动指标（EAI）和融资条件指标（FCI），用于判断市场周期状态。
• 市场周期分为四类：收缩、复苏、繁荣、放缓，分别对应不同的因子配置策略。
• 根据最新的宏观因子判断，高质量多因子策略在7月进行了调仓，以适应市场变化。

4. 机器学习在因子预测中的应用

• 机器学习算法（尤其是深度学习模型）在因子预测中具有优势，能够更准确地捕捉因子与未来收益的关系。
• 使用神经网络模型（NN模型）对53个智能贝塔指标进行训练和预测，筛选出表现优异的因子。
• 通过机器学习模型，预测流动性、低风险、动量、估值等因子组合的超额收益。

关键信息

1. 因子分类

2. 高质量多因子策略表现

3. 策略特征

• 投资空间：以沪深市场流通市值前300的股票池为基础。
• 股票构成：由约80只股票组成，前十大股票总权重不超过25%。
• 波动特征：目标是获得低于或接近沪深300指数的波动率。
• 指标表现：调仓后市盈率下降，ROE仍大幅领先，换手率降低，流通市值下降，波动率上升但处于合理区间。

附录要点

• 附1：10个风格因子的38个独立指标的收益表现。
• 附2：风格因子的定义及其超额收益来源。
• 附3：高质量多因子策略的历史表现和调仓数据，显示其具备持续高收益低风险的特征。

后续关注重点

• 经济基本面数据变化
• 结构性改革与金融市场开放进度
• 外部金融风险事件
• 中美货币政策走向
• 市场风格变化与因子表现
• 机器学习模型在因子预测中的优化与应用

联系方式

如需更多信息，请联系：
阮伟佳
电话：13564580486
邮箱：weijiaruan@caixin.com