20180918-华宝证券-金融工程专题报告_多因子风格轮动及基于风格加权的FOF组合策略_15页_1mb

报告摘要

多因子风格轮动及基于风格加权的FOF组合策略总结

核心内容

本报告探讨了基于多因子风格轮动模型的构建及其在公募FOF组合策略中的应用。通过分析大小盘、价值成长、动量反转三种风格轮动模型，结合宏观基本面、市场微观结构以及动量趋势技术指标，构建了一个综合风格加权的FOF投资策略，以期在风险调整后实现更高的收益。

主要观点

风格轮动的重要性：股票市场的超额收益不仅来源于市场系统性风险，也来源于风格因子的轮动。通过多因子框架分析风格轮动，有助于识别市场风格变化趋势，提高投资策略的有效性。
Smart Beta思路：风格因子投资即为Smart Beta投资的核心思路，强调对因子轮动规律的把握。
多因子轮动模型：通过整合宏观、微观及动量趋势因子，构建多因子轮动模型，提升风格判断的准确性和稳定性。
风格加权FOF组合：基于风格轮动模型构建风格加权指数，再通过基金筛选机制选择与风格指数高度相关的基金，构建FOF组合，实现中观策略与微观筛选的融合。

关键信息

一、风格轮动模型构建

1. 大小盘风格轮动模型

因子来源：宏观经济（CPI、PPI、M1-M2、工业增加值）、市场微观结构（波动率、换手率）、动量趋势（强弱指数）。
测试结果：
- 正向交易胜率：50.00%~75.00%
- 年化收益率：7.62%
- Calmar比率：0.97
- 跑赢申万大盘与申万小盘指数，且风险调整后收益显著高于沪深300指数。

2. 价值成长风格轮动模型

因子来源：宏观经济（PPI、一年期国债利率、产业债利差）、市场微观结构（波动率、换手率）、动量趋势（强弱指数）。
测试结果：
- 年化收益率：7.49%
- Calmar比率：1.20
- 跑赢国证价值与国证成长指数，且风险调整后收益显著高于沪深300指数。

3. 动量反转风格轮动模型

因子来源：宏观经济（CPI、M1-M2、一年期国债利率、产业债利差）、市场微观结构（波动率、换手率）、动量趋势（强弱指数）。
测试结果：
- 年化收益率：5.55%
- Calmar比率：0.68
- 跑赢动量与反转指数，且风险调整后收益显著高于沪深300指数。

二、基于风格加权的FOF组合构建

1. 风格加权策略

权重分配：大小盘风格轮动（50%）、价值成长风格轮动（30%）、动量反转风格轮动（20%）。
加权指数：基于2011年1月至2018年8月的历史数据构建风格加权指数，年化收益率为6.53%，Calmar比率为0.97。

2. 基金筛选机制

初始筛选：选取与风格加权指数相关度最高的前100只基金。
二次筛选：基于基金的净值表现（收益率、波动率、收益风险比）进行筛选，最终选出前20只基金构建FOF组合。
回测结果：
- 年化收益率：7.01%
- Calmar比率：1.26
- 最大回撤：-41.18%
- 250天滚动最大回撤均值：-5.56%

三、策略有效性与风险控制

有效性：所有风格轮动模型均跑赢其成分指数及沪深300指数，且Calmar比率显著优于市场基准。
风险控制：通过风格加权策略和基金二次筛选机制，有效降低组合波动性，提升收益风险比。
换手率：季度频率下，组合平均换手率约为30%，处于合理水平。

结论

本报告通过构建多因子风格轮动模型，展示了如何从宏观风格视角出发，结合微观基金筛选，构建一个具有稳定收益和较低风险的公募FOF组合策略。该策略在2011年至2018年间表现良好，年化收益率达7.01%，显著高于沪深300指数。此外，风格轮动与基金筛选对组合的业绩贡献基本相当，说明该策略实现了中观风格与微观择基的有效结合。