基于动量因子的风格ETF不定期轮动
基于动量因子的风格ETF不定期轮动
本文介绍了一种基于动量因子的风格ETF不定期轮动策略。研究发现，该轮动策略在2014年至2024年8月31日的回测期间，年化收益率约为17.93%，卡玛比率约为0.44，能够战胜沪深300以及天相股票基金指数。
摘要
- 在前期研究中，我们根据《宏观视角与微观视角结合下的风格轮动》建立轮动模型，并根据《基于风格轮动的基金优选》中的筛选基金的方法选择基金参与轮动。为改善由于市场风格的快速切换而导致模型存在滞后以及参与轮动的主动管理型基金可能存在风格漂移的情况，本文将构建不定期轮动模型，即当标的指数产生信号时方对相应的风格ETF进行轮动，以图减少一段时间内市场风格快速变化对定期轮动带来的不利影响。本文是进行策略研究，在相关演示与回测中将使用风格指数进行，为尽可能接近实际，当出现换仓信号时将采取单边0.02%的手续费（与市场ETF交易费接近）。值得注意的是，尽管跟踪风格指数的ETF走势与指数高度相关，但交易ETF仍可能受到标的流动性、交易滑点等影响使得模型达不到预期效果。
- 本文将延续早前研究的思路，将市场划分为大盘价值、大盘成长、小盘价值以及小盘成长四种风格，并分别挑选300价值指数、300成长指数、中证智选1000价值稳健指数以及中证智选1000成长创新指数分别代表以上四种风格。
- 通过统计风格指数自2014年以来走势相关性可以看出，小盘价值与小盘成长的相关性比较高达到0.92，这表明在小盘股中，成长风格与价值风格的区分度相对较低；大盘成长与大盘价值相关系数在0.75，表明成长、价值类因子在大盘股中具有相对更好的区分性。另外，不同风格指数的走势在各阶段各不相同，并展现出一定的差异性。
- 轮动模型拟选择采用量价类微观因子，即采取简单动量类因子Bias（乖离率）进行轮动。自2014年至2024年8月31日以来，回测结果显示，轮动策略可以战胜沪深300以及天相股票基金指数，年化收益率约为17.93%，卡玛比率约为0.44。通过进行参数敏感性测试，我们发现该轮动模型鲁棒性较强。
- 未来我们拟据此模型更新《风格月报》相关数据，与此同时，我们将继续优化各类风格指数以及轮动因子，敬请期待。
前文回顾
在前期的报告研究中，我们通过分析各类基金在对应市场风格下的表现，运用宏观基本面指标与微观基本面指标建立预测市场风格轮动的模型，并结合当期回归因子暴露和alpha的叠加进行风格因子的优选，来观察各基金组合与风格指数业绩的表现。本文将基于往期的研究，利用更新后的轮动模型，来进行进一步的回测并观察不同参数下风格轮动模型的表现。
1、权益类基金与市场风格相关性研究回顾
在前期报告《权益类基金与市场风格相关性研究》中，我们通过借鉴Fama-French三因子模型构建因子的方式和一系列风格指数的方法对市场风格进行划分，并根据市场因子和基金风格因子的暴露程度将基金进行风格划分，以暴露值前后5%作为划分依据，将权益类基金划分为小盘，大盘，成长，价值风格的类别，通过分析各类基金在预期相对应市场风格下的表现，发现具有一定市场风格特征的基金组合在相匹配的市场风格下通常有较好的表现，并且可以战胜其他风格的基金组合及市场指数，即符合市场风格的基金表现可能更好。
在后续研究《宏观视角与微观视角结合下的风格轮动》中，我们选取宏观基本面指标以及微观基本面指标建立了预测市场风格轮动的模型，通过比较一定时期内轮动配置不同大盘/小盘，价值/成长等风格的基金组合策略净值曲线与等权风格的基金组合净值曲线进一步验证了风格轮动模型的有效性。另外通过复合指标的计算去尽可能地提升模型整体的适应性，发现其轮动策略表现相较于等权指数更为出色并在回测区间内获得较为稳定的超额收益，年化收益率、夏普比率、卡玛比率分别升高的同时，最大回撤和波动率都在一定程度上下降。
在前两篇报告研究的基础上，我们在《基于风格轮动的基金优选》中，根据宏观视角与微观视角结合下的风格预判信号优选出与之相对应的风格基金并形成风格轮动基金组合策略。首先，我们根据每月形成的预判信号，并结合当期回归因子暴露，筛选出与之对应的风格基金，随后在此基础上我们加入alpha因子进行风格基金的进一步优选，通过比较alpha因子的暴露程度和基金组合的回测净值验证了alpha因子暴露程度优选基金的有效性。此外，通过观察各基金组合与风格指数业绩的表现，采用双轮驱动风格轮动策略的基金组合明显高于风格指数与等权基金组合。
2、本文研究目标
本文将在上述研究报告的基础上，拟对前期轮动模型的更新，以图达到更好的表现，并力图能够使得整个轮动体系更加具备可操作性。
基金风格轮动策略构建
在前期的研究中，通过对主动权益类基金风格进行划分并根据月频市场风格预判信号对市场风格进行判断从而进行基金优选，整体来看属于中等周期的轮动方案，但在复杂多变的市场情况下，该轮动方案仍可能存在一些弊端：
市场风格快速切换。由于前期方案在轮动频次上属于月频，当市场风格在月度内快速变化时将导致模型无法适应，存在过度滞后的情况，从而导致效果不佳。
标的基金过多。由于标的较多，可能部分基金会存在风格漂移的情况。此外，考虑到主动权益类基金参与费相对较高，即使是进行月度轮动，仍可能因高额的手续费导致轮动策略不具备可实现性。
因此，为使得风格轮动更加快速且具备可操作性，本文拟对前期轮动模型进行更新。本文将直接选用风格指数进行轮动，根据风格指数日频数据构建不定期轮动模型，考虑到市场中存在跟踪相应风格指数的ETF，因此也具有一定的实际可操作性。
1、轮动标的选择
根据《宏观视角与微观视角结合下的风格轮动》中关于风格轮动的思路，本文仍延续大盘/小盘、价值/成长风格的思路，将市场划分为大盘价值、大盘成长、小盘价值以及小盘成长四种风格，并且针对四种风格挑选四个指数作为代表。
在区分大盘与小盘方面，我们选取沪深300指数作为大盘指数以及中证1000指数作为小盘指数，通过对沪深300指数以及中证1000指数在价值、成长方向区分，即可形成相应的风格指数，如下图所示：
该系列指数来源于《沪深300风格指数系列编制方案》、《中证智选价值稳健策略指数编制方案》以及《中证智选成长策略指数系列编制方案》，是在沪深300指数以及中证1000指数中进一步通过一系列价值因子、成长因子筛选得出的指数，即在代表大盘指数的沪深300中进一步区分出价值风格与成长风格，在代表小盘指数的中证1000中同样如此。为方便表述，以上风格指数在下文中简称大盘价值，大盘成长，小盘价值以及小盘成长。
同时，通过统计以上风格指数自2014年以来走势相关性可以看出，小盘价值与小盘成长的相关性比较高达到0.92，这表明在小盘股中，成长风格与价值风格的区分度相对较低；大盘成长与大盘价值相关系数在0.75，表明成长、价值类风格在大盘股中具有相对更好的区分性。与此同时，大盘股和小盘股相关性明显较低，表明市值因子对市场表现具有很强的区分度。
此外，各风格指数在阶段性也呈现出不同的表现，从季度收益率的角度来看，各风格指数也展现出一定的差异性，这也为轮动带来更多的空间。
2、轮动因子的选择
根据《宏观视角与微观视角结合下的风格轮动》中关于风格轮动的思路，我们同样通过选择轮动因子进行轮动。为了尽可能避免时间区间内风格快速变化带来的不利影响，我们的轮动时间周期选择以天为最小时间单位。
此外，考虑到提高轮动频次后，宏观、中观因素对模型的影响减弱，因此在本文中将不再继续考虑宏观、中观等兑现期更长的因子，而采用量价类微观因子，以提高轮动模型捕捉趋势的能力。为进一步简化模型，增强模型鲁棒性，本文采取简单动量类因子Bias（乖离率）进行轮动。
Bias = close / Ma - 1
其中，Ma代表过去n个交易日收盘价（close）的算术平均值。
乖离率越高，代表近期相对涨幅越大，当标的具有动量效应时，可能会在未来具有相对更好的表现。因此在模型的设定中，我们在每个交易日末直接选择乖离率最高的风格指数进行轮换，如果下一周期所选择的指数与本周期相同，则持仓不变。
模型的验证与回测
如前文所述，轮动标的将在四个风格指数之间，回测数据区间截取自2014年1月1日至2024年8月31日。轮动因子Bias因子单个参数，在下文回测将参数设置为20。另外，为更接近真实情况，回测过程中如果出现换仓则增加单边0.02%的手续费，但如滑点等交易成本暂不计算在内。
1、回测结果
从结果来看，策略可以战胜沪深300以及天相股票基金指数，年化收益率约为17.93%，卡玛比率约为0.44。最大回撤发生区间在2015年，此时正值“股灾”，回撤约40.98%；其次是在2016年初，正值A股“熔断”。以上时间区间由于各大指数均呈现单边快速下跌，所以该策略无法回避；另外在2018年，2020年初，2022年初以及2024年面临市场较为极端的情况时，均出现约20%左右的回撤。
2、参数敏感度分析
轮动模型的回测依赖参数，参数的选择至关重要。在这里，我们通过对不同参数进行回测，观察不同参数下风格轮动模型的最终净值。
可以看出该轮动模型参数较为平稳，这也从侧面表明模型稳定性较好。尽管从回测结果来看20并非模型最优参数，但在追求“模糊正确”的情况下，参数20是一个可以接受的结果。此外，由于市场中存在相关ETF跟踪该各风格指数，该模型也具有一定的现实意义。
未来我们拟据此模型更新《风格月报》相关数据，与此同时，我们将继续优化各类风格指数以及轮动因子，敬请期待。
结论
在前期研究中，我们根据《宏观视角与微观视角结合下的风格轮动》建立轮动模型，并根据《基于风格轮动的基金优选》中的筛选基金的方法选择基金参与轮动。为改善由于市场风格的快速切换而导致模型存在滞后以及参与轮动的主动管理型基金可能存在风格漂移的情况，本文将构建不定期轮动模型，即当标的指数产生信号时方对相应的风格ETF进行轮动，以图减少一段时间内市场风格快速变化对定期轮动带来的不利影响。本文是进行策略研究，在相关演示与回测中将使用风格指数进行，为尽可能接近实际，当出现换仓信号时将采取单边0.02%的手续费（与市场ETF交易费接近）。值得注意的是，尽管跟踪风格指数的ETF走势与指数高度相关，但交易ETF仍可能受到标的流动性、交易滑点等影响使得模型达不到预期效果。
本文将延续早前研究的思路，将市场划分为大盘价值、大盘成长、小盘价值以及小盘成长四种风格，并分别挑选300价值指数、300成长指数、中证智选1000价值稳健指数以及中证智选1000成长创新指数分别代表以上四种风格。
通过统计风格指数自2014年以来走势相关性可以看出，小盘价值与小盘成长的相关性比较高达到0.92，这表明在小盘股中，成长风格与价值风格的区分度相对较低；大盘成长与大盘价值相关系数在0.75，表明成长、价值类因子在大盘股中具有相对更好的区分性。另外，不同风格指数的走势在各阶段各不相同，并展现出一定的差异性。
轮动模型拟选择采用量价类微观因子，即采取简单动量类因子Bias（乖离率）进行轮动。自2014年至2024年8月31日以来，回测结果显示，轮动策略可以战胜沪深300以及天相股票基金指数，年化收益率约为17.93%，卡玛比率约为0.44。通过进行参数敏感性测试，我们发现该轮动模型鲁棒性较强。
未来我们拟据此模型更新《风格月报》相关数据，与此同时，我们将继续优化各类风格指数以及轮动因子，敬请期待。
数据说明
若无特殊说明，文中数据来源为：天相TXMRT®基金评价助手