中信建投-金融工程深度·2023年投资策略报告：用量化体系应对市场不确定性-221215

《中信建投-金融工程深度·2023年投资策略报告：用量化体系应对市场不确定性-221215（42页）.pdf》由会员分享，可在线阅读，更多相关《中信建投-金融工程深度·2023年投资策略报告：用量化体系应对市场不确定性-221215（42页）.pdf（42页精品完整版）》请在悟空智库报告文库上搜索。

　　核心结论
　　预计A股整体重心显著上移
　　2022年多轮疫情冲击以来，中国经济已经处于长期趋势线以下，近期疫情政策调整后，产出缺口有望逐步回补。2023年中国经济处于投资时钟里的复苏期，通胀矛盾有限，同时外需压力较大，货币政策对内需回暖可能有更高的容忍度，预计维持中性偏宽松。从基本面来看，虽然外需压力较大，但房地产政策调整与债务出清类似于2014年底，内需经济企稳后有望带动指数重心显著上移。
　　对比32年前的日美经济剪刀差后的美国独立行情，其关键是其美国经济早于全球贸易见底，货币政策则多持续了12个月且后续也延续了宽松利率，与当前中国政策相似，类似于90年代的市场分化可能重现，A股或在全球衰退中走出独立行情。从相对估值来看，2022Q3-Q4股债比价接近2019年初，股票相对债券具有较高性价比。
　　量化视角下的多体系行业跟踪
　　宏观因子方面，我们选择了多维度的宏观指标，对每个行业采用逐步回归法构建模型进行预测，按照预测值选前3行业的组合，2018年1月到2022年11月累计超额147%，年化超额20%。
　　行业基本面方面，通过梳理行业逻辑，筛选重要指标，选择其中和行业ROE、超额收益都具有高相关的指标构造单行业量化基本面择时策略，各行业的多空年化收益率均高于12%。
　　财务指标方面，基于正式财报信息构建行业财务指标，测试表明盈利和成长能力相关指标及其边际变化对行业的选择有参考意义。我们构造的复合财务因子，第一分组年化超额收益7.16%，夏普比率0.33。
　　分析师预期方面，以未来2个自然季度的ROE为目标，计算的行业成分股预期ROE上调比例、行业ROE变化值因子，超额收益率超过5%，夏普比率接近0.3。
　　基金资金流方面，基于有约束的半衰加权Lasso约束回归对股票型基金进行仓位估算，并基于此构造动量策略，使用过去半年至过去一个月板块变动最大的板块构造持有一个月的多头。策略从2011年至今年化超额收益率8.39%。
　　因子表现分化，风格切换显著
　　2022年因子表现机遇与挑战共存。从因子表现来看，市值类因子表现依旧稳定，基本面类（包括成长，价值等）因子相较于过去两年发生类明显的风格切换，高成长类因子表现逐渐减弱，低估值类因子表现有所增强。过去一年，整体市场发生了三次比较明显的风格切换，分别是3月，6月以及11月，导致整体因子的波动加剧。
　　公募指增产品跟踪——发力中证1000
　　存续的指数增强ETF产品共201只，1615.43亿元，沪深300，中证500和中证1000几类指增产品平均仓位分别为92.38%，90.74%和90.05%。不同基准指增产品今年以来胜率均超过80%，其中中证1000指数增强产品均跑赢基准，平均和中位超额均最高。中证500平均超额2.58%，竞争差异更大；沪深300超额中位最小。
　　不惧市场风格快速切换，建投500增强平稳上行。
　　我们构建的中信建投中证500指数增强策略从2011年1月1日到2022年12月11日累计绝对收益1090%，相对中证500累计超额849%，年化超额20.6%，其中2022年在市场风格轮动较为频繁的背景下，取得绝对收益-6.4%，超额收益11.24%，表现较为优异。
　　光伏Alpha+Beta属性突出，行业选股表现亮眼
　　光伏行业拥有卓越的Beta和Alpha属性。从2018年1月1日至2022年6月，光伏设备(申万)指数累计涨幅292%，在125个申万二级行业指数中排名第一，比行业平均收益率8.86%高出283%。不仅如此，光伏行业的Alpha也异常显著，行业内个股分化明显。通过行业内因子选股的方法，能够获得超越指数的alpha收益
　　前瞻性挖掘个股信息，机构调研事件选股策略表现优异。
　　我们构建的机构调研事件选股策略从2016年1月到2022年7月31日，40天持有期组合累计收益259%，累计超额281%，年化超额中证50022.5%，月度胜率63%，IR 0.70。40天持有期组合在2021年市场复杂的风格轮动下表现优异，绝对收益83%超额收益59%。
　　利用深度学习模型Deeplob从订单簿挖掘高频alpha
　　DeepLOB是基于CNN和LSTM结构的深度学习网络，用于预测限价订单簿的价格运动。DeepLOB网络在设计时，充分考虑了限价订单簿的数据结构与卷积神经网络之间的关系，能够挖掘出深层的订单簿特征。将模型应用于股票和可转债高频预测，能够取得显著的收益。
　　基于AutoML-Zero的因子挖掘框架AlphaZero
　　近几年机器学习发展迅速，以AutoML为代表的特征工程以及模型搭建也早以在工业界实现了广泛应用。将Google Brain团队提出的AutoML-Zero模型应用与因子挖掘领域，结合实际情况对模型做了相应的改进，构建了AlphaZero框架。通过结合中高频数据以及基本算子，利用正则化进化算法，能够进化出表现非常显著的个体因子。不仅能够应用于批量因子生成，还可以将其应用于现有因子的改进。
　　六维度行业轮动模型对外跟踪以来超额收益率11.47%
　　根据自上而下，结合宏观、量化基本面、财务因子、分析师预期、机构偏好、量价技术和资金流等维度，我们构建了六维度综合行业配置模型。自2022年2月开始对外跟踪以来，模型累计收益率4.81%，相对行业等权超额收益11.47%。
　　行业轮动FOF策略正超额
　　我们建立了基于规划求解的方案，将效果优秀的六维度行业轮动模型应用至基金选择上。今年以来主动权益FOF策略相对主动权益基金累计超额收益3.86%，被动指数基金组合绝对收益相对股票指数基金超额收益7.57%。
　　风险提示：模型为历史数据，存在失效可能。