價值投資專題研究：價值策略表現分析與結合動量的優(yōu)化

價值投資專題研究：價值策略表現分析與結合動量的優(yōu)化一、價值投資“危機”：價值風格近年來整體偏弱在投資界，價值投資無疑是經久不衰的熱點話題。縱觀歷史上的價值投資傳奇，無論是格

雷厄姆的經典“安全邊際”理論、巴菲特將企業(yè)質量與價值結合的長期投資，還是芒格在

“水盡魚出”時對優(yōu)質潛力股的把握、費雪對成長股的價值刻畫，大師們對價值投資策略

的成功演繹無不令人神往，也帶給無數投資者持續(xù)的深刻影響。但從量化投資的視角來看，價值是典型的風格因子，價值因子收益在長期具有較明顯的波

動性和周期性。尤其在近年來，價值風格在海內外市場的整體表現并不盡如人意，甚至不少投資者提出“價值已死”的論調，認為價值風格的走弱不可逆，給價值投資的未來蒙上

一層迷霧。下文首先從兩個維度回顧價值策略在不同時間段的表現情況。從指數看價值成長溢價：價值近年來表現不及成長作為量化價值策略的典型應用場景，以風格較穩(wěn)定的

SmartBeta指數為例觀察美國

S&P500

價值及成長策略指數相對基準的表現情況。S&P500

風格指數采用

EP（市盈率倒

數）、BP（市凈率倒數）和

SP（市銷率倒數）三個典型估值因子刻畫價值得分

V，用凈利

潤同比、營收同比和動量刻畫成長得分

G，并按照

S=V-G的相對風格得分，按照市值占比

將樣本空間的股票池三等分。自基日以來，S&P500

價值指數相對基準指數的超額收益并不明顯，2007

年之后整體呈現

緩慢走弱的趨勢；進一步和成長指數對比，S&P500

價值指數的劣勢更加突出，自基日以來

價值指數的單位凈值已不足成長指數的

40%。可以認為，價值因子在美國市場的大盤成分

股中持續(xù)了較長時間的低迷。與美股相對的，價值策略在

A股市場整體仍有不錯的歷史表現，2011

年之后保持了較長的

強勢期；尤其在

2015

年泡沫破滅后，估值回歸的價值股占據市場主導，低估值藍籌股表現

強勁，價值指數呈現明顯的優(yōu)勢。2019

年之前的價值因子表現出較明顯的長期穩(wěn)定性，相對成長風格呈現震蕩走強的趨勢；

但隨后，價值指數出現了持續(xù)兩年多的斷崖式下行，在科技牛市與抱團股主導的強動量行，價值風格經歷了前所未有的“滑鐵盧”。從相對基準的走勢來看，中證

500

價值指數

的相對回撤約

20%，而滬深

300

價值指數的最大相對回撤達到

30%左右。直至

2021

年后，

牛市行情下挫，價值指數才重現一定程度的反彈。價值因子跟蹤：近期表現弱于成長因子，滬深

300

是“重災區(qū)”進一步基于風格因子模型的定義，通過

IC法分析價值因子的表現趨勢并對比成長因子

的同期表現，風格因子定義見附錄。測試的窗口期分別選用

2021

年以來、2019

年以來以及

2011

年以來的區(qū)間。整體上價值和成長因子在各個區(qū)間內均呈現正向的收益相關性，體現出長期

的有效性。但

2019

年和

2021

年以來，成長因子在滬深

300

股票池內呈現負收益，其中

2019

年以來，價值因子在滬深

300

成分股票池中的平均

RankIC低于-3%。橫向對比來看，2011

年以來價值因子在中證

500

以外的股票池中表現均優(yōu)于成長因子，但

在2019年和2021年以來的的區(qū)間內相對優(yōu)勢下滑明顯，其中2021年以來成長因子的RankIC均值全面低于成長因子；近年來，滬深

300

成分股票池仍舊是價值因子的重災區(qū)。A股市場價值因子長期存在

Alpha，但

2019

年以來表現大幅下滑，相對成長因子呈現明顯弱勢；而其中，作為大盤股代表的滬深

300

成分股票池內，價值因子的劣勢最為明顯。但目前為止，價值策略的環(huán)境仍未出現明顯改善。作為經典的風格因子，價值因子的有效性與方向性會隨時間發(fā)生變化，但

A股的價值因子在近年來的大幅波動與回撤難免讓投資者產生擔憂，而美股市場中價值因子更是經歷了超

過

10

年的長期萎靡；價值策略在量化投資中的長期可行性與優(yōu)化方法值得深入探討。二、價值投資的影響因素與長期趨勢利率因素：與海外市場相異，國內市場未體現主導性影響宏觀環(huán)境是影響市場的重要因素，其中利率與市場的資金面直接相關，利率水平的波動也

會導致市場風險偏好的變化。ABBernstein的投資組合策略團隊負責人

InigoFraserJenkins認為，央行的調控即是影響價值投資表現的主要原因之一；價值策略的表現需要相

對高利率的市場環(huán)境，此時投資者更加關注下行風險低、賠率更高的價值股，從而推動持

續(xù)的估值回歸。作為實證檢驗選取美國市場

S&P500

價值和成長指數作為海外市場代表，觀察價值

成長溢價與利率的關系；相應的，我們選取滬深

300

價值和成長指數作為

A股市場的表征。

可以看到，美國市場的價值成長溢價與

10

年期國債收益率的整體走勢較為契合；兩者的環(huán)比相關系數為

4.29%，呈現出一定的長期正相關性。相對的，以滬深

300

為作為代表的數據顯示，A股市場的價值成長溢價與利率并未呈現明

顯的正相關性，兩條曲線在長期波動中契合度不高。從環(huán)比相關性上看，溢價與

10

年期國

債利率的相關系數僅為-8.44%；另一方面，國內利率水平呈現長期震蕩，未呈現明顯的持

續(xù)下行趨勢。整體來看，低利率因素并非是影響國內價值成長溢價的主導因素。科技變革：當前處在新科技變革轉折點，或造成持續(xù)沖擊另一方面，技術的革新促成了大量高新科技公司，對傳統(tǒng)行業(yè)造成顛覆性的沖擊，其主導地位破壞了許多老牌企業(yè)的產業(yè)護城河，在吸納資金的同時對傳統(tǒng)企業(yè)的生存空間造成擠壓。這類在產業(yè)變革中不占優(yōu)的企業(yè)，其劣勢也反映在估值的下滑上，但這種沖擊性可能是持續(xù)性且不可逆的?？萍几锩膬纱箅A段分別呈現出不同的經濟發(fā)展和市場環(huán)境特征：1.

在新科技革命的安裝階段，前一次革命的盈利潛能幾乎耗盡，而新興的概念開始促成新

的經濟與社會格局；當概念逐漸成型，市場認識到新概念的發(fā)展?jié)摿Σ槠溥M一步推廣而

鋪建基礎設施。在安裝階段，新標準逐漸取代前一代革命中的舊標準，對舊產業(yè)的生態(tài)造

成沖擊與破壞；而參與科技創(chuàng)新的投資者則獲得了藍海擴張時期的高回報。2.

當新技術轉變?yōu)榧瘸傻母窬郑萍几锩D進到部署階段，利用已經建設完成的基礎設施

進行擴張，技術革命也在整個經濟體系中快速擴散。在這個過程中，經濟活動轉移到頂層

的應用層面，市場進入激烈的競爭格局；贏家最終實現寡頭或壟斷，而伴隨著相關行業(yè)步

入成熟期，新市場的增長也進入尾聲?；剡^頭審視科技變革的歷程，與對應第四次革新轉折點的

1926-1941

階段相似，正處

于信息技術革新的轉折點；在這個階段，新興技術相關的產業(yè)吸納主流資金并以實現快速

擴張，而傳統(tǒng)行業(yè)則受到沖擊與估值壓力，在與新技術協整過程中處于弱勢的企業(yè)尤其面

臨較大壓力。也因此，成長性強的股票能夠受到持續(xù)的推動，而市場對處于相對低估值的

弱勢股的偏好則在降低，從而表現為價值-成長風格溢價的收窄或反轉。從市場表現上看，當前階段的海外市場和前一轉折點相似，即價值股相對成長股呈現較明顯的劣勢。在整個長達

92

年的區(qū)間內，價值組合擁有優(yōu)于成長組合的長期收益，體現出一

定的歷史有效性；但從分區(qū)段來看，從

1926

年

7

月到

1941

年的科技革命階段轉折點，與

成長風格主導的階段吻合；而與如今相似，當時的價值投資也處于艱難掙扎的時期。反觀

當下的市場，新興科技的驅動力同樣風頭正盛。美國市場的代表性科技企業(yè)

FAANG帶動了

美國成長股的持續(xù)興盛，而國內新能源、5G通信、高端醫(yī)療等行業(yè)也呈現出較高的熱度，

與科技革新的階段較為吻合。從這個角度上看，科技革新的周期會對市場風格造成持續(xù)性的影響；而技術變革本身是一

個漫長的過程，其具體歷程及轉折點是相對后驗的。因此，就科技變革引發(fā)的產業(yè)鏈影響

而言，其因素是存在周期性的；科技革新對價值投資的影響也許會在未來發(fā)生轉變?；谑袃袈实膬r值成長溢價三因素拆解：重估和遷移效應影響較大以

HML組合為例（參照

Fama-French的定義，HML組合是通過做多價值股、做空成長股

構建的投資組合），第一項

Revaluation代表多空組合相對估值水平變化導致的收益影響；

第二項代表則是權益組合成分股盈利驅動的收益，包括凈值增長和分紅；第三項

Migration則代表價值股和成長股成分估值特征的遷移，

HML組合中的股票因估值水平的均值回復而在價值、成長組合之間遷移，并且該部分貢獻了價值因子中較大的收益比重。圖片上傳中......進一步的，盈利收益、遷移收益是結構性的（StructuralComponent），而第一項重估收益則是非結構性的“估值泡沫”，而長期

來看價值和成長組合的相對估值應當在一定的區(qū)間內波動。HML組合的主要回撤出現在

2007

年之后，但在長期仍舊有正向收益。從具體分解維度上看，重估效應對美股

HML組合的影響相對較小，而盈利效應與遷移效應的影響在數值上明顯更大；在

2007

年后重估收益由微弱的正收益轉為較明顯的負收益，表明近十年來價值重估的方向與早年發(fā)生了變化。同時可以看到，盈利效應長期明顯為負，可以認為美股市場的價值股盈利水平不及成長股，

高盈利為成長股的估值以及近年來反超價值股的溢價起到重要支撐；而同時，遷移效應則

貢獻了較大比重的正收益，即部分價值股的風格特征在發(fā)生變化，并產生較可觀的收益。進一步從時間維度上看，作為兩個最大比重的印象因素在綜合效應，結構性因素在方向上

維持不變，相對收益水平上的平均變動也較?。?4.8%）；而導致

2007-2020

年價值成長溢

價回撤的主因，則是重估效應的轉變（-7.4%）。從收益數值來看，三個因素的溢價都在下

滑，其中價值回歸的效果減弱的影響則最為明顯。進一步以滬深

300

價值與滬深

300

成長指數作為價值成長組合，構建價值-成長多空組合，并基于

AQR的三因素分解框架，計算價值成長組合以及多空組合在各個因素上的

貢獻程度?？梢钥吹剑詢芍伙L格指數構建的多空組合在三個因素上分化較大；其中遷移效應相對外兩個因素而言影響程度偏小，在該組合中風格遷移相對不明顯。另一方面，重估效應和

盈利效應貢獻的收益比重則較為明顯，其中盈利收益長期為正，即價值組合的整體盈利水

平長期高于成長組合，但該溢價在大多數時間內被重估效應沖淡；尤其在

2016

年后，重估

收益對多空組合的負向貢獻明顯，并成為隨后溢價回撤的主要因素。橫向對比來看，滬深

300

成長價值多空組合和美股

HML組合在該分解框架下呈現出較明顯

的特征差異。從方向性上看，滬深

300

成長價值多空組合和美股的盈利效應貢獻恰好相反，

其成長股的估值在盈利面支撐上弱于美股。從貢獻比重上看，其重估效應影響明顯高于美

股市場，估值泡沫較美股更為嚴重；而盈利效應則起到相反的貢獻；同時，HML組合價值

成長多空組合的遷移效應貢獻高于滬深

300

的多空組合。進一步對中證

500

風格指數進行拆解；由于中證

500

風格指數發(fā)布較晚，可獲得成分

股起始于

2015

年，因此相對區(qū)間更短。可以看到價值策略在中證

500

內的各因素特征與滬

深

300

有較高的相似度，即盈利效應明顯、遷移效應影響偏低、重估收益導致較大回撤。

同時，中證

500

風格多空組合的重估收益在

2019-2020

年大幅回撤，但在

2021

年首次翻

為正收益。三、價值因子有效性跟蹤：IC分析與分層測試作為

Fama-French三因子模型中的解釋因子之一，HML被定義為低高

BP組合與低

BP組合

的收益率差值；低估值組合在

1963-1990

年間收益水平顯著優(yōu)

于高估值組合。盡管

PB（市凈率）指標在主動分析中非常常見，但考慮到少數凈資產為負的凈資產會影響

PB因子在零點附近的保序性，BP（市凈率倒數）更適合在因子體系中表征個股的相對價值。與

BP的思路相近，常用的相對估值因子還包括

EP（市盈率倒數）、SP（市銷率倒數）、

CFP（市現率倒數）等。相對估值因子的立足點在于以基本面要素作為價值的錨點，凈利

潤、營業(yè)收入等基本面要素能夠一定程度上反映個股的內在價值，與個股的市價具有較強

的線性相關性，因而市值與基本面指標的比值分布擁有相對穩(wěn)定的中樞；相對估值水平偏

低的股票可能被市場低估，并有望在未來獲得價格的回歸。估值因子

RankIC測試：市盈率指標表現相對較好RankIC測試計算個股第

T期的因子暴露度與

T+1

期收益率的

Spearman相關系數，能夠

反映個股下期收益率和本期因子暴露度的線性相關程度，同時

Rank排序處理使測試能夠免

疫因子極端值的干擾，對收益率預測的穩(wěn)健性有所提高。在股票池的選擇上，分別對全

A股以及滬深

300、中證

500

等重要寬基指數成分股進

行測試?；販y區(qū)間上統(tǒng)一從

2011

年開始統(tǒng)計；由于

RankIC存在較明顯的波動性，為增強

可視化效果，用計算累積

RankIC以呈現結果。在測試參數設置上，由于估值指標對

價格有較強的敏感度，頻率較一般的報告期指標更高，基于月度調整對因子進行測試；

此外，考慮因子的方向性，估值因子全部取倒數（如市盈率

PE轉換為

EP）。從長區(qū)間來看，估值因子的累積

RankIC區(qū)間整體呈較明顯的正斜率，但

2019

年以來斜率

相對放緩；其中滬深

300

指數內的估值因子在行業(yè)中性化后幾乎呈現負收益，而其他寬基

股票池中的估值因子也出現較明顯的震蕩和回撤。分股票池來看，PE因子（估值因子均為負向指標）在滬深

300

和中證

500

成分股中長期表

現優(yōu)于其他指標，而

PB因子在全

A股中表現更強；市銷率

PS因子在各個股票池中表現均

落后于其他指標，單一

PS指標選股能力可能有限，需要增量信息進行輔助。另外，滬深

300

和中證

500

成分股中

PE因子的累積

RankIC較高，中證

500

和全

A股票池中各指標

的穩(wěn)定性均較好，累積曲線回撤相對偏小。同時可以看到，行業(yè)中性化后的估值因子淡化了板塊

Beta的影響，在穩(wěn)定性和整體表現上

優(yōu)于非行業(yè)中性的組合；尤其在

2018

年以來，行業(yè)中性化因子的累積

IC回撤水平明顯低

于未中性化的估值因子。進一步對區(qū)間內

RankIC表現進行統(tǒng)計。行業(yè)中性化后，指標在分布標準差上明顯小

于非中性化的指標，從結合穩(wěn)定性的

IC_IR來看，行業(yè)中性化給指標表現帶來較大的提升。在滬深

300

和中證

500

兩只主流寬基指數的成分股中，PE因子明顯優(yōu)于其余指標；作為融入了業(yè)績指標的估值因子，市盈率仍舊相對可靠。同時，市現率

PCF盡管在

RankIC的絕

對數值上低于

PE，但穩(wěn)定性為所有指標最高，IC_IR僅次于

PE。相對估值因子分層測試分層測試依照因子值對股票進行打分，構建投資組合回測，是較為直觀的衡量指標優(yōu)劣的

手段。具體來說，在某個截面期上，可以根據一個或幾個因子值對個股進行打分，將所有

個股依照分數進行排序，然后分為

N個投資組合并進行回測。與

IC測試相似，基于兩種調整方案在各截面基于估值因子對給定股票池進行五等分，

并采用較為樸素的等權重方式構建分層組合，以更好地表征個股的整體收益水平。在前文

RankIC測試中，PE_TTM和

PCF_TTM指標表現相對較好。從基于等權配置構建的分層效果來看，因子有效性最強的

PE_TTM指標在三個主要股票池

中均有明顯的區(qū)分效果，低估值組合擁有明顯的長期累積優(yōu)勢。其中全

A股中估值最低的

分層表現明顯優(yōu)于其他分層，頭部組合的收益從長期來看優(yōu)于其余股票池，而滬深

300

和

中證

500

股票池的各層間區(qū)分效果則更加均勻。進一步觀察多空組合表現，盡管每條曲線均呈現明顯的長期正斜率，但全

A股中多空組合

的波動性較大，而滬深

300

多空組合則在

2018

年以來出現明顯放緩甚至回撤；中證

500

中

PE指標多空組合表現相對較為穩(wěn)定。對比市凈率

PE_TTM指標

，市現率

PCF_TTM指標在長期的分層區(qū)分度相對偏低，尤其

在滬深

300

股票池中難以區(qū)分頭部分層；從多空組合上看，PCF_TTM指標的總體趨勢與

PE_TTM接近，但長期累積收益略低于

PE_TTM指標分層的多空組合。作為因子有效性的直接體現，持倉組合收益分布的特征能夠較為直觀地反映估值因子的收益機理。采用最具代表性的

PE_TTM作為估值指標，在每個截面選取相對估值位于最低

20%的成分股作為低估組，統(tǒng)計成分股區(qū)間收益率的各個分位點，并對應樣本空間的分位點計算相對收益；為控制行業(yè)等因素的暴露偏差，對估值因子采用行業(yè)中性化處理。對組合的收益率計算偏度以表征收益率分布的傾斜情況，并同樣以樣本空間的水平作為參照計算相對偏差。月頻構建截面組合基于截面計算相對基準指數的收益和偏度差值；收益觀測窗口采取

1

個月。由于相對差值通常在零點附近波動，統(tǒng)一用累積值呈現統(tǒng)計結果，以

更直觀地展示分布特征在時間維度上的變化。其中，成分股百分位越小代表收益率越靠前。

值得注意的是，分位數的對比僅用于反映分布的整體特征，不一定能泛化到全部個股。對于月度收益率，累積相對收益曲線出現明顯分化。滬深

300

低估值組合中收

益靠后（分位數較大）的成分股整體領先于母指數滬深

300

的對應點位，直至收益中位數

（50%點位）在長期仍有較為明顯的累積優(yōu)勢，表明滬深

300

低估值組合相較基準指數收

益中樞更高，具有較明顯的保護性能；但另一方面，處于組合頭部分位數的個股則并未呈

現出優(yōu)勢，組合可能在高收益成分上較為匱乏。從具體分位數上看，曲線組中只有

10%分位點的累積收益曲線在長期跑輸基準指數的對應

分位數，作為收益靠前的“先鋒”表現不及基準指數的對應分位點；而

50%-90%的分位數

曲線則具有明顯的累積優(yōu)勢，且呈現嚴格的保序性，表明滬深

300

低估值組合的

Alpha來

源更多是下側成分股的防御能力。同時注意到，2019

年以來上側的曲線趨于平緩，而

10%

和

25%分位點曲線則出現下滑拐點，表明收益中樞出現整體下移，進一步降低了組合的超

額收益。進一步統(tǒng)計

300

低估值組合相對基準指數的偏度，偏度越高表明收益分布右側（高收

益）的長尾現象越明顯，而偏度越低則代表左側收益（低收益）相對長尾而稀疏。從相對

偏度的累積曲線來看，2010

年至

2016

年間低估值組合的偏度明顯低于基準，尾部低收益

的個股分布稀疏，右側分布更加集中，但收益突出的高收益成分可能較少；而

2016

年上半

年和

2018

年底曲線出現兩次明顯的拐點，低估值組合相對基準指數呈現右偏態(tài)，收益率重

心移向左側，與超額收益的下滑較為吻合。中證

500

低估值組與母指數收益分布差異中證

500

內低估值組合在收益率分布上長期與滬深

300

接近，但其靠前

成分股的超額收益突出，能夠長期填補尾部分位數的回撤并獲得超額收益；同時可以看到，

與

2019

年之后滬深

300

超額收益分位數曲線的整體斜率下行不同，中證

500

內不同分位

數的表現進一步分化，在尾部成分股優(yōu)勢更加明顯的同時，而頭部成分則劣勢放大。與滬深

300

股票池不同的是，作為中盤股票池的代表，中證

500

低估值組合近年來基本沒

有受到收益中樞下滑的影響，其相對偏度情況較滬深

300

也更加穩(wěn)定；從相對偏度來看，

中證

500

低估值組合相對基準組合穩(wěn)定左偏，分布形態(tài)上可能變化較小。五、基于動量因子的估值優(yōu)化策略：跟隨市場的指引在各個股票池中，不同分位數曲線的超額收益有著較明顯的區(qū)分

度和良好的保序性，意味著低估值股票池中長期存在擁有理想潛力的個股，能夠在價值重

估中獲得較好的收益。但另一方面，盡管低估值組合有較大比重的成分獲得超額收益，尾

部的成分股仍舊存在長期的劣勢，從而對超額收益產生拖累。因此，價值策略存在著進一

步“去蕪存菁”的空間與價值。采用基本面指標進行風險剔除和優(yōu)選是最為直觀的思路之一，即根據披露的財務數據及衍

生指標對個股進行評價并選取優(yōu)質的成分股；但基本面策略通常對財務報告披露有較大的

依賴，而不同企業(yè)報告披露存在時間差異，往往迫使截面量化策略犧牲信息的時效性，在

大部分報告披露之后再做決策，這是量化基本面策略相對主觀策略難以克服的缺陷。另一方面，如果市場能夠對新信息進行評估并反饋到定價上，那么提前應用這些“處理

過”的信息或許是可行的思路。典型的，動量因子被認為是價值因子的理想搭檔，也常被學界和業(yè)界提及；估值因子和動量因子的負相關性以及截面選股上互補的特性；強調單一的價值因子難以起到持續(xù)的選股優(yōu)勢，同時認為價值因子和動量因子具有較低的相關性，兩者的結合具有較為

理想的選股效果。估值因子與常規(guī)因子的相關性檢驗關于價值和動量在流動性風險方面相反行為的一個直觀想法是，動量代表了投資者熱衷于

參與的流行交易，而價值可以被視為一種逆勢投資策略，兩者在思路上是較為對立的。而

從多因子的維度來看，高相關性的因子在合成時增量信息較少，而低相關性因子能夠更好

地實現互補效果。首先從因子相關性的視角，對其他指標和估值指標的互補潛力進行檢驗。以市盈率倒

數

EP_TTM為例，按月末截面滾動，統(tǒng)計不同股票池中因子估值指標與其他常規(guī)因

子的相關性。出于降低極端值影響的考慮，同樣使用秩相關系數（Spearman’sRankCorrelationCoefficient）來衡量相關性。估值因子和市值、ROE、毛利率有相對顯著的正相關性；而以同比增速為代表

的成長因子則與估值因子的相關性偏低，且相關性方向并不明確。整體來看，以歷史區(qū)間

收益率定義的動量指標與估值因子的

RankIC絕對值最低，而時間維度的波動性則相對最

大，整體來看與

PE_TTM指標相關性較低。價值動量基礎策略回測及業(yè)績分析其中對于動量因子參考

Barra因子模型的經典定義，以過去一段時間的收益率表征

動量，同時跳過最近的窗口以降低反轉效應的影響；例如

N個月的窗口期，則采用

T（-

N+1）

到

T-1

個月的收益率作為動量指標。此外，策略回測的主要參數選擇與理由如下：1.

股票池選用中證

800

指數成分股，即滬深

300

與中證

500

指數的并集，在保證較良好

的個股質地及可投資性的同時，提供較充盈的標的選擇；2.

基于月度頻率進行調倉，截面選為每個月末，以更好地發(fā)揮估值因子和動量指標的市

場信息時效性；3.

根據測試結果，選用表現最好的市盈率倒數

EP_TTM作為估值指標；4.

根據測試結果，對估值指標均進行行業(yè)中性處理，以維持較好的穩(wěn)定性；5.

加權方式采用等權重，淡化市值等因素的影響，體現組合整體水平并降低過擬合風險。基于價值動量策略對策略進行回測并歸一化，繪制如上所示的單位凈值曲線以及相對基準的走勢。從歷史表現上看，策略相對主要寬基指數和滬深

800

價值指數

的超額收益明顯，但在

2018

年出現了較為明顯的回撤；2020

年后重新恢復優(yōu)勢。從相對

基準指數的走勢來看，策略相對走勢曲線整體呈現正斜率，但在

2018

年附近相對中證

800

和中證

800

價值均出現一定回撤。從區(qū)間統(tǒng)計上看，基礎策略的收益率遠超其余可比指數，但波動性高于其余指數，與中證

500

的水平接近；從夏普比率上看，策略的風險調整收益突出。同時可以看到，策略的回撤

水平最低，價值因子和動量因子的結合進一步強化了回撤控制能力，增強了策略的泛用性。分年度來看，在

11

個統(tǒng)計區(qū)段內，策略在

7

個區(qū)段戰(zhàn)勝中證

800

指數，年度最大相對回撤

為

6.22%，年度最大超額收益為

38.86%；相對純價值策略的中證

800

價值指數，策略同樣

取得

7

個區(qū)段的優(yōu)勢，年度最大相對回撤為

9.42%，年度最大超額收益為

46.23%?？梢哉J為策略的勝率較高，且擁有理想的回撤控制與出色的收益潛力。價值動量策略優(yōu)化：從“被錯過的月份”中挖掘信息從基礎策略的表現來看，可以認為動量對價值策略起到良好的補足作用，引入動量因子有效提升了價值組合的收益彈性；另一方面，兩者的對沖效應明顯降低了組合的整體回撤風

險。但同時，作為基于價格信息的標量，動量指標無法描述區(qū)間內部價格的趨勢，同時難以識別估值拐點的出現，組合容易引入部分存在定價爭議、價格波動嚴重的個股。參考經典

Barra框架的思路，短期動量具有較明顯的反轉效應，高動量股票容易出現所謂

的“沖高回落”；因此，原指標的處理方法直接跳過了最近的一個月，而由其后的區(qū)間完全決定動量水平。但直觀上看，最近的區(qū)間同樣包含了重要的信息，能夠反映市場的實時態(tài)度，可能仍有進一步挖掘信息的價值。觀察基礎策略的尾部成分，部分個股在截面附近達到價格尖峰，隨后出現拐點向下的反轉現象；同時，也有部分個股在近月份中轉為下行，并且存在趨勢延續(xù)的情況?；?/p>

于這個思路，進一步以近一個月的收益率作為指標，同時剔除收益率過高（潛在反轉

風險）和最低（趨勢下行）的成分股，對動量策略股票池進行提純。優(yōu)化后的策略相對基礎策略收益明顯提升，在整個回測區(qū)間內獲得超過

150%的收益提升。從相對基準策略的走勢來看，優(yōu)化策略對原策略的提升較為穩(wěn)定，相對走勢曲

線呈現明顯的正斜率。我們進一步分析各項收益風險指標。優(yōu)化后的策略除了收益明顯提升外，年化波動率相比基礎策略有所降低，夏普比率顯著提高；同時，區(qū)間內回撤水平略微高于原策略，仍舊低于其他相關指數。同時從分年度表現中注意到，新策略僅有兩個年份跑輸中證

800

指數，最大相對回撤為

3.83%；

三個年份跑輸中證

800

價值策略指數，最大相對回撤

8.93%，新策略相對兩只指數的勝率

和回撤控制均進一步提升。新的優(yōu)化策略在幾乎未增加風險水平的前提下，大

幅提升了策略表現，且增強了策略在時間維度上的穩(wěn)定性。優(yōu)化策略參數敏感性分析：組合表現對成分股敏感性較低在策略的構建中，為了提高對市場動態(tài)的自適應性，主要應用百分位參數而非絕對值

參數作為篩選條件。進一步的，為了觀察策略內各個參數的影響程度對策略的可調

參數進行敏感性分析。在實踐上將所有參數進行全組合，構建參數網格；對每一類目標參數逐一固定各個子指標遍歷其他指標組合，并橫向對比策略收益風險水平及均值。基于最近一個月動量過濾參數分析作為價值動量策略優(yōu)化的核心，近一個月動量極端值剔除的引入具有較強的普適

性。從收益率上看，指標的引入對區(qū)間內所有參數組合均有提升；進一步結合風險指標，

我們發(fā)現該指標的引入既強化了收益，也降低了波動率和回撤水平，對策略有全面提升的

效果，引入指標較為有效?；厮萜谑莿恿恳蜃佣x中最主要的定義參量，其中中期和長期動量均被用于實踐中。從收

益率上看，6

個月回溯期的動量指標優(yōu)勢較大，在

16

個不同組合中勝率達到

87.5%；僅有

兩個組合結合

12

個月動量表現更好。結合風險指標來看，12

個月動量相比

6

個月動量在波動率上略低，但整體差距不大；同時，

6

個月動量指標在回撤控制上有較明顯的提升。動量指標對最近一個月的收益率進行剔除，主要是對短期內容易出現的反轉效應進行規(guī)避；這也是

Barra等成熟體系所采納的定義標準。值得說明的是，這一參數與是否引入最近一個月動量剔除的參數呈平行關系，兩者互不矛盾。從收益率分布上可以看到，跳過一個月的組合在收益率上整體占優(yōu)，勝率為

70.83%，表明

其對組合表現有一定的提升作用。進一步結合風險指標，在波動率均值上兩者較為接近，

但剔除最近一個月的動量指標對回撤控制有明顯的優(yōu)勢。成分股的數量主要影響到組合分散度，也是實際投資實踐的重要考量之一；一般而言，當

因子有效性較強的時候，較少的成分股數量能夠提升組合的

Alpha收益，但也會放大波動

性。從測試得到的收益上看，30

只成分股占優(yōu)的比例較高，有

58.33%的比率位列第一，

但同時也有

33.33%的比率處于最后，表現波動性較大。結合風險指標來看，較少成分股的組合擁有更高的收益，但波動率和最大回撤水平則與成

分股數呈現負相關；從夏普比率上看，50

只成分股的組合在平均水平上稍勝一籌。總體來看，30-60

的成分股范圍對最終策略表現影響較小，都具有較好的可實踐性。策略組合行業(yè)分布特征和集中度在計算估值因子時，行業(yè)中性化降低了行業(yè)因素的干擾，但動量指標仍然受到行業(yè)

Beta的

影響，從而影響最終組合的行業(yè)分布。下列為組合在

2010.12-2021.7

每個月末截面上的分

布情況；由于數據維度較大，統(tǒng)計各個行業(yè)權重位居第一和進入前三的次數，以及排

名靠前行業(yè)的集中度。在

127

個截面期中，26

個行業(yè)進入過權重前三，綜合、消費者服務、農林牧漁和綜合金融

四個行業(yè)權重在區(qū)間內未進入前三。行業(yè)分布仍存在一定差距，醫(yī)藥行業(yè)和房地產行業(yè)在

回測區(qū)間內優(yōu)勢明顯，其后的行業(yè)分布相對均勻。從集中度上看，權重前五的行業(yè)占比約

為

55%，前十行業(yè)占比約為

85%，相對集中度較高。換手率與交易費用月頻調倉的策略在基本面選股策略中相對偏高頻，而動量因子通常也具有高換手的特點；

從實際投資的角度來看，策略的換手率和交易成本值得重視。策略的換手率相對穩(wěn)定且整體較高；單截面的雙邊換手率平均為

1.004

倍，年

化雙邊換手率為

12.053

倍。進一步設定交易費率網格，觀察交易成本對策略最終受益

的影響?？梢钥吹?，在較低費率（0.4‰/1.4‰）的交易成本假設下，策略的年化收益仍要損失約

1.31%；

在較高費率（1‰/2‰）的情況下，策略年化收益預計受損

2.18%。六、總結