本文來自格隆匯專欄：中金研究 作者： 劉均偉 周蕭瀟等

2023年以來量化產品在收益層面展現出了相對優勢，其中紅利策略和微盤策略表現尤為突出。展望2024年，市場表現維度上中金研究認為紅利風格可能依然能夠作為貢獻超額收益的基石，而對於微盤風格中金研究整體呈中性觀點；量化策略維度上中金研究認為量化產品整體可能仍將取得穩中有升的表現。近期對公募量化基金經理調研所得到的觀點也與中金研究的觀點一致性較高。

回顧2023：量化產品出色，紅利微盤佔優

1）市場表現維度：紅利與微盤風格在今年表現出色；因子方面則是價值因子總體優於成長因子，股息率因子表現穩定；2）量化產品維度：代表性指數增強產品超額收益略有收縮，但整體仍優於主動權益產品。3）中金量化組合：受益於紅利和微盤風格，價值優選策略和低關注度掘金策略今年表現較好；三大寬基指數增強組合也均獲得了不俗的超額收益表現。

市場風格展望：紅利風格佔優，微盤風格中性

1）紅利風格有望維持優勢。近期擬推出的股息政策對紅利風格有正向推力，中金研究認為在相對看好紅利風格的同時應持續跟蹤市場避險情緒相關指標，結合判斷風格擇時。

2）微盤風格觀點較為中性。近期中證2000的發佈以及利好小微企業的政策推出吸引了投資者對於微盤風格的關注，但機構持倉集中度等預測指標層面已處歷史較低分位，存在一定拐點反彈的可能性，對微盤風格或有負向影響。

量化策略展望：穩中求進

經歷了2023年的相對佔優行情，中金研究對2024年的量化策略表現整體保持中性偏樂觀的觀點。

1）外生環境：隨着市場廣度維持上升，投資域逐漸擴大，中金研究認為這些因素整體有利於量化策略發揮價格糾偏和價值發現功能；中金研究認為當前權益資產已具性價比，但尚未具備整體快速上升的環境，未來行情可能仍以震盪為主，利好量化策略發揮比較優勢； 

2）內生動力：另類數據新視角有望提供低相關性策略以實現分散風險、增厚超額。機器學習模型的逐漸廣泛應用也有望進一步提升量化模型的風險收益表現。

3）對沖環境：基差率或打開輕度貼水並持續震盪。在融券階段性收緊的環境下，對沖任務集中股指期貨和其他衍生品端，基差率或重新打開輕度貼水並維持週期性震盪走勢。

風險情景：市場出現快速反彈時，量化策略與前期強勢風格均存在相對走弱的風險。基於歷史數據的分析，當市場出現快速反彈走勢後，量化策略和前期強勢風格往往會有弱於市場整體的表現。因此，假設明年A股市場能夠企穩並走出快速反彈的行情，中金研究需要警惕量化策略和前期強勢風格可能的相對走弱。    

正文

回顧2023：量化產品出色，紅利微盤佔優

中金研究首先對2023年以來（2023-01-01至2023-10-31）的市場表現和量化策略表現做一個回顧，從量化的視角來觀察市場運行情況。1）市場表現維度：紅利與微盤風格在今年表現出色；因子方面則是價值因子總體優於成長因子，股息率因子表現穩定；2）量化產品維度：代表性指數增強產品超額收益略有收縮，但整體仍優於主動權益產品。3）中金量化組合：受益於紅利和微盤風格，價值優選策略和低關注度掘金策略今年表現較好；中金研究構建的三大寬基指數增強組合也均獲得了不俗的超額收益表現。

市場表現：微盤、紅利和低波風格表現突出，價值優於成長，股息率因子表現穩定

A股市場整體呈現下行態勢，大盤風格表現欠佳，微盤風格表現相對較好。截至10月31日，今年滬深300、中證500、中證1000均下跌超過4%；而微盤風格表現相對較好，國證2000指數今年僅下跌1.28%。價值優於成長。今年價值風格的收益強於成長風格，對應國證成長指數今年下跌15.11%，而國證價值指數今年收益率為-0.04%（截至10月31日）。紅利低波風格表現出色。紅利與低波兩種風格今年錄得正收益，其中中證紅利全收益指數今年實現6.95%的收益率，300低波和500低波分別實現10.30%和6.27%的收益，考慮紅利和低波兩種風格的紅利低波全收益指數收益率高達12.85%（截至10月31日）。

圖表1：大、中、小、微盤指數今年收益表現

資料來源：Wind，中金公司研究部

圖表2：成長、價值指數今年收益表現

資料來源：Wind，中金公司研究部

圖表3：紅利、低波指數今年收益表現

資料來源：Wind，中金公司研究部

從主流因子的角度觀察市場表現，中金研究統計了2023年以來全市場範圍內的因子月度IC。為方便對比，中金研究將各類因子方向均調整至與下期收益率正相關，即：IC越大，因子有效性越強，IC接近0或者小於0都説明該因子階段性失效。

在宏觀不確定性較高的大環境下，防禦性因子有效性相對較好。正如中金研究在《量化策略2023年展望：待時而動》報吿的觀點，市場處於不確定性較高的大環境下，2023年前三季度的因子表現來看，衡量風險屬性的因子表現相對較好，包括盈餘質量、安全性、低波動率、價值、股息率等。

►2023年以來，價值優於成長。對比成長因子和價值因子的月度IC表現，除1月、6月成長因子IC略高於價值因子外，均為價值因子IC顯著優於成長因子，延續了2022年以來價值因子強勢的市場風格。

►機構觀點類因子有效性偏低。分析師一致預期淨利潤變化率因子和持倉機構個數因子分別代表分析師預期信息和機構持倉信息的選股有效性，機構觀點類因子階段性失效明顯。

►價量因子中流動性、低波因子整體表現出色，北向資金“聰明錢”屬性衰減。動量和反轉因子今年表現略有震盪，但整體收益良好。低波和流動性因子今年表現較為出色，IC均值分別實現12.9%和8.7%。今年以來北向資金因子表現欠佳，市場也對北向資金具有一定爭議，認為交易盤會加劇市場短期波動，使北向資金因子有效性衰減。

圖表4：基本面因子今年IC表現

注：截至2023-10-31 資料來源：Wind，朝陽永續，中金公司研究部

圖表5：價量因子今年IC表現

注：截至2023-10-31 資料來源：Wind，中金公司研究部

量化產品：超額收益邊際下降，但仍優於主動產品

時序上來看，量化產品超額收益有所下降，頭部效應明顯。中金研究分別選取了規模排名前10且存續期超過1年的滬深300、中證500和中證1000的指數增強產品（截至2023/10/31），統計了其分年超額收益。下表展示的超額收益為各基金收益相對於其對應的業績基準[1]的相對收益。截至2023年10月31日，規模排名前10的滬深300和中證500指數增強產品在全同類產品中的規模佔比分別為66%和72%，具有較強的代表性。中證1000指增產品普遍存續期較短，存續期超1年的初始基金僅13支，因此前10大基金規模佔比高達98%。

無論是滬深300或是中證500的指增產品，其超額收益大多在2022年和2023年至今處於相對低位，該觀點延續了2023年年中的觀察。但不同的是，仍有部分頭部產品在2023年市場環境下能維持較優良的超額收益（例如滬深300指增統計中的基金5和10、中證500指增統計中的基金7和8）。

圖表6：滬深300部分指數增強產品歷年超額收益表現

注：規模統計截至2023/10/31；基金排序為亂序；2023至今收益為2023/01/01至2023/10/31的年化收益；色階為所有分年度收益由紅至藍降序排列 資料來源：Wind，中金公司研究部

圖表7：中證500部分指數增強產品歷年超額收益表現

注：規模統計截至2023/10/31；基金排序為亂序；2023至今收益為2023/01/01至2023/10/31的年化收益；色階為所有分年度收益由紅至藍降序排列 資料來源：Wind，中金公司研究部

圖表8：中證1000部分指數增強產品歷年超額收益表現

注：規模統計截至2023/10/31；基金排序為亂序；2023至今收益為2023/01/01至2023/10/31的年化收益；色階為所有分年度收益由紅至藍降序排列 資料來源：Wind，中金公司研究部

橫向來看，2023年量化產品平均表現優於主動產品。中金研究以Wind分類下所有規模超過1億元的指數增強型基金的收益作為量化產品整體表現的代理指標，以Wind分類下所有規模超過1億元的普通股票型基金的收益作為主動產品整體表現的代理指標。2023年至今（2023-11-9），量化產品收益的平均值和中位數分別為-6.15%和-5.45%，而主動產品收益的平均值和中位數分別為-10.46%和-10.80%，量化產品較為明顯的跑贏主動產品。

圖表9：今年量化產品表現優於主動產品

注：2023年數據截至11月9日資料來源：Wind，中金公司研究部

圖表10：量化產品連續2年跑贏主動產品

注：灰色年份為量化跑贏主動的年份資料來源：Wind，中金公司研究部。2023年數據截至11月9日

相對較好的業績表現帶來了規模的增長，尤其是主動量化產品。中金研究以指數增強和主動量化產品為統計口徑，觀察當前公募市場機構概況與競爭格局。公募主動量化基金於2015-2016年間獲取不俗收益，整體規模大幅攀升，2016Q4達到階段高點772.0億元（61只）；隨後受股市調整、小市值因子失效的影響，以及2019-2021年結構性行情影響，產品數量增速減緩，規模增加有限；近一年來，得益於量化產品的優異表現，規模再度實現快速攀升，截至2023Q3，公募主動量化基金共計222只，規模1098.5億元。公募指數增強產品規模也穩定增長，相較於2022Q3，指增產品總規模從1525.3億元提升到近2026億元，數量從188只擴張到254只（截至2023Q3）。2015年年中以來，指增產品規模和數量均在穩步上升。

圖表11：公募指數增強產品歷史數量與規模

資料來源：Wind，中金公司研究部

圖表12：公募主動量化產品歷史數量與規模

資料來源：Wind，中金公司研究部

管理人方面，近3年變化明顯，湧現出一批新的頭部管理人。從發行量化產品的機構數量來看，近年顯著抬升，佈局指數增強與主動量化產品的公募管理人數量分別自2020年底的58家/67家增加至79/84家；從集中度來看，儘管愈來愈多新生力量湧入市場，但頭部機構優勢彰顯、馬太效應加劇，集中度不降反升，相較2020年底，CR5[2]/CR10/CR20分別自39.8%/54.6%/73.0%抬升至40.3%/58.9%/79.4%；從管理規模排名來看，近三年來頭部機構呈現頻繁位次更迭。

圖表13：頭部公募量化管理人旗下產品數量與規模一覽（截至2023Q3）

注：按照合計規模降序排列，僅列示截至2023Q3規模排名前20的機構信息；統計範圍僅包含指數增強和主動量化產品；標紅數據為相較2020年底，管理規模實現翻倍的公募機構；最右列規模變化幅度為變化倍數

資料來源：Wind，中金公司研究部

圖表14：頭部公募量化管理人近年旗下規模變化一覽

注：按照合計規模降序排列，僅列示每年規模排名前10的機構信息；統計範圍僅包含指數增強和主動量化產品；數據截至2023/10/31；單位為億元 資料來源：Wind，中金公司研究部

量化組合：低關注度掘金和指數增強策略今年表現出色

主動量化策略：受益於紅利和微盤風格，價值優選策略和低關注度掘金策略今年表現較好

成長股選股思路應從追求高增長預期切換至增長預期與估值性價比並重，改進後策略今年實現9.8%的超額收益。中金研究在報吿《基本面量化系列（3）：業績成長是否具有延續性》中構建了成長趨勢選股策略，歷史回測表現如圖表6所示。該策略以成長因子、分析師預期因子為核心，2022年下半年以來相對基準持續回撤，説明追求高增長預期的策略已不適應當前市場環境，因此中金研究在報吿《基本面量化系列（12）：如何度量非理性估值定價偏差？》，對該策略進行改進，增加對股票估值性價比的考量，優化後的策略在保持較好的歷史收益表現的同時，較為明顯地改良了2022年以來的策略表現。截至2023-10-31，改進後的成長趨勢策略YTD收益率為-1.6%，超額偏股混合型基金指數9.8個百分點。

圖表15：成長趨勢選股策略歷史表現

注：截至2023-10-31；紅線所框部分為樣本外表現資料來源：Wind，朝陽永續，中金公司研究部

圖表16：改進的成長趨勢選股策略歷史表現

注：截至2023-10-31；紅線所框部分為樣本外表現資料來源：Wind，朝陽永續，中金公司研究部

價值優選策略和低關注度掘金策略今年實現絕對收益，低關注度掘金策略YTD收益率高達44.4%。中金研究在報吿《基本面量化系列（1）：如何看待價值股的“價值”》中構建了價值股優選策略；在報吿《基本面量化系列（10）： 如何在低關注度股票中挖掘alpha？》中構建了低關注度掘金策略。這兩個策略受益於今年紅利風格和微盤風格的強勢表現，收益表現較好，截至2023-10-31，價值股優選策略今年YTD收益率為1.2%，低關注度掘金策略YTD收益率達44.4%。

圖表17：價值股優選策略歷史表現

注：截至2023-10-31；紅線所框部分為樣本外表現資料來源：Wind，中金公司研究部

圖表18：低關注度掘金策略歷史表現

注：截至2023-10-31；紅線所框部分為樣本外表現

資料來源：Wind，中金公司研究部

指數增強模型：三大寬基增強今年以來均獲顯著超額

中金研究基於中金量化因子庫和各自適用模型搭建的滬深300、中證500和中證1000指數增強模型，在今年均獲得了不俗的超額收益。

►中金量化滬深300指數增強：YTD超額10.52%。在報吿《量化多因子系列（1）：QQC綜合質量因子與指數增強應用》中，中金研究搭建了基於QQC綜合質量因子的滬深300指數增強模型。組合2023年至今（截至2023-10-31）收益為2.79%，超額收益10.52%；樣本外跟蹤以來（2019-01-01至2023-10-31）累計收益76.57%，累計跑贏基準56.27ppt。

►中金量化中證500指數增強：YTD超額9.18%。在報吿《量化多因子系列（2）：非線性假設下的情景分析因子模型》中，中金研究闡釋了情景分析因子模型的概念，並將其應用在指增模型上。中金研究將流動性特徵分組後的不同股票池內的Alpha因子同時進行最大化IC_IR，進而將優化後的因子權重作為不同特徵選股域內的因子權重，構建了中金量化中證500指數增強模型[3]。模型在樣本外分年表現均穩定戰勝基準，2023年至今（截至2023-10-31）收益為3.45%，超額收益9.18%；組合樣本外跟蹤以來（2021-01-01至2023-10-31）累計收益21.44%，累計跑贏基準36.16ppt。

►中金量化中證1000指數增強：YTD超額15.77%。在報吿《量化多因子系列（9）：寬基指數增強2.0體系》中，中金研究介紹了情景分析的因子優化框架在中證1000增強上的應用。與500增強的邏輯類似，使用了流動性特徵分組後進行權重優化。2023年至今（截至2023-10-31）收益為10.80%，超額收益15.77%；組合樣本外跟蹤以來（2022-08-01至2023-10-31）累計收益3.56%，累計跑贏基準20.43ppt。

圖表19：中金量化滬深300指數增強樣本外淨值走勢

注：截至2023-10-31資料來源：Wind，中金公司研究部

圖表20：中金量化滬深300指數增強樣本外分年收益

注：2023年至今收益率為截至2023-10-31的年化數據

資料來源：Wind，中金公司研究部

圖表21：中金量化中證500指數增強樣本外淨值走勢

注：截至2023-10-31資料來源：Wind，中金公司研究部

圖表22：中金量化中證500指數增強樣本外分年收益

注：2023年至今收益率為截至2023-10-31的年化數據資料來源：Wind，中金公司研究部   

圖表23：中金量化中證1000指數增強樣本外淨值走勢

注：截至2023-10-31資料來源：Wind，中金公司研究部

圖表24：中金量化中證1000指數增強樣本外分年收益

注：2023年至今收益率為截至2023-10-31的年化數據；樣本期為2022-08-01至2023-10-31資料來源：Wind，中金公司研究部

市場風格展望：紅利風格佔優，微盤風格中性

在前文的回顧中中金研究提到，紅利風格和微盤風格在2023年的表現超越了其他市場風格。展望後市，中金研究認為紅利風格有望繼續維持優勢：近期擬推出的股息政策強化了紅利風格的長期價值，短期則建議投資者持續跟蹤市場避險情緒相關指標進行判斷。對於微盤風格中金研究的觀點較為中性：近期中證2000指數的發佈以及利好小微企業的政策[4]的推出吸引了投資者對於微盤風格的關注，但機構持倉集中度等預測指標層面已處歷史較低分位，存在一定拐點反彈的可能性，對微盤風格或有負向影響。

風格分析：主流風格的適用環境

中金研究通過對紅利、微盤、大盤、成長與價值等市場風格的適用場景進行探討，判斷主流市場風格未來的表現。中金研究在報吿《量化多因子系列（11）：如何捕捉四象限的風格輪動？》中詳細分析了對大小盤、成長價值風格短期預測有效的市場和宏觀因子，而此章節中中金研究更着重於分析對風格長期預測有效性更強的指標，僅選取部分顯著性最強的指標。完整版指標測試詳見風格輪動報吿。

信用利差與機構持股集中度下降時，微盤風格收益表現較好

宏觀環境維度，1年滾動平滑後的信用利差與微盤相對淨值為同期反向指標。信用利差擴大時，對信用債潛在風險的補償上升，信用債流動性較差，多於貨幣信用環境較為緊縮時期。此時企業的融資成本上升，因此不利於小微企業的融資活動，所以微盤股在信用利差擴大時表現較差，反之亦然。

市場表現層面，機構持倉集中度與小微盤相對淨值為同期反向指標。微盤股所受機構關注度較少，與機構行情往往呈現不同的走勢。當機構投資的集中度上升時，屬於機構行情時期，大盤因為受到的關注度變高而行情較好，與此相對的微盤則更可能呈現下行趨勢；當機構投資更為分散時，對於邊緣的投資機會關注度有所提升，微盤相對於市場往往能走出更高的收益。

圖表25：對微盤風格區分度較高的宏觀與市場指標收益統計

注：微盤超額收益為國證2000指數相對於萬得全A指數的相對收益；統計區間為2010/01/01至2023/09/28 資料來源：Wind，中金公司研究部

圖表26：微盤相對淨值與信用利差呈負相關

注：微盤相對淨值為國證2000指數相對於萬得全A指數的相對淨值；灰色色塊為指標下行區間，綠色色塊為指標上行區間；數據截至2023-09-28資料來源：Wind，中金公司研究部

圖表27：微盤相對淨值與機構持倉集中度呈負相關

注：微盤相對淨值為國證2000指數相對於萬得全A指數的相對淨值；灰色色塊為指標下行區間，綠色色塊為指標上行區間；數據截至2023-09-28

資料來源：Wind，中金公司研究部

剩餘流動性或期權認沽認購比下降時，大盤風格表現佔優

宏觀環境維度，剩餘流動性同比與大盤相對淨值為同期反向指標。剩餘流動性上升時，整體市場變化利好，小市值股票可能發揮較好彈性；而剩餘流動性下降時，小市值承壓能力更弱，盈利受損，相較而言大盤的相對變現更優。

市場表現層面，期權認沽認購比同比與大盤相對淨值為同期反向指標。期權認沽認購比同比較高時，意味着市場對50ETF的看跌情緒變大，更不看好組成上證50的大盤股票風格，因此期權認沽認購比同比與大盤風格表現此消彼長，尤其是在2020年後負相關性愈發顯著。

圖表28：對大盤風格區分度較高的宏觀與市場指標收益統計

注：大盤超額收益為滬深300指數相對於萬得全A指數的相對收益；統計區間為2010/12/01至2023/09/28 資料來源：Wind，中金公司研究部

圖表29：大盤相對淨值與剩餘流動性同比呈負相關

注：大盤相對淨值為滬深300指數相對於萬得全A指數的相對收益；灰色色塊為指標下行區間，綠色色塊為指標上行區間；數據截至2023-09-28資料來源：Wind，中金公司研究部

圖表30：大盤相對淨值與期權認沽認購比同比呈負相關

注：大盤相對淨值為滬深300指數相對於萬得全A指數的相對收益；灰色色塊為指標下行區間，綠色色塊為指標上行區間；數據截至2023-09-28

資料來源：Wind，中金公司研究部

成長風格於市場和經濟景氣時表現更佳

宏觀環境維度，M2增速和M1增速之差與成長相對淨值為同期反向指標，而PMI月同比與成長相對淨值為同期正向指標。M1反映現實購買力，M2反映現實和潛在購買力。若M2增速低於M1增速，差值為負，表明企業與居民消費、投資活躍，微觀主體盈利能力較強，經濟景氣度上升，此時成長相對價值佔優。當PMI同比增長時，經濟整體偏好，彈性較好的成長風格股票更可能爆發一定潛力；反之，當整體經濟低迷的狀況下，成長風格防守性較弱、面臨較大下行壓力。

圖表31：對成長風格區分度較高的宏觀與市場指標收益統計

注：成長超額收益為國證成長指數相對於萬得全A指數的相對收益；統計區間為2010/03/01至2023/09/28 資料來源：Wind，中金公司研究部

圖表32：成長相對淨值與M2增速-M1增速同比呈負相關

注：成長相對淨值為國證成長指數相對於萬得全A指數的相對收益；灰色色塊為指標下行區間，綠色色塊為指標上行區間；數據截至2023-09-28資料來源：Wind，中金公司研究部

圖表33：成長相對淨值與PMI月同比呈正相關

注：成長相對淨值為國證成長指數相對於萬得全A指數的相對收益；灰色色塊為指標下行區間，綠色色塊為指標上行區間；數據截至2023-09-28

資料來源：Wind，中金公司研究部

價值風格防禦性較強

宏觀環境維度，M2增速和M1增速之差與價值相對淨值為同期正向指標。若M2增速高於M1增速，表明企業和居民選擇儲蓄資金，市場流動性面臨壓力，微觀個體盈利能力下降，經濟運行回落，此時價值相對成長佔優。

市場表現層面，期權認沽認購比同比與價值相對淨值為同期反向指標。期權認沽認購比同比較大時，意味着市場對50ETF的看跌情緒變大，而50ETF偏向於大盤、價值股，因此該指標也表達對價值的看空情緒。

圖表34：對價值風格區分度較高的宏觀與市場指標收益統計

注：價值超額收益為國證價值指數相對於萬得全A指數的相對收益；統計區間為2010/03/01至2023/09/28 資料來源：Wind，中金公司研究部

圖表35：價值相對淨值與M2增速-M1增速同比呈正相關

注：價值相對淨值為國證價值指數相對於萬得全A指數的相對收益；灰色色塊為指標下行區間，綠色色塊為指標上行區間；數據截至2023-09-28資料來源：Wind，中金公司研究部

圖表36：價值相對淨值與期權認沽認購比同比呈負相關

注：微盤相對淨值為國證2000指數相對於萬得全A指數的相對淨值；灰色色塊為指標下行區間，綠色色塊為指標上行區間；數據截至2023-09-28

資料來源：Wind，中金公司研究部

紅利風格適宜避險導向配置

宏觀環境角度，1年滾動平滑後的1年美債利率與紅利相對淨值為同期正向指標。美債利率上升意味着投資者的避險情緒上升。當市場的風險厭惡程度較高時，投資者會選擇相對高紅利、低風險的股票以滿足其風險偏好，因此紅利股在美債利率上升時表現較好，反之亦然。

市場表現層面，新增投資者數量是紅利相對淨值的同期反向指標。新增投資者在進入市場時擁有更高的風險偏好，通常不會選擇風格穩健的紅利股作為投資標的；相反，當新增投資者減緩進入市場時，投資者整體的風險厭惡程度較高，更大比例的投資者選擇投資紅利股，由此推高紅利指數。此外，新增投資者的數量也與市場走勢高度相關，新增投資者數量下行通常意味着市場景氣度趨弱，現有投資者會出於避險考慮投資相對穩健的紅利股。

圖表37：對紅利風格區分度較高的宏觀與市場指標收益統計

注：紅利超額收益為中證紅利指數相對於萬得全A指數的相對收益；統計區間為2010/01/01至2023/09/28 資料來源：Wind，中金公司研究部

圖表38：紅利相對淨值與1年美債利率呈正相關

注：紅利相對淨值為中證紅利指數相對於萬得全A指數的相對淨值；灰色色塊為指標下行區間，綠色色塊為指標上行區間；數據截至2023-09-28資料來源：Wind，中金公司研究部

圖表39：紅利相對淨值與新增投資者數量呈負相關

注：紅利相對淨值為中證紅利指數相對於萬得全A指數的相對淨值；灰色色塊為指標下行區間，綠色色塊為指標上行區間；數據截至2023-09-28

資料來源：Wind，中金公司研究部

風格展望：紅利風格有望延續優勢，微盤風格持中性觀點

展望2024年，中金研究認為紅利風格有望維持優勢。近期擬推出的股息政策強化了紅利風格的長期價值，同時建議投資者應持續跟蹤市場避險情緒相關指標來輔助短期判斷。

►政策倡導推動分紅制度規範化，有利分紅公司，同時將提升分紅風格的關注度。2023年9月19日，《中國證券報》刊發文章《證監會：將完善優化現金分紅監管制度》[5]。文章中指出，證監會近期擬對《上市公司監管指引第3號——上市公司現金分紅》、《上市公司章程指引》等一系列規則進行修改，交易所將同步修訂《規範運作指引》。修改主要包括加強制度約束督促分紅、持續引導提高分紅水平。中金研究認為這些修改將進一步規範和優化分紅方式，激勵分紅適度的公司，從而或帶動紅利風格表現。

►持續跟蹤1年美債利率和新增投資者數量等市場避險情緒相關指標，結合進行判斷。若美債利率進一步上升，新增投資者速度持續放緩，則紅利風格更有可能繼續延續優勢。但由於美債利率已經處於歷史相對高位，新增投資者速度儘管整體仍處下行區間，從2023年7月有輕微回暖反彈，所以不排除2024年美債利率回落或新增投資者速度加速的可能。若投資者風險偏好程度上升、避險情緒下降，則紅利風格表現或出現一定回落。由於避險情緒與紅利風格表現為同期現象，並無強因果或預測關係，中金研究推薦投資者密切跟蹤市場避險情緒變量，從而輔助判斷紅利風格未來走勢。

中金研究對微盤風格整體偏向中性，中證2000指數[6]的發佈以及利好小微企業的政策推出吸引了投資者對於微盤風格的關注；但預測指標層面已處歷史較低分位，存在一定拐點反彈的可能性，對微盤風格或有負向影響。政策層面而言，2023年8月財政部發布《加強財税支持政策落實，促進中小企業高質量發展》[7]、2023年1月國務院發佈《助力中小微企業穩增長調結構強能力若干措施》[8]等政策均利好小微企業發展。若信用利差持續收斂、機構持股更為分散，則微盤風格收益可能會繼續延續增長。當前信用利差和機構持股集中度已處於歷史較低分位數，若未來出現一定反彈，説明小微企業融資或承壓，機構行情有所回暖，則微盤風格將會承受一定壓力，表現可能有所回落。

對大盤風格觀點中性偏樂觀，整體對市值風格判斷偏向均衡。期權認沽認購比處於歷史均值附近，對大盤風格的影響方向不明朗。而剩餘流動性同比處於歷史高位，存在一定回落的可能性。若剩餘流動性增速放緩，可能大盤風格收益有所抬升。

基於調研結果[9]，公募量化管理人在大小盤風格上觀點較為分散，部分管理人關注中小盤，對於微盤和大市值風格也有一定關注度。就成長價值風格判斷而言，基金管理人更偏好價值風格，部分對成長價值風格持中性觀點。整體上看，公募基金經理在風格層面的觀點與中金研究的判斷也較為一致。

圖表40：公募量化資產管理人偏好小市值風格

注：2023年數據截至10月14日資料來源：中金公司研究部

圖表41：公募量化資產管理人偏好價值風格

注：2023年數據截至10月14日

資料來源：中金公司研究部

量化策略展望：穩中求進

經歷了2023年的相對佔優行情，中金研究對2024年的量化策略和量化產品呈中性偏樂觀的觀點。1）外生環境方面：隨着市場廣度維持上升，投資域逐漸擴大，中金研究認為這些因素整體有利於量化策略發揮價格糾偏和價值發現功能；中金研究認為權益資產已具性價比，但尚未具備整體快速上升的環境，未來行情可能仍以震盪為主，利好中性策略發揮比較優勢； 2）內生動力方面：另類數據新視角有望提供低相關性策略以實現分散風險、增厚超額。機器學習模型的廣泛應用也有望幫助提升量化策略的風險收益表現。

外生環境：市場環境整體有利於量化策略表現

隨着A股可投資股票數量的增加，量化投資在投資廣度方面維持上升趨勢。量化投資相對於主動投資的優勢之一在於可以全市場選股，因此可投資的股票數量越多，量化投資的投資廣度越大，越有可能發揮其比較優勢。從近些年公募基金的選股範圍來看，2021年至今，公募基金的選股範圍快速提升，2021年、2022年被公募基金持倉的股票數量分別增加852支與672支，顯著高於2016年以來的平均水平。如果A股可投資股票數量在未來依然保持較快的上升速度，則量化投資在投資廣度方面將繼續維持上升趨勢。

中小市值股票成交額上升，量化投資的邊界逐漸擴充，但也存在邊際收窄風險。上述分析的A股投資股票數量代表了量化投資的廣度，但若小市值公司的成交額過低，則其投資容量較小，使得量化投資廣度的提升無法轉化為可投資邊界的擴充。值得欣慰的是，中證2000指數的發佈以及持續了近3年的微盤股行情，均令市場對於中小市值股票的關注度有所上升，對比國證2000指數年成交額和滬深300指數年成交額的比值，其由2018年的0.86上升至當前的1.23。從中金研究對量化基金經理的調研來看，多數基金經理也認可市值風格偏向小盤時的市場環境較為利好量化投資開展。綜上所述，中小市值股票成交額的放大，使得量化投資的邊界得以逐漸擴充。值得注意的是，中金研究認為如果未來中小市值風格的強勢無法延續或成交額邊際下滑，則量化投資的邊界或面臨收窄風險。

圖表42：A股可投資股票數量近兩年快速上升

注：數據截至基金2022年年報資料來源：Wind，中金公司研究部

圖表43：中小市值股票成交額上升

注：2023年數據截至10月14日

資料來源：Wind，中金公司研究部

震盪行情有利於量化策略表現。中金研究發現，指數走勢較為平穩的“震盪市”環境下，量化策略的表現會相對更好，一方面原因在於趨勢市中，熱點與板塊輪動較快，Alpha難以持續保持有效性；另一方面原因在於震盪市中，指數表現相對平淡，多頭組合能夠更穩定地跑贏基準。實證數據顯示，私募300增強和500增強策略的超額收益，均在對應指數的震盪環境下表現更好[10]。其中300增強在震盪環境的平均月超額為1.28%，在趨勢環境的平均月超額為-0.13%；500增強在震盪環境的平均月超額為1.27%，在趨勢環境的平均月超額為0.62%。從中金研究對量化基金經理的調研來看，多數基金經理也認可指數橫盤震盪時較為利好量化投資開展。

未來市場走勢可能仍以震盪為主。經歷了年初至今的弱勢表現，A股當前整體處於估值較低的高性價比狀態，但從宏觀環境和市場信心來看，中金研究認為A股尚未具備整體快速上升的環境，未來行情可能仍以震盪上行為主。而在震盪環境中，量化中性策略可以一定程度發揮比較優勢，獲取相對更高的收益。

圖表44：私募指增策略在震盪環境下有更高超額收益

資料來源：Wind，私募排排網，中金公司研究部

內生動力：數據與模型邊界雙重拓展有望提供助力

回顧歷史中金研究發現量化策略發展主要依靠兩條路徑：數據邊界的拓展[11]與新型模型的開發[12]。多項研究內容顯示隨着數據可用性以及機器學習模型的日益強大，機器學習模型能夠利用現有的數據集來挖掘穩定的投資組合策略[13]。以自然語言處理任務為首的深度學習模型可以幫助拓展之前投資領域無法充分利用的另類數據資源[14]。

另類數據新視角有望提供低相關性策略，以實現分散風險、增厚超額，隨着另類數據豐富度的不斷提升，其在量化策略中的應用也越來越廣泛。多種另類數據的引入將不斷給量化策略帶來新的機會。中金研究嘗試使用高頻成交、新聞、研報、供應鏈等數據落地到因子構建、市場觀察、主題投資等領域均取得有效表現，在這些研究領域的挖掘也較為充分。但相對文本數據本身包含的信息來説這些嘗試仍未能完全挖掘文本數據中的全部信息。此外，新聞數據包含的信息還有大部分不僅和上市公司相關聯，其他還有諸如地區熱點、產品銷量等與公司股價間接相關的信息，這些數據的信息含量也往往相當可觀。

另類數據的優勢還在於與現有的量化策略常用數據的相關性較低，使用另類數據開發的策略能夠有效分散風險，補充超額收益來源。例如中金研究構建的新聞文本因子與傳統量價和基本面因子的截面相關性均低於15%。此外另類數據的開發由於數據獲取和模型開發通常存在一定壁壘，其策略有效性衰減速度總體也可能慢於傳統量價和基本面數據策略。總體而言，作為量化策略開發的新型原料，另類數據對於量化策略的重要性不言而喻，其豐富的數據類型和落地模式帶來的對於量化策略的增益效果還有待進一步開發。

圖表45：量化應用另類數據的豐富組合

資料來源：數庫，中金公司研究部

近年來機器學習模型的快速發展也給量化策略的發展提供了新方向[15]。例如使用深度學習算法（例如因果卷積網絡、圖神經網絡）[16]處理股票預測任務，有效發揮了深度學習模型端到端進行數據特徵捕捉的優勢並取得了不錯的回測性能；基於深度強化學習算法的模型AlphaGen在因子挖掘任務[17]中取得了優於傳統機器模型的表現，進一步證明了強化學習在量化策略中的可行性；基於金融數據訓練的大型語言模型在文本理解[18]任務上取得的領先性優勢，帶動了下游任務如股票預測[19]、風險評估等。

數據邊界的擴展另一種方法是提高數據頻率，日內高頻數據可能揭示出獨特的市場特徵和交易機會。根據納斯達克官網估計，美國股票市場中日內高頻交易佔全體股票交易50%[20]。通過統計中金研究發現國內部分公募基金產品收益率與國內私募基金產品收益發現兩者相關性有所上升，同時公募基金500指數增強產品中換手率較高的比例也呈現總體上升趨勢。這説明國內公募量化近年來也在積極嘗試提升數據頻率，挖掘更多日內信息。

圖表46：部分公募量化產品收益率相關性明顯上升

注：2023年數據截至10月14日資料來源：Wind，中金公司研究部

圖表47：公募量化產品換手率呈提升趨勢

注：2023年數據截至10月14日

資料來源：Wind，中金公司研究部

圖表48：近年來部分公募基金指數增強收益率與私募相關性較高

注：相關性計算區間為2019.01.01-2023.11.01 資料來源：Wind，中金公司研究部

中金研究在近期對於公募基金的量化團隊進行調研時發現，超過六成的公募基金管理人表示已經開始使用機器學習模型，接近一半的管理人表示未來看好高頻價量因子，比例佔所有類型因子排名最高，而高頻數據也是對於機器學習模型來説較為重要和有效的輸入數據類型之一。

圖表49：公募基金量化管理人使用機器學習佔比

注：2023年數據截至10月14日資料來源：中金公司研究部

圖表50：高頻價量類因子被公募量化管理人看好

注：2023年數據截至10月14日

資料來源：中金公司研究部

對沖環境：對沖成本或維持低位震盪

2023年隨着國內衍生品市場建設的逐漸完善，對沖工具的豐富度也在持續增長。股指期貨長期以來作為主力對沖工具壓力逐漸降低，小盤股基差貼水也逐年收斂。但在近期融券收緊的環境下，股指期貨貼水率有望重新輕度打開並維持震盪。

中國金融衍生品維持健康有序發展，對沖工具持續豐富。2022年4月份我國第一部關於衍生品交易的法律《中華人民共和國期貨和衍生品法》正式獲得通過，該法律提出了中國衍生品市場管理總框架，較大程度提升了投資者信心，此後新型衍生品工具持續上市，給中國金融市場注入新得活力。2023年6月衍生品市場繼續上新，科創50ETF期權和科創板50ETF期權兩種股票期權產品上線上交所進一步提升了我國金融市場對沖工具的豐富度。

圖表51：國內衍生品發展時間點

注：截至2023.11.1 資料來源：上交所，深交所，中金所，中金公司研究部

融券階段性收緊，基差率或打開輕度貼水並持續波動，對沖成本維持相應低位震盪。今年以來股指期貨貼水率相對往年明顯收斂，基本符合中金研究在《負基差與權益衍生品之路將通往何處？》和《衍生品2023年展望：新起點》中強調的基差長期收斂的趨勢。股指期貨基差主要受到多重週期性因素的影響：長期、短期與定期週期性因素影響。定期週期性主要體現在分紅對年化基差率產生的季節性影響。由於A股市場的分紅特點，主要股指期貨的基差率一般會在4-8月出現U型坑。短期週期性指的是雪球高拋低吸對沖模式造成的期指價格波動。而基差率的長期影響因素主要來源於長期持有股指期貨的多空力量的博弈。最為典型的長期多頭代表有雪球產品的對沖多頭倉位和期貨增強的非對沖多頭倉位。空頭代表主要有中性策略的對沖倉位。隨着對沖手段的豐富度進一步提升，衍生品交易環境逐漸規範，中金研究認為基差可能將長期維持貼近0基差率的收斂狀態；同時由於證監會發布對融券階段性收緊[21]，中金研究判斷中性策略的空頭端壓力將更多轉移至股指期貨端，這可能使得基差率將在未來一段時間打開輕度貼水並持續震盪。由於量化中性策略對沖端長期持有IC或IM股指期貨空頭合約，因此對沖成本可能將維持低位震盪。

圖表52：基差率長期週期性震盪的多頭因素，空頭類似

注：統計截至2023.10.13

資料來源：Wind，中金公司研究部

圖表53：基差率呈現長期震盪收斂趨勢

注：統計截至2023.10.13

資料來源：Wind，中金公司研究部

風險情景：反彈情景下的風格表現與量化策略表現

市場出現快速反彈時，量化策略與前期強勢風格均存在相對走弱的風險

根據以上論述，中金研究認為量化策略和紅利風格在明年或將延續相對較好的表現。需要提示的是，從歷史經驗看，如果市場出現較大級別的快速反彈，則量化策略和前期強勢風格往往會有弱於市場整體的表現。因此，如果明年A股市場能夠企穩並出現較大級別的快速反彈，中金研究需要警惕量化策略和前期強勢風格可能的相對走弱。

若A股企穩反彈，風格和行業或有所切換

中金研究回顧了歷史上3次市場觸底反彈前後的風格和行業表現對比，尋找潛在超跌反彈風險與機遇。歷史上3次市場觸底反彈時點分別為：

►2008/10/28：金融危機後出台一系列經濟刺激政策，使股市觸底反彈。

►2014/7/21：經過前幾年經濟增速的退檔，“新國九條”的公佈和槓桿資金入市拉動A股觸底反彈。

►2019/1/4：國內持續降息降準，加之部分公司業績利空出盡，使A股觸底反彈。

前期弱勢風格，在回暖期反彈潛力可能更大。風格層面，市場觸底前半年表現較差的風格，在觸底後半年的市場反彈時可能會有較好的表現。例如2008年5月到10月表現較差的小盤和成長風格，在大盤反彈時彈性較好，2008/10/28後半年的升幅分別為92.56%和61.40%，位列前茅。2014年7月前後的大盤和價值風格也出現明顯反彈。

中金研究統計了3次觸底反彈前後風格收益率的相關性，2008、2014、2019年對應相關性分別為-0.79、-0.45、-0.36，均為較顯著負相關，説明觸底反彈前跌幅越明顯的風格在回暖期的反彈潛力越大。其背後邏輯可能在於1）增量資金往往出於風格性價比原因，優先考慮投資之前表現差的風格；2）之前超跌的風格存在一定錯殺可能性，市場回暖期修正了錯誤定價。

因此，若2024年市場出現觸底反彈，2023年間表現較好的風格（例如紅利和微盤風格）可能上升潛力不及之前表現較差的其他風格。此前承壓較大的成長風格等或在市場整體回暖期表現優於其他收益相對穩定的風格。

圖表54：歷史上3次市場觸底反彈前後風格表現對比

注：色階為單列收益由紅至藍降序排列 資料來源：Wind，中金公司研究部

前期超跌行業和救市資金[22]重倉行業，在市場反彈期平均表現更優。行業層面來看：

1）前期大跌的行業在市場反彈後也具有一定彈性。從電子和計算機行業在2008年和2019年市場反彈前後升幅可以看出，TMT板塊具有一定超跌反彈的潛力。中金研究同樣觸底反彈前後風格收益率的相關性，均為負相關，即反彈前表現越差的行業更可能未來升幅越好。背後邏輯也可能在於行業性價比問題，資金優先投資前期跌幅較大、價格處於低位的行業，從而在反彈期帶動了此類行業的回彈。

救市資金重倉行業在市場反彈期平均表現更優。救市資金重倉板塊包括大消費、大金融和能源板塊，對應到中信一級行業包括：食品飲料、消費者服務、家電、汽車、銀行、非銀、地產、石油石化、煤炭、有色和軍工行業（如下圖中紅色加粗斜體所示）。統計上述行業的反彈後收益，救市資金重倉行業在市場反彈後的平均收益要優於非國家重倉板塊。例如2014年7月反彈後半年，救市資金重倉和非重倉行業收益均值分別為54.11%和49.33%；2019年1月對應重倉與非重倉行業收益均值為27.02%和19.34%。市場觸底反彈可能由於與救市資金出手救市有關，所以其重倉的行業表現可能會較好。

如若2024年市場明顯反彈，存在行業風格有所切換，推薦行業一定偏離的可能。救市資金重倉的大消費、大金融和能源板塊，以及前期承壓較多的行業存在反彈機遇。

圖表55：歷史上3次市場觸底反彈前後行業表現對比

注：行業均為中信一級行業，其中紅色加粗斜體為救市資金重倉行業；色階為單列收益由紅至藍降序排列 資料來源：Wind，中金公司研究部

若A股出現反彈，量化可能階段性跑輸市場

量化策略的“規律應用性”可能會抑制其在市場反彈階段的表現。從量化策略的內核來看，其運行的重要邏輯之一為“發現規律，篩選規律，應用規律”，因此量化策略會一定程度基於歷史規律總結，超配前期強勢的風格和行業。由上文可知，當A股出現反彈時，前期強勢的風格和行業大概率在反彈過程中跑輸市場平均水平，因此量化策略的“規律應用性”可能會抑制其在市場反彈階段的表現。

量化策略的分散持股性可能會平滑其在市場反彈時的上升幅度。由投資組合理論可知，當各資產的相關性不完全等於1時，組合中包含的資產數量越多，組合的期望波動率越低。一般來説，量化產品的持股數量相對多於主動產品，因此在市場反彈階段，量化產品可能因其潛在的低波動性而跑輸主動產品。

從實證看，指數增強型產品在市場反彈階段整體跑輸所跟蹤指數。由於早期指數增強產品以滬深300指增為主，中金研究探究滬深300指數增強產品在市場反彈階段能否跑贏滬深300指數，同時也比較了其與滬深300主動權益基金的相對錶現，其中滬深300主動權益基金定義為以300指數為股票部分業績比較基準且權重≥80%的普通股票與偏股混合型基金。以上計算均剔除規模小於1億元的基金。反彈階段的選取與上文相同，分別為2008/10/28、2014/7/21、2019/1/4三個時點的之後半年。

從結果看，歷次反彈階段中，滬深300指數增強基金的平均收益均低於滬深300指數，説明從實證數據的角度，市場反彈階段的量化產品確實表現會相對弱勢。但從滬深300指數增強基金與萬得偏股型基金指數的相對錶現看，歷次反彈中滬深300指數增強基金均優於萬得偏股型基金指數。説明在市場企穩後的反彈階段，指數表現>指數增強產品>偏股型基金產品，即從配置價值來看，指數ETF>指數增強產品>主動產品。

圖表56：300指增產品在歷次反彈階段均跑輸滬深300，但優於偏股型基金指數

資料來源：Wind，中金公司研究部

注：本文摘自中金研究2023年11月14日已經發布的《2024年量化策略展望：紅利為基，穩中求進》，分析師：劉均偉  S0080520120002；周蕭瀟  S0080521010006；古翔  S0080521010010 ；宋唯實  S0080522080003；鄭文才  S0080523110003 ；陳宜筠  S0080122080368 ；曹鈺婕  S0080122030141