A股成长价值风格主旋律与轮动周期 [page::2][page::4][page::5]

• 过去20年A股大盘小盘轮动特征不明显，成长与价值风格轮动成为主流，A股价值因子表现与美股相似，周期性显著。

- 自2006年以来，A股成长价值风格共出现6次切换，平均每轮持续2-4年，频谱分析显示风格周期约为5.1至7.7年。

• 近期成长风格持续时间超过以往任何一次，需关注风格切换的可能性与市场影响。

风格形成机制与资金流动驱动 [page::6]

• 风格本质为资金流的定向流动，存量资金的共识带来抽水效应，增量资金的配置需求形成风格强化。

- 2019年以来成长风格受居民储蓄流向风险资产及机构投资方式变化双重驱动，自我强化显著。

• 风格极端分化难以持续，必将反向收敛，形成周期性风格轮动。

宏观因子对风格影响分析 [page::7][page::8]

| 风格周期 | 流动性上行 Beta | 流动性下行 Beta | 贴现率上行 Beta | 贴现率下行 Beta | 企业盈利上行 Beta | 企业盈利下行 Beta |
|----------|------------------|------------------|------------------|------------------|-------------------|-------------------|
| 价值周期(2016-07至2018-12) | 0.66 (成长超额) | -0.40 (成长超额) | 0.98 (成长超额) | 1.05 (成长超额) | 0.54 (成长超额) | -1.89 (成长超额) |
| 成长周期(2019-01至2021-05) | 0.35 (成长超额) | 4.94 (成长超额) | -0.89 (成长超额) | -1.82 (成长超额) | 1.23 (成长超额) | 1.20 (成长超额) |

• 宏观流动性、贴现率及企业盈利对风格表现有显著影响，且其作用随周期阶段不同而变化，线性模型难以精确预测风格切换。

微观视角：行业贡献为风格核心驱动力 [page::9][page::10]

• 成长与价值风格的收益主要来源于行业贡献，选股收益的重要性相对较低且阶段性变化明显。

- 2019年以来，成长行业贡献显著提升，价值行业贡献下降，行业风格贡献与市场整体风格走势高度一致。

• 行业视角有效预判市场风格切换成为量化研究重点。

行业PB-ROE动态风格划分及实证 [page::11]

• 基于PB与预期ROE回归，动态刻画行业成长价值偏好，高低估行业划分成长/价值风格。

- 以行业层面构建成长/价值组合与国证风格指数结果高度相关，验证行业风格映射的有效性。

开源风格轮动量化策略及回测业绩 [page::12][page::13][page::14]

• 以行业配置视角，综合交易行为、资金流、景气度三个维度对行业打分，形成风格轮动信号。

- 行业风格轮动组合多空年化收益11.83%，信息比率1.04，月度胜率59.7%，盈亏比1.53。

• 指数层面风格轮动组合年化收益15.6%，信息比率1.22，月度胜率64.9%，盈亏比1.34，体现策略稳定超额收益。

开源证券《A股风格轮动：规律认知与策略实践》报告详尽分析

---

一、元数据与概览

• 报告标题：《A 股风格轮动：规律认知与策略实践》

- 报告日期：2021年07月03日

• 作者及团队：金融工程研究团队，首席分析师魏建榕领衔，张翔、傅开波、高鹏、苏俊豪、胡亮勇、王志豪等多位分析师和研究员联合撰写。

- 发布机构：开源证券研究所

• 报告主题：围绕A股市场风格轮动现象展开，主要聚焦成长价值风格的规律认知、形成机制、宏观及微观视角分析、开源风格轮动策略构建及其实证表现。

核心论点：

• A股市场风格轮动主要体现为成长与价值风格之间的切换，而大盘小盘轮动特征不明显。

- 成长与价值风格的周期在5.1~7.7年之间循环，目前处于成长风格周期，且持续时间较长，未来可能迎来转折。

• 风格轮动的本质是资金的定向流动，由存量资金的投资行为共识及增量资金对风险资产需求变化共同推动。

- 宏观驱动包括流动性、贴现率和企业盈利，不同阶段宏观因子的有效性不同。

• 风格收益在微观层面主要来源于行业层面的风格驱动而非个股选股收益。

- 基于PB-ROE框架动态划分行业成长价值风格，并进而构建行业风格轮动策略，策略历史回测表现优秀。

• 风险提示包括模型基于历史数据，未来市场变化可能导致模型失准。

整体报告富含丰富的图表支持，结合因子分析、频谱分析、Drison拆解法、宏观驱动回归、行业配置动态模型等多种方法，全面剖析A股风格轮动规律。[page::0,2,4,6,9,12,13,14]

---

二、逐章深度解读

2.1 风格的认知

报告首先界定了风格的基本理解及其发展脉络。因子视角下，引用经典Fama-French三因子模型，确认成长价值和规模因子为核心风格因子，但指出美股规模因子逐渐失效，A股规模因子趋势向均值回归，暗示未来A股成长价值轮动为主导[page::2]。

• 图1解读：展示了2000年起A股与美股HML（价值因子）和SMB（规模因子）的累积收益曲线，HML表现周期性明显，SMB在美股已无显著效应，A股SMB收益则有均值回复趋势，佐证了规则与实际投资机会的变化[page::2]。

市场视角下，作者对比A股主要的风格指数体系（国证指数、中证指数）整理了其编制差异，强调选用国证1000指数可更好反映市场主流股票风格趋势。通过图2和表2，揭示A股自2006年以来成长价值风格共经历6次切换，单次风格持续2-4年，且频谱分析表明风格周期大约5.1-7.7年[page::3-5]。

• 图2和表2解读：图2为成长价值风格相对收益的时序变化，红色部分代表成长风格阶段，蓝色价值风格阶段，数据清晰标示了每次切换周期。表2列出具体起止时间及对应收益，从中可以看出2019年以来成长风格持续达到历史较长周期[page::4]。

- 图3频谱分析：使用傅里叶频谱分析揭示周期频率，强化了5.1-7.7年为A股成长价值轮动显著周期的结论[page::5]。

不同市场样本空间中风格表现差异也被考察（图4），沪深300在经济刺激期如2008年“四万亿”和2019年流动性宽松阶段表现出比中证500更强的成长/价值分化弹性，提示大盘龙头受政策影响更敏感[page::5]。

---

2.2 风格轮动的形成机制

报告通过图5引入了风格形成的资金流视角，分别阐述存量资金流动（投资者行为共识形成定向资金抽水效应）及增量资金变化（风险资产配置需求波动）对风格涨跌分化的推动作用。

• 当投资者共识高度一致时，存量资金内的定向流入放大风格差异。

- 当增量资金受宏观环境影响配置风险资产，提升风险偏好，推动风格强化。

此外，报告强调风格过度分化往往脱离基本面，最终导致反向收敛形成周期性轮动[page::6]。

---

2.3 宏观视角下的风格归因

宏观因子选取与逻辑明确：

• 流动性：银行存款增长促进风险资产配置，强化资金流入。

- 贴现率：成长股现金流久期更长，对贴现率更敏感，3个月shibor作为贴现率代理。

• 企业盈利：盈利增速提升有利成长股，盈利下行相对有利价值股。

图6展示三宏观因子及成长价值累计收益的趋势项，呈现同步趋势性。

定量回归（表3）拆解不同周期内三因子的不同影响：

• 2016-2018年价值周期以企业盈利和流动性为核心，盈利下行推动价值股表现，流动性上行为成长超额贡献较大。

- 2019年之后成长周期流动性和贴现率成为主导，尤其流动性下行时成长超额贡献反而较强，解释为“储蓄搬家”现象导致增量资金涌入成长股[page::7,8]。

宏观因子效应阶段性显著，非线性表现突出，限制线性模型的预测能力。

---

2.4 微观视角下的风格特征

风格收益拆解采用类似Brinson模型：

• 风格收益分为行业收益贡献和个股选股收益。

- 图7显示，成长超额和价值超额在2019年前后风格贡献分化明显，行业层面对风格的驱动力加强，2019年后成长行业收益成为主要贡献方，价值行业贡献下降。

• 选股收益对成长风格贡献显著且匹配市场总体风格，价值选股收益则在2019年后趋弱。

图8更细致拆分成长/价值相对收益，凸显行业收益为主导驱动力。

这一发现强调投资者可重点通过行业风格变化预测市场成长价值风格的走向[page::9,10]。

---

2.5 行业风格判定框架

基于PB-ROE模型动态划分行业成长价值属性：

• PB-ROE理论由Jarrod Wilcox（1984）提出，假定行业估值（PB）与预期净资产收益率（ROE）存在线性关系。

- 行业真实PB高于模型隐含PB为“成长”行业，反之为“价值”行业。

• 图9展示2021年6月行业散点，按PB与预测ROE拟合线距排序，前14个行业定为成长，后14个为价值，行业间波动体现行业动态发展变化。

- 图10验证使用这种动态行业划分得到的成长/价值组合表现与国证指数风格走势高度吻合，体现了行业风格划分具有实际可操作性与代表性[page::11]。

---

2.6 开源风格轮动策略构建与回测

策略构建逻辑：

• 通过开源研究团队构建的行业配置体系（图11），结合交易行为、资金流和行业盈利景气度三个维度给行业打分。

- 每月底根据PB-ROE框架计算成长价值分类，对成长和价值行业分别计算打分均值，选择得分较高的风格方向进行偏多配置。

• 图12展示2015年至2021年每月的风格轮动观点，当前（2021年7月）处于成长优先区间[page::12]。

回测结果：

1. 行业层面风格轮动多头组合表现（图13，表4）：

- 多空年化收益11.83%，信息比率1.04，月度胜率59.7%，盈亏比1.53，表明策略在行业维度有效捕捉风格切换带来的超额收益。
- 行业成长组年化收益8.43%，价值组1.30%，多空收益显著[page::13]。

1. 指数层面风格轮动多头组合表现（图14，表5）：

- 多空年化收益15.6%，信息比率1.22，月度胜率64.9%，盈亏比1.34。
- 成长价值等权基准年化收益7.0%，显示策略明显优于市场平均。
- 最大回撤较基准略小，体现较好风险控制效果[page::13,14]。

整体上，策略充分利用行业层面的风格动态与宏观驱动因子，结合动态行业PB-ROE映射，实现对市场成长价值风格轮动的成功捕捉。

---

2.7 风险提示

• 本模型基于历史数据测试，未来市场结构或政策可能发生重大变化，导致策略失效。

- 宏观因子存在阶段性效应，非线性强，短期内难以精准预测。

• 行业风格动态划分存在模型假设及数据局限风险。

- 风格轮动策略依赖行业精选与打分系统，可能面临风格错判风险[page::0,14]。

---

三、图表深度解读

图1 (页2)：A股与美股HML与SMB因子收益对比

• 展示两市场价值因子（HML）和规模因子（SMB）累计收益。

- 价值因子呈现明显周期性波动，走势相似，规模因子美股失去显著收益，A股规模因子正回归均值。

• 该图支持风格演变以成长价值轮动为主，规模轮动较弱的结论。

图2 (页4)：历史成长价值风格相对收益

• 绘制成长风格（粉色）与价值风格（蓝色）阶段及其切换时间。

- 清晰显示单次风格周期均在2-4年，2019年以来成长风格持续时间突破历史纪录。

• 为周期判断和策略布局提供重要周期参考。

图3 (页5)：成长价值周期频谱分析

• 傅里叶变换频谱峰值指出周期最显著于5.1-7.7年之间。

- 统计周期与历史数据相符，提供贝叶斯视角判断风格切换概率。

图4 (页5)：沪深300与中证500成长/价值累计收益对比

• 展示两指数不同资本规模样本对成长价值风格表现差异。

- 经济刺激期间沪深300风格切换弹性明显超过中证500。

图5 (页6)：风格轮动形成机制示意图

• 清晰框架化存量与增量资金流及其对投资者风险偏好、配置需求的作用链路。

- 辅助理解风格行为背后资金驱动力。

图6 (页7)：宏观因子与成长/价值累计收益趋势对比

• 三个宏观指标流动性、贴现率、企业盈利Hp滤波趋势项与成长/价值收益趋势对应关系趋势明显。

- 量化模型通过对宏观因子波动对应收益贡献的拆解增强对周期特征的理解。

表3 (页8)：宏观因子对风格收益的影响统计

• 详细定量展示不同周期成长价值收益对三个宏观因子上升/下降态势的Beta系数及统计显著性。

- 揭示主导因子因周期切换产生不同行为模式。

图7 (页9)：风格指数行业贡献与选股收益拆解

• 明确成长超额收益自2019年以来行业贡献明显增加，选股收益美表现出正相关。

- 说明行业配比是风格收益主要驱动力。

图8 (页10)：成长/价值相对收益拆解

• 行业贡献、选股贡献及总收益三者走势高度一致，强化行业风格映射的重要性。

图9 (页11)：行业PB-ROE框架下成长价值分类散点图

• 展示行业分布，反映真实PB与隐含PB差距，动态划分成长（高估）与价值（低估）行业。

- 展示模型对行业风格的实证划分能力。

图10 (页11)：行业成长/价值与国证成长/价值比较

• 验证基于PB-ROE动态划分的行业成长/价值组合表现与市场中证国证指数风格走势同步。

- 支持行业层面风格映射的有效性。

图11 (页12)：开源金工行业配置体系

• 结构化行业配置视角，涵盖交易行为（中观+微观）、资金流与景气度。

- 为后续风格轮动策略构建提供方法论支撑。

图12 (页12)：历史风格轮动观点月度汇总

• 反映历史风格主导态势演变，便于理解和验证策略信号。

图13 (页13)：行业风格轮动组合历史表现

• 表现多空组合年化收益显著优于基准。

- 显示策略有效捕捉行业成长价值风格变化带来的收益机会。

表4 (页13)：行业风格轮动组合回测绩效指标

• 信息比率、胜率及盈亏比均显示策略稳健运行。

- 最大回撤提示适度风险。

图14 (页13)：指数层面风格轮动组合历史表现

• 策略多空组合收益优异，明显超越成长价值等权基准。

- 强化策略在指数层面配置的有效性。

表5 (页14)：指数风格轮动组合回测性能指标

• 符合行业层面策略表现，信息比率超1，表明较高风险调整收益。

---

四、估值分析

本报告中估值分析侧重于行业层面的PB-ROE关系建模，具体核心如下：

• 利用Jarrod W. Wilcox提出的PB-ROE线性关系，以PB的自然对数和行业预期净资产收益率建立回归模型。

- 该估值模型可解读为市场对预期ROE的折射，真实PB与隐含PB之间的差值反映行业被高估或低估程度，从而定义行业的成长或价值属性。

• 行业成长价值动态划分帮助识别市场潜在风格趋势，为投资组合配置提供定量基础。

- 该框架并非直接估值公司个股，而是用宏观上行业分层估值判断驱动组合构建。

• 此方法解决了传统风格固定标签的不足，兼顾行业估值差异和盈利预期变化[page::10,11]。

报告未对具体公司及其现金流折现估值做展开，但通过引用贴现率作为宏观因子，体现了DCF理论对成长价值区别定价的逻辑支持。

---

五、风险因素评估

• 模型基于历史数据的局限：历史风格规律并不必然适用于未来，市场结构变化或政策调整可能导致模型失效，是最核心风险。

- 宏观因子非线性及阶段性效应：因子效果受周期影响大，且多重比较、数据更新等带来预测难度。

• 行业风格界定的不确定性：动态PB-ROE模型依赖行业数据准确性及线性回归假设，潜在后视偏差及估值异常可能误导判断。

- 策略执行风险：风格轮动信号切换延滞、行业构建权重偏差或交易成本，均可能影响因策略收益。

• 市场极端事件和系统风险：如流动性崩溃、政策变动或外部冲击，可能导致风格切换超预期或风格失效[page::0,14]。

报告风险提示严谨，提醒投资者合理配置风险承受能力，结合自身投资目标考虑策略适用性。

---

六、批判性视角与细微差别

• 模型依赖历史与统计特性：报告明确模型依托过去数据，未来不确定性中未给出明确缓解策略，只强调策略历史有效性，存在一定历史拟合风险。

- 宏观因子影响的复杂性：表3显示宏观因子在不同周期截面表现差异巨大，模型预测需警惕过度简化，尤其贴现率对成长价值的影响时正负不一，现实中因素多变。

• 行业动态划分灵活但不完善：虽用PB-ROE建立动态映射，但R²仅0.0856，说明线性关系较弱，行业分类本身存在噪声和估值泡沫的潜在风险。

- 组合实证偏长持有期关注度较多，对快速风格变动的捕捉能力有待验证，且高波动率和最大回撤情况显示策略潜在承受的风险在比较好表现期也不可忽视。

• 策略对投资者需求的适用性有限，报告指明仅适合中高风险偏好及专业投资者，并无对普通投资者的针对性指导。

整体报告内容严谨，结论建立在多重实证基础上，分析逻辑清晰，缺乏严重不符，风险揭示充分。

---

七、结论性综合

该报告系统梳理了A股市场风格轮动的内在规律，从宏观到微观多层角度解构成长价值风格的形成机理和周期特征。通过对比A股与美股因子表现与市值样本差异，验证成长价值而非规模风格的主导地位。利用频谱分析揭示成长价值风格切换为5.1-7.7年周期，佐证2019年以来成长风格持续时间已异常长，提示短期内风格可能迎来切换。

风格形成驱动力主要是资金的定向流入流出，受投资者行为共识、风险偏好和宏观经济环境共同影响。宏观方面，贷款流动性、贴现率和企业盈利作为关键因子对风格贡献显著但呈阶段性变化。微观层面，大量分析显示行业贡献为风格收益主因，上述成长价值风格主要源于行业估值和盈利预期的动态变化，且行业的PB-ROE线性模型可有效划分行业成长价值特征，与市场风格走势高度一致。

基于此，开源证券构建了以行业为基础的风格轮动预测策略，通过融合交易行为、资金流和盈利景气度三个指标建立行业评分体系，定期动态调整成长与价值行业权重。实证回测结果显示，行业轮动多空组合年化收益达11.83%，指数层面年化收益达15.6%，表现优异，信息比率约1.0以上，尤其在捕捉风格切换所创造的超额收益方面显示出不俗效果。

然而报告亦如实指出由于复杂多变的宏观环境及行业动态，风格预测存在一定不确定性和风险，且策略依赖历史规律回测，投资者需审慎评估其适用性。

综上，报告从理论到实证及策略实现，全面、系统地剖析了A股风格轮动的规律性，验证成长价值为市场主旋律，并提出了切实可行的行业风格轮动策略，为投资者理解市场风格变化和策略布局提供了重要参考和工具。

---

注：所有论述均来源于报告全文各页内容，结构化整理与分析对应页码请参见每段末尾的引用标注。

报告