■ 市场风格多变，较难精准把握。为何需要关注市场风格，其一在于股市存在风格轮动现象，且风格切换时点较难精准把握，或对投资组合造成中长期的冲击，只有把握好市场风格轮动，投资者才能创造更好的收益，或更有效的避免亏损；其二在于市场机构投资者风格多元，不同投资者的风格一定程度上可作为资产配置的参考。
■ 基于市场风格可对资产组合进行动态再平衡。我们采用Black与Litterman于1992年提出的Black-Litterman模型作为预测框架，该模型以市场均衡假设推出的资产收益率为出发点，结合投资者对不同投资品收益率的主动判断，最终确定投资品的收益率和最佳的投资组合配置。相较于传统CAPM模型框架下的配置方法，B-L模型解决了预期收益率难预测、最优组合配置对输入非常敏感两大问题，具备较强的实际业务意义，并且在配置结论上也比传统CAPM模型有着更直观的意义。
■ 动态再平衡过程中需要关注的要点。七大因子需要关注：一是投资者风险容忍度，二是初始平衡配置比例，三是初始平衡配置组合下的先验协方差矩阵，四是先验分布下的不确定性系数（或显著性水平），五是观点矩阵，六是预期超额收益率向量，最后是观点方差矩阵。在这七个因子中，最重要的是观点矩阵、预期收益率向量和观点方差矩阵。
■ 策略与实证结果：我们把市场对盈利的一致性预期变化作为观点矩阵，将2018年12月作为基期，考察两种策略在2019年全年的表现，结果显示动态再平衡策略更优，体现为更大涨幅、更大夏普率以及更低波动率。
■ 模型适用性强，并且可自定义：调仓频率方面，可结合投资者自身考量进行更改与优化，如根据观点更新的频次来进行周、月、季、年度的仓位优化；观点矩阵方面，投资者可根据自己信任的主体来设定个性化的观点矩阵；预期与自信度层面，预期收益率可由投资者根据实际需求自行设定，也可采用分析师观点；此外，投资组合的标的也可按投资者需求设定，B-L框架可应用到对大类资产、行业指数、个股等投资标的的配置上。
■ 策略建议：根据2020年上市公司一季度财报与最新市场一致性盈利预期情况，在本文演示的2019年末的风格组合配置比例上，2020年二季度建议降低大盘成长、小盘价值的配置比例，转而增配大盘价值。
相关报告：
正文
市场风格多变，较难精准把握
（一）什么是市场风格
早在20世纪70年代，风格投资（Style Investment）的概念就已被提出，彼时市场发现有些不同行业的股票具有相似的特征和表现，若按照这类相似的特征和表现对股票进行分类，那么可以发现不同种类的股票会表现出不同且相对稳定的收益特征。早期，市场将股票风格分类为成长、周期、稳定和能源四大类，后来则衍生出更多的类别，如按市值大小分类的大盘股、小盘股，按公司业绩情况分类的成长股、价值股等。
此后指数公司、基金公司围绕市场风格开发了一系列风格指数与相关基金。A股市场上也不乏此类风格指数，如深圳证券信息有限公司发布的巨潮风格系列指数，包含大盘成长、大盘价值、小盘成长、小盘价值等一系列风格指数，为市场提供了跟踪股市风格变化的良好工具。
（二）为什么需要关注市场风格
其一，股市存在风格轮动现象，且风格切换时点较难精准把握，或对投资组合造成中长期的冲击。只有把握好市场风格轮动，投资者才能创造更好的收益，或更有效的避免亏损。我们以大盘价值、大盘成长、小盘价值、小盘成长四种风格来回溯过往5年股市风格表现情况，不难发现股市风格在不同时间段均有不同表现，如2015—2016年期间，小盘股整体表现强于大盘股，而2016年末开始出现风格分化，大盘股变得更强势。
图1：近五年各风格表现情况
资料来源：Wind、招商银行研究院
虽然市场有不少论据、分析等信息来判断未来较长趋势下的风格变化，但这也只是一种相对模糊的预判，较难精准把握。假设投资者在2016年三季度准备建仓，并预判后市小盘股将仍然维持强势，那么他/她将错过从2016年末开始的大盘股行情，也将面临为期3年（截止2019年）的小盘股熊市行情。可见市场风格的变化将对资产组合的影响不仅局限于短期，还有可能是中长期性的。
其二，市场机构投资者风格多元，不同投资者的风格一定程度上可作为资产配置的参考。我们在报告《配价值还是追热门? ——基于A股市场的策略研究》中指出，A股境外投资者中，北上机构比较重视对价值股的配置（风格比重高达67%），而QFII则聚焦成长型标的；境内整体公募基金风格更偏向成长，价值占比尚未过半，以五年维度来看，08年金融危机后A股市场上股票型基金的价值风格占比也有所下降。
图2：风格分析(RBSA): 部分机构投资者
资料来源：Wind、招商银行研究院
图3：风格分析(RBSA): A股股票型基金
资料来源：Wind、招商银行研究院
为尝试把脉未来市场风格，进而对未来资产组合动态平衡提供更为具象化的参考，本文将基于经典配置模型，结合市场一致性预期，给予季度配置比例的动态再平衡建议，回检策略历史表现并与比较基准进行对比，最后得出实证结论与相关策略建议。
基于市场风格的动态再平衡：框架、因子与风险
为解决风格轮动问题，我们可采用近代经典资产配置模型。对于配置模型而言，学术界与投资界中较为广泛使用的有资本资产定价模型（Capital Asset Pricing Model，简称CAPM），Black-Litterman模型（以下简称B-L模型）等。而大量实践证明，CAPM框架下的资产配置存在一系列实操问题，相较于传统CAPM框架下的配置方法，B-L模型则解决了预期收益率难预测、最优组合配置对输入非常敏感两大问题，具备较强的实际业务意义，并且在配置结论上也比传统CAPM有着更直观的意义。
（一）逻辑框架：Black-Litterman模型
我们采用Black与Litterman于1992年提出的Black-Litterman模型作为预测框架，该模型以市场均衡假设推出的资产收益率为出发点，结合投资者对不同投资品收益率的主动判断，最终确定投资品的收益率和最佳的投资组合配置。本质上讲，B-L模型是贝叶斯框架下采用先验（Prior）收益率和新信息得到后验（Posterior）收益率，因此，它是一种对收益率的贝叶斯收缩（Bayesian Shrinkage）。
图4：Black-Litterman模型运作原理
资料来源：A STEP-BY-STEP GUIDE TO THE BLACK-LITTERMAN MODEL (2005)、招商银行研究院
（二）运作机制：核心因子简析
简单来说，B-L模型需要七大因子。一是投资者风险容忍度（Risk tolerance），二是初始平衡配置比例，三是初始平衡配置组合下的先验协方差矩阵，四是先验分布下的不确定性系数（或显著性水平），五是（市场/分析师/投资者）观点（views）矩阵，六是（市场/分析师/投资者）预期超额收益率向量，最后是观点方差矩阵。
在这七个因子中，最重要的是观点矩阵、预期收益率向量和观点方差矩阵。举例来说，假设有两只股票A和B，通过分析我们认为A比B的期望收益率要低10%，但我们对这个结论并不是100%确信，假设方差为4%，那么用B-L模型语言来表达上述分析观点，观点矩阵为[-1,1]，预期收益率为0.1，方差为0.04。利用以上新信息，结合初始平衡配置下的配置比例、先验协方差矩阵、显著性水平等历史参数，可求得观点更新后的后验配置比例。
（三）相关风险：并无完美的模型
在运用模型之前，我们需要高度重视模型本身存在的风险。B-L模型下的后验收益率分布极大程度取决于观点矩阵、预期收益率和投资者的自信程度，因此当市场/分析师/投资者的观点与后市发生很大偏差，或自信程度不足时，模型的结论也将变的扭曲。
为尽可能排除分析师、投资者个体观点偏差影响，本文将采用市场一致性预期对A股风格指数的配置比例进行动态再平衡调整，旨在通过B-L模型对风格指数进行择时操作，战胜风格平衡的比较基准。
实证检验：2019年的实际表现
（一）变量选取与策略设定
我们把市场对盈利的一致性预期变化作为观点矩阵。具体来说，每季度市场会基于上市公司业绩实际情况对未来每股收益预期进行更新，统计对应风格指数中所有成分股的盈利预期后并汇总调整，即可得到对应风格指数盈利的整体一致性预期。根据历史表现来看，盈利预期（后推3个月）与同期指数涨跌幅存在一定程度的相关性，这隐含的意义则是，当前风格指数的一致性盈利预期若较前值有所上调，那么可增配对应风格；若较前值下调，则减持对应风格。
图5：大盘成长风格涨跌幅与盈利预期
资料来源：Wind、招商银行研究院
图6：大盘价值风格涨跌幅与盈利预期
资料来源：Wind、招商银行研究院
图7：小盘成长风格涨跌幅与盈利预期
资料来源：Wind、招商银行研究院
图8：小盘价值风格涨跌幅与盈利预期
资料来源：Wind、招商银行研究院
跟踪上述基于一致性盈利预期的简单动态择时策略，并将其业绩与比较基准对比，便可考察B-L模型框架下的风格择时策略表现情况。由于此风格择时策略是一种动态再平衡的过程，因此比较基准我们选取均衡策略，即从基期开始以25%的固定比例配置四种风格指数，中途不做任何变动。
本文中，我们预期动态再平衡策略将比均衡策略的年化收益率高10%，方差为4%，显著性水平取10%，再根据市场一致性盈利预期变化，进行季度频率上的观点矩阵更新与仓位调整。
此外，在确定相关参数时需要注意一些事项：
如何确定先验方差矩阵？根据四种风格指数的历史涨跌幅，可计算出该四种指数的方差矩阵，进而作为本文对于2019年全年动态再平衡的先验方差矩阵。
图9：先验方差矩阵
资料来源：Wind、招商银行研究院
如何确定观点矩阵？以2019年9月末为例，我们发现大盘成长的市场一致性盈利预期增速环比显著上升2%，而同期小盘成长一致性盈利预期增速环比下降1%，大盘价值和小盘价值基本无太大变化。那么由市场一致性盈利预期变化反馈出的信息是大盘成长可能表现更为强势（因为盈利在大幅改善），因此2019年9月的观点矩阵按大盘成长、大盘价值、小盘成长、小盘价值的顺序可写为[10,0,-10,0]，其中，观点的强势程度（该矩阵中为10和-10）由投资者自行设定，激进投资者可将数值设置更高，谨慎投资者可将数值设置较低。
观点与实际或历史表现不相符时怎么办？B-L模型具有“自我调节”功能，该模型在输出结果时会返回λ参数，该参数衡量的是分析师观点对先验分布的影响程度，若λ＞0，说明是正向影响，若λ＜0，反映的是反向影响。
图10：2019观点矩阵及其影响程度
资料来源：Wind、招商银行研究院
（二）结果对比：动态再平衡策略更优
将2018年12月作为基期，考察两种策略在2019年全年的表现，结果显示动态再平衡策略更优，体现为更大涨幅、更大夏普率以及更低波动率。
图11：2019年动态再平衡与均衡策略对比
资料来源：Wind、招商银行研究院
累计涨幅上看，动态再平衡策略2019年累计上涨36%，而均衡配置策略同期累计涨幅30%，超额收益为6%；夏普率上看，动态再平衡策略夏普率为6.18，均衡配置策略为4.84；波动率上看，动态再平衡策略年化波动率为5.57%，均衡配置策略为5.89%。
考察仓位变化情况，2019年动态再平衡策略共有三次调仓。首次为2019年1月建仓时，与均衡配置25%的配置比例相比，增配约20%的大盘成长，清仓小盘成长，并适度降低了大盘和小盘价值约5%的配置比例；第二次为2019年4月，小幅增加了小盘价值与大盘成长的仓位，而将大盘价值的仓位由21%降低至5%；第三次为2019年10月，大盘成长增配约12%，小盘价值仓位降低约5%，大盘价值小幅降低约1%。
图12：均衡策略配置比例
资料来源：Wind、招商银行研究院
图13：B-L动态再平衡策略配置比例变化
资料来源：Wind、招商银行研究院
（三）可自定义方面：频率、观点、预期与自信度
从结果上看，虽然B-L动态再平衡策略在2019年全年表现战胜均衡策略，但需要注意的是其并未达成预期的10%超额收益，造成此现象的原因主要是先验分布的不确定性系数与投资者自信水平的选取。基于B-L模型框架，投资者可以根据自身考虑与需求进行自定义调整和优化，如：
动态再平衡频率方面，调整频率可结合投资者自身考量进行更改与优化，如根据观点更新的频次来进行周、月、季、年度的仓位优化；
观点矩阵方面，本文动态调整策略采用市场一致性盈利预期变化作为观点，其背后默认的是市场一致性预期与实际表现具有较显著的正相关性，即市场一致性预期能较好的预测市场表现，同时一致性预期一定程度上也能熨平过于极端的市场观点。此方面上，投资者可根据自己信任的主体（如分析师、同业等）来设定个性化的观点矩阵；
预期与自信度层面，预期收益率可由投资者根据实际需求自行设定，但需要对自身预测能力有较强的理解，如预期收益率的设定是否合理、自身自信程度是否过高或过低。若采用分析师观点，则需对其历史预测胜率、自信度有较为准确的把握。
此外，投资组合的标的也可按投资者需求设定。本文以风格指数作为分析案例，该框架可应用到对大类资产、行业指数、个股等投资标的的配置上，如Black and Litterman (1992) 对德国、法国、日本等多个国家的货币、债券和权益资产进行动态再平衡；Idzorek (2005)对美国债券、美股风格组合（大盘成长、小盘成长、大盘价值、小盘价值）、高分红股票、新兴市场股票等多种标的进行B-L动态再平衡，调整后组合表现出更高的收益率与夏普率。
策略建议：二季度关注对大盘价值的配置
根据2020年上市公司一季度财报与最新市场一致性盈利预期情况，在本文演示的2019年末的风格组合配置比例上，2020年二季度建议降低大盘成长、小盘价值的配置比例，转而增配大盘价值。
图14：2020年Q2配置比例变化
资料来源：Wind、招商银行研究院
联系客服
