报告概要
当前，利用宏观变量来进行因子择时在海外市场已经有较为成熟的研究，贝莱德、高盛和MSCI等机构均有自己的宏观周期因子择时方案。然而我们将这种方案移植到国内的时候容易忽略一个前提：美股是盈利驱动的市场，宏观->基本面->股价的传导是非常顺畅的。然而在国内，基本面因素并不是影响股价的主要矛盾，估值因素才是主要矛盾。
因此我们在已有的“利率-信用-波动率”宏观三因素因子择时框架的基础上，基于股息率-国债收益率构建了A股的风险溢价时钟，以此捕捉估值波动带来的因子轮动机会。风险溢价时钟将市场划分为恐慌期、筑底期、复苏期和过热期四个不同的阶段，每个市场阶段适用的因子如下：
1）恐慌期：高盈利、低beta和低杠杆因子
2）筑底期：低股价、低波动和反转因子
3）复苏期：小市值、低股价和高成长因子
4）过热期：低估值、高盈利和反转因子
从收益分解的角度思考因子择时
笔者在2017年曾经提出过一个基于“利率-信用-波动率”三因素的因子择时模型，简单概括为三句话：利率反映企业融资成本以及经济预期，影响价值股和成长股的轮动；信用利差反映企业违约风险，影响优质股和垃圾股的轮动；波动率体现投资者是否过度反应，影响动量现象和反转现象的轮动。
宏观因素模型主要是通过捕捉A股的基本面波动来判断风格轮动。然而基本面因素是影响A股波动的最主要因素吗？答案是否定的。笔者对沪深300的历史波动进行了分解，结果显示：沪深300指数波动中估值波动的占比高达68.7%，盈利波动的占比只有31.3%，这表明A股是估值波动主导的市场。
因此在一个以估值波动为主导的市场中，除了基于“利率-信用-波动率”宏观三因素的因子择时模型外，我们还需要一个以估值波动为核心的因子择时模型来捕捉A股估值波动带来的机会。
风险溢价：再论股息率-国债收益率体系
国外有大量的研究表明，风险溢价具备预测股市未来收益率的能力。我们用中证红利指数股息率-国债收益率（后面简称为DYBY）作为风险溢价的代理变量，以沪深300指数的收益作为因变量来验证风险溢价的收益预测能力。
根据图表5-图表6的结果，风险溢价确实可以解释沪深300指数一部分未来收益，而且风险溢价对长期收益的预测能力要明显强于短期收益的预测能力，也就是说基于风险溢价的长周期投资具备一定的可行性。
基于风险溢价的股债轮动策略无论在A股市场还是在港股市场均有不错的表现，在A股市场上的股债轮动策略年化收益达16%，夏普率达1.2。而在港股市场上，基于风险溢价的股债轮动策略年化收益达12%，夏普率为0.98。
风险溢价时钟与因子表现
我们基于DY-BY（中证红利指数股息率-10年期国债收益率）的正负和DY-BY的边际变化构建了风险溢价时钟，从图表12来看，我们根据风险溢价时钟对市场状态的划分与我们对市场的直观理解基本吻合，比如筑底期一般处于历史底部的左侧，复苏期一般在牛市的前半段。
根据不同市场状态下的因子表现排名，我们将因子表现进行图表可视化。从图表18可以看到，如果以因子运动轨迹进行分类的话，大类因子大致上可以分为盈利-质量、股价-规模、反转-价值、beta-资产结构和成长-流动性五类。其中有些因子在市场低位的时候表现较好，如股价和规模因子；有些因子在市场高位的时候表现较好，如盈利和质量因子。
攻守因子动态配置策略
依据上述观察到的因子轮动规律，我们设计了基于风险溢价时钟的攻守因子配置模型。让人振奋的是，攻守因子配置模型较好地解释了2016年以来的因子轮动现象：
1）2016年：市场从筑底期切换到复苏期，规模因子、反转因子和成长因子表现优异；
2）2017年：市场从复苏期切换到过热期，价值因子独领风骚，小盘风格衰退；
3）2018年：市场从过热期向恐慌期切换，盈利质量因子、低beta因子和低财务杠杆因子表现较好。
我们基于风险溢价时钟设计了动态因子配置策略。从2010年至今，相比于中证500等权组合，策略年化超额收益达20.8%，超额收益的年化波动率为5.6%，历史超额收益最大回撤为5.5%，超额收益的月胜率达84.1%，信息比率达3.34。动态因子策略在2016-2018这三个风格骤变的年份里依然保持较好的表现。
风险提示：以上结论均基于历史数据和统计模型的测算，如果未来市场环境发生明显改变，不排除模型失效的可能性。
本文节选自国盛证券研究所于2019年2月25日发布的报告《因子择时系列之一：风险溢价时钟视角下的攻守因子配置》，具体内容请详见相关报告。
联系客服
