双因子定价模型基于自上而下的框架，或可提供看待国内市场的新视角

华泰金工资产定价系列报告采用统一的逻辑框架进行自上而下的研究分析，本报告为系列研究的第六篇报告，结合前期报告中全球双因子定价模型的构建方法，基于国内的股票宽基指数、行业指数、债券指数和商品指数等资产，构筑了国内统一的市场因子和反映各大类资产内部特征的风格因子，之后，我们论证了上述因子的稳定性和有效性，构筑出国内的双因子定价模型，并将模型运用在跨资产组合配置策略中。相对基准组合，加入双因子定价模型的相关信号后，策略的业绩表现得到优化，夏普比率和Calmar比率也得到了提升。至此，我们搭建了双因子定价模型应用于国内资产配置的框架，有望为投资者提供看待国内资本市场的新视角。

市场因子反映统一的周期驱动因素，风格因子表征资产内部结构的差异

在国内主要的资产上，可以识别出42个月等周期特征的存在，这启发我们，高维系统或可降维到几个主要的驱动因子上。我们利用主成分分析方法，提取国内大类资产的主成分，以实现对资产数据的降维。结果发现，各大类资产的第1主成分具备明显的周期规律，我们将它们等权组合，构筑的市场因子反映了国内金融市场统一的周期驱动因素；基于各大类资产的第2主成分，我们构筑了不同的风格因子，其中宽基指数的风格因子可表征为小盘股和大盘股的多空组合，行业指数的风格因子与产业链上下游的逻辑相匹配，债券指数的风格因子反映了市场的风险偏好，商品指数的风格因子则可体现国内市场景气特征。

国内市场和风格因子具备稳定性和有效性

因子的稳定性是理论走向实践的基础，而有效性则是模型落地至应用的桥梁。我们通过多个视角探讨了国内市场因子和风格因子在时序上以及构成成分权重结构上的稳定性，同时借助规范相关系数，验证了基于市场和风格因子的定价模型的有效性。结果显示，在长时间尺度下，资产的主成分在走势、权重上会出现一定的波动，但整体上看，大部分资产的内部特征还是能保持相对稳定，同时，针对各类资产，模型的规范相关系数ρ值均值在0.9以上，表明市场因子和各大类资产风格因子与资产收益率的协方差矩阵高度相关，表明双因子定价模型具有较高的有效性。

国内双因子定价模型能提升跨资产配置策略的业绩表现

在国内双因子定价模型中，资产价格变化的驱动因素包含在市场因子和风格因子中，残差则反映了资产的特异性，资产类别间的相对强弱结构则由市场因子表征，而同类资产内部的相对强弱结构可由风格因子和残差共同刻画。我们依据双因子定价模型，在风险平价基准策略的基础上，尝试加入了残差动量、风格趋势等信号，以提升策略表现。结果显示，加入双因子模型相关信号后，策略的年化收益、夏普比率等指标得到提升。同时，与单一信号策略相比，复合信号策略可进一步提升策略业绩表现，表明信号的叠加或具有一定的增益效果。

风险提示：研究观点基于历史规律总结，历史规律可能失效；市场的短期波动与政策可能会干扰对经济周期的判断；市场可能会出现超预期波动。资产配置策略无法保证未来获得预期收益，对依据或使用该规律所造成的后果由投资者自行承担。报告中涉及到的资产不代表任何投资意见，请投资者谨慎、理性地看待。

工欲善其事必先利其器：国内市场因子与风格因子的构建

在资产定价系列的前期报告中，我们展开论述了全球资产的市场因子和风格因子的构建流程和《如何刻画全球资产统一的风格因子》（20240115）），并基于市场因子和风格因子构建了大类资产的择时和组合配置策略（详见《双因子定价模型的应用：择时与配置》（20240229）），以及对全球主要发达国家PMI指标的预测方法（详见《双因子模型：PMI分析和预测》（20240321））。本报告将在前期报告的基础上，尝试构建国内资产的市场因子和风格因子，并在此基础上，探索双因子定价模型在国内资产配置上是否具有一定的应用价值。基于自上而下逻辑框架搭建的双因子定价模型，或可为投资者提供看待国内市场的一个新视角。

国内资产的周期特征是提取市场因子和风格因子的基石

我们提出双因子定价模型，核心的原因在于我们发现，金融经济系统运行过程中，存在着统一的周期规律，具体来说，我们通过傅里叶变换、小波变换和高斯滤波等工具，发现在全球主要的金融经济变量上，均能识别出42个月、100个月和200个月左右三个周期的存在，这三个周期在历史上稳定存在，对变量的走势有较高的解释力度。周期规律的存在启发我们，系统真实的自由度可能远低于我们的想象，对高维系统的研究可以降维到几个主要的驱动因子上，而利用PCA等相关性分析方法，我们可以深入挖掘变量之间的相关性，将多个金融经济变量转化为少数几个主成分，而这些主成分，经过求和、平均等简单的计算后，便能得到我们需要的市场因子和风格因子，其中市场因子继承了全球金融经济系统的周期规律，而风格因子则可能反映了资产内部的风格特征。

和全球资产一致，国内主要的大类资产或也存在统一的周期规律，下列图表展现了国内部分资产的周期状态，资产类别横跨股票、利率和商品。在股指基本面财务指标上，我们也发现了同样明显的周期特征。此外，通过 MUSIC 算法，我们进一步验证了国内资产内部的三周期特征，不过相比全球市场，国内市场在100个月和200个月的周期特征上存在小幅的偏离。国内资产的周期特征，表明国内经济金融系统或也存在某些共通的驱动因子，这为我们开展后续研究提供了较为可靠的基石。

利用主成分分析构筑国内资产的市场因子和风格因子

在全球市场因子和风格因子的构建过程中，我们对股票指数、MSCI 一级行业指数、利率、商品、外汇5类资产分别进行主成分分析，得到前三个主成分序列进而合成市场因子和风格因子。同时在前期报告《行业残差动量定价能力初探》（20240205）中，为了获取残差动量，选取了国内的股票、利率和商品3类资产构建了初步的跨资产市场因子和各资产内部的风格因子。在本报告中，我们将结合前期工作，利用国内股票宽基指数、中信行业指数、债券财富指数和商品指数4类共54种资产，作为我们构筑市场因子和风格因子的底层资产池。其中在行业指数的选取上，本报告兼顾考虑数据长度等因素，剔除综合和综合金融等行业，最后获得下列图表所示的5个板块共28个行业指数。我们对各细分资产的价格取对数同比，在同比序列的基础上开展主成分分析等研究工作。

国内股票宽基指数

国内主要股票宽基指数主成分分析的结果如下列图表所示，由于主成分分析的正负号没有明确含义，我们可以灵活对各个主成分序列的正负号进行调整，从而构建不同的主成分组合。从结果中可以发现，PCA1近似为宽基指数的等权组合，具有一定的周期特征。而PCA2则刻画了股票市场的内部特征，具体而言，PCA2的组合权重正值最大的是1000成长创新、1000价值稳健和中证1000指数，而国证价值、中证红利和沪深300指数则贡献主要的负权重，反映出一定的多小盘而空大盘的风格特征。同时，在A股市场，小盘股的波动率一般高于大盘股，权重正值最大的三个指数年化波动率分别为31.6%、29.4%和30.3%，权重负值绝对值最大的三个指数年化波动率则分别为25.5%、25.9%和25.5%，从这个角度出发，PCA2同时也可看做偏好波动风险的股指组合。

我们将股票宽基指数的PCA1作为国内宽基指数的市场因子，以反映整体股票市场的行情状态。PCA2作为宽基指数的风格因子，其数值的正负性或可反映市场的风险偏好特征，例如2016年-2023年，风格因子长期在零值以下，表明市场偏好风险相对更低的股票资产，而当时确实也正值贵州茅台等白酒类龙头股的上行期；2023年-2023年期间，新能源行情接近尾声，市场风格轮动更加频繁，缺乏明显的投资主线，风格因子也呈现出震荡调整的特征，但该段时间样本内风格因子均值依然在零值以上，表明当时小盘股依然是股指市场正收益的主要来源之一。目前宽基指数市场因子仍处于基钦上行周期，而风格因子则在零轴以下震荡下行。

与股票资产的分析类似，我们对A股的中信一级行业指数也进行了主成分分析，结果如下列图表所示。从结果上看，中信行业指数的PCA1可近似看作各行业的等权组合，而PCA2中各资产的权重分布则与产业链内部的上下游分工一致：计算机、传媒等更贴近下游消费者的行业正权重较高，而煤炭、钢铁、有色金属等上游原材料相关的资源类行业则贡献较高的负权重。

与股票宽基指数相似，我们将行业指数的PCA1作为行业的市场因子，将PCA2作为行业风格因子。行业指数和宽基指数本质上是对A股市场不同角度的刻画，两类指数间的关联相对较为紧密，这一点从二者市场因子的走势高度一致的特点中也可见一斑。而对于风格因子，前期报告《如何刻画全球资产统一的风格因子》中曾指出，越接近上游越容易出现大型企业，因为其投资成本更高、产业更成熟，同时所面临的需求更为统一、差异度较小；越接近下游越容易出现小型企业，因为其更靠近消费者，服务对象多元化，面临的需求相对庞杂、琐碎、差异度高，容易形成类似毛细血管一样针对具体区域和特定消费者的企业。因此，行业的风格因子在一定程度上也可视为大企业和小企业的多空组合，与宽基指数风格因子的含义相似。二者走势在多数时间内也相近，不过在2023年-2023年期间出现了较大的背离，可能与当时A股市场风格轮动频繁相关。当前行业风格因子处于零轴以下，呈现偏弱震荡行情，或利好煤炭等资源类行业。

国内债券财富指数

对于全球资产而言，利率市场的PCA1与PCA2分别反映了欧美市场和中国市场的利率特征，因此其市场因子是PCA1和PCA2的等权组合。对于国内资产而言，由于不包含海外资产，债券财富指数的PCA1作为各债券资产的等权组合，或可直接作为债券资产的市场因子。与宽基指数PCA2相似，债券财富指数的PCA2也反映了市场的风险偏好特征，风险相对更高的企业债和信用债财富指数贡献主要的正权重，而相对稳健的国债总指数、长期债券指数等则贡献主要的负权重。

我们将债券指数的PCA1作为债券资产的市场因子，其在多数时间内具有相对稳定的周期特征，不过近期走势与周期模型的拟合预测结果出现一定的背离，先于模型结果出现拐头上行特征。我们将债券指数的PCA2作为债券资产的风格因子，2023年后风格因子一直处于零轴以下，当前呈震荡下行趋势，或表明国债、长债相对企业债等具有更好的配置价值。

国内主要商品指数

与其它资产相似，我们对主要商品指数也进行了主成分分析，结果如下列图表所示。从结果上看，商品的PCA1可近似看作各商品的等权组合，而PCA2中正负权重两端的资产分别为贵金属和能源，黄金和白银贡献主要的正权重，而PTA、原油则贡献主要的负权重。

我们将商品资产的PCA1作为商品市场因子，其周期性在2015年后相对稳定。同时，我们将商品资产的PCA2作为商品风格因子，值得一提的是，国内商品风格因子的含义，与前期系列报告中，使用彭博商品指数构建的全球商品风格因子结果相近，均为多贵金属而空能源。与股票、债券类资产有所不同，商品类资产在全球的流通性可能相对更高，海外商品市场对国内相应商品的价格走势可能有较高的影响力。全球商品风格特征与市场的景气程度相关，这一点也适用于国内，黄金等贵金属具有一定的避险功能，在景气度不佳时可作为防御资产进行配置，而景气上行时，工业制造业开始扩张，原油等能源类产品作为工业原料大概率表现强势。当前国内商品指数市场因子仍处周期上行区间，上行趋势或延续至今年年底，而风格因子则处于零轴以上、震荡上行的行情中，或利好黄金、白银等贵金属资产。

至此，我们分别得到了国内股票宽基指数、行业指数、债券指数和商品指数的市场因子和风格因子，如下列图表所示。由于债券和股指分别为防御类资产和进攻类资产，二者收益在多数时间内为负相关关系，因此，为比对方便，我们对债券资产的市场因子进行了相反数处理。

结果显示，各类资产的市场因子在2015年前后出现了较大分歧，当时A股市场在短时间内完成了大幅度的“牛熊转换”，属于偶然性事件。除此之外，不同类别的资产市场因子走势存在较高的相似性，因此在后文的研究中，我们参照全球资产双因子模型的框架，将各类资产的市场因子进行等权组合，构筑为国内资产统一的市场因子，该市场因子具有较为显著的周期特征。相对市场因子的统一性，风格因子的差异性较大，同时内在含义存在一定的差异性，因此我们不对其进行组合，而是分别保留股票宽基指数、行业指数、债券指数和商品指数四类风格因子。在后续的双因子模型实证研究中，我们将使用统一的市场因子和资产所属类别的风格因子，完成模型构筑，例如对于商品类资产，我们的双因子定义为国内统一的市场因子，和商品指数的风格因子，其它资产的风格因子不纳入商品的模型中。

双因子模型的稳定性和有效性检验

因子的稳定性是理论走向实践的必要条件

如果要将因子应用于实际的投资中，那么因子需满足一个重要的前提：因子本身较为稳定，其含义不会因时间发生剧烈的变化。在双因子模型的前期报告中，我们论证了基于全球大类资产价格构筑的市场因子和风格因子的稳定性，那么用相似方法得到的基于国内大类资产价格构筑的相关因子，是否也能在时序上维持稳定呢？

为解决这一问题，对于市场因子，我们采用滚动120个月时间窗口，构建国内资产滚动区间的市场因子，与全样本的结果进行比对。下图展现了三个局部窗口构建的市场因子和全局市场因子的走势对比。可以看到，局部市场因子与全局市场因子走势一致性较高，基于滚动时间窗口构建的市场因子同样能够较好捕捉资产背后的特征，历史数据与未来数据不会对局部特征产生较大影响。这一结果表明国内资产市场因子稳健性较强，对样本区间的选取不敏感。

对于风格因子而言，相对历史走势，构建因子的资产权重分布可能更能反映因子的本质含义。因此，我们从主成分资产权重的角度，考察滚动窗口期构成风格因子的资产组合权重是否稳定。具体算法上，我们以全样本序列得到的主成分资产权重为基准，滚动计算窗口期内局部样本得到的主成分权重与基准间的相关系数。如果滚动得到的相关系数能稳定维持在一个较高的水平，那么我们有理由认为，风格因子资产的权重分布是稳健的。

下列图表展现了各细分资产在风格因子的局部权重与全局权重相关系数的变化情况，直观来看，风格因子内各资产权重在时序上相对稳健，虽然有时局部权重与全局权重的相关系数会出现下滑，但总体能维持在0.8以上。此外，我们对各资产的市场因子也进行了权重分布检验，其结果进一步验证了市场因子的稳健性。

综合而言，虽然在长时间尺度下，资产的主成分在走势、权重上会出现一定的波动，但整体上看，大部分资产的内部特征还是能保持相对稳定。因此，我们仍然沿用前文提到的市场因子、风格因子的定义方法，但在后续的检验、建模、策略构建流程中尽量不考虑跨越较长时间区间的外推，同时审慎评估相关流程和结果。

因子的有效性是模型落地至应用的充分条件

前文我们论证了市场因子和各资产风格因子在时序上的稳定性，市场因子和各类资产的风格因子在样本区间内能维持相对稳健的内部特征，这为我们建立因子定价模型提供了可靠的必要基础。不过，要想从模型落地至应用，还应确保因子对资产收益的波动有一定的解释力度，即论证我们提出的基于市场因子和风格因子的模型对于资产定价而言是有效的。在本节中，我们将开展对模型的有效性实证研究。

与前期报告《双因子定价模型的应用：择时与配置》（20240229）一致，我们以120个月作为滚动窗口，沿用 Pukthuanthong 论文中提出的方法体系，针对我们提出的双因子模型可以做如下假设：如果模型是有效的，则因子和各资产收益率间应具有较高的规范相关系数（ρ值），且市场因子和风格因子在回归方程中应具有显著的系数（t值）。同时，为了比对不同种类资产间的差异性，我们在计算因子与所有资产规范相关系数的同时，也在各大类资产内部，计算了因子与资产间的规范相关系数。相关结果整理如下。

从结果中可以看出，针对各类资产，模型的规范相关系数ρ值均值在0.9以上，表明市场因子和各大类资产风格因子与资产收益率的协方差矩阵高度相关，模型具有一定的有效性。

进一步的，我们依据规范相关系数，构建出对应资产加权组合的收益率序列，以加权组合收益率序列为因变量，市场因子、各大类资产风格因子序列为自变量进行回归，相关结果如下表所示。相对因子系数的原始t值，采用t值绝对值可能更加合理：不论是正相关还是负相关，显著的t值均表明因子对资产收益的变化存在不可忽视的贡献。从绝对值的角度看，市场因子在样本集所有资产类别中均具有较大的t值，显著性较高。风格因子的结果在各资产间存在一定的差异，行业指数的风格因子显著性最高，而债券指数和商品指数的风格因子的t值有效性则较低。

此外，我们还可以从因子载荷的角度探讨基于市场因子和风格因子定价模型的有效性：如果各种细分资产与市场因子、风格因子间的关系稳健，即资产在因子上的载荷系数显著且稳定，则通过观察和预测因子值，我们可以对各类资产的收益变化进行合理可靠的分析和预测。基于此，我们以120个月为滚动窗口，以各个细分资产的时序数据为因变量，市场因子、各类资产的风格因子为自变量，进行滚动回归，与前文一致，我们主要关注每次回归因子载荷和对应t值的绝对值，下表展示了部分具有代表性的资产滚动回归结果。从结果中看，不论是市场因子还是风格因子，在多数资产的滚动回归中均表现出较强的显著性特征，t值绝对值均值大于2的比例较高。综合而言，国内市场因子和风格因子均表现出一定的有效性，对样本池中各资产收益率的解释度较高。

实践出真知：双因子定价模型在国内资产配置中的应用

基于风格因子和残差动量构建同类资产内部的多空组合

从前文的研究中可以看出，国内宽基指数、行业指数、债券、商品的第一主成分同步性较高，可以组合统一为国内资产市场因子；同时，各类资产的第二主成分也具有相应的风格特征，宽基指数的第二主成分是小盘股和大盘股的多空组合，行业指数的第二主成分与产业链上下游的逻辑相匹配，债券指数的第二主成分反映了市场的风险偏好，商品指数的第二主成分则可体现国内市场景气特征。基于上述信息，我们构造出宽基指数、行业、商品和债券四类风格因子，以反映资产内部的风格特征。在稳定性和有效性检验中，我们将上述因子对各细分资产进行了滚动窗口回归建模，验证了双因子模型具有较高的稳定性和有效性。

根据前期报告《行业残差动量定价能力初探》，除了市场因子和风格因子，残差部分也可能蕴含着不同资产的专属信息，在资产配置等场景中也具有一定的定价能力。至此，我们构筑出如下所示的国内双因子定价模型基本形式，其中风格因子为资产所属类别的风格因子，如对于商品资产，为商品的风格因子：

资产价格运动变化的驱动因素包含在市场因子和风格因子中，残差则反映了资产的特异性，资产类别间的相对强弱结构则由市场因子表征，而同类资产内部的相对强弱结构可由风格因子和残差共同刻画。基于前文的讨论，当风格因子大于0时，表明权重为正的资产业绩表现强于权重为负的资产，而资产权重与风格因子均可由定价模型中的捕捉，我们将该值设定为资产的风格趋势，风格趋势越大的资产业绩表现可能越强。

我们利用风格趋势反映风格因子对资产的影响，利用动量指标捕捉残差规律，考察风格因子和资产自身的特异性能否产生有效的配置信号。对同类资产内部的各个细分资产，分别构建双因子定价模型，并计算各个资产的残差，根据风格趋势信号或残差动量信号进行截面排序。排序靠前的资产可能是资产自身上行动力较大的资产，对应做多思路。由于双因子定价模型基于资产月频数据构造，所以相应策略也以月度作为调仓频率。

以国内中信一级行业指数为例展示多空组合的构建流程，下图展示了风格趋势信号、残差动量信号及相应组合配置权重的计算方法。为平滑动量信号，残差动量定义为残差序列近12个月的数值之和。根据风格趋势信号或残差动量信号，28个行业指数中，排序1~9的资产为看多组合，排序10~19的资产为中性组合，排序20~28的资产为看空组合。看多组合权重等权分配为1/9，看空组合权重等权分配为-1/9，中性组合中的资产权重设为0。

从组合的回测结果看，两种信号下多空组合净值呈现上行趋势，年化收益率均能达到10%以上。该结果或许表明，风格趋势和残差动量均能产生有效的配置信号，两种信号在行业指数内部有一定区分度，是相对有效的收益因子。不过值得注意的是，两种策略的年化波动率和最大回撤均大于年化收益率，策略的夏普比率和Calmar比率较低，风格趋势信号策略主要在2023年-2023年和2023年-2023年出现较大回撤，而残差动量信号策略则在2023年下半年-2023年上半年表现较差。从投资实践上来说，行业指数内部的多空信号直接应用于配置可能较为粗糙，但与其他资产或者其他策略配合使用或有机会产生增益效果。

对于宽基指数、债券指数和商品指数，我们使用同样的方法，构建基于双因子定价模型的风格趋势策略和残差动量策略，策略参数与上文中行业指数的策略一致。其中多头组合等权配置残差动量排序前1/3的资产，空头组合等权配置残差动量排序后1/3的资产，资产数量向下取整。

从结果上看，对于风格趋势信号，宽基指数的多空组合回测表现最优，夏普比率和Calmar比率均达到了1以上，商品指数的多空组合净值也呈现波动上行的走势，说明风格趋势信号对于宽基股指和商品资产来说从长期上看是有效的；相对而言，风格趋势信号对于债券资产的择优效果则较差。对于残差动量信号，从收益表现上看，商品指数的多空组合业绩最优，宽基股指次之，债券虽然收益表现不高，但由于波动率较低，夏普比率依然能在1以上。综合而言，风格趋势信号对宽基指数、行业指数和商品资产的择优能力长期有效，而残差动量信号对于样本池中所有资产类别均有较好的配置效果。

基于国内双因子定价模型的跨资产组合策略构建

上一节中我们基于双因子定价模型，构建了资产内部的多空组合，在本节中，我们将基于前文的结果，尝试构建跨资产组合投资策略，我们沿用前文的底层资产池作为示例。基准策略定义为宽基指数、行业指数、债券指数和商品指数四类资产的风险平价策略。具体地，对各大类资产分别赋予1/4的风险预算，大类内部各细分资产平均分配大类预算，结合风险平价思路确定权重配比。

将双因子定价模型应用至跨资产配置策略中，我们可以从两个角度出发，第一个角度是根据前文多空组合的回测结果，我们可以基于资产的风格趋势信号和残差动量信号，调整资产的风险预算。具体而言，在基准策略初始风险预算的基础上，我们依据信号在各类资产内部进行排序，放大信号排序前三分之一的资产风险预算，并缩小信号排序后三分之一的资产风险预算。在