兴证金工团队在资产轮动领域耕耘已久，撰写了一系列深度报告，包括大小盘、价值成长、行业轮动等。本次我们从趋势和拐点两个维度出发寻找逻辑和实证上对于大小盘轮动有预测力的因子，并构建大小盘轮动模型。
我在趋势型指标方面，我们构建了流动性、经济增长和动量三个维度的指标。其中流动性我们使用期限利差和信用利差代表，经济增长我们使用房地产投资累计增速代表，动量我们用大小盘相对净值的均线突破捕捉。
在拐点型指标方面，我们构建了市场拐点期和风格关注度拐点期两种因子。我们用股债相对性价比是否处于极端位置来判断股市整体的拐点。另外，我们使用大小盘的历史相对换手率分位数来捕捉风格关注度的拐点，相对关注度达到极端位置往往也是风格拐点的前兆。
最终我们结合趋势型和拐点型指标构建了结构化加总的综合大小盘轮动框架。从2013年底至2022年底的回测表现看，仅使用趋势型指标构建的月度轮动组合能实现10.15%的年化超额收益率和13.78%的超额最大回撤，而拐点+趋势综合月度轮动组合能实现12.65%的年化超额收益率和10.61%的超额最大回撤。如果不定期调仓，我们的综合轮动模型能够实现24.03%的年化收益率，相对等权基准的年化超额达到17.44%，超额最大回撤仅有6.22%，月度超额胜率超过68%，年度超额胜率100%。
风险提示：本报告模型及结论全部基于对历史数据的分析，当市场环境变化时，存在模型失效风险。
兴证金工团队在资产轮动领域耕耘已久，撰写了一系列广受关注的深度报告。风格轮动领域我们有《多维结构化成长价值轮动模型》、《因子轮动研究系列之一：基于机器学习方法的A股市值风格轮动研究》等，行业轮动领域我们有《基于盈余惊喜(基本面)、残差动量(技术面)、北向资金(资金流)的行业轮动模型》、《如何结合行业轮动的长短信号》、《基于机构实时持仓分歧的行业轮动模型研究》等。在以往研究的基础上，我们努力在百尺竿头更进一步。本篇报告我们构建了全新的大小盘轮动模型，率先提出从趋势和拐点两个维度出发寻找逻辑和实证上对于大小盘轮动有预测力的因子。择时的难点不在于趋势的判断，而在于拐点的把握。其中拐点维度我们找到了市场拐点期和风格关注度拐点期两种因子，然后结合趋势型指标一同构建结构化加总的模型。趋势拐点框架具有可拓展的特性，只要我们能够找到独立的比如拐点判断的因子，都可以加入模型去提升表现。从回测表现看，我们的不定期轮动模型能够实现24.03%的年化收益率，相对等权基准的年化超额达到17.44%，超额回撤仅有6.22%，月度超额胜率超过68%，年度超额胜率100%。第二章：对大小盘轮动做简介，介绍基于趋势+拐点的轮动思路以及大小盘代表指数和轮动历史；第三章：聚焦大小盘驱动因素，分别介绍趋势型和拐点型预测指标；通常我们进行风格轮动时会忽略最终模型收益的来源，简单的综合表现掩盖了模型的缺点，也很难区分模型的收益来源缘何。其实择时或轮动模型包括两个部分：趋势把握+拐点判断。某种意义上来讲，逃顶追底（拐点判断）的意义远大于跟随效应（趋势把握）。比如2022年4月底，我们能否在市场已经见底的情况下，认识到这是一个大底，从而勇敢的建仓，而不是等到5月份，还依然在犹豫这波反弹的时长。从下方图表可以看到，4月底的反弹非常迅速，4月27日至5月31日中证1000就上涨了超过20%。
从逻辑上说，完美预测每次风格拐点显然是不现实的。但是如果我们从逻辑和实证上能够找到一些可量化的市场状态，当其发生时风格大概率发生变化，那么就会对轮动模型产生非常大的增量效应。或者说我们能够找到驱动因素极端反转的信号，那么一旦我们判断出了拐点，风格转换之后趋势型指标就有可能接力 生效了，持续为模型提供预测力。
趋势型指标是轮动或择时的另一个侧面。通过复盘和逻辑分析，我们往往能够找到一系列风格的驱动或者说解释因素，比如说流动性。但流动性本身的预测依然是一个难以解决的问题。业内常见的处理方式是假设驱动因素的当前状态不变，比如流动性持续改善，或者说一直处于高流动性状态。这样的一种处理方式捕捉的其实是指标的右侧趋势，我们称之为趋势型指标。
本文从这个思路出发，探索出了几种大小盘风格拐点判断以及趋势把握的有效方式。通过趋势型+拐点型指标的综合判断，我们给出一个系统化的大小盘轮动模型。值得注意的是这是个可拓展的轮动框架，如果我们之后能够找到更多的风格拐点型指标，那么可以直接加入模型中并提升其表现。
在介绍模型之前，我们先对大小盘风格的定义和代表指数做简要介绍。风格一般是指一类股票所具有的共同特征，而该特征驱动此类股票的收益率保持一定的相关性。市值风格是市场经常关注和讨论的一种风格特征。它的定义相对简单直接，基本就是根据股票总市值的大小来判断其市值风格的暴露情况。一般来说我们往往认为大市值股票具有相对抗风险能力强、发展阶段成熟等特征，小市值股票往往具有高beta、处于发展前期、易被游资炒作等特征。为了方便进行大小盘轮动的研究，我们首先需要对其做具体定义，并选择代表性的大盘和小盘指数。主要指数编制公司对于大小盘风格指数编制的方法主要有下面几种：一是按完全市值排名划分，如申万大盘指数（801811.SI）包含市值排名1-200的股票、中盘指数市值包含排名201-600、小盘指数（801813.SI）市值包含排名601-1400的股票。它对证券选择只作了以下基本限制：满3个月上市且非 ST、*ST、暂停上市公司。二是在主要考虑市值的前提下，额外考虑流动性要求，主要考察过去一年的日均成交额，如上证50（000016.SH）、沪深300（000300.SH）、中证500（000905.SH）和中证1000（000852.SH）：1. 上证50综合考虑最近一年总市值和成交金额，在上证180样本股中进行排名，是沪市 A 股中规模大、流动性好的最具代表性的 50只股票。2. 沪深300先对流动性提出要求，剔除过去一年日均成交金额后50%的证券后，再按照过去一年日均总市值排名。3. 中证500和中证1000则先按照过去一年日均总市值剔除市值大的证券后，再考虑流动性要求，剔除过去一年日均成交金额后20%的证券，最后按照过去一年日均总市值排名。那么不同的大小盘指数构建方式是否会产生差异较大的历史表现呢。我们利用中证1000/沪深300、中证1000/上证500、申万小盘/申万大盘分别构建了3组大小盘指数的相对走势如下图。可以看到，其实不论使用哪种指数，得到的相对走势都是非常一致的。由于申万大小盘指数的可用历史数据较长，我们选择它作为本报告的代表指数。在定义了大盘/小盘风格并选取了相关标的指数之后，下面我们简要回顾下2000年以来A股大小盘轮动的简要历史。从长周期角度看，A股大小盘轮动历史可以分为4段，但每一段中也有风格转换的短周期。2000-2007年是大盘总体占优时段。2001年中国加入WTO后，迅速融入世界经济，出口、投资增速均处于高位，经济快速增长甚至出现过热的现象。在此背景下，大盘指数整体表现好于小盘指数。2008-2015年是小盘总体长期占优时段，也是中国经济增速下台阶和经济转型时期。2008年金融危机后，经济受到大幅冲击，虽然2008年底的“4万亿”刺激政策让经济迅速复苏，但增速开始持续下台阶。2008年底市场触底反弹，弹性更高的小盘回升更快。2010年后智能手机时代到来，移动互联网快速发展，TMT行业开始爆发。2015年在极度宽松的杠杆牛背景下，许多资金通过两融以及场外配资的方式进场，具备题材和股市的小盘股被大幅追捧。当然，在这一段小盘长期占优时段中，大盘在2012年初，2014年下半年也有短期占优的情形。2016-2021年2月A股再次转向大盘占优。在供给侧改革的背景下，行业龙头集中的趋势明显。这段时期外资大幅进入A股，北向资金持续净流入。2020年疫情爆发后，在刺激政策和出口大幅超预期背景下，经济快速复苏。2021年2月至2022年11月，A股总体小盘占优，这一段是中国经济走弱、增速下行波动增大的阶段。在国内环境和政策不确定性背景下，叠加美联储加息因素，以北向资金为代表的外资长期流入趋势趋弱，外资在A股流通市值占比呈下行趋势。19和20年流动性宽松背景下产生的“核心资产”泡沫出现收缩，小盘股总体性价比更高表现更好。简要回顾历史会发现，A股大小盘的轮动具有长期特征，但在短期也有因为特定催化因素出现转换。长期的经济增长背景、产业发展周期、稳增长政策、机构持仓行为等因素可能都影响大小盘的相对占优情况。那么如何去构建一个系统性的大小盘轮动模型呢？接下来我们将从趋势性预测指标以及拐点性判断指标分别进行展开。
趋势类预测指标是指对于大小盘轮动有逻辑上的解释力，同时根据其变动趋势能够捕捉到大小盘相对占优区间的一类指标。这里的趋势可以指大小盘本身的趋势如风格相对动量，也可以指驱动因素比如流动性指标自身的趋势。
动量效应是广泛存在于各类资产中的一种现象，即过去表现好的资产未来倾向于也有相对好的表现，大盘与小盘风格可能也有类似的现象。下方小盘/大盘相对净值有时显示出长期趋势，有时又有所波动。经过研究，我们发现小盘/大盘风格具有一定的趋势特征。
在每月底，我们观察当前小盘/大盘相对净值点位与过去一个月相对净值点位的高低，若突破前期均值则给出小盘信号，否则给出大盘信号。我们同样以大小盘等权组合作为比较基准。从下图表可以看到，策略年化收益达到10.56%，超额收益率有4.44%。注意到我们这里为了避免过拟合使用了最简单直观的一个月回看参数，月度组合已经具有一定的超额收益。
如果我们提高调仓频率到日度（不定期调仓），从下图表可以看到策略年化收益进一步提升到18.43%，超额收益率提升到11.80%，而超额净值的回撤降低到9.36%。这说明大小盘风格相对走势确实具有一定的中短期动量特征。从逻辑上说，长端国债利率和短端国债利率代表的含义有所不同。短端国债期限较短，比较直接的反映了当前市场流动性或者说货币政策的宽松程度，利率越低说明流动性越好。而长端国债利率不仅反映了一定的流动性，更重要的是还包含了市场对于未来通胀和经济增长的预期，或者说名义经济增速。我们定义期限利差为10年期长端国债利率与短端1年期国债利率之差。期限利差下行一般有两种情形，一种是长端短端利率均下行，但是长端下行幅度大于短端，这意味着市场对经济预期转弱，但市场流动性相对改善幅度不足，货币政策可能没有足够宽松，这种环境下更敏感的小盘压力较大，大盘占优。另一种情形是长端短端利率均上行，但是长端上行幅度小于短端，这意味着市场预期经济在复苏，但是流动性紧缩的幅度更大，可能货币政策有收紧，这种环境也是大盘相对占优。可以认为期限利差反映了经济变动与流动性变动的相对水平，期限利差下行或处于相对低位时不利于小盘风格的表现。下面我们利用期限利差因子构建交易信号，并尝试用于大小盘风格的轮动。首先为了较少利差指标波动较大的特征，我们先对数据取滚动1周的均值。然后在每月底我们计算利差指标相对过去1年的分位点水平Q，若Q大于50%则持有小盘风格，否则持有大盘风格。回测的时间范围是2013年底至2022年12月底。我们使用大小盘指数的月度调仓等权组合作为比较基准。从下方图表看，期限利差因子组合可以实现年化18.32%的收益率，0.72的收益风险比，最大回撤52.09%，均优于等权基准组合。期限利差因子带来了11.74%的超额年化收益率，最大回撤为14.26%。总体看期限利差因子具有一定的风格择时能力。我们用5年中债中短期票据到期收益率(AA+)与中债5年期国开债到期收益率的差值表示国内信用利差水平。信用利差代表了市场对于企业主体违约风险的度量，信用利差越高说明市场要求更高的收益率来补偿信用风险。从逻辑上说，大型企业现金流和业绩往往更为稳定。中小企业由于现金流相对不足，更加依赖于外部融资，当信用利差上行时受到的负面影响也相对更大。下方图表给出了2011年底以来信用利差与大小盘相对净值的走势。可以看到，在信用利差明显收敛后往往小盘占优，比如2012年后信用利差显著下降，13、14年也迎来小盘股牛市。2017年后随着去杠杆和金融监管收紧，信用利差有明显上行，大盘股明显占优。信用利差指标在近期几次风格转换时期表现出一定领先性，而不仅是同步指标。比如2021年2月后转向小盘占优，信用利差在1月就已经开始转头向下。在比如2021年9月开始小盘占优期暂时结束，而8月初信用利差已经开始上升。2022年4月下旬开始A股小盘反弹相对较多，而信用利差在4月初已经开始下降。我们尝试根据信用利差的变化构建交易信号进行大小盘轮动。具体来说，我们先对数据取滚动1周的均值降低噪声，然后在每月底我们计算当前信用利差相对过去两年的分位数水平，若分位数大于50%则持有大盘指数，否则持有小盘指数。我们以大小盘月度调仓的等权组合作为比较基准。从下方图表看，2010年底以来信用利差因子可以实现7.47%的年化收益率，高于基准2.47%的收益。超额净值的收益水平4.91%并不算特别高，但从超额净值可以看到，回撤主要是在15和16年，其余时段净值是比较稳健上行。回溯历史我们发现，2015年初开始在流动性宽松背景下，小盘股表现极为优异，而由于我们的信用利差依然处于历史高位，因此给出了看好大盘的信号，导致比较大的回撤。2016年初市场迎来一波下跌，防御性强的大盘占优，而由于信用利差处于低位，因此给出了小盘信号，产生了一些回撤。这主要是由于此信号生成方式还是偏右侧趋势，在市场快速转变时可能会滞后。从大小盘的行业构成看，大盘指数中银行、地产等重资产传统行业占比较高，其业绩与经济整体景气度逻辑上有更强的联系。从大小盘轮动的长期历史看，我们大致可以把2000年以来分成4个时段，正好对应着中国经济发展周期的4个阶段。下图给出了GDP实际同比增速与大小盘长期走势的关系。可以看到，两者整体是较为一致的。2000-2007年是中国经济快速增长期，这段时间GDP持续高增长，总体大盘占优。2008-2015年是中国经济增速下台阶和结构调整期，GDP增速也基本呈下行趋势，总体小盘占优。2016-2021年2月是增速下行趋缓和疫后复苏期，这段时间GDP下行速度开始趋缓，总体大盘占优。2021年2月至今是经济不确定性较高、增长下行时期，叠加疫情、地产调控政策收紧，GDP增速从疫后复苏的高增中持续下行，再次小盘占优。但是，在这几段长周期的大/小盘占优区间中，也可能有短期的风格转换。在小盘占优的长周期中，若出现稳增长的刺激政策，特别是针对银行、基建、地产的重大利好政策，往往会带来大盘的占优。比如2012年为对冲经济快速下行，中国政府采取了一系列刺激政策，包括两次降准、两次降息，批复大量基建投资项目，房地产政策松动迹象也越来越多，包括多城公积金贷款额度放宽、限购条件放松等。最终2012年大盘指数实现9.76%的收益，小盘只有0.27%。再比如2014年由于经济下行，央行进行了定向降准以及年末的降息，再加上“一带一路”概念火热，下半年传统板块如建筑、钢铁、非银金融表现优异，大盘指数明显优于小盘。总结来说，经济高增长阶段如2008年之前经济上行总体有利于大盘，其中一个重要原因是这个阶段房地产这种传统行业对经济贡献极大，但随着经济体成熟、增速逐渐降低后整体经济与大小盘关系紧密度可能有所下降。另外经济数据的发布本身也是滞后的，由于股市反映的是预期，当稳增长政策出台而经济数据尚未回暖时，大盘可能已经涨上去了。因此我们不能期望根据简单的整体性经济指标来完美精准的捕捉大小盘轮动。下面我们以相对GDP更高频的房地产投资完成额累计同比作为传统经济增长维度的代表，测试它能否作为一个可能的择时信号。从下图可以看到，房地产投资完成额累计同比数据与大小盘相对净值走势总体具有一致性。我们以申万大盘和小盘指数作为配置标的，以大小盘指数的等权组合作为比较基准。在每月底，我们比较最新一期房地产投资完成额累计同比数据相对上一期的大小，若呈上行趋势则配置大盘指数，否则配置小盘指数。需要注意的是，每年1月的房地产累计同比数据不单独公布，因此我们设定每年2月末不产生信号，等权配置大小盘指数。从下方图表看，2013年底以来，房地产投资因子可以实现10.49%的年化收益率，高于基准5.89%的超额收益。同时超额净值实现0.53的收益风险比，回撤在19%左右。回溯历史可以看到，2014和2016年模型产生了较大回撤。2014年的回撤主要产生于下半年，这时房地产投资累计增速在持续下行，模型给出小盘信号。但由于一带一路的概念炒作加上年末降息，2014下半年建筑、钢铁、券商等传统板块大幅上涨导致大盘占优，这使得策略出现回撤。16年初市场下跌的大盘占优时期，由于房地产投资累计增速因子依然下行，因此再次给出了反向的小盘信号，导致了明显回撤。但在其余年份，此因子还是捕捉到了一些大小盘轮动趋势，具有一定的轮动能力。下面我们介绍轮动模型中的另一个重要侧面，拐点性预测指标的构建。与前面趋势性预测指标不同，这里我们是尝试去捕捉风格驱动因素处于特定情境下比如历史极端值时的反转倾向，这时风格表现往往达到拐点的概率较大。
从历史上看，当市场处于持续牛市或熊市时，风格往往会持续，呈现趋势性。但是在市场处于拐点，比如触底反弹时，风格往往发生变化，表现出一定的反转性。从逻辑上说，在市场触顶大跌时，大盘股票往往具有更强的防御和稳定性，从而跌的较少相对占优。而在市场触底反弹时，由于小盘股更为敏感，可能上涨更为快速，换个方式理解是市场可能倾向于反弹前期表现较弱的风格。现在的问题就是如何捕捉到这种市场的顶部或底部，或者说明如何捕捉到一些市场拐点期的机会。我们在报告《基于非线性性价比的股债轮动组合》中比较了多种计算股债相对性价比的指标，最终发现基于宽基指数股息率与长端国债到期收益率的指标对于捕捉股票市场大拐点具有较强预测力。我们定义股票和债券的相对性价比为两者各自潜在收益水平的差值，分别用DIV和Y代表万得全A指数股息率和10年国债到期收益率，定义基于股息率的股债性价比指标为:
我们计算了性价比指标DIV_Y在每个时点所处的滚动历史分位数水平Q。从下图可以看到，在历史上多次市场反弹大涨前，比如2015年12月、2019年1月和2020年3月，股债性价比指标都处于历史较高的位置。而多次市场大跌前，比如2007年底、2015年6月、2018年初等，股债性价比指标都处于历史较低的位置。
另外，从大小盘相对净值与性价比指标走势看。当性价比指标处于极端高位，即潜在的反弹期时，大小盘走势倾向于反转或震荡反复，表现出反转的特征。这一点我们下面会通过构建模拟组合进行验证。具体来说，在每月底我们计算当前股债性价比指标相对过去4年历史样本的分位点Q。若股票性价比极高，即Q大于90%则认为市场很可能反弹，这时要观察过去2个月是否大盘收益为负且小盘优于大盘，若是则认为会反弹前期表现更弱的大盘风格，否则一般情况下我们认为小盘风格更容易反弹；若股票性价比极低，即Q小于10%则认为市场很可能触顶大跌，持有相对防御性的大盘风格；其余情况等权持有大小盘风格。回测的时间范围是2013年底至2022年12月底。我们使用大小盘月度调仓等权组合作为比较基准。对于拐点型指标，我们主要关注每次发出拐点信号后的实际收益情况。从超额净值曲线看，大部分情况下因子不发出信号，但一旦有交易信号则超额净值总体呈稳健上行趋势，表现出较高的胜率和赔率。从具体年份看，2019年模型及时捕捉到了年初的市场反弹拐点，全年产生了12.81%的超额收益率。2022年模型在4月及时捕捉到市场反弹拐点，以及11月的大盘上行拐点，全年产生了8.31%的超额收益率。在其它如2015、2017、2018、2020等年份，此因子也都捕捉到一定程度的市场拐点，均带来正向超额收益。平均来看，市场拐点期因子大约带来年化4%的超额收益率。总体看我们通过股债性价比指标能够较准确的捕捉到一些市场拐点期的机会，对于大小盘轮动具有一定指导价值。3.2.2、风格关注度拐点期
“全则必缺，极则必反。”我们认为从市场对风格关注度的周期性变化中有可能找到风格拐点的一些规律。逻辑上说，市场可能在一个时段关注某一种风格，这背后可能有相应的事件或宏观背景的驱动。当风格转换后，随着信息的扩散，可能吸引市场参与者逐步向此风格靠近，此风格的热度从而有持续性。但如果这种风格关注度长期持续，那么在某个时点必然有投资者会思考一个问题即风格是否或什么时候要切换。我们用小盘和大盘指数的滚动90日相对换手率来表示市场对于风格的相对关注度。
为了便于比较，我们还滚动计算每个时点风格相对关注度在过去两年中的分位数水平。将其与小盘/大盘净值走势画在一起得到如下图表。可以看到，在几次大的风格拐点前，风格相对关注度指标都达到历史极端值的位置，特别是大盘向小盘转换时。比如2013年初小盘占优行情开始前，小盘相对大盘的换手率已经处于历史的极低位置，随后便开始了风格转向。再比如2015年初、2018年初以及最近的2021年初的小盘转向都可以从风格关注度指标中观察到。
可以看到，当小盘/大盘相对风格关注度处于历史极低位置时，市场风格往往即将向小盘转向。但是一个需要注意的问题是风格关注度可能会持续处于低位，而风格要等待一段时间才发生转换，如果我们过早的换仓，就会错过一部分风格收益。为了处理这种问题，我们可以运用15日的短期动量对风格转向进行确认。下面我们通过具体的模拟组合构建来展示指标的有效性。每日进行观察，若小盘相对风格关注度处于过去2年5%分位点以下/95%分位点以上，则观察小盘相对大盘的短期走势，若已经有转向小盘/大盘的迹象，则输出看好小盘/大盘的信号。其余情况不产生信号。
从下方图表可以看到，风格关注度拐点期因子的确捕捉到了多次大小盘转向的机会，配置组合的超额净值曲线呈现阶梯状上行的特征。从具体年份看，2015年此因子在年初及时捕捉到小盘占优拐点，全年带来10.97%的超额收益率。2019年捕捉到年初市场向大盘风格切换的行情，全年带来6.26%的超额收益率。2021年2月又及时捕捉到市场向小盘切换的时段，全年带来3.94%的超额收益率。当然，由于这种极端拐点的出现次数较少，测试时段的超额年化大约在1.63%左右。虽然超额绝对值不高，但对于最终模型还是会有一定的提升效应。
前面我们介绍了一些逻辑和实证上能够对大小盘轮动有一定预测能力的指标， 下面我们再介绍一种可能不适用于预测，但是对于风格变化具有极强解释力的指标。未来如果对于此指标本身的走势能够做出预判，那么也可以作为我们轮动模 型的一个潜在有效因子，至少目前可以作为我们监控的体系构成组建。
3.3.1、机构及外资持仓占比
从逻辑上说，相比于散户，大资金量的机构投资者的投资偏好更可能偏向于大盘。公募基金、保险等机构投资者资金量相对较大，如果大量持有小盘风格则需要维持庞大的股票数量，否则难以保证流动性。监管对公募基金持有单个公司的占比也有约束，例如《公开募集开放式证券投资基金流动性风险管理规定》说明了同一基金管理人管理的全部开放式基金持有一家上市公司发行的可流通股票，不得超过该上市公司可流通股票的15%；同一基金管理人管理的全部投资组合持有一家上市公司发行的可流通股票，不得超过该上市公司可流通股票的30%。从资源约束看，机构投资者有限的投研资源不可能随意分散到所有几千只股票上，相对关注大盘是合理的选择。
为了研究机构持仓对于A股风格的影响，我们从wind获取了所有机构投资者在各季度的持股总额。需要注意的是，Wind是根据各持股机构在各上市公司前十大流通股东披露中的数据进行统计的，实际是不完全统计，但用来观察趋势变动是可行的。我们将Wind定义的基金、陆股通、阳光私募、券商集合理财、保险公司、QFII、社保基金、券商、非金融类上市公司、银行、信托公司、企业年金、基金管理公司、财务公司这几类机构作为机构投资者的代表并计算季度持股总额。然后我们定义A股机构持仓占比为机构持仓总额与A股流通市值之比，得到如下图表。
可以看到，A股机构持仓占流通市值的比例与大小盘相对净值的走势呈现惊人的一致性。2008年之前机构占比持续上升，对应着大盘的总体占优。2008-2015年机构占比明显下降，对应着小盘总体占优。2016年起机构持仓占比再次出现上行趋势，特别是外资持续流入，再次推动大盘持续占优。2021年初开始机构持仓占比开始下降，特别是北向资金在美债利率上行背景下快速流出，之后至今小盘再次总体占优。
从历史看，机构持仓占比的变动趋势性较强，往往同一个趋势持续连续数年，A股机构化进程对于大盘是有利的。前面基于Wind统计的机构持仓数据频率较低，并且每一类机构投资者都不是完全统计。下面我们利用央行公布的境外机构和个人持股月度数据计算外资整体的持仓占比。从下图可以看到，外资持股占比变动与大小盘风格的整体变动趋势同样非常一致，2021年初后随着外资占比下降，小盘开始占优。改用北向持仓占比也能得到类似结论。但是，这类持仓数据往往难以及时获得历史也较短，因此暂时不作为预测模型的一部分，只作为一种有趣的现象供投资者参考。前面我们从趋势型和拐点型指标两个维度对大小盘可能的驱动因素进行了分析，并寻找逻辑和实证上对于轮动有潜在预测力的因子。为了循序渐进的展示趋势+拐点综合模型的构建过程，我们先展示仅使用趋势型指标构建模型的历史表现。
我们通过结构化的方式对各因子信号进行加总。下图给出了因子结构示例。即每个层级的单个因子独立发出看多（1）、看空（-1）或看平（0）的信号，然后直接将信号求和，若和大于0则做多小盘风格，小于0则做多大盘风格，否则均衡配置大小盘风格。然后按照同样的方式将每个层级的信号向上加总得到最终信号。下方给出了一组信号生成过程的示例，两个流动性因子发出大盘信号，动量发出大盘信号，而经济增长给出小盘信号，最终合并信号为看多大盘。
我们回测的时间范围是2013年底至2022年12月底，月度调仓，并使用大小盘指数月度调仓等权组合作为基准。从下方图表看，仅使用趋势型指标构建大小盘轮动模型能够实现16.53%的年化收益率，超额净值年化收益率达到10.15%，而超额净值回撤为13.78%。从分年收益看，2015和2016年略微跑输基准，其余年份均跑赢。总体来看，趋势型因子模型具有大小盘轮动能力，但效果没有特别突出。这里我们给出综合趋势型和拐点型信号的综合大小盘轮动模型。最终我们的趋势型预测指标选择流动性、动量和经济增长三类，拐点型预测指标选择市场拐点期和风格关注度拐点期两类。
我们同样通过结构化的方式对各因子信号进行加总。下图给出了因子结构示例。即每个层级的单个因子独立发出看多（1）、看空（-1）或看平（0）的信号，然后直接将信号求和，若和大于0则做多小盘风格，小于0则做多大盘风格，否则均衡配置大小盘风格。然后按照同样的方式将每个层级的信号向上加总得到最终信号。其中市场拐点期由于是胜率赔率较高的极端信号，我们给其较高的2倍权重。下方给出了一组信号生成过程的示例，两个流动性因子发出大盘信号，动量发出大盘信号，而经济增长给出小盘信号，市场拐点期和风格关注度拐点暂无信号，最终合并信号为看多大盘。
我们回测的时间范围是2013年底至2022年12月底，月度调仓，并使用大小盘指数月度调仓等权组合作为基准。从下方图表看，综合大小盘轮动模型能够实现19.15%的年化收益率，超额净值年化收益率达到12.65%，而超额净值回撤仅有10.61%。从分年收益看，2014年以来只有2016年略微跑输基准，其余年份均大幅跑赢。可以看到，加上拐点型指标后模型表现有了显著提高。
前面我们利用模型的月末信号构建了月度调仓的大小盘轮动组合，从回测结果看表现比较优异，但由于月度信号频率较低，每年只有12次信号，历史样本较少，过拟合的风险其实是比较大的。另外，我们的信号生成因子其实大多较为高频，比如利率类信号是每日都更新的。因此可能出现的一种情况是月中信号发生变化，这时按照月初信号的话就无法捕捉到了。为了验证我们轮动模型的有效和稳健性，我们提高信号频率，测试模型在日度调仓条件下的表现。从逻辑上说，如果改变调仓频率没有显著影响回测表现，甚至效果有提升，那么模型过拟合的概率就低得多了。
我们回测的时间范围还是2013年底至2022年12月底，每日观察信号并调仓，依然使用大小盘指数等权组合作为基准。从下方图表看，不定期调仓的综合大小盘轮动模型能够实现24.03%的年化收益率，超额净值年化收益率达到17.44%，显著高于月度调仓组合。并且，从超额净值回撤看，不定期组合的回撤还降低到了6.22%，超额净值的收益风险比上升到了2.24。
本文提出了风格关注度拐点期的概念，从前面的分析看，它确实能够捕捉到一些明显的大小盘轮动的拐点，并产生一定的超额收益。但是前面展示的是单因子自身的表现，下面我们来看此拐点因子的加入与否对于整体模型的影响，是否对整体模型是一个有效的补充。
从下方图表看，加入风格关注度拐点可以将组合年化收益率从22.49%提升到24.03%，超额年化收益率从16%提升到17.44%。同时超额净值的最大回撤进一步从7.48%降低到6.22%。
从分年收益看，2015年和2019年拐点因子都提供了显著的轮动增量信息，分别在当年增加了8.23%和9.72%的收益率。不过，虽然此因子本身在2021年判断出了拐点并产生了超额收益，但由于其余因子也捕捉到了2021年初的风格拐点，因此风格关注度拐点因子没有进一步提升模型整体的超额。从逻辑上说，如果我们能够找到其它的风格拐点判断的指标，可以方便的纳入模型，进一步提升表现。
风格一般是指一类股票所具有的共同特征，而该特征驱动此类股票的收益率保持一定的相关性。市值风格是市场经常关注和讨论的一种风格特征。它的定义相对简单直接，基本就是根据股票总市值的大小来判断其市值风格的暴露情况。一般来说我们往往认为大市值股票具有相对抗风险能力强、发展阶段成熟等特征，小市值股票往往具有高beta、处于发展前期、易被游资炒作等特征。通过比较，我们发现目前主流的大小盘代表指数历史表现十分接近，本文用历史较长的申万大小盘指数作为研究对象。在以往研究的基础上，我们努力在百尺竿头更进一步。本篇报告我们构建了全新的大小盘轮动模型，率先提出从趋势和拐点两个维度出发寻找逻辑和实证上对于大小盘轮动有预测力的因子。其中拐点维度我们找到了市场拐点期和风格关注度拐点期两种因子，然后结合趋势型指标一同构建结构化加总的模型。趋势拐点框架具有可拓展的特性，只要我们能够找到独立的比如拐点判断的因子，都可以加入模型去提升表现。从回测表现看，我们的不定期轮动模型能够实现24.03%的年化收益率，相对等权基准的年化超额达到17.44%，超额回撤仅有6.22%，月度超额胜率超过68%，年度超额胜率100%。
风险提示：模型结果基于历史数据的测算，在市场环境转变时模型存在失效的风险。注：文中报告节选自兴业证券经济与金融研究院已公开发布研究报告，具体报告内容及相关风险提示等详见完整版报告。
证券研究报告：《风格轮动系列八：基于拐点+趋势大小盘轮动研究》。报告发布机构：兴业证券股份有限公司（已获中国证监会许可的证券投资咨询业务资格）----------------------------------------------------------------------------更多量化最新资讯和研究成果，欢迎关注我们的微信公众平台（微信号：XYQuantResearch）！
本篇文章来源于微信公众号: XYQuantResearch
