【华泰金工林晓明团队】春节效应持续，北向资金影响风格 ——每周观点 20190127

摘要
北向资金成交占比逐渐提高，大概率影响A股未来风格
统计A股2016年开始北向资金（沪股通和深股通）占A股成交额的比例，可以发现最近两年增长明显，最高时接近13%，2019年以来，成交占比平均为7.1%。随着成交占比的逐渐提高，北向资金对A股的影响也会越来越大，大概率会影响A股风格。而根据华泰周期模型对A股风格的判断，市值因子去趋势后的走势与库兹涅茨周期明显负相关，A股未来大概率长期呈现出价值风格，两方互相映照，我们建议配置资金更要以价值风格为主。

春节效应期间，价值风格在年前表现更好，成长风格在年后表现更好
对春节效应期间，节前和节后的涨跌幅分别统计。从春节效应期间指数节前节后平均涨跌幅来看，上证50、中证100、沪深300节前涨跌幅要高于节后涨跌幅，中证500、中证1000、中小板指、创业板指节后涨跌幅明显高于节前涨跌幅。猜想这可能是由于春节之前投资者的策略更倾向于保守，假期过后投资者策略更为积极的原因。从行业层面来看，节后效应更为显著。值得注意的是，银行行业在过去10年中只有3年节后涨跌幅大于节前涨跌幅，银行的春节效应主要集中在年前。因此大市值指数和金融类行业节前效应更强，小市值指数和其余大部分行业节后效应更强。

华泰大类资产周期进取策略近期表现回顾
华泰金工基于市场统一周期理论，提出了大类资产定价模型，在回测中取得了良好的业绩表现。我们将该资产配置策略应用于全球大类资产，精选优质可投资标的，根据周期轮动规律配置中国和海外的股指、债券和商品类资产，逐月调仓，构建“华泰大类资产周期进取策略”。该策略指数在Wind与Bloomberg 金融终端同步更新（Wind 代码 CI001801.WI， Bloomberg 代码 WI001801）。策略指数本周上涨 0.21%，最近 3 个月收益 2.71%，最近一年收益 6.37%。

周期视角下的行业配置模型目前持有周期上游板块
周期视角下的行业配置模型依托华泰金工周期研究相关方法，从定性和定量两个角度研究了金融经济体三大驱动周期对行业轮动的影响，得到了库兹涅茨周期、朱格拉周期、基钦周期三个不同视角下的行业投资时钟，并构建了纯定量的行业配置模型。截止到目前，模型在样本外（2018 年 1 月 1 日至 19 年 1 月 25 日）累计收益-23.77%，小幅跑赢等权基准（-28.52%）。最新一次调仓发生在2018年底，从周期下游切换到周期上游，对应一级行业为采掘、有色金属。

风险提示：模型根据历史规律总结，历史规律可能失效。金融周期规律被打破。市场出现超预期波动，导致拥挤交易。

北向资金成交占比逐渐提高，大概率影响 A 股未来风格

统计A股2016年开始北向资金（沪股通和深股通）占A股成交额的比例，可以发现最近两年增长明显，最高时接近13%，2019年以来，成交占比平均为7.1%。随着成交占比的逐渐提高，北向资金对A股的影响也会越来越大，大概率会影响 A 股风格。而根据华泰周期模型对 A 股风格的判断，市值因子去趋势后的走势与库兹涅茨周期明显负相关，A 股未来大概率长期呈现出价值风格，两方互相映照，我们建议配置资金更要以价值风格为主。

春节效应期间，价值风格在年前表现更好，成长风格在年后表现更好

在前期周报《A股存在显著的“春节效应”》中，我们发现从农历腊月十八至正月十八主要指数历年平均收益显著为正，我们将其称之为春节效应，统计2009年以来历次春节效应期间A股主要指数的涨跌幅，结果显示：除了13年、16年以及18年初的单边下行行情中，部分指数表现较差之外，其他情况下，各个指数都呈现出普涨行情；相较而言，以中证500、中证1000为代表的小盘指数表现更好，每一次春节效应期间都录得正收益。

上次周报中我们发现节前节后风格存在一定的差异。从春节效应期间指数节前节后平均涨跌幅来看，上证50、中证100、沪深300节前涨跌幅要高于节后涨跌幅，中证500、中证1000、中小板指、创业板指节后涨跌幅明显高于节前涨跌幅。这可能是由于春节之前投资者的策略更倾向于保守，春节假期期间海外市场继续交易，保守持仓更能抵御春节期间不可控的海外风险，假期过后投资者策略更为积极，倾向于将仓位向弹性更大的中小创转移。

从行业层面来看，节后效应更为显著，2009年、2010年、2011年、2012年、2014年、 2018年大部分行业都有明显的节后效应，节后涨跌幅要明显大于节前涨跌幅。显著的节前效应主要在 2013 年、2015 年和 2016 年。值得注意的是，银行行业在过去 10 年中只有3年节后涨跌幅大于节前涨跌幅，且银行的春节效应主要集中在年前。银行是主要的防守类行业，这与我们之前的分析一致，节前投资者的持仓风格更为保守，节后更为积极。

将以及行业合并为周期上游、中游、下游、金融、消费、成长六个主要板块，除金融外，其余板块的节后效应都要强于节前效应。成长板块的节后效应最强。从指数、行业、板块三个视角来看，可以观察到投资者在年前往往相比年后更为保守，大市值指数和金融类行业节前效应更强，小市值指数和其余大部分行业节后效应更强。中小创等成长股往往在节后表现更好。

华泰金工模型跟踪
华泰大类资产周期进取策略近期表现回顾
华泰金工周期系列之《周期三因子定价与资产配置模型》仿照 FAMA 三因子模型，基于市场统一周期理论，提出了大类资产定价模型。根据定价模型外推预测的资产表现排序结果构建了资产配置策略，在回测中取得了良好的业绩表现。我们将该资产配置策略应用于全球大类资产，精选优质可投资标的，根据周期轮动规律配置中国和海外的股指、债券和商品类资产，逐月调仓，构建“华泰大类资产周期进取策略”。该策略指数在Wind与Bloomberg金融终端同步更新(Wind代码CI001801.WI，Bloomberg代码WI001801)，我们在月报中跟踪该策略的表现，供投资者参考。

大类资产周期进取策略以沪深300指数、标普500指数、欧洲斯托克50指数、恒生指数、日经225指数、iShares MSCI 新兴市场指数 ETF、中国10年期国债期货、美国10年期国债期货、英国10年期国债期货、德国10年期国债期货、日本10年期国债期货、彭博商品指数为投资标的，各标的指数代码及货币单位如下表所示。

策略从2010年5月开始回测，回测至今取得优异的表现。无论从收益指标还是收益风险比率都超越各大类资产。截至2019年1月24日，策略的收益表现如下图表所示。

周期视角下的行业配置模型目前持有周期下游板块
华泰金工行业轮动系列报告《周期视角下的行业轮动实证分析》依托华泰金工周期研究相关方法，从定性和定量两个角度研究了金融经济体三大驱动周期对行业轮动的影响，得到了库兹涅茨周期、朱格拉周期、基钦周期三个不同视角下的行业投资时钟，并基于如下逻辑构建了纯定量的行业配置模型：
1.基于K-means算法将申万一级行业聚类成周期上、中、下游，大金融，消费与成长六大板块，板块内采用等权方式合成板块指数。
2.基于傅里叶变换与MUSIC算法等定量实证结果表明，六大板块在21个月、42个月、 100个月附近具备共同的驱动周期。
3.在每月末，采用过去50个月窗口期内的共同驱动周期对六大板块对数同比序列进行回归定价，并预测下个月的同比变化值，配置最看多的一个板块。

模型样本内回测（2005年3月至2017年12月）以及样本外（2018年至今）跟踪的表现如下，其中对照基准为六大板块等权。截止到目前（19 年 1 月 25 日），模型在样本外累计收益-23.77%，小幅跑赢等权基准（-28.52%）。最新一次调仓发生在2018年底，从周期下游切换到周期上游，对应一级行业为采掘、有色金属。

上周市场表现回顾
上周大市值指数涨幅较好，小市值指数下跌
上周以上证50、中证100、沪深300为代表的大市值指数表现较好，分别上涨1.00%、0.75%、0.51%。中证500、中证1000、创业板指出现下跌，分别下跌0.68%、0.40%、0.32%。这与我们之前观察到的春节效应中节前大市值指数涨幅更好一致。

行业层面，银行、电子、汽车领涨，综合、钢铁、有色等领跌
上周涨幅最高的5个行业分别为：银行（2.17%）、电子元器件（1.78%）、汽车（1.44%）、轻工制造（1.34%）、家电（1.17%），跌幅最大的五个行业为综合（-2.57%）、钢铁（-2.27%）、有色金属（-2.23%）、餐饮旅游（-2.06%）、煤炭（-1.97%）。将一级行业聚类成周期上、中、下游，大金融，消费与成长六大板块，板块内采用等权方式合成板块指数。本周周期上游下跌1.51%、周期中游下跌0.90%、周期下游上涨 0.09%、大金融上涨0.77%、消费板块下跌0.26%、成长板块下跌0.03%。

风险提示：模型根据历史规律总结，历史规律可能失效。金融周期规律被打破。市场出现超预期波动，导致拥挤交易。
免责申明
本公众平台不是华泰证券研究所官方订阅平台。相关观点或信息请以华泰证券官方公众平台为准。根据《证券期货投资者适当性管理办法》的相关要求，本公众号内容仅面向华泰证券客户中的专业投资者，请勿对本公众号内容进行任何形式的转发。若您并非华泰证券客户中的专业投资者，请取消关注本公众号，不再订阅、接收或使用本公众号中的内容。因本公众号难以设置访问权限，若给您造成不便，烦请谅解！本公众号旨在沟通研究信息，交流研究经验，华泰证券不因任何订阅本公众号的行为而将订阅者视为华泰证券的客户。

本公众号研究报告有关内容摘编自已经发布的研究报告的，若因对报告的摘编而产生歧义，应以报告发布当日的完整内容为准。如需了解详细内容，请具体参见华泰证券所发布的完整版报告。

本公众号内容基于作者认为可靠的、已公开的信息编制，但作者对该等信息的准确性及完整性不作任何保证，也不对证券价格的涨跌或市场走势作确定性判断。本公众号所载的意见、评估及预测仅反映发布当日的观点和判断。在不同时期，华泰证券可能会发出与本公众号所载意见、评估及预测不一致的研究报告。

在任何情况下，本公众号中的信息或所表述的意见均不构成对客户私人投资建议。订阅人不应单独依靠本订阅号中的信息而取代自身独立的判断，应自主做出投资决策并自行承担投资风险。普通投资者若使用本资料，有可能会因缺乏解读服务而对内容产生理解上的歧义，进而造成投资损失。对依据或者使用本公众号内容所造成的一切后果，华泰证券及作者均不承担任何法律责任。

本公众号版权仅为华泰证券股份有限公司所有，未经公司书面许可，任何机构或个人不得以翻版、复制、发表、引用或再次分发他人等任何形式侵犯本公众号发布的所有内容的版权。如因侵权行为给华泰证券造成任何直接或间接的损失，华泰证券保留追究一切法律责任的权利。本公司具有中国证监会核准的“证券投资咨询”业务资格，经营许可证编号为：91320000704041011J。

林晓明
执业证书编号：S0570516010001

华泰金工深度报告一览
金融周期系列研究（资产配置）

【华泰金工林晓明团队】周期轮动下的BL资产配置策略
【华泰金工林晓明团队】周期理论与机器学习资产收益预测——华泰金工市场周期与资产配置研究
【华泰金工林晓明团队】市场拐点的判断方法

【华泰金工林晓明团队】2018中国与全球市场的机会、风险 · 年度策略报告（上）
【华泰金工林晓明团队】基钦周期的量化测度与历史规律 · 华泰金工周期系列研究
【华泰金工林晓明团队】周期三因子定价与资产配置模型（四）——华泰金工周期系列研究

【华泰金工林晓明团队】周期三因子定价与资产配置模型（三）——华泰金工周期系列研究

【华泰金工林晓明团队】周期三因子定价与资产配置模型（二）——华泰金工周期系列研究

【华泰金工林晓明团队】周期三因子定价与资产配置模型（一）——华泰金工周期系列研究

【华泰金工林晓明团队】华泰金工周期研究系列 · 基于DDM模型的板块轮动探索

【华泰金工林晓明团队】市场周期的量化分解

【华泰金工林晓明团队】周期研究对大类资产的预测观点

【华泰金工林晓明团队】金融经济系统周期的确定（下）——华泰金工周期系列研究

【华泰金工林晓明团队】金融经济系统周期的确定（上）——华泰金工周期系列研究

【华泰金工林晓明团队】全球多市场择时配置初探——华泰周期择时研究系列

行业指数频谱分析及配置模型：市场的周期分析系列之三

【华泰金工林晓明团队】市场的频率——市场轮回，周期重生

【华泰金工林晓明团队】市场的轮回——金融市场周期与经济周期关系初探

FOF与金融创新产品
【华泰金工】生命周期基金Glide Path开发实例——华泰FOF与金融创新产品系列研究报告之一

因子周期（因子择时）

【华泰金工林晓明团队】周期视角下的因子投资时钟--华泰因子周期研究系列之二
【华泰金工林晓明团队】因子收益率的周期性研究初探

择时
【华泰金工林晓明团队】华泰风险收益一致性择时模型
【华泰金工林晓明团队】技术指标与周期量价择时模型的结合
【华泰金工林晓明团队】华泰价量择时模型——市场周期在择时领域的应用

行业轮动
【华泰金工林晓明团队】估值因子在行业配置中的应用——华泰行业轮动系列报告之五
【华泰金工林晓明团队】动量增强因子在行业配置中的应用--华泰行业轮动系列报告之四
【华泰金工林晓明团队】财务质量因子在行业配置中的应用--华泰行业轮动系列报告之三

【华泰金工林晓明团队】周期视角下的行业轮动实证分析·华泰行业轮动系列之二
【华泰金工林晓明团队】基于通用回归模型的行业轮动策略 · 华泰行业轮动系列之一

多因子选股
【华泰金工林晓明团队】华泰单因子测试之一致预期因子 ——华泰多因子系列之九
【华泰金工林晓明团队】华泰单因子测试之财务质量因子——华泰多因子系列之八

【华泰金工林晓明团队】华泰单因子测试之资金流向因子——华泰多因子系列之七
【华泰金工林晓明团队】华泰单因子测试之波动率类因子——华泰多因子系列之六

【华泰金工林晓明团队】华泰单因子测试之换手率类因子——华泰多因子系列之五
【华泰金工林晓明团队】华泰单因子测试之动量类因子——华泰多因子系列之四
【华泰金工林晓明团队】华泰单因子测试之成长类因子——华泰多因子系列之三
【华泰金工林晓明团队】华泰单因子测试之估值类因子——华泰多因子系列之二

【华泰金工林晓明团队】华泰多因子模型体系初探——华泰多因子系列之一
【华泰金工林晓明团队】五因子模型A股实证研究
【华泰金工林晓明团队】红利因子的有效性研究——华泰红利指数与红利因子系列研究报告之二

人工智能
【华泰金工林晓明团队】对抗过拟合：从时序交叉验证谈起
【华泰金工林晓明团队】人工智能选股之损失函数的改进——华泰人工智能系列之十三

【华泰金工林晓明团队】人工智能选股之特征选择——华泰人工智能系列之十二
【华泰金工林晓明团队】人工智能选股之Stacking集成学习——华泰人工智能系列之十一

【华泰金工林晓明团队】宏观周期指标应用于随机森林选股——华泰人工智能系列之十
【华泰金工林晓明团队】人工智能选股之循环神经网络——华泰人工智能系列之九

【华泰金工林晓明团队】人工智能选股之全连接神经网络——华泰人工智能系列之八
【华泰金工林晓明团队】人工智能选股之Python实战——华泰人工智能系列之七

【华泰金工林晓明团队】人工智能选股之Boosting模型——华泰人工智能系列之六

【华泰金工林晓明团队】人工智能选股之随机森林模型——华泰人工智能系列之五
【华泰金工林晓明团队】人工智能选股之朴素贝叶斯模型——华泰人工智能系列之四
【华泰金工林晓明团队】人工智能选股之支持向量机模型— —华泰人工智能系列之三

【华泰金工林晓明团队】人工智能选股之广义线性模型——华泰人工智能系列之二

指数增强基金分析
【华泰金工林晓明团队】再探回归法测算基金持股仓位——华泰基金仓位分析专题报告
【华泰金工林晓明团队】酌古御今：指数增强基金收益分析
【华泰金工林晓明团队】基于回归法的基金持股仓位测算
【华泰金工林晓明团队】指数增强方法汇总及实例——量化多因子指数增强策略实证

基本面选股
【华泰金工林晓明团队】华泰价值选股之相对市盈率港股模型——相对市盈率港股通模型实证研究
【华泰金工林晓明团队】华泰价值选股之FFScore模型
【华泰金工林晓明团队】相对市盈率选股模型A股市场实证研究

【华泰金工林晓明团队】华泰价值选股之现金流因子研究——现金流因子选股策略实证研究
【华泰金工林晓明团队】华泰基本面选股之低市收率模型——小费雪选股法 A 股实证研究
【华泰金工林晓明团队】华泰基本面选股之高股息率模型之奥轩尼斯选股法A股实证研究

基金定投
【华泰金工林晓明团队】大成旗下基金2018定投策略研究
【华泰金工林晓明团队】布林带与股息率择时定投模型——基金定投系列专题研究报告之四
【华泰金工林晓明团队】基金定投3—马科维茨有效性检验

【华泰金工林晓明团队】基金定投2—投资标的与时机的选择方法

【华泰金工林晓明团队】基金定投1—分析方法与理论基础

Smartbeta
【华泰金工林晓明团队】Smartbeta在资产配置中的优势——华泰金工Smartbeta专题研究之一

其它
【华泰金工林晓明团队】A股市场及行业的农历月份效应——月份效应之二
A股市场及行业的月份效应——详解历史数据中的隐藏法则