• 指数样本筛选流程 [page::1][page::2]：

- 截止2022年9月2日，市场上被动指数型基金产品数量1214只，跟踪指数241个。
- 结合流动性筛选，最终确定630只基金对应的235个指数作为样本。
- 通过层次聚类（最大距离自下而上法）对235个指数收益序列进行分组，形成11个类。
- 从每类中选取成交额最大的指数作为代表性指数，确保类间独立性和代表性。

• 聚类结果及指数相关性分析 [page::3]

- 类内指数相关性高，类间相关性低，聚类有效地识别了相似指数群，便于指数轮动策略的实施。
- 11类代表性指数覆盖多样风格和板块，适合作为风格轮动模型的标的池。

• 价值成长风格轮动模型构建与回测 [page::4][page::5]

- 回测基于每月监测11个代表性指数，排除表现较差的后50%指数。
- 依据模型指示风格信号，分别构建价值（低市盈率25%）、成长（高市盈率25%）、均衡（全部）组合。
- 风格轮动组合累计收益和风险调整指标（如夏普比率、Calmar 比率）均优于单一风格及等权组合。
- 最大回撤虽略高于价值组合，但综合波动率适中，表现稳健。

• 量化策略核心思想与应用场景 [page::0][page::1][page::4]

- 利用价值与成长之间的中观风格切换策略，实现指数之间的轮动。
- 通过层次聚类降低指数池的冗余与相关性，提高轮动策略的有效性。
- 该方法能够显著提升指数化投资的收益和风险调整水平，适合被动及半主动基金策略应用。

• 风险提示 [page::0][page::7]

- 本策略基于历史数据构建，存在模型设定偏差及未来不确定性。
- 投资者需注意市场风险，审慎使用本策略。

如何将价值成长风格轮动用于指数化投资？——深度分析报告

---

一、元数据与概览

本报告标题为《如何将价值成长风格轮动用于指数化投资？》，由余景辉分析师撰写，发布机构为华宝证券研究创新部，发布时间为2022年第13期（具体日期未详，但参考文中时间为2022年9月左右），主要围绕“价值成长风格轮动模型在指数化投资中的应用”展开系统研究。报告聚焦于以风格投资为核心的中观策略，特别是在当下市场风格切换的大背景下，探索如何利用价值成长风格轮动模型指导指数基金的投资与轮动。

报告的核心论点是：

1. 风格择时在当前行情中比资产择时更为关键。

2. 传统使用的价值成长风格轮动模型是否具有普适性，能否迁移应用到更多指数上。

1. 通过科学筛选代表性指数，构建指数池，再基于风格轮动模型进行策略回测，结果表明指数轮动组合明显优于基准组合。

该报告创新点在于结合层次聚类法甄选代表性指数池，以降低指数间高度相关性的影响，提升轮动策略的有效性和实用性。整体立场积极，认为价值成长风格轮动在指数化投资中具备可行性和优越性。报告后续将进一步探究大盘中盘小盘等更多中观风格轮动策略。[page::0,1,5]

---

二、逐节深度解读

2.1 引言与背景

报告首先回顾了此前(2022年第2期量化视点)对价值成长风格轮动策略的构建与监测，发现2022年中市场风格经历了明确且可识别的轮动过程：从年初的价值风格占优，5月转向均衡，随后转为成长风格，9月再回归价值。由此验证了模型历史上的可行性。

随后提出核心难题：市场上指数种类繁多，且相关性较高，直接以全市场指数构建轮动组合不现实，也难实现有效风格配置。故本报告围绕“如何科学挑选代表性指数”及“如何基于价值成长风格实现指数轮动”展开。[page::1]

2.2 代表性指数筛选方法

本节重点阐述了指数筛选流程：

• 首先汇总了市场所有指数对应的被动指数型基金产品，截止2022年9月，总数为1214只基金，跟踪241个指数。

- 从流动性角度筛选，坚持“场外基金规模≥2亿元”和“ETF前三个月日均成交额≥500万”的标准，筛选后剩余630只基金，覆盖235个指数。

• 对这235个指数的收益率序列，依据最大距离的自下而上的层次聚类法进行聚类分析。所用方法优点包括不需预设聚类数目，规避K-means对初始值敏感的问题。

- 聚类目标是：类内指数相关性高，类间指数相关性低。最终划分得到11类，每类选取成交量最大的指数作为该类代表。

该方法有效避免指数池的高度重叠问题，提升轮动策略的区分度和实操简便性。[page::1,2]

2.3 聚类结果与相关性分析

• 图1（如何挑选代表性指数）清晰展示了从1214只被动产品选出235个指数，再层次聚类得到11个类，最终选11个代表指数的流程。

- 图2（指数收益率相关性矩阵）显示11类指数内部相关性强（绿块区域），类间相关性弱（黄到橙红色），验证聚类的有效性。该图从视觉上证明了分类的合理性，辅助选择代表性指数降低策略组合冗余度。

• 表1 & 表2（未详尽给出具体内容）据说明分别展示了聚类后的具体指数分类及代表性指数名单及流动性指标。

整体来看，通过科学筛选和聚类，报告成功构建了一个包含11只代表性指数的投资池，适合后续风格轮动模型的回测和实践应用。[page::2,3,4]

2.4 价值成长轮动模型回测

• 以筛选出的11只代表性指数为标的，设计基于价值成长风格轮动的指数化策略。

- 策略规则包括：排除业绩处于后50分位的指数，依价值成长风格模型信号选取市盈率处于前25%（成长风格）、后25%（价值风格）或者全部指数（均衡风格）构建组合，并按月调整持仓。该策略确保风格信号逻辑与指数成分风格匹配。

• 与此同时，报告构建了价值风格组合、成长风格组合、等权组合作为基准，进行对比分析。

2.5 回测结果及绩效解读

• 图3：回测以来，风格轮动组合累计收益显著高于其他三种基准组合。尤其是在2019年后表现差异更为明显，显示风格择时带来的超额收益。

- 风格轮动组合的最大回撤略高于价值组合，但低于成长和等权组合，表明其具备较好风险控制能力。

• 波动率指标介于价值和成长组合之间，暗示其风险收益特征较为均衡。

- Calmar比率（收益/最大回撤）和夏普比率均显著优于基准，显示调整风险后的收益更优。

该结果证明了基于层次聚类筛选的代表性指数池配合风格轮动模型在指数化投资中的实用价值和策略优越性。[page::4,5]

2.6 报告总结与后续展望

总结指出：

• 代表性指数筛选——层次聚类降低指数相关性，构建指数池科学合理。

- 价值成长风格轮动模型在此指数池基础上的组合回测表现优异且稳健。

• 说明价值成长中观风格视角下的指数轮动投资是具备实操价值的。

- 后续将以此为核心，进一步探索其它风格维度如大小盘轮动的指数化模型。

该总结紧密呼应全文，突出本报告的创新与贡献，具备很强的逻辑连贯性和实务指导意义。[page::5]

---

三、图表深度解读

图1：如何挑选代表性指数

• 该流程图生动形象地阐释了从市场被动基金产品筛选至最终代表指数的流程。

- 反映出报告在标的选择方面的严密筛选标准（规模及流动性），层次聚类方法的科学应用，明确了指数池构建的环节和逻辑。

• 支撑了报告关于指数样本构建的严谨过程，有效缓解指数重叠难题。[page::2]

图2：聚类排序后的指数收益率相关性分析

• 该热力图用颜色深浅表现指数收益率相关性的强弱，聚类后的排序使同类指数高相关显著，类间相关性较低。

- 绿色深色块代表相关性极高，橙红色代表相关性弱，展示了层次聚类技术在区分指数之间关联度的效果。

• 这是对层次聚类有效性的直观验证，增强了筛选代表指数合理性的说服力。[page::3]

图3：价值成长风格模型历史回测

• 线图展示2015年至2021年价值成长轮动组合与价值、成长、等权基准组合的累计收益动态走势。

- 轮动组合（蓝线）总体表现最好，尤其在后期走势突出，成长组合（灰线）次之，价值与等权组合表现相对逊色。

• 该图明确提示风格轮动策略带来了持续且显著的超额收益，同时结合后文的波动率和回撤数据，显示该策略风险调整表现优越。

- 图表充分佐证文本结论，呈现历史验证的强劲效果。[page::5]

---

四、估值分析

本报告核心在策略构建与回测，未涉及传统的公司估值分析方法，因此未呈现现金流折现（DCF）、市盈率估值或市净率估值等方式。重点是风格轮动模型和指数筛选的量化应用，面向量化策略的投资组合构建和绩效检验。

---

五、风险因素评估

报告明确提出风险提示：

• 量化策略基于历史数据，具有模型设定偏差风险，即历史规律未必完全适应未来。

- 风格轮动模型的有效性依赖于市场风格切换的持续性和可预测性，若未来风格切换幅度减弱或动力机制改变，则策略有效性可能受损。

• 指数筛选标准和聚类方法虽科学，但仍可能遗漏流动性变动、市场结构调整导致的样本代表性不足问题。

- 报告无详细描述缓解策略，投资者需谨慎对待量化信号，结合宏观大势与风险管理。

这显示出报告对分析局限性的意识并提示投资者审慎判断。[page::0,7]

---

六、批判性视角与细微差别

• 报告整体逻辑严密，层次聚类筛选指数样本与风格轮动模型的设计方法科学严谨，回测数据充分支持结论。

- 然而，报告对模型中市盈率区分价值与成长风格时的阈值选择说明相对简略，未详细阐述为何取25%作为切割点，可能带来风格分类的敏感性偏差。

• 风险提示较为简要，未深入探讨极端市场情形下风格轮动的可能失效情况，风险管理层面略显不足。

- 回测时间区间主要覆盖中国近7年，未来市场结构变化、监管政策、宏观经济波动等均可能导致模型未来表现出现偏差。

• 报告未讨论交易成本、换仓频率对实际收益的影响，量化策略在真实市场落实时需考虑现实摩擦因素。

- 未涉及风格轮动模型的预测准确率及信号稳定性等关键指标，若信号噪声较大，可能降低实操收益。

这些点提示投资者在接纳报告结论时应保持审慎，结合自身风险偏好和实际条件灵活应用。[page::0-5]

---

七、结论性综合

综上，华宝证券余景辉分析师的《如何将价值成长风格轮动用于指数化投资？》报告系统探讨了中观风格视角下指数化投资的应用路径，创新性地利用层次聚类法筛选具有代表性且低相关的指数池，有效解决了指数过多、相关性过高的问题。基于该指数池，运用价值成长风格轮动模型实施动态轮动策略，经过历史数据回测，收益显著优于价值、成长及等权基准组合，且风险调整后指标（Calmar比率、夏普比率）表现突出，显示该策略兼顾了收益性与风险控制。

主要贡献点包括：

• 细致梳理了指数筛选标准与聚类方法，有效减少了指数池的冗余与相关性。

- 结合市盈率为核心的风格划分，确保投资策略与风格信号和指数特性高度一致。

• 利用多维度绩效指标（收益率、回撤、波动率及Calmar、夏普比率）加以全面评价，结果显示策略稳健且具实战价值。

- 以图1、图2、图3等关键图表直观揭示了指数筛选、相关性聚类验证及回测表现，图文融合清晰有力，提升报告说服力。

同时，报告也诚实指出了基于历史数据的模型偏差风险，提醒投资者审慎应用。后续将继续挖掘更多维度的中观风格轮动策略，推动指数化投资的多样化与智能化。

总体而言，本报告为投资者提供了一个科学且切实可行的价值成长风格轮动指数化投资框架，具有较强的理论深度与实务指导价值，值得专业机构及有经验投资者关注参考。[page::0-5]

---

主要引用页标注

• [page::0,1,2,3,4,5,7]

---

（图片示例如下）

图1：如何挑选代表性指数



图2：聚类排序后的指数收益率相关性分析



图3：价值成长风格模型历史回测

报告