【华泰金工林晓明团队】“国庆效应”开启，主要股指普涨——华泰金工林晓明团队每周观点20191013

摘要

本次国庆前后市场表现符合历史规律，上周主要股指普涨，金融板块领涨
我们统计了过去十年国庆假期前后主要股指的表现，结果表明A股市场存在显著的国庆效应：一般而言，国庆节前股市表现平淡，下跌概率较大，但节后走势相对亮眼，市场表现较好，而且以金融为代表的大盘指数风格占优。回顾本次国庆节前后市场的表现：自9月中旬开始，市场陷入持续调整，而节后四个交易日里，主要股指全面普涨，其中，上证50涨幅最高，累计收益为2.95%，中小板指涨幅最低，也录得1.77%的收益；板块层面，大金融领涨，周涨幅4%。无论是市场的整体表现，还是领涨风格，都与历史统计规律类似，“国庆效应”再次应验。

从PMI和利率走势来看，国内基本面相比于海外市场企稳预期更强
分别以中国、美国作为新兴市场和发达市场的代表，以制造业PMI和长端利率代表基本面走势，结果表明国内基本面企稳预期更强：1、从PMI来看，今年以来国内景气度水平始终在枯荣线附近徘徊，近5个月呈逐步上升走势，而美国PMI自3月高点55.3一路下滑至最新值47.8；2、中国的十年国债利率自18年初开始震荡下行，最新值与年初基本持平，距离16年初的低点仍有一定距离，而美国的十年国债利率从19年4季度开始迅速下行，最新值均已经接近16年初的低点。虽然目前全球基本面离拐头上行还有距离，但在“比差”的背景下，国内市场的配置性价比已经凸显。

当前仍处于经济周期下行探底，流动性周期持续宽松的宏观环境
华泰周期模型显示，自18年底开始，宏观环境就一直处于经济周期下行探底、流动性周期持续宽松的状态。而历史统计规律显示，这种宏观状态下：大类资产配置首推债券（尤其是长久期债），其次是股票（受益于流动性宽松，估值修复）；股票资产内部推荐对流动性宽松更敏感的金融和成长板块。而从滤波趋势来看，未来半年内，经济周期或将经历探底回升的转变，而流动性周期大概率持续宽松，宏观环境可能在未来半年内转入第三象限（经济周期、流动性周期同向上行），届时大类资产内股票将最具吸引力，债券的配置价值将下滑，而金融板块在这两个宏观状态内都有较高的配置价值。

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）。策略指数过去7天收益-0.07%，最近3个月收益2.02%，最近一年收益10.42%。

“华泰周期轮动”基金组合近期表现回顾
华泰金工基于择时、板块轮动、资产配置相关研究成果提出了一个完整的基金配置体系，自上而下分为4层：宏观择时、板块轮动、组合优化、落地配置，样本内回测取得了良好的业绩表现。截止到目前，7.5%目标波动策略上周收益0.72%，本年度以来收益为5.20%，最近一年收益8.27%。根据最新建模结果，择时模型看多股市，板块轮动模型最看好周期上游，最新的持仓如下：南方中证申万有色金属ETF联接C（23.66%）、富国中证煤炭（23.66%）、易方达中债新综合C（40.10%）。由于最新持仓触发目标风险约束，所以等比例缩小了股债仓位，并配置了现金资产（权重12.58%）。

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。

“国庆效应”开启，上周主要指数全面普涨

历史统计表明，A股存在显著的“国庆效应”，节后市场表现普遍较好

在前期周报《A股市场存在“国庆效应”》（2019-09-22）中，我们统计了过去十年（2009年至2018年）国庆假期前后主要股指的表现，结果表明A股市场存在显著的国庆效应：一般而言，国庆节前股市表现平淡，下跌概率较大，但节后走势相对亮眼，市场表现相对较好。对于国庆效应的成因，我们猜想如下：为了规避长假期间可能出现的意外风险，多数投资者倾向于持币过节，所以节前卖出力量更强，市场一般呈调整走势，而节后需要将持仓恢复到节前水平，买入力量更强，市场多呈上涨走势，而且恢复仓位的过程中，市场需要承接较多的流入资金，以金融为代表的大盘板块流动性好、容量大、波动小，往往能录得更高收益。

本次国庆前后市场表现符合历史规律，上周主要股指普涨，金融板块领涨

回顾本次国庆节前后市场的表现：自9月中旬开始，市场陷入持续调整，一方面投资者更倾向于持币过节，规避长假期间可能出现的突发风险；另一方面，今年以来股票市场表现整体较好，获利资金也有兑现需求，所以节前市场表现一般，主要股指均震荡下行。而节后四个交易日里，主要股指全面普涨，其中，上证50涨幅最高，累计收益为2.95%，中小板指涨幅最低，也录得1.77%的收益；板块层面，大金融领涨，周涨幅4%。无论是市场的整体表现，还是领涨风格，都与历史统计规律类似，“国庆效应”再次应验。

值得一提的是，国庆期间海外市场大幅波动，尤其是前两个交易日主要股指大幅下行，后续几个交易日虽然有所回补，整体仍然呈下行走势。累计来看，标普500下跌1.27%，欧洲三大股指跌幅均超过2.5%，在这样的背景下，A股节后能走出普涨行情，说明国内市场已有一定的韧性，基本面有逐步企稳的预期。

从PMI和利率走势来看，国内基本面相比于海外市场企稳预期更强

分别以中国、美国作为新兴市场和发达市场的代表，以制造业PMI和长端利率代表基本面走势，结果表明国内基本面企稳预期更强：1、从PMI来看，今年以来国内景气度水平始终在枯荣线附近徘徊，近5个月呈逐步上升走势，而美国PMI自3月高点55.3一路下滑至最新值47.8，这说明18年美国采取的降息、减税等一些列对冲手段并没有扭转经济的下行趋势；2、中国的十年国债利率自18年初开始震荡下行，最新值与年初基本持平，距离16年初的低点仍有一定距离，而美国的十年国债利率则是从19年4季度开始迅速下行，最新值均已经接近16年初的低点。虽然目前全球基本面离拐头上行还有距离，但在“比差”的背景下，国内市场的配置性价比已经凸显。

当前仍处于经济周期下行探底，流动性周期持续宽松的宏观环境

在华泰金工行业轮动系列报告之《再探周期视角下的资产轮动》（2019-07-02）中，我们从DDM模型出发，筛选表征经济周期（分子端，受实体景气程度影响）和流动性周期（分母端，受资金宽裕程度影响）的代理指标，并进行降维合成，用以刻画系统状态。结果表明，自18年底开始，宏观环境就一直处于经济周期下行探底、流动性周期持续宽松的状态。而历史统计规律显示，这种宏观状态下：大类资产配置首推债券（尤其是长久期债），其次是股票（受益于流动性宽松，估值修复）；股票资产内部推荐对流动性宽松更敏感的金融和成长板块。

统计今年以来各大类资产的表现：1、主要股指全面普涨，创业板指、深证成指、中证100、上证50的涨幅都在30%以上；2、不同久期的债券指数也呈现普涨态势，而且长久期债表现比短久期债更好，同时注意到，股票市场的波动一般是债券的10倍左右，所以风险调平后，债券资产的收益是不逊于股票市场的；3、从六大板块的表现来看，金融和成长分列2、3名，也有显著的超额收益。整体而言，今年以来的资产表现与当前所处的宏观状态（经济周期下行探底、流动性周期宽松）是相互印证的。而从滤波趋势来看，未来半年内，经济周期或将经历探底回升的转变，而流动性周期大概率将持续宽松，也就是宏观环境可能在未来半年内转入第三象限（经济周期、流动性周期同向上行），届时大类资产内部股票将最具吸引力，债券的配置价值将下滑，而金融板块在这两个宏观状态内都有较高的配置价值。

上周两市上涨，情绪面有所修复，但成交量并未放大

目前主板仍然运行在2月份和5月份形成的两个跳空缺口之间，而创业板已经突破5月份的跳空缺口，趋势上更强。上周主要股指全面普涨，情绪面有所修复，站上5日均线以上个股比例回到80%的水平，但成交量并未放大。

华泰大类资产周期进取策略表现
策略简介
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10月10日，策略的收益表现如下图表所示。

“华泰周期轮动”基金组合近期表现回顾

在《“华泰周期轮动”基金组合构建》和《“华泰周期轮动”基金组合改进版》报告中，我们提出了一个自上而下的、开放式的基金配置体系，构建原理如下：1、宏观择时，核心是给出股票市场的多空判断，灵活调整股、债权重配比，力争在权益市场上行期加大股票资产配置，博取弹性收益；在权益市场下行期加大债券资产配置，减少回撤风险。2、板块轮动，核心是通过轮动模型给出板块超、低配观点，进一步增厚模型收益；3、组合优化，首先结合择时和板块轮动结果，给不同资产分配相应的风险预算，求解初始权重，然后基于目标波动约束进一步调整资产权重，将整个组合的风险控制在相对稳定的水平，这里为了满足不同投资者的风险偏好需求，我们设置了5%、7.5%、10%三个目标波动版本；4、落地配置，将权重优化结果映射到对应基金标的上进行配置。

不同目标波动策略近期表现如下，以7.5%目标波动版本为例，上周收益0.72%，近一个月收益0.46%，本年度以来收益为5.20%，最近一年收益8.27%。根据最新的9月底建模结果，择时模型看多股市，板块轮动模型最看好周期上游，最新的持仓如下：南方中证申万有色金属ETF联接C（23.66%）、富国中证煤炭（23.66%）、易方达中债新综合C（40.10%）。注意，最新持仓股票权重较高，导致组合波动触发目标风险约束，所以等比例缩小了股债仓位，并配置了现金资产（权重12.58%）。

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】二十载昔日重现，三四年周期轮回——2019年中国与全球市场量化资产配置年度观点（下）
【华泰金工林晓明团队】二十载昔日重现，三四年周期轮回——2019年中国与全球市场量化资产配置年度观点（上）
【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】市值因子收益与经济结构的关系——华泰因子周期研究系列之三
【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】A股市场低开现象研究
【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】景气度指标在行业配置中的应用——华泰行业轮动系列报告之九
【华泰金工林晓明团队】再探周期视角下的资产轮动——华泰行业轮动系列报告之八

【华泰金工林晓明团队】“华泰周期轮动”基金组合改进版——华泰行业轮动系列报告之七
【华泰金工林晓明团队】“华泰周期轮动”基金组合构建——华泰行业轮动系列之六
【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

Smartbeta
【华泰金工林晓明团队】Smart Beta：乘风破浪趁此时——华泰Smart Beta系列之一
【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

多因子选股
【华泰金工林晓明团队】桑土之防：结构化多因子风险模型——华泰多因子系列之十二

【华泰金工林晓明团队】华泰单因子测试之海量技术因子——华泰多因子系列之十一
【华泰金工林晓明团队】因子合成方法实证分析 ——华泰多因子系列之十
【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】投石问路：技术分析可靠否？——华泰人工智能系列之二十四
【华泰金工林晓明团队】再探基于遗传规划的选股因子挖掘——华泰人工智能系列之二十三
【华泰金工林晓明团队】基于CSCV框架的回测过拟合概率——华泰人工智能系列之二十二
【华泰金工林晓明团队】基于遗传规划的选股因子挖掘——华泰人工智能系列之二十一
【华泰金工林晓明团队】必然中的偶然：机器学习中的随机数——华泰人工智能系列之二十
【华泰金工林晓明团队】偶然中的必然：重采样技术检验过拟合——华泰人工智能系列之十九

【华泰金工林晓明团队】机器学习选股模型的调仓频率实证——华泰人工智能系列之十八

【华泰金工林晓明团队】人工智能选股之数据标注方法实证——华泰人工智能系列之十七
【华泰金工林晓明团队】再论时序交叉验证对抗过拟合——华泰人工智能系列之十六
【华泰金工林晓明团队】人工智能选股之卷积神经网络——华泰人工智能系列之十五

【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

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