如何量化“叙事”对资产定价的影响

广发证券资深宏观分析师 陈礼清 博士

报告摘要

第一，在前期报告《如何看宏大叙事对资产定价的影响》中，我们提出过一个框架：今年的大类资产定价，不仅取决于基本面，还非常典型地受到流行叙事的影响，比如美元信用体系重构、全球供应链重塑、新一轮科技革命、算力是AI时代的基础设施、有色金属是AI时代的石油等。从量化角度也能观测到叙事的影响，以黄金和科技资产为例，两者的低频与高频相关性明显背离。年度视角下，两者趋势齐扬；日度视角下，两者却保持低相关，相关系数处0~0.1区间。这意味着长期beta与短期beta出现了“非线性定价”，这背后实际上就是“叙事交易”。

第二，参照“叙事经济学”提出者罗伯特·席勒的思想，叙事对于经济现象的影响实际上是由一系列元素构成的：一个流行的易传播的故事（形成基础）、大众行为（微观决策过程）、流行病学模型（宏观传播过程）。在本研究中，我们主要围绕第二点，即微观行为。进一步，我们借用金融市场“羊群效应”这样一个概念：一则羊群效应是一个结果，它的现象背后就是流行叙事的影响；二则叙事存在强度的分布，如萌芽期、认同期、狂热期、消退期，每个阶段的强弱特征会不同；而微观行为的趋同性（“羊群效应”）是可以量化的，恰恰可以当做“叙事强度”的代理变量。

第三，一般来说，传统的“羊群效应”研究用于刻画个股之间的联动性，多数情况下用于动态捕捉短期市场情绪，很少用于宏观领域；大类资产配置亦不需要考虑“羊群效应”，一则跨市场、跨资产的“低相关性”提供了天然的对冲；二则投资是中长维度，再平衡周期可以免疫短期噪音。但2025年以来“叙事”定价的特征对资产配置带来挑战：一是全球财政、货币、贸易、技术环境连续性的打破，形成了宏大叙事的天然土壤，“叙事”非常密集；二是叙事不止发生在单一市场，而是有跨市场联动的特征，正反馈和自强化特征明显，对传统投资框架带来冲击。在前期报告《如何看宏大叙事对资产定价的影响》中，我们认为“可适度提高动量策略的比重”，实际上以往在传统战术层面才需要考虑的动量效应，如今在配置视角亦可能需要兼顾。所以在本篇研究中我们借用“羊群效应”等微观概念用于“叙事”这一宏观现象的研究，并把它进一步应用于投资组合优化、大类资产择时。事实上，一些海外研究者也开始关注到大类宽基组合层面的“羊群行为”。Chong， Li和Linders（2025）创新地构建了“最小化羊群效应组合”。发现最小化HIX组合的绩效优于最小化方差、最小化DR（另一种分散化度量）。但上述文献尚未进行系统化回测检验，仅为一个理论框架。

第四，我们先梳理一下文献中四种常用的“羊群效应”的跟踪指标：回报离散度指标（CSAD）、回报离散度与板块总体回报的二次项系数、Beta系数标准差、交叉相关性。其中回报离散度指标（CSAD）最为基础，主要是计算资产收益率与平均收益率之间的横截面绝对偏差。若羊群行为存在，则收益率会倾向于聚集在某个平均水平周围。

第五，在2025年以来一系列“叙事”叠加的影响下，大类资产的“羊群效应”有什么特征，目前处于什么水平？我们测算包含中美股债商金汇九大类资产的CSAD。从结果看，大类资产的CSAD指数是一个类似于VIX的指数，上限显著高于下限，属于典型的“右偏分布”；且具有明显的均值回复规律。后者意味着大类资产极致羊群化后，单边趋势难以维持，均衡配置仍会重新占优；而极致分散化后，容易出现强势主线。2025年5-8月CSAD自高点回落至0.4%（约为历史10%分位），其背后可能是TACO交易的出现让资产出现了较快的羊群化。9月中下旬以来，CSAD开始小幅反弹，前期单边强势的品种正在靠近折返、震荡的边界。不过，2025年以来，大类资产的CSAD指数倾向于在资产波动加大时更低，羊群效应较往年更强。

第六，怎么样把上述规律策略化？首先，我们尝试将“羊群因子”与前期构建的宏观因子风险平价框架融合，形成考虑了“羊群效应”的全面平价模型。2016年以来“增长+通胀+羊群”平价策略年化收益为9.4%，年化波动率为10.3%，夏普比率为0.76；较经典“增长+通胀”因子风险平价获得约1.5%的年化超额，较简单资产风险平价获得约4.9%的年化超额。2025年以来，“增长+通胀+羊群”框架提示增加了权益资产、商品（主要是沪铜）、黄金的比重，分别提高了4.6%、16.7%、2.4%；而减少了在债券资产上的权重，降低了22.9%，很显然这是合理的方向。对于“增长+通胀+流动性”的三维框架来说，额外加入“羊群因子”可额外获得约1.1%的年化超额。若考虑多宏观因子广谱性框架，则尽管未获得更优收益，但在夏普比率方面更占优势。广谱性框架考虑风险层次更多，在综合的“协方差-方差”矩阵中始终给债券配以较高权重。总结来看，羊群因子将资产按照“当前大类市场趋同程度”重新排列组合（类似于宏观模拟组合将资产根据与宏观变量的敏感度而“打包组团”），将最终平价模型的对象转变为一个升级版的“协方差-方差”矩阵。新矩阵最大的不同就是额外加入了与“羊群”强相关的资产组合。由于这类资产对于市场“叙事”更为敏感，在市场趋同强化时会优先走出趋势，即优先看到强“动量效应”。权益、商品、黄金较债券的波动率高，更具有弹性，也更容易受市场行为牵引。

第七，接下来，我们尝试单独观测国内权益资产。万得全A的“羊群效应”同样具有均值回复性，但“右偏”性明显下降，这意味着A股在历史上的分散度更低。2025年5月以来，A股羊群效应经历了“发酵——加剧——徘徊——松动”的四部曲，目前羊群效应的消退仍处初步阶段，市场跟随“叙事”追涨的情绪开始有所回落，个体理性判断正逐步回归。其中5-7月万得全A的CSAD加速下行，自近三年的50.3%分位降至9.61%分位；8-10月，羊群效应开始松动，CSAD处于底部小幅回升，但仍为历史中低位。风格与行业比较上，上涨50、沪深300等的CASD指数均在2025年9月见底，后连续回升；而小盘、微盘内部仍表现一定趋同效应，因而汇总后的全权益资产“羊群效应”仍处在松动的早期。9月以来，成长、金融风格的CSAD亦自极低位开始回升，红利的CSAD则企稳扁平运行，而周期、消费的CASD仍在下行。简单来说，从最新演绎来看，关于成长主线的共识有所松动，但仍处于早期阶段；关于消费周期的共识尚未逆转；红利介于两者中间。

第八，最后，我们在宏观择时维度融入市场投资者行为信号，尝试将“羊群效应”融入此前效果一直较好的的宏观三维择时框架（M1-BCI-PPI）。简单来讲，择时思路是趋势向上时做多“具有潜力羊群效应”的资产；下行趋势时做空“具有潜力羊群效应”的资产。单纯的羊群效应只是一种市场行为“一致性”的量化，容易追涨杀跌。因此，利用羊群信号前，需要先判断宏观趋势与市场趋势方向。在趋势基础上，择时问题转换为什么时候该用“动量策略”，而什么时候该用“性价比策略”。若观察到CSAD正在降低，且不处于历史低位（统计上大于滚动三年-2.0倍标准差），则预示“叙事”影响正在传递，羊群效应正在加剧且具有空间。此时传统的滚动窗口相关性测算存在低估未来资产相关性的可能，会过早提示进行分散配置或资产轮动，应采取动量策略。遍历44个宽基与行业指数后，我们进一步看到前期主线强势的科技与有色的“羊群效应”小幅松动，得分略有下降，但尚未到完全切换的时间点。这与我们对于宏观“叙事”所处状态的理解也大体一致。

第九，从择时结果看，该策略方案多数股指上检测到超额收益，包括万得全A、上证50、沪深300、中证500、中证1000、科创50、创业板指。其中超额较亮眼的是科创50、创业板指、中证1000、上证50；而最广谱的万得全A则超额收益一般。方案对于双创指数、中证1000的超额收益既来自于规避风险，如2018年、2022年；亦来自于捕捉上涨，如2013-2014年、2019年、2025年前三季度。从风格来看，成长与周期择时收益最高，超额则在周期、稳定与成长风格上均较高，胜率与夏普比率在成长与周期风格上最为靠前；而金融与消费风格，无论是超额收益，还是夏普比率均较为平淡。从行业看，除食饮、社服以外，其余29个申万一级行业均具有年化超额，平均为2.71%。超额收益前五行业主要集中在周期与红利，分别为钢铁、建筑装饰、环保、机械设备、电力设备。化工、有色等年化超额亦逾3%。总结来看，在成长与周期的择时体系中应用“羊群效应”会效果更好，可能与两者受“叙事”的影响弹性更大有关。红利虽亦具备一定“羊群”超额，但与前两者的“强叙事”交易相比相对温和。消费领域分化较为明显，更适配于均衡策略。

报告简版

（简版9825字）

第一

在前期报告《如何看宏大叙事对资产定价的影响》中，我们提出过一个框架：今年的大类资产定价，不仅取决于基本面，还非常典型地受到流行叙事的影响，比如美元信用体系重构、全球供应链重塑、新一轮科技革命、算力是AI时代的基础设施、有色金属是AI时代的石油等。从量化角度也能观测到叙事的影响，以黄金和科技资产为例，两者的低频与高频相关性明显背离。年度视角下，两者趋势齐扬；日度视角下，两者却保持低相关，相关系数处0~0.1区间。这意味着长期beta与短期beta出现了“非线性定价”，这背后实际上就是“叙事交易”。

截至10月27日，伦敦金现、申万大类风格-科技(TMT) 分别录得52.1%、33.7%的累计收益。但从资产配置模型视角看，经典的资产日收益率相关性却始终提示黄金与科技资产的低相关性，即无论是两者滚动6个月简单相关性，还是DCC动态相关性均处于0~0.1之间。

国内股债在年度走势、累计收益录得跷跷板的同时，日回报相关性亦稳定的维持在-0.3附近。中美科技资产之间亦没有出现类似情形，两者年度季度回报先分化后联动，与日收益相关性先下降后上升，指引基本一致。

这背后与“叙事交易”有关。一方面，近年来流行一系列叙事，互为关联，构成比单一叙事更有影响力的“叙事星座”。另一方面，2025年，叙事交易升温亦具备宏观条件。全球宏观变量“连续性”发生变化，事件驱动特征明显，关税、地缘政治风险干扰宏观交易，使得宏观路径的可预测性下降。

黄金与中国科技资产的叙事交易了市场对资产长期beta属性的看法，而日度收益率则更与短期验证有关.

2025年多发的事件冲击让风偏缩放倾向于走入两端，收缩时，“终极避险”的黄金占优；扩张时，高弹性同时受益于政策宽松对冲预期升温的科技资产最先反应，修复阻力最小。

在前期报告中，我们给出六个维度的优化方向（详见《如何看宏大叙事对资产定价的影响》）。虽然宏大叙事属于偏长期的慢变量，但市场关于宏大叙事的预期是快变量。因此“叙事交易”的拐点不一定来自于产业拐点，也可能来自于市场对叙事落地时间点、可能性的概率预期变化。

第二

参照“叙事经济学”提出者罗伯特·席勒的思想，叙事对于经济现象的影响实际上是由一系列元素构成的：一个流行的易传播的故事（形成基础）、大众行为（微观决策过程）、流行病学模型（宏观传播过程）。在本研究中，我们主要围绕第二点，即微观行为。进一步，我们借用金融市场“羊群效应”这样一个概念：一则羊群效应是一个结果，它的现象背后就是流行叙事的影响；二则叙事存在强度的分布，如萌芽期、认同期、狂热期、消退期，每个阶段的强弱特征会不同；而微观行为的趋同性（“羊群效应”）是可以量化的，恰恰可以当做“叙事强度”的代理变量。

首先，大众行为（微观决策过程）是宏大叙事交易流行的一个重要元素。当经济学连续性假设破坏下，微观层面的交易者就倾向于选择模糊化框架理解资产价格。而市场羊群效应（Herding Behavior）是这种结果的刻画，描绘的即是个体面临较强不确定性的“认知偏差”。

其次，对于资产配置模型的影响上，宏大叙事交易绕开了传统基本面的短期“验证”，带来预期正反馈，破坏均值回复的周期规律，进而破坏资产组合之间的相关性、资产本身的波动规律，导致性价比策略的失灵。羊群效应则因投资者行为的过度趋同而引发资产价格超调反应，波动异常，破坏MVO（均值-方差）模型中静态稳定且具理性的风险偏好系数、以及基于过去滚动窗口期测定的资产相关性与波动率。

换言之，承接在经济学连续性假设下的“周期性”是一种基于大数定律的事件发生频率统计。市场的学习效应更多来自纵向维度，即自身历史序列上的估值水平，而羊群效应更类似于贝叶斯法则（Banerjee， 1992），市场主体具有模仿倾向，学习效应来自横向维度，即其他投资者给出的估值评估。

叙事存在强度的分布，如萌芽期、认同期、狂热期、消退期，每个阶段的强弱特征会不同。映射到微观羊群行为，具有持续性与一定强度的羊群行为并不会无端生长、发酵、加剧。若没有强大叙事影响，羊群效应更多体现为市场短期情绪波动，即便存在，持续性和强度也有限。事实上，这也是传统“羊群效应”主要研究范畴。而宏大叙事由于其生命周期长，“故事”感染性强，对立面“稀缺”，当下看似合理（短期难证伪），叙事早期类似于感染率的上升期，传播强度更大，会给予羊群行为一个更聚焦的“叙事”方向。也由此，我们猜测，受宏大叙事牵引的市场，羊群行为不再仅仅存在于个股、存在于短期市场情绪，甚至可以扩散至宽基与多资产。宏大叙事更容易让更广泛的集体成为“叙事人”，进而羊群运动的“方向”更易一致化与形成“正反馈”。

第三

一般来说，传统的“羊群效应”研究用于刻画个股之间的联动性，多数情况下用于动态捕捉短期市场情绪，很少用于宏观领域；大类资产配置亦不需要考虑“羊群效应”，一则跨市场、跨资产的“低相关性”提供了天然的对冲；二则投资是中长维度，再平衡周期可以免疫短期噪音。但2025年以来“叙事”定价的特征对资产配置带来挑战：一是全球财政、货币、贸易、技术环境连续性的打破，形成了宏大叙事的天然土壤，“叙事”非常密集；二是叙事不止发生在单一市场，而是有跨市场联动的特征，正反馈和自强化特征明显，对传统投资框架带来冲击。在前期报告《如何看宏大叙事对资产定价的影响》中，我们认为“可适度提高动量策略的比重”，实际上以往在传统战术层面才需要考虑的动量效应，如今在配置视角亦可能需要兼顾。所以在本篇研究中我们借用“羊群效应”等微观概念用于“叙事”这一宏观现象的研究，并把它进一步应用于投资组合优化、大类资产择时。事实上，一些海外研究者也开始关注到大类宽基组合层面的“羊群行为”。Chong， Li和Linders（2025）创新地构建了“最小化羊群效应组合”。发现最小化HIX组合的绩效优于最小化方差、最小化DR（另一种分散化度量）。但上述文献尚未进行系统化回测检验，仅为一个理论框架。

以往对于羊群效应的考察主要集中于单一市场，因为单一市场内部的投资者行为更容易在短时间里趋同，并且资产类别所暴露的宏观beta风险亦相似。

而大类资产配置涉及跨市场、跨资产类别，本身具有宏观对冲的特点， “低相关性”更为普遍。并且，传统配置框架所适配的投资期限偏中长，比如，风险平价当中的再平衡周期一般为三至六个月，甚至更长。在半年及以上维度，市场过于短期的情绪指标、投资者异动可以视为“噪音”、“过度反应”，真正主宰大类资产轮动的“主线”变量仍聚焦在宏观面，即经济驱动，而非事件或情绪驱动。

但当前，这两点优势正在被破坏。首先，原本被视为极短期的“情绪噪音”因为事件性冲击的频发而反复出现；其次，宏大叙事的流行又给风险偏好的回归提供了“正反馈”的方向；最后，传统经济周期性规律的扁平、反复与市场分歧又使得“经济波动驱动资产波动”的强度下降。

换言之，在配置框架维度，出现了类似但不同于资金“再平衡”的策略“再平衡”现象。在“边际主义+经济周期律”下，以往的宏观配置者采用偏一致的策略方案根基均是“经济周期驱动资产周期”。

而在“宏大叙事+事件冲击”的结构性干扰下，即便是半年及以上维度，基于经济“周期性”的均衡分散性配置策略亦可能不占优。因为市场的“情绪”无法在配置窗口期内及时“归位”，频发的事件冲击会让风偏“一波未平，一波又起”，而流行的“宏大叙事”会拉长风偏修复期占优资产的估值抬升趋势。

Chong， Li和Linders（2025）创新地将羊群效应运用于组合优化，构建了“最小化羊群效应组合”。其核心是利用羊群行为指数（Herd Behavior Index， HIX， Dhaene et al. (2012)）来构建最优投资组合，配置所分散的对象不再仅仅是传统意义上的风险（波动率），而是羊群行为（HIX）。其构建了“均值-HIX”有效前沿组合，替代了传统的“均值-方差”组合，并且发现最小化HIX组合的绩效优于最小化方差、最小化DR（另一种分散化度量，定义为组合波动率与个体波动率加权和的比率，Choueifaty & Coignard (2008) ）。

第四

我们先梳理一下文献中四种常用的“羊群效应”的跟踪指标：回报离散度指标（CSAD）、回报离散度与板块总体回报的二次项系数、Beta系数标准差、交叉相关性。其中回报离散度指标（CSAD）最为基础，主要是计算资产收益率与平均收益率之间的横截面绝对偏差。若羊群行为存在，则收益率会倾向于聚集在某个平均水平周围。

（1）回报离散度指标（CSAD）。主要是计算个股收益率与平均收益率之间的横截面绝对偏差。若羊群行为存在，个股收益率会倾向于聚集在某个平均水平周围，从而导致偏差较小。羊群效应指数（CSI）类似于CSAD，但减去指数收益率而不是成分股平均收益率。

（2）回报离散度与板块总体回报的非线性关系。CSAD与板块总体回报（Rm）平方的回归系数（基于CCK模型(Chang， Cheng， and Khorana， 2000）。若二次项系数为负（类似于用一个凸性分项来表示非线性关系（与黄金的“久期+凸性”模型相似，详见前期报告《基于久期与凸性量化黄金空间》），则表明，当板块总体回报（Rm）变动（上升或下降），均会导致CSAD加速下降（羊群效应加速加剧）或者减速上升（羊群效应消退缓慢），意味着市场存在偏强的羊群效应。

（3）Beta系数标准差。羊群效应的影响下，投资者倾向于集体行动，个股对整体市场变化的反应趋于一致，个股的Beta系数向某个特定值收敛。

（4）交叉相关性。计算不同股票收益率之间的平均相关性，反映股价变动的同步性，上升对应集体行为，反映了羊群行为的存在。

第五

在2025年以来一系列“叙事”叠加的影响下，大类资产的“羊群效应”有什么特征，目前处于什么水平？我们测算包含中美股债商金汇九大类资产的CSAD。从结果看，大类资产的CSAD指数是一个类似于VIX的指数，上限显著高于下限，属于典型的“右偏分布”；且具有明显的均值回复规律。后者意味着大类资产极致羊群化后，单边趋势难以维持，均衡配置仍会重新占优；而极致分散化后，容易出现强势主线。2025年5-8月CSAD自高点回落至0.4%（约为历史10%分位），其背后可能是TACO交易的出现让资产出现了较快的羊群化。9月中下旬以来，CSAD开始小幅反弹，前期单边强势的品种正在靠近折返、震荡的边界。不过，2025年以来，大类资产的CSAD指数倾向于在资产波动加大时更低，羊群效应较往年更强。

我们尝试估算大类资产的“羊群效应”，核心采用覆盖中美股债商汇的九种大类指数作为潜在“资产池”，分别计算该“资产池”的CSAD、分离度的非线性敏感度。

“资产池”具体包括沪深300、中债新综合、申万TMT科技指数、美股科技股（TAMAMA科技指数）、布伦特现货原油、伦敦现货黄金、在岸美元兑人民币、彭博全球债券指数、LME期货铜。

在计算CSAD时，我们将整个“资产池”的等权日收益率作为经典CSAD公式的减数项——市场总体收益率，将每类资产的日收益率作为被减数。作为横截面偏离度指标，我们每日取九大类资产“偏离度”的平均值作为最终指数强度。

大类资产的CSAD指数一则呈现“右偏分布”，意味着在大类资产维度，中长期出现极致“分散”的高离散度概率大于出现“集中”的低离散度。

二则具有均值回复性，意味着当CSAD低至历史极低位置后，具有边际放大的可能性，即大类资产维度将走向分散化，前期单边趋势将有所打破，均衡策略将重新占优；若CSAD行至极高位置，则具有边际下行的可能性，即大类资产分散化配置将开始落后，强势主线资产应该被“超配”，均衡策略将跑输。

2025年9月中下旬以来，CSAD小幅反弹后再度下行。截至10月下旬，大类资产CSAD低至0.63%，再度靠近历史10%分位所对应的0.4% CSAD，提示大类资产可能迎来更均衡的表现，前期单边强势的品种正在靠近折返、震荡的边界。

进一步估算离散度的非线性敏感度，即CSAD与多资产总体回报（Rm）平方的回归系数。

2025年前三季度，CSAD与多资产总体回报（Rm）平方的回归系数分别为-40.5、2.1、-21.7，一则并没有出现以往年内的明显的正负均值回复性，二则系数值明显小于历史平均水平（42.1）。这提示在2025年内，大类资产总体涨跌波动增加时，CSAD倾向于收窄，表明羊群效应在资产波动中并没有被明显分散，而是出现“正反馈”。

区分市场趋势后，当全资产等权组合处于下跌趋势时，羊群效应更为显著，二次项系数更明显为负数，提示在大类资产维度，投资者更容易在市场调整时“跟风抛售”，保持安全性和流动性；而在市场上涨时，尽管同样存在“跟风追涨”趋向，但大类资产维度的“追涨”行为趋同性仍低于“抛售”趋同性。

第六

怎么样把上述规律策略化？首先，我们尝试将“羊群因子”与前期构建的宏观因子风险平价框架融合，形成考虑了“羊群效应”的全面平价模型。2016年以来“增长+通胀+羊群”平价策略年化收益为9.4%，年化波动率为10.3%，夏普比率为0.76；较经典“增长+通胀”因子风险平价获得约1.5%的年化超额，较简单资产风险平价获得约4.9%的年化超额。2025年以来，“增长+通胀+羊群”框架提示增加了权益资产、商品（主要是沪铜）、黄金的比重，分别提高了4.6%、16.7%、2.4%；而减少了在债券资产上的权重，降低了22.9%，很显然这是合理的方向。对于“增长+通胀+流动性”的三维框架来说，额外加入“羊群因子”可额外获得约1.1%的年化超额。若考虑多宏观因子广谱性框架，则尽管未获得更优收益，但在夏普比率方面更占优势。广谱性框架考虑风险层次更多，在综合的“协方差-方差”矩阵中始终给债券配以较高权重。总结来看，羊群因子将资产按照“当前大类市场趋同程度”重新排列组合（类似于宏观模拟组合将资产根据与宏观变量的敏感度而“打包组团”），将最终平价模型的对象转变为一个升级版的“协方差-方差”矩阵。新矩阵最大的不同就是额外加入了与“羊群”强相关的资产组合。由于这类资产对于市场“叙事”更为敏感，在市场趋同强化时会优先走出趋势，即优先看到强“动量效应”。权益、商品、黄金较债券的波动率高，更具有弹性，也更容易受市场行为牵引。

从风险暴露矩阵系数可知，历史平均来看，美股、黄金、有色、原油均对羊群因子的正向暴露程度较高，说明美股与全球定价商品均受益于全球范围内的资产趋同效应，而中国资产更为受益的场景是全球大类资产“再平衡”或分散程度较高时。当2025年中国资产亦开始走出趋势，夏普比率改善，大类资产的“羊群效应”亦较往年边际增强（CSAD位置更低+对总体回报的平方项系数更小且转负）。

从策略回测结果来看，2016年以来“增长+通胀+羊群”因子风险平价策略年化收益为9.4%，年化波动率为10.3%，夏普比率为0.76。

而相同资产、相同时段，运用“增长+通胀”风险平价策略年化收益为7.9%，年化波动率为8.0%，夏普比率为0.81。而更为基准的全资产维度风险平价策略年化收益为4.5%，年化波动率为1.4%，夏普比率为2.06。简单的全资产等权重策略年化收益为5.3%，年化波动率为8.6%，夏普比率为0.44。该方案属于在维持一个稳定夏普与不加杠杆的前提下，获得更优收益的实践方式。

资产权重上，自2025年以来，较单纯宏观因子框架，“增长+通胀+羊群”的新框架模式增加了权益资产、商品（主要是沪铜）、黄金的比重，分别提高了4.6%、16.7%、2.4%；而减少了在债券资产上的权重，降低了22.9%。

我们同样在“增长+通胀+流动性”的三维配置上增加羊群因子。从策略回测结果来看，2016年以来“增长+通胀+流动性+羊群”因子风险平价策略年化收益为8.6%，年化波动率为9.7%，夏普比率为0.73。额外加入代表市场投资者行为的“羊群因子”的因子平价模型较经典“增长+通胀+流动性”因子风险平价获得约1.1%的年化超额收益，较经典“增长+消费通胀+工业通胀+流动性”获得约2.1%的年化超额收益。

资产权重上，“增长+通胀+流动性+羊群”框架较原始三维框架在债券上降低了10.5%权重，而“增长+通胀+羊群”则较轻量化框架在债券上降低了22.9个百分点。同时，在权益上的权重亦进一步增加，提升了7.8个百分点。而在商品上，“增长+通胀+羊群”框架给出六成仓位，主要是配置南华沪铜指数，而“增长+通胀+流动性+羊群”框架给出约三成仓位，核心配置亦是南华沪铜指数。

最后，2016年以来“多维宏观因子（不考虑美国经济）+羊群因子”风险平价策略年化收益为6.7%，年化波动率为3.3%，夏普比率为1.58。

广谱性框架考虑风险层次更多，在综合的“协方差-方差”矩阵中始终给债券配以较高权重。即便是融入羊群后的因子平价模型，在债券上的权重亦始终保持70%附近，与简单的资产风险平价基本相当（68.5%）。但其适度增加了商品与黄金的仓位，减少了外汇敞口，商品权重自原始的6.1%提高至17.0%、黄金提高至2.3%。

第七

接下来，我们尝试单独观测国内权益资产。万得全A的“羊群效应”同样具有均值回复性，但“右偏”性明显下降，这意味着A股在历史上的分散度更低。2025年5月以来，A股羊群效应经历了“发酵——加剧——徘徊——松动”的四部曲，目前羊群效应的消退仍处初步阶段，市场跟随“叙事”追涨的情绪开始有所回落，个体理性判断正逐步回归。其中5-7月万得全A 的CSAD加速下行，自近三年的50.3%分位降至9.61%分位；8-10月，羊群效应开始松动，CSAD处于底部小幅回升，但仍为历史中低位。风格与行业比较上，上涨50、沪深300等的CASD指数均在2025年9月见底，后连续回升；而小盘、微盘内部仍表现一定趋同效应，因而汇总后的全权益资产“羊群效应”仍处在松动的早期。9月以来，成长、金融风格的CSAD亦自极低位开始回升，红利的CSAD则企稳扁平运行，而周期、消费的CASD仍在下行。简单来说，从最新演绎来看，关于成长主线的共识有所松动，但仍处于早期阶段；关于消费周期的共识尚未逆转；红利介于两者中间。

万得全A的“羊群效应”同样具有均值回复性，但CSAD的“右偏”性较大类资产明显下降。大类资产 CSAD 的偏度自2007年以来为2.2，而万得全A CSAD为1.65。因为右偏意味着更可能发生分散度极高（CSAD极大）的情形，对应资产更具有分散性，这对应国内股市在历史上较大类资产的分散度更低。

2024年10月，万得全A的板块分散度达到新一轮峰值附近，即CSAD为2.5%，处于历史滚动三年的84.56%分位，2006年以来的46.69%分位。

CSAD在2025年5-7月加速下行，自近三年的50.3%分位下行至9.61%，这意味着在该时段市场正在走强趋同交易。结合当时市场上行走势，可知市场跟随追涨的力量较为活跃。近两月羊群效应开始松动，但仍处于历史中低位（10月处于历史23.1%分位），这提示市场跟随追涨的情绪有所回落，个体理性判断逐步回归，但这一回归仍处于初步阶段。因此，目前国内权益资产处于“羊群效应”仍较强，但出现初步松动、边际扭转的初期阶段，尚未回到“分散度”较高的区间。

横向比较中，为了剥离行业本身带来的CSAD中枢特点，我们将各股指CSAD进行时间序列上的标准化处理。

从结果来看，宽基层面，上证50、沪深300在2023年羊群效应弱于中证1000与万得全A，但2024-2025年则更为明显。而2021年、2022年的相对强弱正好是2023年、2024-2025年的镜像。

2025年9月以来，这种均值回复力量再度出现，上涨50、沪深300等的CSAD指数见底后连续回升，幅度较明显，已至中等水位，提示羊群效应有一定程度松动。而万得全A的CSAD虽亦有所企稳，但仍处于低位水平，提示小盘、微盘股内部仍表现一定趋同效应，整个权益资产的“羊群效应”仍处在松动的早期阶段。

风格层面亦出现板块间羊群效应的“均值回复”特点。2025年9月以来，成长、金融风格的CSAD见底回升，红利的CSAD企稳扁平运行，而周期、消费的CSAD仍在下行，这提示今年表现比较强势的成长主线，与表现相对较弱的消费周期主线，均存在羊群效应的影响，而目前关于成长主线的共识有所松动，但仍处于早期阶段，关于消费周期的共识尚未打破逆转。红利介于两者中间。

第八

最后，我们在宏观择时维度融入市场投资者行为信号，尝试将“羊群效应”融入此前效果一直较好的的宏观三维择时框架（M1-BCI-PPI）。简单来讲，择时思路是趋势向上时做多“具有潜力羊群效应”的资产；下行趋势时做空“具有潜力羊群效应”的资产。单纯的羊群效应只是一种市场行为“一致性”的量化，容易追涨杀跌。因此，利用羊群信号前，需要先判断宏观趋势与市场趋势方向。在趋势基础上，择时问题转换为什么时候该用“动量策略”，而什么时候该用“性价比策略”。若观察到CSAD正在降低，且不处于历史低位（统计上大于滚动三年-2.0倍标准差），则预示“叙事”影响正在传递，羊群效应正在加剧且具有空间。此时传统的滚动窗口相关性测算存在低估未来资产相关性的可能，会过早提示进行分散配置或资产轮动，应采取动量策略。遍历44个宽基与行业指数后，我们进一步看到前期主线强势的科技与有色的“羊群效应”小幅松动，得分略有下降，但尚未到完全切换的时间点。这与我们对于宏观“叙事”所处状态的理解也大体一致。

我们设置有用的“羊群”信号为：在市场处于上行趋势时，若同时观察到具有一定持续力的羊群效应，应“超配”标的资产；而在市场处于下行趋势时，反而应“低配”标的资产。

具体羊群信号设置如下：（1）上升趋势+有羊群效应+有空间，则超配：过去3月交易日标的指数日平均收益＞0，且ΔCSAD＜0，且Z_CSAD（滚动三年的标准分）＞-2，则100%上证50,0%现金；（2）下降趋势+有羊群效应+有加剧空间，则低配：过去3月交易标的指数日平均收益 < 0，且ΔCSAD＜0，且Z_CSAD（滚动三年的标准分）＞-2，则0%上证50,100%现金；（3）其余无论是否具有上下趋势，若无羊群效应，则趋势意义不强，则直接设置为均衡配置，即50%上证50,50%现金。（4）基准策略为始终半仓（50%）持有标的指数，即为50%上证50,50%现金。

进一步，我们在此基础上考虑宏观趋势。若过去三月的“M1-BCI-PPI”边际变化为正，处于宏观复苏趋势，不管复苏强度如何，基本面上升趋势进一步给股指“+1”；若处于下降趋势，则“-1”。

最终信号处于[-2，+2]之间。若录得正向得分时，下月中旬（因M1-BCI-PPI信号需中旬全部获得）开始超配股指；若录得负向得分时，下月中旬开始低配股指；若录得0得分，则50%上证50,50%现金。其中，因为最终信号处于[-2，+2]之间，还可以考虑具有层次的信号强度，将-2，-1,0，+1，+2时，对应的上证50%分别为0%、25%、50%、75%、100%，而现金则为对应情况下的“100%-上证50仓位”。

遍历44个宽基与行业指数后，可以看到：

（1）目前择时得分边际回升的股指为：非银金融、建筑材料、钢铁、石油石化、农林牧渔。

（2）与万得全A类似，择时得分小幅回落，对应板块相对现金的仓位边际下调25%的为：沪深300、中证红利、周期风格、基础化工、汽车、家电、煤炭、环保、建筑装饰、美容护理、商贸零售、房地产、交通运输、公用事业、轻工制造、纺织服装、食品饮料。

（3）择时得分边际变化不大，基本持平的为：科创50、创业板指、成长风格、有色金属、电子、通信、传媒、计算机、机械设备、电力设备、社会服务、

（4）择时得分明显回落，减仓至基准5050方案的为：国防军工、医药生物、银行。

第九

从择时结果看，该策略方案多数股指上检测到超额收益，包括万得全A、上证50、沪深300、中证500、中证1000、科创50、创业板指。其中超额较亮眼的是科创50、创业板指、中证1000、上证50；而最广谱的万得全A则超额收益一般。方案对于双创指数、中证1000的超额收益既来自于规避风险，如2018年、2022年；亦来自于捕捉上涨，如2013-2014年、2019年、2025年前三季度。从风格来看，成长与周期择时收益最高，超额则在周期、稳定与成长风格上均较高，胜率与夏普比率在成长与周期风格上最为靠前；而金融与消费风格，无论是超额收益，还是夏普比率均较为平淡。从行业看，除食饮、社服以外，其余29个申万一级行业均具有年化超额，平均为2.71%。超额收益前五行业主要集中在周期与红利，分别为钢铁、建筑装饰、环保、机械设备、电力设备。化工、有色等年化超额亦逾3%。总结来看，在成长与周期的择时体系中应用“羊群效应”会效果更好，可能与两者受“叙事”的影响弹性更大有关。红利虽亦具备一定“羊群”超额，但与前两者的“强叙事”交易相比相对温和。消费领域分化较为明显，更适配于均衡策略。

万得全A、上证50、沪深300、中证500、中证1000、科创50、创业板指这七大类指数运行该策略后，在2009年1月至今的全区间上，年化收益分别为6.22%、4.85%、5.26%、7.13%、8.58%、10.19%、8.76%；全区间年化超额收益分别录得0.31%、2.06%、1.82%、1.94%、2.95%、6.45%、3.86%；区间月胜率分别为50.61%、40.94%、43.27%、52.15%、52.77%、37.69%、61.03%。

策略方案对上证50、沪深300的择时超额收益核心来自于规避回撤，比如2018年、2022年的回调；而对于双创指数、中证1000的超额收益，既来自于风险规避，诸如2018年、2022年的回撤，亦来自于捕捉上涨，比如2013-2014年、2019年、2025年前三季度。

接着看不同风格指数。全区间上，成长、周期、消费、金融、稳定风格的策略年化收益分别为9.40%、8.54%，7.67%、6.45%、5.01%；年化超额收益依次为1.42%、3.06%、0.66%、0.91%、2.03%；夏普比率依次为0.44、0.45、0.42、0.36、0.27。

最后为不同行业指数中的择时效果。择时年化收益前五行业分别为电子、家电、汽车、机械设备、有色金属，自2009年以来分别为12.63%、11.05%、10.73%、10.04%、9.67%；

与基准相比后，除食品饮料、社会服务以外，其余29个申万一级行业均具有年化超额收益，平均为2.71%。细分行业后，超额收益前五行业主要集中在周期与红利相关，分别为钢铁、建筑装饰、环保、机械设备、电力设备，分别为4.97%、4.45%、4.49%、4.30%、4.26%；化工、有色等年化超额收益亦较高，超3%；电子、传媒、通信的平均年化超额收益为2.0%。

风险提示： 一是指标体系的构建有效性仍主要基于历史数据，可能在未来有较大经济冲击或者市场改变时存在误差；二是指标仍有待多元化，并且进行稳健性检验；三是基本面层面可能存在明显改变预期的事件。

目录

正文

PART1

引子：黄金与科技资产相关性的直觉与反直觉

在前期报告《如何看宏大叙事对资产定价的影响》中，我们提出过一个框架：今年的大类资产定价，不仅取决于基本面，还非常典型地受到流行叙事的影响，比如美元信用体系重构、全球供应链重塑、新一轮科技革命、算力是AI时代的基础设施、有色金属是AI时代的石油等。从量化角度也能观测到叙事的影响。

2025年以来，大类资产出现了“趋险”与“避险”资产的齐涨，黄金与中国科技资产成为了年度累计回报相对靠前的“双子星”。截至10月27日，伦敦金现、申万大类风格-科技(TMT) 分别录得52.1%、33.7%的累计收益。

但从资产配置模型视角看，经典的资产日收益率相关性却始终提示黄金与科技资产的低相关性，即无论是两者滚动6个月简单相关性，还是DCC动态相关性均处于0~0.1之间。

这一背离在传统意义上的另一避险资产——国债上则并没有出现。国内股债在年度走势、累计收益录得跷跷板的同时，日回报相关性亦稳定的维持在-0.3附近。

中美科技资产之间亦没有出现类似情形，两者年度季度回报先分化后联动，与日收益相关性先下降后上升，指引基本一致。在上半年，两者分别因“美国例外论”反转与中国“Deepseek时刻”一跌一涨，日收益相关性亦从0.2左右的联动回落至0附近。中国科技资产一度走出独立行情。但下半年以来，伴随着5月中美贸易摩擦缓和与海外“TACO交易”，两者同步回暖，日收益相关性亦从0重回0.3附近。

这一现象因何而起？叙事驱动趋势交易，事件干扰连续性假设。

一方面，近年来流行一系列叙事，互为关联，构成比单一叙事更有影响力的“叙事星座”。

另一方面，2025年，叙事交易升温亦具备宏观条件。全球宏观变量“连续性”发生变化。以往“非线性”增长更多集中于产业技术爆发的语境，宏观世界——增长、通胀，乃至货币财政条件，均具备一定短期可验证性、周期规律性。而2025年，事件驱动特征明显，关税、地缘与政治风险多次干扰宏观交易，使得宏观路径的可预测性下降。

回到黄金与中国科技资产，前者承载储备资源、美元信用体系重构等多重叙事，后者承载新一轮科技革命等叙事。这些叙事推动资产价格翻越短期周期框架，出现上下行运行区间不对称。换言之，站在当下，投资者评估出的长期合理性方向，影响了市场对资产长期beta属性的看法，而此类预期的“正反馈”进一步引发了资产价格的“反身性”。最终，想象中的长期beta向上的资产最终走出了中枢抬升的长期beta。因此，拉长时间看，黄金与科技资产在“叙事交易”下走出了共振显著的年度回报。

而日度收益率则更与短期验证有关。2025年事件性冲击带来的“高波动”预期与宏观环境偏平互为镜像。事件驱动的风险与宏观衰退滞胀风险不同，前者往往一次性计提后资产冲回修复，具有脉冲性，后者则会引发衰退或者滞胀交易，具有惯性。并且，我们在《关于外部关税扰动：三点历史经验》中指出外生冲击通常会带来政策升温的“对冲”。

因此，2025年多发的事件冲击让风偏缩放倾向于走入两端，收缩时，“终极避险”的黄金占优；扩张时，高弹性同时受益于政策宽松对冲预期升温的科技资产最先反应，修复阻力最小。

往后看，如何应对？在前期报告中，我们给出六个维度的优化方向（详见《如何看宏大叙事对资产定价的影响》）。虽然宏大叙事属于偏长期的慢变量，但市场关于宏大叙事的预期是快变量。因此“叙事交易”的拐点不一定来自于产业拐点，也可能来自于市场对叙事落地时间点、可能性的概率预期变化。

本报告就关于设立“叙事验证”的客观指标进一步展开，寻找宏大叙事交易在微观交面的代理指标，主要是采用“羊群效应”的边际变化来量化大类资产、板块的“叙事交易”强度，并且融合宏观因子给出配置与择时方案。

现有的传统羊群效应研究仅刻画个股之间联动性的变化，多数用于动态捕捉市场情绪。既没有用于组合优化，亦没有用于大类资产择时。

PART2

叙事交易的微观观察——羊群效应

参照“叙事经济学”提出者罗伯特·席勒的思想，叙事对于经济现象的影响实际上是由一系列元素构成的：一个流行的易传播的故事（形成基础）、大众行为（微观决策过程）、流行病学模型（宏观传播过程）。在本研究中，我们主要围绕第二点，即微观行为。我们理解，平常所说的金融市场“羊群效应”实际上是一个结果，它的现象背后往往映射着流行叙事的影响。叙事存在强度的分布，如萌芽期、认同期、狂热期、消退期，每个阶段的强弱特征会不同。而微观行为的趋同性（“羊群效应”）是可以量化的，恰恰可以当做“叙事强度”的一个代理变量。

相似的产生背景：宏大叙事交易的流行背景通常是经济学连续性假设破坏下，投资者倾向于选择模糊化框架理解资产价格。

在微观层面的一个表现可以理解为市场羊群效应（Herding Behavior）加剧，比如投资者因“踏空”风险而（错失恐惧，Fear of Missing Out，FOMO）选择“追涨”。

羊群效应指行为金融领域的“认知偏差”，刻画一种“从众心理”。这种微观交易行为“一致性”的产生背景，同样产生于个体面临较强不确定性。旧的经验框架迎来挑战，而新框架尚未形成，进而投资者倾向于模仿他人行为。

相似的资产影响：宏大叙事交易绕开了传统基本面的短期“验证”，带来预期正反馈，破坏均值回复的周期规律，进而破坏资产组合之间的相关性、资产本身的波动规律，导致性价比策略的失灵。

羊群效应则因投资者行为的过度趋同而引发资产价格超调反应，波动异常，破坏MVO（均值-方差）模型中静态稳定且具理性的风险偏好系数、以及基于过去滚动窗口期测定的资产相关性与波动率。

换言之，承接在经济学连续性假设下的“周期性”是一种基于大数定律的事件发生频率统计（Frequentist）。市场的学习效应更多来自纵向维度，即自身历史序列上的估值水平，而羊群效应更类似于贝叶斯法则（Bayesian），市场主体具有模仿倾向，学习效应来自横向维度，即其他投资者给出的估值评估。Banerjee (1992)构建了一个理解羊群效应的奠基模型——序列决策模型，建模基础即运用贝叶斯法则更新投资者资产价值信念。足够多的一致行为会强化“大众可能掌握更多信息”的信念，进而推动给贝叶斯行为，忽略自我信息，最终形成羊群行为。

宏大叙事或是羊群效应的促发剂与放大器。

罗伯特·席勒曾指出，叙事不直接创造GDP，但可以通过影响公众集体心理与预期来发挥作用。而羊群效应正是刻画交易中跟随集体心理与预期一种微观行为机制，挑战了“理性人”假设。

我们理解，具有持续性与一定强度的羊群行为并不会无端生长、发酵、加剧。单纯的短期不确定性环境只是因为投资胜率（即概率）难测，使得羊群效应获得滋生契机。若没有强大叙事影响，羊群效应更多体现为市场短期情绪波动，即便存在，持续性和强度也有限。事实上，这也是传统“羊群效应”主要研究范畴。

而宏大叙事由于其生命周期长，“故事”感染性强，对立面“稀缺”，当下看似合理（短期难证伪），叙事早期类似于感染率的上升期，传播强度更大，会给予羊群行为一个更聚焦的“叙事”方向。也由此，我们猜测，受宏大叙事牵引的市场，羊群行为不再仅仅存在于个股、存在于短期市场情绪，甚至可以扩散至宽基与多资产。宏大叙事更容易让更广泛的集体成为“叙事人”，进而羊群运动的“方向”更易一致化与形成“正反馈”。

构建羊群效应跟踪指标：主要有四种。

（1）回报离散度指标（CSAD）：最为常见，主要是计算个股收益率与平均收益率之间的横截面绝对偏差。如果羊群行为存在，个股收益率会倾向于聚集在某个平均水平周围，从而导致偏差较小。

羊群效应指数（CSI）：类似于CSAD，但减去指数收益率而不是成分股平均收益率。

（2）回报离散度与板块总体回报的非线性关系：CSAD与板块总体回报（Rm）平方的回归系数（基于CCK模型(Chang， Cheng， and Khorana (2000) )）。

若二次项系数为负（类似于用一个凸性分项来表示非线性关系（类似黄金的“久期+凸性”模型，详见前期报告《基于久期与凸性量化黄金空间》），则表明，当板块总体回报（Rm）变动（上升或下降），均会导致CSAD加速下降（羊群效应加速加剧）或者减速上升（羊群效应消退缓慢），意味着市场存在偏强的羊群效应。

（3）个股Beta系数以及收敛程度：根据Chong等（2016），羊群效应的影响下，投资者倾向于集体行动，个股对整体市场变化的反应趋于一致。个股的Beta系数向某个特定值收敛。

（4）交叉相关性(Cross-Sectional Correlation)：通过计算不同股票收益率之间的平均相关性，可以评估市场中股票价格变动的同步性。相关性的上升对应集体行为，反映了羊群行为的存在。

PART3

识别：大类资产的“羊群效应”

（一）当情绪无法在短期归位：配置框架亦需要“再平衡”

当情绪跨市场外溢，跨资产对冲效果可能减弱。

以往对于羊群效应的考察主要集中于单一市场，因为单一市场内部的投资者行为更容易在短时间里趋同，并且资产类别所暴露的宏观beta风险亦相似。而大类资产配置涉及跨市场、跨资产类别，本身具有宏观对冲的特点， “低相关性”更为普遍。

但伴随着近年宏大叙事的流行，羊群效应开始向外扩散，也正式非传统经济周期因素导致的风险扩散，近年资产间的相关性发生频繁扭转、共振。

当情绪难以短期归位，战略与战术难以机械分割。

现行经典的基于宏观因子构建的配置框架缺失了对于市场投资者行为的考量。因为传统配置框架所适配的投资期限偏中长，比如，风险平价当中的再平衡周期一般为三至六个月，甚至更长，而投资者行为属于市场变化较快的短期变量。

经典配置框架的一个隐含核心假设是——在半年及以上维度，市场过于短期的情绪指标、投资者异动可以视为“噪音”、“过度反应”，真正主宰大类资产轮动的“主线”变量仍聚焦在宏观面，即经济驱动，而非事件或情绪驱动。

也正因此，桥水全天候模型所采用的宏观象限仅从“增长、通胀”两个变量出发，亦是因为在中长期维度，货币政策与市场流动性并不会干扰占优资产的选择，而是内生于“增长、通胀”当中。

因此，当前传统资产配置框架（以MVO、全天候、因子风险平价为代表）面临的最大挑战即为上述两点隐含假设的破坏。

（1）首先，原本被视为极短期的“情绪噪音”因为事件性冲击的频发而反复出现；

（2）其次，宏大叙事的流行又给风险偏好的回归提供了“正反馈”的方向；

（3）最后，传统经济周期性规律的扁平、反复与市场分歧又使得“经济波动驱动资产波动”的强度下降。

换言之，在配置框架维度，出现了类似但不同于资金“再平衡”的策略“再平衡”现象。在“边际主义+经济周期律”下，以往的宏观配置者采用偏一致的策略方案根基均是“经济周期驱动资产周期”。

而在“宏大叙事+事件冲击”的结构性干扰下，即便是半年及以上维度，基于经济“周期性”的均衡分散性配置策略亦可能不占优。因为市场的“情绪”无法在配置窗口期内及时“归位”，频发的事件冲击会让风偏“一波未平，一波又起”，而流行的“宏大叙事”会拉长风偏修复期占优资产的估值抬升趋势。

因此，我们在前期报告《如何看宏大叙事对资产定价的影响》指出“可适度提高动量策略的比重”。更具体地，以往在传统战术层面才需要考虑的动量效应，如今在配置视角亦可能需要兼顾。一个完整的配置框架不仅是“战术+战略”的分层配合，而是在“战略”维度内部，就需要考虑某些短期的市场行为会因“宏大叙事”而持续存在，进而导致以往的资产超短期趋势拉长至中长期，最终与偏中长期的经济周期规律在同一个战略窗口维度“均值回复”。

（二）从“均值-方差”到“均值-羊群（HIX）”的新有效前沿

事实上，一些研究者已经开始关注到大类宽基组合层面的“羊群行为”。

Chong， Li和Linders（2025）创新地将羊群效应运用于组合优化，构建了“最小化羊群效应组合”。其核心是利用羊群行为指数（Herd Behavior Index， HIX， Dhaene et al. (2012)） 来构建最优投资组合，配置所分散的对象不再仅仅是传统意义上的风险（波动率），而是羊群行为（HIX）。

因为羊群行为本质上就是一种分散化的度量，最小化羊群效应组合就相当于构建资产同向波动最小的组合。而理论上，羊群效应是一种系统性偏离内在价值的过程，这种“过度反应”可能比传统风险（波动率）更具备均值回复可能性。

因此，其构建了“均值-HIX”有效前沿组合，替代了传统的“均值-方差”组合，并且发现最小化HIX组合的绩效优于最小化方差、最小化DR（另一种分散化度量，定义为组合波动率与个体波动率加权和的比率，Choueifaty & Coignard (2008) ）。最小化HIX比最小化DR更全面的最小化整体依赖关系，而DR仅描绘尾部依赖关系。

但上述文献尚未进行系统化回测检验，仅为一个理论框架。

（三）大类资产“羊群效应”的过去与现在

我们尝试估算大类资产的“羊群效应”，核心采用覆盖中美股债商汇的九种大类指数作为潜在“资产池”，分别计算该“资产池”的CSAD、分离度的非线性敏感度。

“资产池”具体包括沪深300、中债新综合、申万TMT科技指数、美股科技股（TAMAMA科技指数）、布伦特现货原油、伦敦现货黄金、在岸美元兑人民币、彭博全球债券指数、LME期货铜。

在计算CSAD时，我们将整个“资产池”的等权日收益率作为经典CSAD公式的减数项——市场总体收益率，将每类资产的日收益率作为被减数。作为横截面偏离度指标，我们每日取九大类资产“偏离度”的平均值作为最终指数强度。

从结果看，刻画大类资产“羊群效应”的CSAD指数是一个类似于VIX的指数，上限显著高于下限，下行有底，属于典型的“右偏分布”（2007年以来偏度为2.2），并且与资产波动率一致，均具有明显的均值回复规律。

由于CSAD越小对应离散度越小，单一资产收益率与总体多资产收益率倾向于一致，羊群倾向越明显。

“右偏分布”意味着在大类资产维度，中长期出现极致“分散”的高离散度概率大于出现“集中”的低离散度。越是偏长的投资窗口，资产配置的“低相关性”带来的beta收益越明显。而在中短期，大类资产亦有从众行为，离散度一方面保持“下行有底”，另一方面在每一次“羊群效应”显著瓦解后（CSAD处于顶峰），“羊群效应”均会进入升温期。若CSAD的下行速度缓慢，下行时间则将更长，多资产等权指数涨幅更温和，比如2016年1月至2018年2月、2022年10月至2024年7月；若CSAD的下行速度较快，则下行时间较短，多资产平衡指数涨幅更陡峭，比如2020年5月至2021年12月。

2025年4月，CSAD再度超过95%历史分位的高点位置（约1.70%），并且之后转为下行的速度较快，于2025年8月抵至0.4%（约为历史10%分位），这提示4月对等关税首次超预期落地后，虽然多资产短期共振下跌，但很快出现分化，“TACO交易”的出现让资产的“羊群效应”明显偏向于风险资产一侧。较快的CSAD下行对应着2025年三季度多资产等权指数涨幅较为陡峭。

CSAD具有均值回复性，意味着当CSAD低至历史极低位置后，具有边际放大的可能性，即大类资产维度将走向分散化，前期单边趋势将有所打破，均衡策略将重新占优；若CSAD行至极高位置，则具有边际下行的可能性，即大类资产分散化配置将开始落后，强势主线资产应该被“超配”，均衡策略将跑输。9月中下旬以来，CSAD小幅反弹后再度下行。截至10月下旬，大类资产CSAD低至0.63%，再度靠近历史10%分位所对应的0.4% CSAD，提示大类资产可能迎来更均衡的表现，前期单边强势的品种正在靠近折返、震荡的边界。

我们同样估算了离散度的非线性敏感度，即CSAD与多资产总体回报（Rm）平方的回归系数。

从不区分市场上下趋势的回归方程来看，2025年前三季度，CSAD与多资产总体回报（Rm）平方的回归系数分别为-40.5、2.1、-21.7，一则并没有出现以往年内的明显的正负均值回复性，二则系数值明显小于历史平均水平（42.1）。这提示在2025年内，大类资产总体涨跌波动增加时，CSAD倾向于收窄，表明羊群效应在资产波动中并没有被明显分散，而是出现“正反馈”。

区分市场趋势后，我们发现在等权组合处于下跌趋势时，羊群效应更为显著，二次项系数更明显为负数，提示在大类资产维度，投资者更容易在市场调整时“跟风抛售”，保持安全性和流动性；而在市场上涨时，尽管同样存在“跟风追涨”趋向，但大类资产维度的“追涨”行为趋同性仍低于“抛售”趋同性。

综合CSAD、CSAD与多资产总体回报（Rm）平方的回归系数来看，有以下几点结论：

（1）大类资产间的“低相关性”并非消失。在越长的时间窗口，分散化配置的beta收益越高；

（2）中短期，大类资产亦有“羊群效应”，但资产集中度会有限度，空间和时间相互制约，越快的集中，羊群效应维持的时间越短，而越慢的集中，羊群效应时间越长；

（3）大类资产的市场趋同力量与波动率规律类似，具有更为确定的均值回复性。极致的趋同，意味着分散化策略占优的开始；极致的分散，亦提示后续分散策略将跑输；

（4）2025年内以来，大类资产的CSAD指数倾向于在资产波动加大时更低（波动大时更容易集中），羊群效应以较往年更快的速度形成。10月下旬，CSAD指数已接近历史10%分位。而从分市场趋势来看，在总体回报下跌时，资产的趋同表现较上涨时期更敏感，“跟风抛售”仍比“跟风追涨”更容易出现。

PART4

配置：融合“羊群因子”与宏观因子的风险平价

进一步，我们尝试将“羊群因子”与前期构建的宏观因子风险平价框架融合（详见前期报告《用宏观因子穿透资产》），形成考虑了“羊群风险”的全面平价模型。

（一）大类资产的“宏观+羊群”因子暴露

与《用宏观因子穿透资产》类似，我们利用带约束的稳健OLS回归首先得到可投资产池在宏观因子与羊群因子上的暴露程度。我们的可投资产池初步设定为跨越内外股债商汇的十类资产，分别为中证500、沪深300、恒生指数、标普500、中债企业债AA3-5财富总指数、中债国债7-10财富总指数、南华沪铜指数、伦敦金现、布伦特原油、在岸美元兑人民币。

值得说明的是，宏观因子的底层是低频的经济类数据，并不属于高频收益率序列，因此此前我们进行了宏观模拟组合（Factor Mimicking）这一中介处理，即通过与宏观指标强相关资产的多空组合来将“不可交易”的宏观原始指标转化为“高频、具有拟合度、可交易”的宏观因子收益率。但羊群效应的代表性指标CSAD本身就是单一资产与总体资产收益率的平均轧差，本身具有资产多空组合、高频收益率的表现形式。因此，我们可以直接用CSAD当作“羊群因子”。

从风险暴露矩阵的整体系数可知，中国资产代表沪深300、中证500与恒生指数均在羊群因子上有一定负向暴露，说明A股与港股与大类资产的“羊群效应”呈反向波动，即说明当全球范围内跨资产的趋同现象增加，中国资产并不明显受益。中国资产更为受益的场景是全球大类资产“再平衡”或分散程度较高时。

相应地，美股（以标普500为代表）、黄金（以伦敦金现为代表）、有色（以南华沪铜为代表）、原油（以布伦特原油为代表）均对羊群因子的正向暴露程度较高，说明美股与全球定价商品均受益于全球范围内的资产趋同效应。

换言之，就历史平均而言，过去大类资产“羊群效应”可能仍主要由全球资金在美股、黄金以及商品上的动量策略驱动，而配置者对于中国资产的理性选择仍是性价比策略。这或许与过去国内外资产的风险收益比（夏普）特征有关。

也由此可以看到，当2025年中国资产亦开始走出趋势，夏普比率改善，大类资产的“羊群效应”亦较往年边际增强（CSAD位置更低+对总体回报的平方项系数更小且转负）。

（二）“羊群因子”融入宏观因子平价的三类结果

进一步地，我们检测了在原本宏观因子平价基础上，融入“羊群因子”的全天候配置结果：

首先是基于“增长+通胀”双轮的轻量化配置模型。回测法则与《用宏观因子穿透资产》保持一致，回测时间为2016年1月1日至2025年10月20日。

从策略回测结果来看，2016年以来“增长+通胀+羊群”因子风险平价策略年化收益为9.4%，年化波动率为10.3%，夏普比率为0.76。

而相同资产、相同时段，运用“增长+通胀”风险平价策略年化收益为7.9%，年化波动率为8.0%，夏普比率为0.81。而更为基准的全资产维度风险平价策略年化收益为4.5%，年化波动率为1.4%，夏普比率为2.06。简单的全资产等权重策略年化收益为5.3%，年化波动率为8.6%，夏普比率为0.44。

由此，额外加入代表市场投资者行为的“羊群因子”的因子平价模型较经典“增长+通胀”因子风险平价获得约1.5%的年化超额收益，较简单资产风险平价获得约4.9%的年化超额收益。只不过，由于增配了更多的中高波资产，这种收益的提升对应的是组合年化波动率也有所上升。但最终组合的夏普比率并没有显著弱化，仍与经典因子平价基本一致。因此，该方案属于在维持一个稳定夏普与不加杠杆的前提下，获得更优收益的实践方式。

从资产的明细权重比较来看，自2016年初至2025年10月底，原始资产维度平价、原始宏观因子、融入羊群后的因子平价分别在债券上的平均权重分别为70%、53.9%、50.3%。

三者在中国权益资产平均权重依次为4.0%、16.3%、13.1%；

商品资产上的平均权重依次为5.8%、23.8%、30.3%；

黄金资产平均权重依次为2.9%、3.0%、1.2%。

观察2025年以来仓位变化，2025年至今，原始资产维度平价、原始宏观因子、融入羊群后的因子平价分别在债券上的平均权重分别为68.5%、34.6%、11.7%。

三者在中国权益资产平均权重依次为3.0%、12.7%、17.3%；

商品资产上的平均权重依次为6.1%、49.9%、66.6%；

黄金资产平均权重依次为1.8%、1.9%、4.3%。

综合而言，自2025年以来，较单纯宏观因子框架，“增长+通胀+羊群”的新框架模式增加了权益资产、商品（主要是沪铜）、黄金的比重，分别提高了4.6%、16.7%、2.4%；而减少了在债券资产上的权重，降低了22.9%。

其次是基于“增长+通胀+流动性”的三维配置模型。回测法则、时间区间与上述策略保持一致。

从策略回测结果来看，2016年以来“增长+通胀+流动性+羊群”因子风险平价策略年化收益为8.6%，年化波动率为9.7%，夏普比率为0.73。

而相同资产、相同时段，运用“增长+通胀+流动性”风险平价策略年化收益为7.5%，年化波动率为8.3%，夏普比率为0.72。

若拆分通胀为消费通胀、工业通胀（分别用CPI与BCI消费品价格、PPI与BCI工业品价格作为低频锚合成），则“增长+消费通胀+工业通胀+流动性+羊群”因子风险平价策略年化收益为8.7%，年化波动率为9.6%，夏普比率为0.75。相应地，该情形下，不考虑羊群因子的策略年化收益为6.6%，年化波动率为7.3%，夏普比率为0.70。

因此，额外加入代表市场投资者行为的“羊群因子”的因子平价模型较经典“增长+通胀+流动性”因子风险平价获得约1.1%的年化超额收益，较经典“增长+消费通胀+工业通胀+流动性”获得约2.1%的年化超额收益。

从资产的明细权重比较来看，三维框架下，2025年至今，原始资产维度平价、原始宏观因子、融入羊群后的因子平价分别在债券上的平均权重分别为68.5%、47.8%、37.3%。

三者在中国权益资产平均权重依次为3.0%、23.3%、25.1%；

商品资产上的平均权重依次为6.1%、21.6%、34.7%；

黄金资产平均权重依次为1.8%、0.2%、1.1%。

可以看到，额外考虑了流动性因子后，2025年债券、权益上的权重有所上升，在商品上有所回落。

“增长+通胀+流动性+羊群”框架较原始三维框架在债券上降低了10.5%权重，而“增长+通胀+羊群”则较轻量化框架在债券上降低了22.9个百分点。

同时，在权益上的权重亦进一步增加，提升了7.8个百分点。

而在商品上，“增长+通胀+羊群”框架给出六成仓位，主要是配置南华沪铜指数，而“增长+通胀+流动性+羊群”框架给出约三成仓位，核心配置亦是南华沪铜指数。

最后是基于多因子广谱性因子配置模型。回测法则、时间区间与上述策略保持一致。

从策略回测结果来看，2016年以来“多维宏观因子（不考虑美国经济）+羊群因子”风险平价策略年化收益为6.7%，年化波动率为3.3%，夏普比率为1.58。

若进一步考虑美国经济因子，则“多维宏观因子（考虑美国经济）+羊群因子”风险平价策略年化收益为6.6%，年化波动率为3.5%，夏普比率为1.45。

而相同资产、相同时段，单纯运用多维宏观因子（不考虑美国经济）风险平价策略年化收益为8.5%，年化波动率为6.0%，夏普比率为1.17；若考虑美国经济因子，则多维宏观因子（考虑美国经济）风险平价策略年化收益为7.3%，年化波动率为4.3%，夏普比率为1.34。

由此，与轻量化、三维框架不同，广谱性框架并没有因为加入羊群因子而获得更优收益，而是在夏普比率方面更占优势。

从资产的明细权重比较来看，广谱性框架考虑风险层次更多，在综合的“协方差-方差”矩阵中始终给债券配以较高权重。即便是融入羊群后的因子平价模型，在债券上的权重亦始终保持70%附近，与简单的资产风险平价基本相当（68.5%）。但其适度增加了商品与黄金的仓位，减少了外汇敞口，商品权重自原始的6.1%提高至17.0%、黄金自1.8%提高至2.3%。

总结来看，原始资产维度平价、原始宏观因子、融入羊群后的因子平价这三套策略方式同样基于“风险平价”框架，但平价的“风险对象”有所区别。

宏观因子通过将资产按照宏观风险敞口重新排列组合得到新的平价对象——比如基于“增长、通胀”而非资产的“协方差-方差”矩阵。进而不会因为股商债波动率差距过大，而在组合中始终显著超配债券、低配股票与商品等。增长与通胀的波动率处于同等量级，“超配相对低波、低配相对高波”具有优化意义。在重新自因子权重返回到资产权重时，就会看到增加了中高波资产的权重。

羊群因子则进一步将资产按照“当前大类市场趋同程度”重新排列组合，平价的对象是加入了与“羊群因子”强相关资产的“协方差-方差”。这类资产对于市场从众力量更为敏感，在市场趋同强化时候会优先走出趋势，即优先看到强“动量效应”，对应这类资产波动率会在自身运行区间内收敛。权益、商品、黄金较债券仍容易波动率受到市场行为的牵引。因而考虑了羊群因子的平价模型会进一步增加中高波资产的权重。

PART5

识别：国内权益的“羊群效应”

接着我们尝试单独估算国内权益资产，以及其内部板块的“羊群效应”。

我们根据CSAD计算公式，分别遍历计算宽基指数、风格指数、行业指数内每个成分股与板块成分股等权平均收益之间的偏差。

与大类资产“羊群效应”类似，万得全A的“羊群效应”同样具有均值回复性，并且下行有底，类似于VIX指数。但万得全A的CSAD“右偏”性较大类资产明显下降。大类资产 CSAD 的偏度自2007年以来为2.2，而万得全A CSAD为1.65。因为右偏意味着更可能发生分散度极高（CSAD极大）的情形，对应资产更具有分散性，这对应国内股市在历史上较大类资产的分散度更低。

并且，与VIX指数与美股市场走势的规律不同（多数情况美股波动增加时出现调整），国内权益资产“羊群效应”升温在市场下行与上行趋势中均可出现。羊群效应的加剧，既可能助推上行趋势，亦可能助推下行趋势。

2024年10月，万得全A的板块分散度达到新一轮峰值附近，即CSAD为2.5%，处于历史滚动三年的84.56%分位，2006年以来的46.69%分位。

此后CSAD震荡下行，尤其是在2025年5-7月加速下行，自近三年的50.3%分位下行至9.61%分位，这意味着在该时段市场正在走强趋同交易。结合当时市场上行走势，可知市场跟随追涨的力量较为活跃。8-10月，羊群效应开始松动，但仍处于历史中低位（10月处于历史23.1%分位），这提示市场跟随追涨的情绪有所回落，个体理性判断逐步回归，但这一回归仍处于初步阶段。

因此，目前国内权益资产处于“羊群效应”仍较强，但出现初步松动、边际扭转的初期阶段，尚未回到“分散度”较高的区间。

进一步比较各类宽基指数与风格指数的“羊群效应”。为了剥离行业本身带来的CSAD中枢特点，我们在横向比较中，将各个股指的CSAD进行时间序列上的标准化处理。

从结果来看，宽基层面，上证50、沪深300在2023年羊群效应弱于中证1000与万得全A，但2024-2025年则更为明显。再往前追溯，2021年、2022年的相对强弱正好是2023年、2024-2025年的镜像。这意味着市场的羊群效应不仅在时间维度具有“均值回复”特点，在板块横向维度亦有“均值回复”特点。若某一板块内部个股在上一轮周期中表现较为分散，则下一轮周期中趋同的可能性增加。

2025年9月以来，这种均值回复力量再度出现，上涨50、沪深300等的CSAD指数见底后连续回升，幅度较明显，已至中等水位，提示羊群效应有一定程度松动。而万得全A的CSAD虽亦有所企稳，但仍处于低位水平，提示小盘、微盘股内部仍表现一定趋同效应，整个权益资产的“羊群效应”仍处在松动的早期阶段。

风格层面亦出现板块间羊群效应的“均值回复”特点，当前分散化程度高的股票是下期市场力量集中的潜在对象，而当前市场一致看多或者一致看空的板块下期可能出现分化与拐点。2025年9月以来，成长、金融风格的CSAD见底回升，红利的CSAD企稳扁平运行，而周期、消费的CSAD仍在下行，这提示今年表现比较强势的成长主线，与表现相对较弱的消费周期主线，均存在羊群效应的影响，而目前关于成长主线的共识有所松动，但仍处于早期阶段，关于消费周期的共识尚未打破逆转。红利介于两者中间。

PART6

择时：融合“羊群因子”与宏观因子的检验

（一）在不同风格、行业上的择时信号

我们尝试将“羊群效应”融入此前的宏观三维择时框架（M1-BCI-PPI），以期在宏观择时维度融入市场投资者行为信号。并且我们将这一择时探索在不同宽基、风格以及行业上进行遍历测试，以期筛选得到适用于此类融合择时框架的具体权益资产。

具体而言，我们的择时思路为，若观察到CSAD正在降低，且不处于历史低位（统计上大于滚动三年-2.0倍标准差），则预示羊群效应正在加剧，并且具有空间。此时传统的滚动窗口相关性测算存在低估未来资产相关性的可能，会过早提示进行分散配置或资产轮动，而事实上，资产更具有共振潜力，因此，应该采取动量策略。

但单纯的羊群效应只是一种市场行为“一致性”的量化，上行时的羊群效应提示“追涨”，下行时的羊群效应提示“止损”。

因此，有用的“羊群”信号应设置为：在市场处于上行趋势时，若同时观察到具有一定持续力的羊群效应，应“超配”标的资产；而在市场处于下行趋势时，反而应“低配”标的资产。

我们以过去60个交易日（即3月）作为识别指数“上下趋势”的参数窗口期，比较窗口期内指数日平均收益。以CSAD(MA 10)在相邻月的轧差作为CSAD的变动情况，记为ΔCSAD；以CSAD滚动三年的标准分位置作为羊群效应空间，记为Z_CSAD。持有期内不再重复开仓。

具体羊群信号设置如下：

（1）上升趋势+有羊群效应+有空间，则超配：过去3月交易日标的指数日平均收益＞0，且ΔCSAD＜0，且Z_CSAD（滚动三年的标准分）＞-2，则100%上证50,0%现金；

（2）下降趋势+有羊群效应+有加剧空间，则低配：过去3月交易标的指数日平均收益 < 0，且ΔCSAD＜0，且Z_CSAD（滚动三年的标准分）＞-2，则0%上证50,100%现金；

（3）其余无论是否具有上下趋势，若无羊群效应，则趋势意义不强，则直接设置为均衡配置，即50%上证50,50%现金。

（4）基准策略为始终半仓（50%）持有标的指数，即为50%上证50,50%现金。

进一步，我们在此基础上考虑宏观趋势。若过去三月的“M1-BCI-PPI”边际变化为正，处于宏观复苏趋势，不管复苏强度如何，基本面上升趋势进一步给股指“+1”；若处于下降趋势，则“-1”。

最终信号处于[-2，+2]之间。若录得正向得分时，下月中旬（因M1-BCI-PPI信号需中旬全部获得）开始超配股指；若录得负向得分时，下月中旬开始低配股指；若录得0得分，则50%上证50,50%现金。其中，因为最终信号处于[-2，+2]之间，还可以考虑具有层次的信号强度，将-2，-1,0，+1，+2时，对应的上证50%分别为0%、25%、50%、75%、100%，而现金则为对应情况下的“100%-上证50仓位”。

从整体万得全A的信号结果来看：

2025年1月、4-5月，万得全A信号为中性，期间虽然宏观面修复趋势仍为加分项，但其中的1月、5月羊群效应存在且具备空间，但市场趋势仍向下，羊群效应提示“低配”信号；4月羊群效应瓦解，市场分散度较高，释放“中性信号”。

其余月份信号最明显的为6-8月，市场趋势向上、羊群效应存在且具备空间、宏观三维得分亦改善，得分为+2，对应超配万得全A为100%，现金为0%。

9-10月以来，虽然市场上升趋势以及羊群效应极致化空间犹存，但羊群效应边际开始松动，得分亦回归+1，对应超配万得全A为75%，现金为25%。

遍历44个宽基与行业指数后，可以看到：

（1）目前择时得分边际回升的股指为：非银金融、建筑材料、钢铁、石油石化、农林牧渔。

（2）与万得全A类似，择时得分小幅回落，对应板块相对现金的仓位边际下调25%的为：沪深300、中证红利、周期风格、基础化工、汽车、家电、煤炭、环保、建筑装饰、美容护理、商贸零售、房地产、交通运输、公用事业、轻工制造、纺织服装、食品饮料。

（3）择时得分边际变化不大，基本持平的为：科创50、创业板指、成长风格、有色金属、电子、通信、传媒、计算机、机械设备、电力设备、社会服务、

（4）择时得分明显回落，减仓至基准5050方案的为：国防军工、医药生物、银行。

由此，从羊群效应与宏观因子结合来看，前期主线强势的科技与有色”羊群效应“小幅松动，得分略有下降，但尚没有来到完全切换的时间点，也正如此，红利消费一类的综合得分亦没有明显回升。而择时得分相对边际回升的线索集中在顺周期的中上游资源品与非银板块。

（二）在不同风格、行业上的择时结果

简言之，上述择时思路是在宏观趋势与市场趋势暂未向下的基础上，做多“具有潜力羊群效应”的资产；而在趋势转为下行的时候，做空下行趋势中有空间的羊群效应。而若无羊群效应，或有羊群效应但持续性较弱时（无演绎空间），则不基于“叙事”采取动量追涨或者止损，回归均衡型的性价比策略。

从择时结果来看，滚动分层打分后，宽基指数上，该策略方案在万得全A、上证50、沪深300、中证500、中证1000、科创50、创业板指上均有超额收益，其中除了创业板指的回测区间为2010年6月1日至今、科创50回测区间为自2020年1月1日至今以外，其余股指回测区间均为2009年1月1日至今。

上述七大类指数运行该策略后，在全区间上的年化收益分别为6.22%、4.85%、5.26%、7.13%、8.58%、10.19%、8.76%；全区间年化超额收益分别录得0.31%、2.06%、1.82%、1.94%、2.95%、6.45%、3.86%；区间月胜率分别为50.61%、40.94%、43.27%、52.15%、52.77%、37.69%、61.03%。

超额收益较为明显的依次是科创50、创业板指、中证1000、上证50；而万得全A的超额收益一般。这说明，若单纯从收益视角看，该策略方案对双创指数、最靠前的大盘和小盘股的择时效果更好，而对中大盘、微盘的择时效果一般。

从净值图走势对比看，策略方案对上证50、沪深300的择时超额收益核心来自于规避回撤，比如2018年、2022年的回调；而对于双创指数、中证1000的超额收益，既来自于风险规避诸如2018年、2022年的回撤，亦来自于捕捉上涨，比如2013-2014年、2019年、2025年前三季度。

在不同风格指数上，择时收益在成长与周期风格上录得最高，超额收益则在周期、稳定与成长风格上录得较高，胜率与夏普比率亦在成长与周期风格上最为靠前；而金融与消费风格，无论是超额收益，还是夏普比率、胜率均较为平淡。

全区间上，成长、周期、消费、金融、稳定风格的策略年化收益分别为9.40%、8.54%，7.67%、6.45%、5.01%；年化超额收益依次为1.42%、3.06%、0.66%、0.91%、2.03%；夏普比率依次为0.44、0.45、0.42、0.36、0.27。

最后为不同行业指数中的择时效果。

择时年化收益前五行业分别为电子、家电、汽车、机械设备、有色金属，自2009年以来分别为12.63%、11.05%、10.73%、10.04%、9.67%；

与基准相比后，除食品饮料、社会服务以外，其余29个申万一级行业均具有年化超额收益，平均为2.71%。细分行业后，超额收益前五行业主要集中在周期与红利相关，分别为钢铁、建筑装饰、环保、机械设备、电力设备，分别为4.97%、4.45%、4.49%、4.30%、4.26%；化工、有色等年化超额收益亦较高，超3%；电子、传媒、通信的平均年化超额收益为2.0%。

总结来看，在成长与周期的择时体系中，考虑“羊群效应”的必要性更强，前者属于长久期资产，与当前有关于科技革命的叙事交易联系最为紧密；后者包含中短期经济周期上半场的交易线索，但同时又与当前关于全球战略资源储备的叙事交易联系最为紧密。

红利虽亦具备一定“羊群”超额，但相对前两者的“强叙事”交易，红利隐含的叙事收益相对温和。

消费领域分化较为明显，总体消费的“羊群效应”择时收益相对平淡，但其中的可选部分，比如家电、汽车，仍可在识别到羊群效应时候选择动量追逐而获得超额收益。而食品饮料、社会服务等行业则并没有超额收益，这些行业适度融入动量模式后的收益反而不如始终采取均衡方案。

风险提示：一是指标体系的构建有效性仍主要基于历史数据，可能在未来有较大经济冲击或者市场改变时可能存在误差；二是指标仍有待多元化，并且进行稳健性检验；三是基本面层面可能存在明显改变预期的事件。

参考文献：

[1] Banerjee A V. A simple model of herd behavior[J]. The quarterly journal of economics， 1992, 107(3): 797-817.

[2] Chang E C， Cheng J W， Khorana A. An examination of herd behavior in equity markets: An international perspective[J]. Journal of banking & finance， 2000, 24(10): 1651-1679.

[3] Chong， Wing Fung and Li， Churui and Linders， Daniel， Portfolio Selection Based on the Herd Behavior Index. Available at SSRN: https://ssrn.com/abstract=5097813 or http://dx.doi.org/10.2139/ssrn.5097813

[4] Dhaene J. The Herd Behavior Index[C]//Workshop on Applications of Statistics and Probability in Energy， Finance and Actuarial Science， Date: 2012/03/01-2012/03/02, Location: University of the Free State， Bloemfontein， South-Africa. 2012.

[5] Giraud Y .Robert J. Shiller， Narrative Economics: How Stories Go Viral and Drive Major Economic Events (Princeton: Princeton University Press， 2019)， pp. xii + 378, $27.50 (hardcover). ISBN: 9780691189970.[J].Journal of the History of Economic Thought， 2021, 43:665 - 670.DOI:10.1017/S1053837221000110.

[6] De Bondt W F M， Thaler R. Does the stock market overreact?[J]. The Journal of finance， 1985, 40(3): 793-805.

[7] Choueifaty Y. Towards maximum diversification[J]. Available at SSRN 4063676, 2008.