基于行業(yè)景氣變化因子的擇時(shí)策略

1、基于景氣變化因子的擇時(shí)策略前兩篇研究報(bào)告我們通過(guò)梳理行業(yè)邏輯，考慮供給、需求、成本、產(chǎn)量等因素，分析行業(yè)上下游產(chǎn)業(yè)鏈，從行業(yè)基本面的角度，選取出了與行業(yè)景氣相關(guān)的數(shù)百個(gè)行業(yè)中觀因子。并基于中觀因子與行業(yè)景氣之間的相關(guān)性強(qiáng)弱，從中觀因子中篩選出了若干領(lǐng)先因子。本系列第一篇研報(bào)基于行業(yè)景氣模型的行業(yè)輪動(dòng)中，我們依據(jù)歷史的領(lǐng)先因子與行業(yè)超額收益之間的關(guān)系，構(gòu)建了行業(yè)超額收益預(yù)測(cè)模型，依據(jù)預(yù)測(cè)的超額收益選擇行業(yè)。本系列第二篇研報(bào)行業(yè)景氣變化因子驅(qū)動(dòng)的行業(yè)輪動(dòng)中，我們介紹了利用領(lǐng)先因子變化構(gòu)建行業(yè)景氣變化因子，開(kāi)發(fā)了基于行業(yè)景氣變化因子的行業(yè)輪動(dòng)策略，取得了較好的效果。行業(yè)輪動(dòng)策略的有效性，得益于我們選

2、取的中觀因子含有豐富的信息，使用它們可以較為準(zhǔn)確的預(yù)測(cè)超額收益或判斷行業(yè)景氣變化方向。圖 1行業(yè)中觀因子的應(yīng)用以自上而下的視角來(lái)分析，全市場(chǎng)漲跌即各個(gè)行業(yè)的匯總，各行業(yè)板塊共同運(yùn)行且相互影響，共同推動(dòng)大盤(pán)指數(shù)變化。行業(yè)漲跌影響因素眾多，但其核心是各行業(yè)的基本面景氣變化。行業(yè)基本面反映的相關(guān)行業(yè)產(chǎn)銷(xiāo)情況、價(jià)量信息以及上下游指標(biāo)有向好趨勢(shì)意味著行業(yè)景氣的提升，而普遍的行業(yè)景氣向好則預(yù)示著全市場(chǎng)未來(lái)上漲概率增加。換個(gè)角度來(lái)看中觀因子富含的收益信息，累積到行業(yè)景氣維度后，可以指導(dǎo)我們進(jìn)行大盤(pán)擇時(shí)。圖 2大盤(pán)策略實(shí)現(xiàn)流程本篇研報(bào)介紹中觀因子應(yīng)用于大盤(pán)擇時(shí)的策略。我們從中觀的視角出發(fā)，利用中觀因子計(jì)算可以

3、預(yù)測(cè)行業(yè)景氣的行業(yè)基本面指標(biāo)變化率（rate of change，ROC），通 過(guò)對(duì)訓(xùn)練集上的基本面指標(biāo) ROC 數(shù)值分布分析，結(jié)合行業(yè)體現(xiàn)的特性，為每個(gè)行業(yè)分 別設(shè)定雙向的閾值。基本面指標(biāo) ROC 經(jīng)閾值處理后等權(quán)加和構(gòu)成改進(jìn)的行業(yè)景氣因子，各行業(yè)景氣因子等權(quán)相加，并經(jīng)由買(mǎi)入標(biāo)準(zhǔn)檢驗(yàn)，形構(gòu)成大盤(pán)擇時(shí)信號(hào)。策略在測(cè)試 集（2018 年 7 月-2022 年 2 月）上的累計(jì)超額收益為 11.03 ，夏普比例可達(dá) 1.42。策略構(gòu)建原理中觀因子變化含義本篇策略的指標(biāo)變化定義和之前研究中相同，根據(jù)不同的數(shù)據(jù)類(lèi)型選取相應(yīng)的計(jì)算方法，具體的計(jì)算過(guò)程讀者可以參見(jiàn)行業(yè)景氣變化因子驅(qū)動(dòng)的行業(yè)輪動(dòng)，本文不再贅

4、述，本節(jié)我們介紹對(duì)于中觀因子的變化的理解。中觀因子變化的核心是計(jì)算基本面指標(biāo)的變化率（rate of change，ROC）。我們 基于中觀因子的變化率開(kāi)發(fā)策略是基于對(duì)行業(yè)景氣傳遞過(guò)程的認(rèn)識(shí)。根據(jù)市場(chǎng)規(guī)律， 相互關(guān)聯(lián)的行業(yè)相互影響有一個(gè)傳導(dǎo)過(guò)程，往往是行業(yè)相關(guān)領(lǐng)域的基本面先發(fā)生變化，一段時(shí)間以后才會(huì)將影響傳遞到本行業(yè)，這個(gè)傳導(dǎo)過(guò)程有一定的延續(xù)性和滯后性。因 此，無(wú)論是預(yù)測(cè)行業(yè)景氣還是擇時(shí)，均需發(fā)掘更具預(yù)見(jiàn)效力的指標(biāo)。ROC 是在變動(dòng)大小的基礎(chǔ)上計(jì)算變化快慢，若將行業(yè)景氣變化比作汽車(chē)駕駛，相關(guān)領(lǐng)域基本面的變動(dòng)可以理解為驅(qū)動(dòng)汽車(chē)前進(jìn)的速度，而指標(biāo)的 ROC 則可以理解成汽車(chē)行駛的加速度。若景氣向上

5、，就像汽車(chē)前進(jìn)一樣，驅(qū)動(dòng)力是向前的速度，而先變化的、有更強(qiáng)預(yù)見(jiàn)性的，應(yīng)該是加速度的正負(fù)，即行業(yè)基本面數(shù)據(jù)的 ROC 指標(biāo)。圖 3指標(biāo)類(lèi)別及變化計(jì)算環(huán)比類(lèi)數(shù)據(jù)原值同比類(lèi)數(shù)據(jù)環(huán)比累計(jì)類(lèi)數(shù)據(jù)同比再環(huán)比總量類(lèi)數(shù)據(jù)計(jì)算增速變化改進(jìn)的行業(yè)景氣變化因子如之前開(kāi)發(fā)的策略類(lèi)似，我們使用指標(biāo) ROC 加總的形式來(lái)判斷景氣變化，為了平衡加總的時(shí)候各指標(biāo)變化的體現(xiàn)的數(shù)量與方向信息，防止某一維度的信息被掩蓋，采用了改進(jìn)的閾值處理步驟。不同行業(yè)的中觀因子數(shù)據(jù)特性不同，其變化數(shù)據(jù)的頻率分布有不同。分位數(shù)可以描述樣本的數(shù)據(jù)分布，若某一樣本的 k 分位數(shù)為 q，隨機(jī)從樣本中抽取，小于 q 的概率為 k。我們定義行業(yè)指標(biāo)分位數(shù)均

6、值來(lái)表示某個(gè)行業(yè)的數(shù)據(jù)分布：|量化研究報(bào)告=1,式中：, =,為行業(yè) i 指標(biāo)變化的 k 分位數(shù)均值；,為行業(yè) i 指標(biāo) j 變化的 k 分位數(shù)均值；為行業(yè) i 內(nèi)的指標(biāo)個(gè)數(shù)。利用行業(yè)指標(biāo)分位數(shù)均值來(lái)觀察不同行業(yè)的中觀因子變化數(shù)據(jù)特性，我們發(fā)現(xiàn)，不同行業(yè)的分布各有特點(diǎn)，這是由于不同行業(yè)的特性導(dǎo)致的。圖 4行業(yè)指標(biāo) 0.5 分位數(shù)均值0.5 分位數(shù)即中位數(shù)，樣本數(shù)據(jù)大于和小于此值的數(shù)據(jù)各半。從行業(yè)指標(biāo) 0.5 分位數(shù)均值來(lái)看，各行業(yè)指標(biāo)變化的分布各不相同，大多行業(yè)位于 0 以上，指標(biāo)整體呈現(xiàn)正向增長(zhǎng)的可能性大，而部分行業(yè)的指標(biāo)變化中位數(shù)為負(fù)數(shù)，及其呈現(xiàn)負(fù)向變化的可能性大。圖 5行業(yè)指標(biāo) 0.8

7、分位數(shù)均值0.8 分位數(shù)意味著樣本數(shù)據(jù)小于此值的數(shù)據(jù)占樣本總數(shù)的 80。行業(yè)指標(biāo) 0.8 分位數(shù)均值顯示，各行業(yè)指標(biāo)變化最大的 20全部大于 0，最小的約為 0.15。依據(jù)我們基于各行業(yè)數(shù)據(jù)的特性，對(duì)閾值設(shè)定，計(jì)算改進(jìn)后的行業(yè)景氣變化因子。步驟如下：（1） 計(jì)算各行業(yè)中觀因子指標(biāo)變化；（2） 選取分位數(shù) k（k0.5）；按照 0.5 的比例劃分訓(xùn)練集；計(jì)算訓(xùn)練集上各行業(yè)指標(biāo)變化 k 分位數(shù)平均數(shù)和 1-k 分位數(shù)平均數(shù)；依據(jù)分位數(shù)均值，計(jì)算行業(yè)景氣變化因子。 =1 ,；, , ,= , , , , ,1；,1, , ,1式中： 為行業(yè) i 改進(jìn)后的行業(yè)景氣變化因子； 為 i 內(nèi)的指標(biāo)個(gè)數(shù)； 為

8、閾值處理后的中觀因子變化值；,為行業(yè) i 指標(biāo)變化的 k 分位數(shù)均值。在行業(yè)數(shù)據(jù)的特性經(jīng)過(guò)閾值處理后，我們?cè)賮?lái)討論買(mǎi)入標(biāo)準(zhǔn)。若一個(gè)指標(biāo)向上變化其數(shù)值應(yīng)大于 0，很容易將 0 作為指標(biāo)加和出力后的買(mǎi)入標(biāo)準(zhǔn)。但通過(guò)以上的分析可以發(fā)現(xiàn)，多數(shù)行業(yè)指標(biāo)整體呈現(xiàn)正向增長(zhǎng)的可能性大。我們延續(xù)分位數(shù)的思想，試以一個(gè)新的邏輯選定買(mǎi)入點(diǎn)。根據(jù)統(tǒng)計(jì)，1995 年起至今的大盤(pán)月度上漲概率約為 53，策略中，我們?nèi)≌?，?jì)算訓(xùn)練集上的改進(jìn)行業(yè)景氣變化因子之和，買(mǎi)入的標(biāo)準(zhǔn)設(shè)定為其 50分位數(shù)。若改進(jìn)行業(yè)景氣變化因子之和大于買(mǎi)入閾值則持倉(cāng)，反之則空倉(cāng)。策略實(shí)證策略設(shè)置調(diào)倉(cāng)周期：1 個(gè)月；數(shù)據(jù)集劃分：將數(shù)據(jù)集前 50劃分為訓(xùn)練

9、集，后 50劃分為測(cè)試集；時(shí)間區(qū)間：2015 年 1 月至 2022 年 2 月；策略基準(zhǔn)：萬(wàn)得全 A 指數(shù)；閾值分位數(shù)設(shè)定：0.3策略設(shè)置：每個(gè)月末交易日作為策略的起點(diǎn)，各行業(yè)進(jìn)行改進(jìn)行業(yè)景氣變化因子的計(jì)算，等權(quán)加和，若加和結(jié)果大于 0，則為擇時(shí)策略的購(gòu)入信號(hào)；反之則為平倉(cāng)信號(hào)。實(shí)證結(jié)果圖 6 展示了測(cè)試集上該策略的實(shí)證表現(xiàn)。圖 6改進(jìn)的行業(yè)景氣變化因子擇時(shí)策略表現(xiàn)21.81.61.41.210.82018-072019-012019-072020-012020-072021-012021-072022-01策略凈值萬(wàn)得全A凈值累計(jì)超額凈值表 1改進(jìn)的行業(yè)景氣變化因子擇時(shí)策略表現(xiàn)擇時(shí)策略萬(wàn)得

10、全 A 基準(zhǔn)累計(jì)超額收益年化收益率19.4910.5911.03年化波動(dòng)率13.6918.2811.18信息比率1.420.580.99最大回撤5.9711.7010.33夏普比率1.42在回測(cè)時(shí)間區(qū)間上，策略實(shí)現(xiàn)了約 11.03 的累積年化超額收益，每月持倉(cāng)情況如表所示。表 2改進(jìn)的行業(yè)景氣變化因子擇時(shí)策略持倉(cāng)情況及表現(xiàn)日期持倉(cāng)情況萬(wàn)得全 A 收益率策略收益率2018-08空倉(cāng)-0.0635602018-09持倉(cāng)0.0134720.0134722018-10空倉(cāng)-0.0914102018-11空倉(cāng)0.0212502018-12空倉(cāng)-0.0483602019-01持倉(cāng)0.0272950.027

11、2952019-02持倉(cāng)0.1784270.1784272019-03空倉(cāng)0.0797502019-04持倉(cāng)-0.0144-0.01442019-05空倉(cāng)-0.0638102019-06持倉(cāng)0.0337290.0337292019-07持倉(cāng)-0.00112-0.001122019-08空倉(cāng)-0.0074202019-09持倉(cāng)0.0076950.0076952019-10持倉(cāng)0.0081620.0081622019-11空倉(cāng)-0.0150702019-12持倉(cāng)0.0754650.0754652020-01持倉(cāng)-0.00253-0.002532020-02持倉(cāng)-0.00028-0.00028202

12、0-03空倉(cāng)-0.065302020-04持倉(cāng)0.0523220.0523222020-05持倉(cāng)0.00580.00582020-06持倉(cāng)0.0840790.0840792020-07持倉(cāng)0.1306390.1306392020-08持倉(cāng)0.0196850.0196852020-09持倉(cāng)-0.05969-0.059692020-10持倉(cāng)0.0105310.0105312020-11持倉(cāng)0.0398260.0398262020-12持倉(cāng)0.0310990.0310992021-01空倉(cāng)-0.0010402021-02持倉(cāng)-7E-05-7E-052021-03持倉(cāng)-0.03137-0.031372

13、021-04持倉(cāng)0.0221470.0221472021-05空倉(cāng)0.05135102021-06空倉(cāng)0.01419802021-07空倉(cāng)-0.0309602021-08空倉(cāng)0.03223402021-09空倉(cāng)-0.0103102021-10空倉(cāng)0.0034402021-11空倉(cāng)0.03144902021-12空倉(cāng)0.01039102022-01空倉(cāng)-0.0946302022-02持倉(cāng)0.0281450.028145總結(jié)與討論策略對(duì)閾值的敏感性我們對(duì)閾值含義的理解保持不變，依舊是調(diào)節(jié)策略中中觀因子所體現(xiàn)信息的兩個(gè)維度（方向和數(shù)量）比例的開(kāi)關(guān)。不被閾值限定的數(shù)據(jù)越多，數(shù)量信息體現(xiàn)的越全面，而單個(gè)

14、指標(biāo)變化的方向信息被覆蓋的可能性提升。反之亦然，閾值限定的數(shù)據(jù)越少， 指標(biāo)變化方向的信息暴露的越多，而閾值外的數(shù)量信息則被掩蓋。圖 7改進(jìn)的閾值設(shè)定方式資料來(lái)源：研究所在本篇策略中，我們改進(jìn)了策略的閾值設(shè)定方式，考慮不同行業(yè)中觀因子變化的特性，為每個(gè)行業(yè)設(shè)定了不同的閾值?；诜治粩?shù)的概念，我們對(duì)稱的調(diào)節(jié)數(shù)據(jù)首尾的因子變化，讓數(shù)量信息在不同程度上得以暴露。圖 8閾值設(shè)定對(duì)策略超額收益的影響10.008.00無(wú)閾值策略超額收益6.004.002.000.000.10.150.20.250.30.350.40.45閾值分位數(shù)資料來(lái)源：研究所由于改進(jìn)的策略對(duì)閾值的首尾都進(jìn)行了限制，我們以較小的分位數(shù)代

15、表閾值限定的嚴(yán)格程度，越接近于 0，樣本被限定的越寬松；越接近 0.5，樣本被限定的越嚴(yán)格。我們測(cè)試了不同閾值限定下的策略表現(xiàn)，并于無(wú)閾值限定進(jìn)行了對(duì)比。結(jié)果顯示，策 略對(duì)閾值的敏感度較低，并且測(cè)試的閾值設(shè)定方案相比無(wú)閾值的方案均可獲得更高的 收益?？梢哉J(rèn)為，改進(jìn)后的閾值設(shè)定方式有效的從中觀因子的變化中提取了更多的超 額收益信息。如圖所示，橫線為作為對(duì)照組的無(wú)閾值設(shè)定策略，其超額收益為 3.36 ，我們測(cè)試的任一閾值設(shè)定策略，其超額收益均高于對(duì)照組。通過(guò)對(duì)閾值設(shè)定的策略橫向比較我們可以發(fā)現(xiàn)，測(cè)試組內(nèi)超額收益的最大差值為 1.28 ，不同閾值的設(shè)定會(huì)影響策略表現(xiàn)，但影響程度有限。閾值的穩(wěn)定性擇時(shí)

16、策略在實(shí)際應(yīng)用中，閾值的穩(wěn)定性是我們要考慮的重要因素。因?yàn)橐罁?jù)分位數(shù)的閾值計(jì)算依賴于訓(xùn)練集的數(shù)據(jù)，而中觀因子變化的數(shù)據(jù)分布在未來(lái)會(huì)不會(huì)發(fā)生改變是策略穩(wěn)定性的核心。我們對(duì)策略閾值的穩(wěn)定性進(jìn)行測(cè)試。圖 9閾值設(shè)定對(duì)策略超額收益的影響分位數(shù)閾值0.3訓(xùn)練集0-0.1-0.2交通運(yùn)輸傳媒農(nóng)林牧漁醫(yī)藥商貿(mào)零售國(guó)防軍工基礎(chǔ)化工家電建材 建筑 房地產(chǎn)有色金屬機(jī)械汽車(chē)消費(fèi)者服務(wù)煤炭電力及公用事業(yè) 電力設(shè)備及新能源電子石油石化紡織服裝計(jì)算機(jī) 輕工制造通信鋼鐵銀行非銀行金融食品飲料-0.3全樣本分位數(shù)閾值0.70.5訓(xùn)練集全樣本0.40.30.20.1交通運(yùn)輸傳媒農(nóng)林牧漁醫(yī)藥商貿(mào)零售國(guó)防軍工基礎(chǔ)化工家電建材 建筑 房地產(chǎn)有色金屬機(jī)械汽車(chē)消費(fèi)者服務(wù)煤炭電力及公用事業(yè) 電力設(shè)備及新能源電子石油石化紡織服裝計(jì)算機(jī) 輕工制造通信鋼鐵銀行非銀行金融食品飲料0資料來(lái)源：研究所我們?cè)跍y(cè)試集和全樣本內(nèi)計(jì)算依據(jù) 0.3 分位數(shù)時(shí)各行業(yè)的閾值。按照前文介紹的方法，應(yīng)有 0.3、0.7 兩個(gè)閾值的產(chǎn)生，我們分別計(jì)算并作