行業(yè)擁擠度的刻畫與實戰(zhàn)交易

引言景氣度與擁擠度行業(yè)配中繞不開的兩個話。從基本面視角看，景氣度邊際上行的行往往具備更好的投資機會，但這也會吸引越來越多的投資者參與其中，致使行業(yè)估值泡沫不斷膨脹。而當交易過于擁擠、微觀交易結(jié)構(gòu)惡化之后，即便行業(yè)景氣度仍處高位泡沫破裂的風險也在不斷累2021年2月核心資產(chǎn)的股價崩塌就是最為生動的例證因此，對行業(yè)擁擠度的度量、對高擁擠行業(yè)的規(guī)避，也是行業(yè)配置過程中極其重要的一環(huán)。圖12021年2月核心資產(chǎn)股價崩塌21001900170015001300ndnd，本篇文章中，我們就重點探討如何針對各個行業(yè)構(gòu)建有效的擁擠度指標，實現(xiàn)對微交易結(jié)構(gòu)惡化風險的規(guī)，主要分為擁擠度代理指標構(gòu)造、有效指標篩選及綜合指標構(gòu)造三大部分，下面分別進行介。圖2本文邏輯結(jié)構(gòu)行業(yè)擁擠度度量想要做到對行業(yè)擁擠度的有效度量，首先就需要明確，何謂擁擠？我們認為，可以行業(yè)整體、個股特征、資金流向三角度對當下行業(yè)擁擠狀態(tài)進行識。圖3行業(yè)擁擠度度量方法行業(yè)整體量價交易特征從行業(yè)整體量價交易特征的角度出發(fā)，我們認為：行業(yè)處于上行趨勢中行業(yè)交易熱度不斷提升表現(xiàn)為行業(yè)的成交/市值在全市場中的占比迅速提收益率偏度明顯上行，而當這一趨勢達到歷史極值水平時則需要警惕交易擁擠帶來的反轉(zhuǎn)風。在行業(yè)處于上行趨勢中時交易層面上往往表現(xiàn)為量價齊升但在交易過于擁擠增量資金不量價開始出現(xiàn)背離表現(xiàn)為量價相關(guān)性的顯著降低。在上漲趨勢末期分歧加大漲大跌的現(xiàn)象更為常見同時帶來換手率/波動/峰的迅速抬。行業(yè)內(nèi)個股交易特征行業(yè)剛開始受到市場關(guān)注時，增量資金驅(qū)動下行業(yè)內(nèi)個股往往呈現(xiàn)普漲行情，而在交易趨于擁擠、增量資金不足時，板塊內(nèi)個股分化度顯著提升，我們計算配對相關(guān)性指標來捕捉這一趨勢。2 ????????????=

??(???1)∑∑????(??,??)??1????其中n為板塊內(nèi)股票數(shù)量??為個股i的收益率序（我們同時也計算個股換手率、成交額的配對相關(guān)性。當配對相關(guān)性較高時，表明個股同漲同跌，反之則表明收益分化。值得注意的是，過往研究中對配對相關(guān)性指標的邏輯認知與本文相反：隨著行業(yè)交易熱度提升，市場的交易重心會從龍頭股擴散至行業(yè)整體，即配對相關(guān)性越高，意味著交易越擁擠。從實際行情走勢上來看，板塊趨勢性上漲末期往往對應的是板塊內(nèi)個股分化加例如2021年2月核心資產(chǎn)泡沫破裂時，白酒板塊配對相關(guān)性處于歷史低位，020.2-2021.12白酒板塊相對凈值走勢與配對相關(guān)性之間的相關(guān)系數(shù)達到-0.64。圖4白酒板塊相對凈值與配對相關(guān)性呈顯著負相關(guān)18 0.916 0.814 0.712 0.610 0.58 0.46 0.3白酒萬得全A 白酒板塊配對相關(guān)性nd，注：本圖中配對相關(guān)性指標利用行業(yè)內(nèi)個股過去20日收益率序列計算得到資金流向資金的買賣行為中蘊含了大量可供挖掘的信息。當行業(yè)熱度提升時，資金持續(xù)凈流入，當這一趨勢達歷史極值水平后，表明交易已經(jīng)趨于擁擠后續(xù)資金流入大概率趨緩甚至轉(zhuǎn)為流出難以支撐股價進一步上行。基于此，我們構(gòu)建買賣衡指標來反映資金流入強度：??

=???????其中i表示第i類資金包括機/個/所有投資者的主動交/所有交易數(shù)據(jù)??表示第i類資金的買入金額，??表示第i類資金的賣出金額，??表示板塊成交額。擁擠度指標構(gòu)造上文中，我們對可以反映行業(yè)擁擠度的代理，而落實到具體的指標構(gòu)建時，還需進行部分參數(shù)的設(shè)置。參數(shù)選擇上我們并不刻進行最優(yōu)參數(shù)的搜尋，這會增加過擬合的概率。相對的，我們僅在常用參數(shù)中尋找最優(yōu)解對于換手率等無需時序數(shù)據(jù)進行計算的指標，我們選取較短的窗口期做移動平均處理，以增加其穩(wěn)定性對于量價相關(guān)性等需要歷史序列進行計算的指標，我則選取常用的20/40/60個交易日的移動窗口進行計。各類指標的參數(shù)設(shè)置如下表所，其中，指標方向為正向是指指值越大，代表行業(yè)擁擠度越高，負向則相反。表1：指標參數(shù)設(shè)置指標類別指標名稱指標代碼指標方向計算參數(shù)成交額成交額占比vou_proporton正向0510市值市值占比rkt_vu_proporton正向0510偏度超額收益偏度ss_rt_skw正向204060量價相關(guān)系成交額-股價相關(guān)系數(shù)pr_vou_orr負向204060數(shù)成交額占比-市值占比相關(guān)系數(shù)rktvu_vou_proporton_orr負向204060波動率超額收益波動率ss_rt_vol正向204060峰度超額收益峰度ss_rt_kurt正向204060換手率換手率turnovr正向0510換手率占比turnovr_proporton正向0510收益率配對相關(guān)性pr_orr_rt負向204060配對相關(guān)性成交額配對相關(guān)性pr_orr_voue負向204060換手率配對相關(guān)性pr_orr_turnovr負向204060機構(gòu)凈流入nst_dff正向204060買賣非均衡散戶凈流入nd_dff正向204060機構(gòu)主動凈買入 nst_dff_t 正向 204060指標散戶主動凈買入 nd_dff_t 正向 204060行業(yè)整體主動凈買入 tot_dff_t 正向 204060數(shù)據(jù)來源：擁擠度指標選通過擁擠度指標處于高位區(qū)間時未來一個月行業(yè)超額收益的均值和超額收益為負的勝率綜合判斷指標效果我們認為擁擠度這一概念主要用于規(guī)避交易過于擁擠帶來的下跌風險，而低擁擠行業(yè)則不一定能夠有超額收。因此，我們不應衡量指標在全樣本區(qū)間對行業(yè)未來超額收益的預測表現(xiàn)，而只應聚焦擁擠度處于高位時的指標表現(xiàn)。具體來說，對于各項指標，我們首先計算當期值在過去5年區(qū)間中的分位數(shù)水平，將指標轉(zhuǎn)換為分位數(shù)序列隨后統(tǒng)計在分位數(shù)大于95%時，行業(yè)未來20個交易日超額收益的均值及超額收益為負的勝率，從而綜合判斷指標效果。對于不同行業(yè)由于行業(yè)特征不同所選指標也應有所差異我們認為，對所有行業(yè)采用同一套指標體系并不妥當。不同行業(yè)的股價表現(xiàn)有非常明顯的差異化特征，例如食品飲料為長牛行業(yè)，而券商則容易短期暴漲暴跌，因此，能夠有效反映不同行業(yè)擁擠度的指標也一定是不同。指標篩選流程——以食品飲料為例根據(jù)以上考量，我們針對23個申萬一/二級行業(yè)，每個行業(yè)篩選表現(xiàn)最優(yōu)的3個擁擠度代理指標屬于同一類別的指標僅擇優(yōu)取其一其中，為防止樣本量太小導致統(tǒng)計結(jié)果不可靠，我們要求入選指標歷史上分位數(shù)大于5%的天數(shù)需大于20天，當多個指標的表現(xiàn)較為類似時，選取觸發(fā)天數(shù)較多的指標。下面，我們以食品飲料行業(yè)為例，更清晰地展示我們的指標篩選流程。下表中展示的是構(gòu)建得到的各項指標在食品飲料行業(yè)中的擇時表。我們根據(jù)各項指標勝率排名和未來一個月平均超收益排名之和（表中排名”列）對各項指標的綜合表現(xiàn)進行排，選取觸發(fā)天數(shù)大于20天排名最靠前的三個指標其中由于排名第3的cs_rtskw_40與xcssrt_skw_60為同一類指標，為避免指標信息過度重疊，我們向下選取pr_corr_rt_60作為入選指標。表2：食品飲料行業(yè)各指標擁擠度擇時表現(xiàn)（部分）指標勝率未來一個月平均超額收益排名觸發(fā)天數(shù)exess_et_ske_6076.2%-2.8%2122ini_iff_at_4070.4%-2.3%571ss_rt_skw_4072.7%-1.9%7128ai_o_et_6069.1%-2.2%7350ss_rt_kurt_6067.0%-2.1%9185ss_rt_kurt_2063.2%-1.4%15133pr_orr_rt_4061.8%-1.4%15233rktvu_vou_proporton_orr_2060.5%-1.6%15114ss_rt_kurt_4063.3%-1.0%17150pr_orr_turnovr_4056.2%-1.2%20235vou_proporton_1055.9%-0.8%25444vou_proporton_554.8%-0.8%29425turnovr_557.5%-0.3%30146pr_orr_vou_4053.5%-1.0%31215pr_orr_vou_6053.8%-0.7%32290turnovr_1055.4%-0.4%33157數(shù)據(jù)來源：指標篩選結(jié)果在上述篩流下，各行業(yè)最終入選指標如下表所示可以發(fā)現(xiàn)，在判斷行業(yè)擁擠度時，最為有效的指標類別為量價相關(guān)系數(shù)、配對相關(guān)性及買賣非均衡三類，平均每個行業(yè)中的入選指標里有2個來自上述三個類別。表3：各行業(yè)入選指標行業(yè)入選指標1入選指標2入選指標3農(nóng)林牧漁nd_dff_20pr_vou_orr_20pr_orr_rt_20基礎(chǔ)化工nst_dff_20turnovr_proporton_5ss_rt_skw_60鋼鐵nst_dff_60vou_proporton_10ss_rt_kurt_60有色金屬turnovr_5pr_vou_orr_60pr_orr_vou_60電子nd_dff_t_20pr_vou_orr_60pr_orr_turnovr_20家用電器nst_dff_60ss_rt_vo_60ss_rt_skw_60食品飲料nd_dff_t_40pr_orr_rt_60ss_rt_skw_60醫(yī)藥生物nd_dff_t_60turnovr_0rktvu_vou_proporton_orr_40公用事業(yè)vou_proporton_10tot_dff_t_40rktvu_vou_proporton_orr_60交通運輸nst_dff_60pr_orr_turnovr_60rktvu_vou_proporton_orr_60房地產(chǎn)nst_dff_t_20pr_orr_rt_40rktvu_vou_proporton_orr_60證券Ⅱrkt_vu_proporton_5ss_rt_vo_40pr_orr_rt_20保險Ⅱnd_dff_t_60pr_vou_orr_40ss_rt_vo_60建筑材料pr_orr_rt_20rkt_vu_proporton_10rktvu_vou_proporton_orr_60建筑裝飾nst_dff_t_40turnovr_proporton_10rktvu_vou_proporton_orr_60電力設(shè)備ss_rt_skw_60pr_vou_orr_20rktvu_vou_proporton_orr_40計算機turnovr_5tot_dff_t_60pr_orr_rt_20傳媒pr_orr_rt_40ss_rt_skw_60rktvu_vou_proporton_orr_40通信turnovr_proporton_5ss_rt_kurt_40ss_rt_skw_40銀行pr_orr_turnovr_20vou_proporton_5turnovr_10汽車rkt_vu_proporton_10nd_dff_t_60ss_rt_vo_60機械設(shè)備tot_dff_t_60ss_rt_skw_40pr_vou_orr_20煤炭nd_dff_t_40vou_proporton_10turnovr_proporton_10數(shù)據(jù)來源：行業(yè)特征不入選指標特征也有明顯不同針對不同行業(yè)選取特質(zhì)化指標確有必要。例如，對于行情啟動時暴漲暴跌特征明顯的券商行業(yè)來說，效果最好的是波動率市值占等交易特征指標；對于基礎(chǔ)化工、醫(yī)藥生物等細分行業(yè)較多且邏輯不一的行業(yè)來說，配對相關(guān)性的效果就不佳。綜合擁擠度標構(gòu)建上文中，我們已經(jīng)完成對每個行業(yè)擁擠度指標組的篩選，下面，我們將其合成為綜合指標，用于對行業(yè)擁擠度進行實時監(jiān)測。為了讓不同行業(yè)間得到的擁擠度指標橫向可比我滾動進行如下操作：0-1標準化：在交易日T，我們[,T]區(qū)間內(nèi)的分指標數(shù)據(jù)分別進行0-1標準化處理將各項指標的取值范圍轉(zhuǎn)換[0,1]區(qū)間內(nèi)。等權(quán)加總在行業(yè)擁擠特征非常明顯時通過不同維度信息構(gòu)造的分指標應均會處于歷史較高水平而若分指標間差異較大則表明當前行業(yè)擁擠現(xiàn)象并不是特別顯著因此我們通過等權(quán)加總的方將三個分指標合成為單一指標以提高擁擠判斷的穩(wěn)定性。計算指標當期值在歷史5年區(qū)間中的分位數(shù)水平。在完成上述兩步操作后我們還不能實現(xiàn)行業(yè)間指標的橫向比較例如可能有些行業(yè)指標值最高為1而有些最高為0.95因此我們再計算指標T期值在過去5年區(qū)間中的分位數(shù)水平以該分位數(shù)水平作為該行業(yè)綜合擁擠度指標的T期值。滾動進行1）~（3）步操作，最終得到行業(yè)綜合擁擠度指標序列?；谏鲜鲋笜藰?gòu)建流程，我們即可針對每個行業(yè)構(gòu)建特有的綜合擁擠度指標下面我們首先對綜合擁擠度指標的整體擇時效果進行統(tǒng)計分析，隨后觀察擇時參數(shù)變化時指標擇時效果的變化以考察指標的穩(wěn)定性，最以食品飲料行業(yè)為例更直觀觀察指標走勢對行業(yè)下行風險的預判效力。綜合擁擠度指標擇時效果統(tǒng)計綜合擁擠度指標在多數(shù)行業(yè)中均實現(xiàn)了與分指標相比更加穩(wěn)健的表現(xiàn)。與三項分指標的平均值相比有70%的行業(yè)綜合擁擠度指標實現(xiàn)了更高的勝率及更低的觸發(fā)信號后未來一個月的超額收益，且大部分行業(yè)勝率均在70%以上在反映行業(yè)擁擠度方面表現(xiàn)穩(wěn)健另外多數(shù)行業(yè)的信號觸發(fā)天數(shù)有所減少，表明綜合指標在發(fā)出擁擠信號時更為謹慎，也因此提高了信號勝率。表4：綜合擁擠度指標擇時效果統(tǒng)計行業(yè)勝率平均超額收益觸發(fā)天數(shù)分指標平均勝率分指標平均超額收益分指標平均觸發(fā)天數(shù)農(nóng)林牧漁74.2%1.9%22969.6%-1.7%207家用電器74.3%2.0%14469.0%-2.0%143食品飲料52.9%1.1%3466.7%-2.1%178煤炭85.2%8.4%5487.7%-7.1%104有色金屬85.7%2.3%11972.2%-2.2%194基礎(chǔ)化工85.5%2.3%8374.0%-1.3%157鋼鐵84.4%3.3%9676.0%-3.5%159公用事業(yè)92.3%4.9%3984.3%-2.6%194交通運輸73.3%3.4%10174.1%-2.4%160建筑材料69.6%2.7%10266.4%-2.3%93建筑裝飾72.0%1.7%7579.0%-2.9%82電力設(shè)備82.4%1.9%13163.2%-0.8%297機械設(shè)備62.1%0.9%10371.5%-1.2%132汽車75.7%1.9%11577.0%-1.9%66銀行86.1%4.4%3678.6%-4.5%87證券Ⅱ 70.4% 1.6% 142 79.1% -5.2% 150保險Ⅱ81.8%5.5%3377.6%-4.0%132房地產(chǎn)84.5%3.9%10375.7%-2.8%174通信89.1%4.5%6478.9%-4.2%87電子97.4%2.5%3976.9%-2.3%128計算機62.5%0.9%6475.8%-2.1%97傳媒82.8%4.5%2982.3%-2.9%108醫(yī)藥生物95.8%5.5%4875.7%-2.2%110數(shù)據(jù)來源：參數(shù)敏感性分析前文的分析中我們考察擁擠度指標處于歷史五年區(qū)間95%分位以上時，行業(yè)未來一個20個交易日的超額收益但其中觸發(fā)閾值95%及超額收益考察區(qū)間長度均為主觀設(shè)定的參數(shù)，為檢驗指標穩(wěn)定性，對這兩個參數(shù)進行敏感性分析是有必要的。此處，我們對觸發(fā)閾值處[0.85,0.95]區(qū)間時間區(qū)間長度處[1,60]區(qū)間時行業(yè)超額收益及勝率表現(xiàn)進行統(tǒng)計。觸發(fā)閾值越高平均勝率及負向超額收益也越高首先我們可以很明顯地發(fā)現(xiàn)，觸發(fā)閾值越高，平均來看負向超額收益及勝率均越高。這表明，隨著閾值的上升，擁擠信號的準確度也在不斷提高，這種單調(diào)與擁擠度的內(nèi)在邏輯一致，即擁擠度越高時，后續(xù)行業(yè)股價反轉(zhuǎn)風險也會越高。因此，這一結(jié)果進一步證明了我所構(gòu)建的指標的有效性。指標在閾值以上時超額收益考察區(qū)間長度越長平均來看負向超額收益越高，但結(jié)構(gòu)上分化顯著。從行業(yè)平均的角度來看，超額收益考察區(qū)間長度越長，平均負向超額收益越大，但平均勝率在考察未來30日超額收益時達到最大值。而從表現(xiàn)最差的行的角度來看，區(qū)間長度大于30日時指標擇時效果最差的行業(yè)的超額收益及勝率表現(xiàn)就開始不斷下滑。這表明，在區(qū)間長度過大時，指標的擇時效果在不同行業(yè)中的分化有明顯加劇，最優(yōu)的區(qū)間長度為20-30日之間。圖5不同參數(shù)設(shè)置下均超額收益平均超額觸發(fā)條件后超額收益考察區(qū)間長度觸發(fā)閾值0.85-0.8%-0.9%-0.9%-1.0%-1.0%-1.3%-1.3%-1.4%-1.5%-1.8%-1.9%-2.0%-2.3%-2.4%-2.5%-2.6%-2.8%-3.0%-3.1%-3.3%-3.5%-3.5%-3.7%-3.7%-3.8%-3.9%0.86-3.9%-4.0%-4.2%-4.1%-4.2%-4.3%0.87-3.0%-3.1%-3.3%-3.5%-3.6%-3.9%0.88-2.1%-2.2%-2.7%-2.8%-3.8%-4.1%-4.3%-4.4%-4.6%0.89-1.6%-1.7%-3.3%-3.5%-3.7%-4.0%-4.3%-4.5%-4.6%-4.8%0.9-1.1%-1.2%-1.3%-1.4%-2.4%-2.6%-3.0%-3.2%-3.9%-4.2%-4.3%-4.6%-4.9%-5.2%-4.2%-4.5%-4.7%-4.9%-5.0%0.91-1.9%-2.0%-2.1%-3.8%-3.9%-4.2%-4.5%-4.8%-5.0%-5.2%-4.7%-4.9%-5.1%-5.3%-4.9%-5.1%-5.3%-5.5%-5.4%-5.5%-5.7%0.92-2.7%-2.9%-3.4%-3.5%0.930.94-1.5%-1.-.3-2.2%-2.-.1%-3.1%-3.8%-4.5%-4.7%-5.2%-5.4%-5.7%-5.9%-6.1%-6.5%0.95-5.5%-5.8%-6.1%-6.3%圖6不同參數(shù)設(shè)置下超額收益平均勝率平均勝率觸發(fā)條件后超額收益考察區(qū)間長度觸發(fā)閾值0.850.860.870.880.890.90.910.920.930.940.95圖7不同參數(shù)設(shè)置下表現(xiàn)最差行業(yè)的平超額收益最高超額觸發(fā)條件后超額收益考察區(qū)間長度觸發(fā)閾值0.850.1%0.1%0.1%0.2%0.2%0.3%0.4%0.8%1.2%1.6%2.2%0.860.0%0.1%0.0%0.1%0.1%0.2%0.3%0.6%1.0%1.3%1.8%0.870.0%0.1%0.1%0.0%0.1%0.1%0.1%0.3%0.8%1.2%1.7%0.88-0.1%0.1%-0.1%-0.2%-0.1%-0.1%-0.1%0.2%0.7%1.1%1.6%0.89-0.2%0.0%-0.3%-0.3%-0.3%-0.4%-0.4%-0.1%0.4%0.8%1.2%0.9-0.3%-0.3%-0.5%-0.4%-0.4%-0.6%-0.6%-0.4%0.1%0.5%0.9%0.91-0.3%-0.5%-0.6%-0.5%-0.5%-0.6%-0.7%-0.4%-0.2%0.1%0.4%0.92-0.3%-0.5%-0.7%-0.5%-0.5%-0.6%-0.6%-0.3%-0.1%0.2%0.5%0.93-0.4%-0.6%-0.7%-0.6%-0.6%-0.7%-0.6%-0.2%-0.1%0.1%0.1%0.94-0.5%-0.7%-0.9%-1.0%-1.0%-1.0%-0.7%-0.2%-0.3%-0.1%0.1%0.95-0.4%-0.8%-1.1%-1.4%-1.3%-0.7%-0.2%0.4%0.5%0.6%0.8%圖8不同參數(shù)設(shè)置下表現(xiàn)最差行業(yè)的平勝率最低勝率觸發(fā)條件后超額收益考察區(qū)間長度觸發(fā)閾值0.850.860.870.880.890.90.910.920.930.940.95綜合來看我們構(gòu)建得到的綜合擁擠度指標對參數(shù)的敏感性較低穩(wěn)定性表現(xiàn)良好而我們在前文中設(shè)定的參數(shù)雖然并不是全樣本最優(yōu)的參數(shù)組，但為了保持前后文的一致性，我們后面的分析仍(0.95,20)參數(shù)組為例，投資者在實際使用時可靈活選擇相應參數(shù)。綜合擁擠度指標效果展示——以食品飲料為例同樣，我們以食品飲料行業(yè)為例，綜合擁擠度指標在實際行業(yè)擁擠風險規(guī)避中所起到的效果進行展。從指標整體走勢上來看，擁擠度指標與行業(yè)相對凈值走勢正相關(guān)。在018.4-20222的時間區(qū)間內(nèi)我們構(gòu)建的綜合擁擠度指標與申萬食品飲料行業(yè)相對凈值走勢間的相關(guān)性為.63，反而呈現(xiàn)正相關(guān)性。其不難理解，當行業(yè)逐漸受到市場關(guān)、形成上漲趨勢時，隨著資金的不斷流入，擁擠度必然會從低位不斷走高。這也是為什么，我們在前文強調(diào)，評價擁擠度指標的效果時，只需考察其處于歷史高位區(qū)間時的擇時能力。圖9食品飲料行業(yè)綜合擁擠度指標走勢5.55.04.53.53.02.0料ndA

10.90.80.70.60.30.20.10nd，由上圖可，食品飲料綜擁擠度指在2021年1月密集發(fā)出擁擠信（指標值大于0.95，一持至2021年2月4日，期間指標值甚至多次為1，表明當前行業(yè)擁擠度處于歷史最極端水平，隨后即發(fā)生了核心資產(chǎn)微觀交易結(jié)構(gòu)惡化導致的行業(yè)大幅回撤?？梢?，我們構(gòu)建的擁擠度指標可以提前提示行業(yè)交易過于擁擠帶來的下行風險，對我們規(guī)避交易因素帶來的下行風險具有很強的指導意義?；趽頂D度投資策略至此，我們已完成了行業(yè)擁擠度指標的篩選和綜合擁擠度指標的構(gòu)建，并以食品飲料行業(yè)為例初步論證了指標在規(guī)避板塊下行風險的指導意義。下面，我們進一步基于構(gòu)建得到的擁擠度指標，從多個角度構(gòu)建投資策略，深入挖掘指標在不同場景的應用能力。單行業(yè)擇時首先，我們利用擁擠度指標進行單行業(yè)擇時，用以規(guī)避行業(yè)交易過于擁擠帶來的下行風險。具體來說，對于每個行業(yè)當綜合擁擠度指標大于.95時在未來20個交易日，我們配置Wind全A指數(shù)，否則我們就持續(xù)配置該行業(yè)的申萬行業(yè)指。單行業(yè)擇時策略表現(xiàn)優(yōu)秀，平均可實現(xiàn)%的年化超額收益。僅利用擁擠度指標進行高擁擠時間段規(guī)避，我們就可以實現(xiàn)相對行業(yè)指數(shù)平均達%的年化超額收策略在通信建材等行業(yè)上表現(xiàn)較為優(yōu)秀在汽車、交運等行業(yè)上超額收益相對較低。圖10單行業(yè)擇時策略年化超額收益12%10%8%6%4%2%通通食品飲煤炭醫(yī)藥生證券Ⅱ傳Ⅱ建筑裝鋼鐵銀家用電電有色金基礎(chǔ)化交通運汽車圖1通信行業(yè)擁擠度擇時策略凈值1.81.61.41.210.82019-42019-62019-42019-62019-102020-62020-102020-122021-22021-62021-10行業(yè)指數(shù)凈值 擁擠度擇時策略凈值 相對凈值nd，高擁擠行業(yè)規(guī)避在單行業(yè)擇時中，我實際上是在與行業(yè)自身的歷史時序數(shù)據(jù)進行比較。另一方面，由于我們將擁擠度指標處理成歷史分位數(shù)的形式，因此不同行業(yè)間應是橫向可比。因此，我們也嘗試從橫截面角度出發(fā)每月末時選出當擁擠度指標最高的1/2/3個行業(yè)構(gòu)成高擁擠組合，觀察其收益表現(xiàn)。高擁擠組合持續(xù)跑輸?shù)葯?quán)基準且具備單調(diào)性從高擁擠組合凈值走勢上來看，高擁擠組合持續(xù)跑輸?shù)葯?quán)基準，且擁擠度越高，跑輸?shù)姆仍酱螅@表明，投資者往往會傾向于規(guī)避當前較為擁擠的行。而從相對凈值走勢上來看，高擁擠組合在2014年12月短暫跑贏基準，這主要是因為券商行業(yè)擁擠度指標在014年1月末就已達到歷史極值水平，但行情持續(xù)到2014年12月末才開始反轉(zhuǎn)。圖12高擁擠組合凈表現(xiàn)3.532.521.510.50準 合1 合2 合3注：高擁擠組合123分別代表選取當時指標值最高的123個行業(yè)構(gòu)成的組合。圖13高擁擠組合相對凈值表現(xiàn)1.41.210.80.60.40.20高擁擠組1基準 高擁擠組合2基準 高擁擠組3基準此外我們也嘗試構(gòu)建低擁擠組合即每月末時選出擁擠度最低的1/2/3個行業(yè)構(gòu)成投資組，觀察低擁擠行業(yè)是否能夠取得相對等權(quán)基準的超額收益。低擁擠行表現(xiàn)并不穩(wěn)定不能提供穩(wěn)定超額收益從低擁擠組合的表現(xiàn)來看雖然均能跑贏等權(quán)基準，但一方面，超額收益主要來自2017年及2020年9月后，其余時間均沒有表現(xiàn)出明顯超額收益；另一方面，低擁擠端表現(xiàn)并不單調(diào)低擁擠組合1的表現(xiàn)反而最。因此，綜合來看低擁擠行業(yè)的表現(xiàn)并不穩(wěn)定并不能提供較為穩(wěn)健的超額收益。這也與擁擠度指標的內(nèi)在邏輯相符其主要應用于風險規(guī)避在篩選強勢行業(yè)上無能為力。圖14低擁擠組合凈值表現(xiàn)76543210等權(quán)基準 低擁擠組1 低擁擠組合2 低擁擠組合3注：低擁擠組合123分別代表選取當時指標值最低的123個行業(yè)構(gòu)成的組合。圖15低擁擠組合相對凈值表現(xiàn)32.521.510.50合基準 合基準 合基準5.3. 擁擠度與景氣度復合策略將景氣度策略與擁擠度策略相結(jié)合以獲取更好效果前文中我們已經(jīng)論證，擁擠度指標在風險規(guī)避上表現(xiàn)良好，但并不能解決篩選強勢行業(yè)的問題而在前期系列報告中，我們已針對周期、金融、科技、消費四大板塊構(gòu)建了基本面量化框架從基本面景氣度視角捕捉行業(yè)上行bt。將景氣度策略與擁擠度策略相結(jié)合，就可以同時實