基于筹码结构理论的行业轮动策略：取筹码厚积之处，享行业趋势行情

►筹码结构与处置效应 筹码结构的基本思想是用过去资产的量价信息去构建持有该资产的成本分布，从而衡量投资者在当前时刻的卖出意愿。 处置效应是行为金融学中用于解释股票市场的一种现象，它告诉我们，投资者倾向于“过早地”抛售已获利的股票，并且持续持有已下跌的股票。也就是说收益率越高的资产，人们越希望尽快卖掉。但是人们的这种做法常常是错误的，这会导致人们“过早地”抛售还未涨到位的股票，这也是市场失效的一种表现。我们可以利用这种定价错误，继续持有被“过早”卖出的资产，根据筹码结构衡量卖出意愿，把被人们过早卖出的资产找出来。 在本文中，我们根据中信一级行业指数的量价数据来构建基于筹码结构理论的行业轮动策略。 固定期限的筹码收益率历史百分位因子表现较好筹码收益率的含义为过去一段时间持有该行业的平均收益率。我们通过固定累计换手率、不固定期限，和固定期限、不固定累计换手率两种方法分别来测算筹码收益率因子以及筹码收益率历史百分位因子。 2010-2022年4月，我们在每月末选取各个因子值最高的五个行业，我们发现固定期限的筹码收益率历史百分位因子表现较好。固定期限的历史百分位轮动组合的累计收益为232.51%，相对于中证全指的累计超额为210.07%。 累积筹码历史百分位因子表现较好 累积筹码收益的含义为过去一段时间持有该行业的累积绝对收益。我们对累积筹码收益因子和累积筹码收益历史百分位因子也做了相应的回测。其中累积筹码收益历史百分位行业组合累计收益为242.61%，相对于中证全指的累计超额为220.17%。累积筹码收益历史百分位行业组合表现优于累积筹码收益行业组合，也优于简单动量行业组合。 风险提示 量化报告的结论基于历史统计规律，当历史规律发生改变时，报告中的模型和结论可能失效。 处置效应与筹码结构 筹码结构（Chip Distribution）的基本思想是用过去资产的量价信息去构建持有该资产的成本分布，从而衡量投资者在当前时刻的卖出意愿。我们把投资者在过去一段时间内所持有的股票看作是他们手中持有的筹码，将股价的上升与下降看作是筹码量的堆砌与收缩，筹码量堆砌得越高，人们的卖出意愿也就越高。 处置效应（Disposition affect）是行为金融学中用于解释股票市场的一种现象，它告诉我们，投资者倾向于“过早地”抛售已获利的股票，并且持续持有已下跌的股票，也就是说收益率越高的资产，人们越希望尽快卖掉。但是人们的这种做法常常是错误的，这会导致人们“过早地”抛售还未涨到位的股票，这也是市场失效（Market Inefficiency）的一种表现。虽然在资产价格的上涨阶段，人们的卖出意愿会升高，但只要有源源不断的投资者愿意接手持有，就可能接连在此处发生趋势行情。我们可以利用这种定价错误，继续持有被“过早”卖出的资产，根据筹码结构衡量卖出意愿，把被人们过早卖出的资产找出来。 在本文中，我们将筹码结构理论应用于行业，根据中信一级行业指数的价格和换手情况来探究当前市场的筹码结构。我们根据过去一段时间内投资者持有且还未卖出的行业成分股的量价数据来计算这段时间内投资者持有该行业的平均成本，并将此成本与行业指数现价比较，得到这段时间的筹码收益。基于以上思想，我们根据中信一级行业指数的量价数据来构建基于筹码结构理论的行业轮动策略。 筹码收益率因子 首先我们通过两种方法构建筹码收益率因子。筹码收益率因子的含义为过去一段时间内持有该资产的平均收益率。我们可以通过固定累计换手率、不固定期限，和固定期限、不固定累计换手率两种方法来测算筹码收益率因子。 固定换手率的筹码收益率因子 本节我们只考虑资产在过去一段时间换手率合计到达100%的情况，将筹码收益率（Average relative chip return）定义为该资产当前价格相对于过去往前推、使累计换手率达到100%这段时间内的资产均价的收益率。 我们通过寻找使过去一段时间换手率之和达到100%的时间点来决定期限𝑁日的大小，再将过去𝑁日的行业指数均价作为这段时间买入该行业的平均成本。假设计算目标因子的日期为𝑡，对于单一资产，𝑡−𝑁日恰为𝑡前推累计换手率>=100%的第一天，设𝑃为𝑡−𝑁日至𝑡日资产价格均值，那么固定换手率为100%的筹码收益率具体公式为： 𝑡:𝑡−𝑁 当𝐴𝑅𝐶为正数时，说明过去这段时间内持有该资产的平均收益率为正；当𝐴𝑅𝐶为负数时，说明过去这段时间内持有该资产的平均收益率为负。 𝑡 𝑡 以中信一级行业为例（不包括综合与综合金融），每月末选取固定换手率为100%的筹码收益率最高的五个行业，回测结果如图1所示，2010年至2022年4月底，固定换手率的筹码收益率行业组合累计收益为143.81%，相对于中证全指的累计超额为121.37%。 我们把28个中信一级行业按固定换手率的筹码收益率因子大小排序，并分为5组，第1组为因子值最大组合，第5组为因子值最小组合。将各月各组收益汇总后在各组内取均值，分组组合收益在所回测区间内月度收益均值如图2所示，组合收益基本单调递减。 固定期限的筹码收益率因子 这一节我们参照Zhang（2020） 在 《Stock Picking Strategy Based on Exploration of Chip Distribution Indicators》一文中的方法，固定期限，不固定累计换手率，构建筹码收益率因子。这里筹码收益率的具体含义为已知期限𝑁的大小，在过去𝑁日内买入该行业并持有至𝑡日的平均收益率。 假设计算目标因子的日期为𝑡，对于单一资产，𝑡−𝑛（𝑛≤𝑁）日的相对筹码收益率（Relative chip return）代表了𝑡日价格𝑃相对于𝑡−𝑛日价格𝑃的收益率，具体公式为： 𝑡 𝑡−𝑛 同时，计算调整换手率（Adjusted turnover rate）,也就是𝑡−𝑛日投资者买入的资产至𝑡日仍留存下来的比例，具体公式为： 其中𝑇𝑅 为𝑡−𝑛日的换手率（Turnover rate）。 𝑡−𝑛 例如当𝑛=2时，𝐴𝑇𝑅 为2日前该行业的换手率×昨日未换手的资产市值比率 𝑡−2 ×今日未换手的资产市值比率。 由此可以根据𝐴𝑇𝑅 对相对筹码收益率做加权平均，也就是用𝑡−𝑛日换手至今 𝑡−𝑛 留存下来的资产比率作为𝑡−𝑛日至𝑡日收益率的权重，求得相对筹码收益率𝐴𝑅𝐶（Average relative chip return）,我们将时间区间𝑁设定为过去15天,𝐴𝑅𝐶的公式为： 𝑡 𝑡 当𝐴𝑅𝐶为正数时，说明过去15日内持有该资产的平均收益率为正；当𝐴𝑅𝐶为负数时，说明过去15日内持有该资产的平均收益率为负。 𝑡 𝑡 我们同样每月末选取固定期限的筹码收益率因子最高的五个行业，回测结果如图3所示，2010年至2022年4月底，固定期限的筹码收益率行业组合累计收益为186.05%，相对于中证全指的累计超额为163.61%。 我们同样把28个中信一级行业按固定期限的筹码收益率因子值大小分为5组，将各月各组收益汇总后在各组内取均值，分组组合收益在所回测时间区间内的月度收益均值如图4所示，固定期限的筹码收益率组合涨跌幅基本单调递减。 筹码收益率历史百分位因子 本节我们对筹码收益率因子做出改进。由于各行业间的风格属性不同，市场对于各个行业的预期收益率大小也不尽相同，因此为了衡量一个行业在当前时刻的卖出意愿，也就是筹码收益率是否处于历史高位，我们将筹码收益率替换为筹码收益率的历史百分位。 我们运用前文的两种方法计算了日频ARC因子，然后在每月末计算当前筹码收益率在过去一年筹码收益率中的百分位，将此百分位数作为因子进行回测。 同样地，我们在2010至2022年4月底的每月末选取中信一级行业两种方法下筹码收益率历史百分位最高的五个行业，构成我们的筹码收益率百分位（固定换手）行业组合和筹码收益率百分位（固定期限）行业组合。固定换手的历史百分位组合的累计收益为160.07%，相对于中证全指的累计超额为137.63%。固定期限的历史百分位组合的累计收益为232.51%，相对于中证全指的累计超额为210.07%。取百分位法对于固定期限的筹码收益率因子表现有较大的改善作用。 行业分组月度平均收益如图7和图8所示，两个因子测试中都是因子值最大的第一组收益明显最高。 我们在表1中统计了筹码收益率百分位（固定换手）行业组合和筹码收益率百分位（固定期限）因子组合的年度收益率，其中固定换手的筹码收益率百分位行业组合的年度胜率为69.23%，月胜率为54.73%；固定期限的筹码收益率百分位行业组合的年度胜率为69.23%，月胜率为58.11%。固定期限的筹码收益率百分位因子表现优于固定换手的筹码收益率百分位因子。 截至2022/4/29，筹码收益率百分位（固定换手）因子值靠前的行业为房地产、消费者服务行业，筹码收益率百分位（固定期限）因子值高于60%的行业有家电、食品饮料行业。 3.累积筹码收益因子 除却微观角度下的投资者卖出意愿，趋势行情的造就与市场整体中的筹码堆积程度亦是密不可分。一个行业的基本面价值一旦被挖掘抬升，少部分投资者的左侧买入就会形成行业价格拐点。如果这一基本面价值能够被越来越多投资者接受，那么就会有大量的右侧买入，筹码的堆砌就能够推动价格持续上涨。 对于单个行业，累积筹码收益的具体含义为过去一段时间持有该行业的累积收益绝对收益。我们仿照固定期限的筹码收益率因子，进行累积筹码收益因子的构建。 我们先根据各行业指数的价格信息求出𝑡−𝑛日至𝑡日的相对筹码收益（Relative chipreturn）： 接下来计算𝑡−𝑛日的留存成交量（Retained Amount）,也就是𝑡−𝑛日投资者买入该资产并持有至𝑡日的金额绝对值，具体公式为： 其中𝐴𝑚𝑜𝑢𝑛𝑡 代表了𝑡−𝑛日该行业的成交金额。 𝑡−𝑛 对于累积筹码收益因子，我们取时间区间长度𝑁=15，把𝑡−15日至𝑡日每天的相对筹码收益与留存成交量相乘，再将每日的筹码收益绝对值加总，可得过去15日累积筹码收益𝐶𝐶𝑃（Cumulative chip profit），具体公式为： 𝑡 𝐶𝐶𝑃是15个交易日期间换手至今的留存部分的绝对收益，𝐶𝐶𝑃数值越大，说明过去15日内持有该行业的收益累积越多，趋势行情的发生则拥有更有力的支撑。同时，我们也构建了累积筹码收益历史百分位因子，也就是取每月末累积筹码收益在过去一年中的历史百分位数，它代表对于单个行业，此时该行业筹码堆砌程度在过去一年中的位置。 𝑡 𝑡 我们在2010至2022年4月底的每月末分别选取中信一级行业中累积筹码收益因子及其百分位因子最高的五个行业，构成累积筹码收益行业组合和累积筹码收益历史百分位行业组合。同时，作为对照组，我们参照了过去15日动量因子的行业组合。 相较于简单动量组合，累计筹码收益不仅考虑了给定时间区间内资产的涨跌幅，还考虑了每日成交量以及所持有该资产的成本分布。 如图所示，累积筹码收益行业组合的累计收益为167.32%，相对于中证全指的累计超额为144.88%。累积筹码收益历史百分位行业组合累计收益为242.61%，相对于中证全指的累计超额为220.17%。15日动量行业组合的累计收益为142.77%，相对于中证全指的累计超额为120.33%。累积筹码收益历史百分位行业轮动组合表现优于累积筹码收益组合，也优于15日动量行业组合。 28个中信一级行业按累积筹码收益因子大小分组的组合月度涨跌幅均值如图13所示，分组涨跌幅大小基本单调递减。 28个中信一级行业按累积筹码收益历史百分位因子大小分组的组合月度涨跌幅均值如图14所示，累积筹码收益历史百分位因子呈显著单调性。 表2中统计了累积筹码收益及其历史百分位两个因子行业组合的年