金融工程研究报告：行业有效量价因子与行业轮动策略

证券研究报告|金融工程研究报告 2022年8月22日 评级及分析师信息 分析师：张立宁邮箱：zhangln@hx168.com.cnSACNO：S1120520070006分析师：杨国平邮箱：yanggp@hx168.com.cnSACNO：S1120520070002助理分析师：丁睿雯邮箱：dingrw@hx168.com.cn 行业有效量价因子与行业轮动策略 ►行业量价因子筛选 我们从行业层面的量价数据入手，根据量价因子的本质含义对其进行归类，将量价因子分为动量、交易波动、换手率、多空对比、量价背离、量幅同向六大类。 我们对这六大类中的量价因子进行单因子测试，包括因子分组测试和因子IC值分析，最终得到了11个较为有效、逻辑性强的月频行业因子。 ►量价行业轮动组合回测表现较好 我们根据11个量价因子构建量价行业轮动组合，每月末选取中信一级行业（剔除综合和综合金融）中复合因子值最高的五个行业，行业间等权加权。 2010年至2022年7月，量价行业轮动组合的累计收益为 580.00%，相对于全部行业等权组合的累计超额为484.16%。行业组合的年度胜率为100%，月胜率为64.90%。 风险提示 报告的结论基于历史统计规律，当历史规律发生改变时，报告中的结论可能失效。市场可能出现超预期波动风险。 正文目录 1.动量因子4 1.1.简单动量4 1.2.二阶动量5 1.3.动量期限差6 2.交易波动因子7 2.1.成交金额波动7 2.2.成交量波动8 3.换手率因子9 3.1.换手率变化9 4.多空对比因子10 4.1.多空对比总量10 4.2.多空对比变化11 5.量价背离因子13 5.1.量价排序协方差13 5.2.量价相关系数15 5.3.一阶量价背离17 6.量幅同向因子18 7.量价因子行业轮动策略19 8.风险提示21 图表目录 图1不同期限动量行业轮动超额收益4 图2不同期限动量行业轮动净值4 图3二阶动量因子分组超额收益走势5 图4二阶动量因子分组净值5 图5二阶动量因子IC值时间序列5 图6动量期限差因子分组超额收益走势6 图7动量期限差因子分组净值6 图8动量期限差因子IC值时间序列6 图9成交金额波动因子分组超额收益走势7 图10成交金额波动因子分组净值7 图11成交金额波动因子IC值时间序列7 图12成交金额波动因子分组超额收益走势8 图13成交金额波动因子分组净值8 图14成交量波动因子IC值时间序列8 图15换手率变化因子分组超额收益走势9 图16换手率变化因子分组净值9 图17换手率变化因子IC值时间序列10 图18多空对比总量因子分组超额收益走势11 图19多空对比总量因子分组净值11 图20多空对比总量因子IC值时间序列11 图21多空对比变化因子分组超额收益走势12 图22多空对比变化因子分组净值12 图23多空对比变化因子IC值时间序列12 图24量价排序协方差(收盘价)因子分组超额收益走势13 图25量价排序协方差(收盘价)因子分组净值13 图26量价排序协方差(收盘价)因子IC值时间序列13 图27量价排序协方差(开盘价)因子分组超额收益走势14 图28量价排序协方差(最高价)因子分组超额收益走势14 图29量价排序协方差(开盘价)因子分组净值14 图30量价排序协方差(最高价)因子分组净值14 图31量价排序协方差(开盘价)因子IC值时间序列14 图32量价排序协方差(最高价)因子IC值时间序列14 图33量价相关系数(收盘价)因子分组超额收益走势15 图34量价相关系数(收盘价)因子分组净值15 图35量价相关系数(收盘价)因子IC值时间序列15 图36量价相关系数(开盘价)因子分组超额收益走势16 图37量价相关系数(最高价)因子分组超额收益走势16 图38量价相关系数(开盘价)因子分组净值16 图39量价相关系数(最高价)因子分组净值16 图40量价相关系数(开盘价)因子IC值时间序列16 图41量价相关系数(最高价)因子IC值时间序列16 图42一阶量价背离因子分组超额收益走势17 图43一阶量价背离因子分组净值17 图44一阶量价背离因子IC值时间序列17 图45量幅同向因子分组超额收益走势18 图46量幅同向因子分组净值18 图47量幅同向因子IC值时间序列18 图48量价行业组合走势及相对于行业等权的超额收益20 我们从行业层面的量价数据入手，根据量价因子的本质含义对其进行归类，将量价因子分为动量、交易波动、换手率、多空对比、量价背离、量幅同向六大类。我们对这六大类中的量价因子进行单因子测试，最终得到了11个较为有效、逻辑性强的月频行业因子。 在量价因子测试中，回测区间均为2010年至2022年7月31日，所用行业为剔 除综合和综合金融后的28个中信一级行业。在因子分组测试中，第一组为因子值最 大组，第五组为因子值最小组，超额收益所用基准为28个中信一级行业的等权组合。同时，我们还采用了因子IC值分析，统计了月频因子IC值的时间序列。 最后我们将全部有效量价因子汇总，得到了量价行业轮动组合。2010年至2022年7月，量价行业轮动组合的累计收益为580.00%，相对于全部行业等权组合的累计超额为484.16%。 1.动量因子 1.1.简单动量 本节只考虑用价格数据构建行业因子。首先我们测试简单动量在A股行业中的表现，每月取不同期限动量最高的前5个行业并设置为等权。 其中，5日、10日、15日的短期动量和40日、120日、180日的中长期动量都能取得一定超额收益，但超额收益波动较大，动量和反转效应相互交替。它们的月频IC均值分别为0.027、0.059、0.045、0.013、0.040和0.047。 图1不同期限动量行业轮动超额收益图2不同期限动量行业轮动净值 资料来源：Wind、华西证券研究所资料来源：Wind、华西证券研究所 1.2.二阶动量 动量是价格的一阶函数，我们用最新一期动量减去过去的动量，可得动量间的差值，即价格的二阶函数。二阶动量可以理解为动量的改善情况，我们对过去一段时间 （window）的二阶动量进行了指数加权移动平均，因子公式为： 𝐹𝑎𝑐𝑡𝑜�=𝐸𝑊𝑀�(𝐶𝑙𝑜𝑠𝑒�−𝑚𝑒𝑎𝑛(𝐶𝑙𝑜𝑠𝑒�−window1:𝑡) 𝑚𝑒𝑎𝑛(𝐶𝑙𝑜𝑠𝑒𝑡−window1:𝑡) 𝐶𝑙𝑜𝑠𝑒�−𝑚𝑒𝑎𝑛(𝐶𝑙𝑜𝑠𝑒�−window1:𝑡) −𝑑𝑒𝑙𝑎�( 𝑚𝑒𝑎𝑛(𝐶𝑙𝑜𝑠� 𝑡−window1:� ),window2),window) 二阶动量因子呈较好的单调性，因子值最大组（第一组）至因子值最小组（第五组）的超额收益分别为166.53%、35.56%、-48.13%、-49.11%、-83.56%，月度IC均值为0.044。 图3二阶动量因子分组超额收益走势图4二阶动量因子分组净值 资料来源：Wind、华西证券研究所资料来源：Wind、华西证券研究所 图5二阶动量因子IC值时间序列 资料来源：Wind、华西证券研究所 1.3.动量期限差 长期动量越高体现了较好的动量持续性与筹码量的堆砌，而短期动量越高通常代表着较为拥挤的赛道。动量期限差，即长期动量减去短期动量。该因子值越高可以理解为在长期向上趋势明显的行业中剔除了近日较为拥挤的行业： 𝐹𝑎𝑐𝑡𝑜�=𝐶𝑙𝑜𝑠𝑒𝑡−𝐶𝑙𝑜𝑠𝑒𝑡−𝑤𝑖𝑛𝑑𝑜𝑤1−𝐶𝑙𝑜𝑠𝑒𝑡−𝐶𝑙𝑜𝑠𝑒𝑡−𝑤𝑖𝑛𝑑𝑜𝑤2,𝑤𝑖𝑛𝑑𝑜𝑤1＞𝑤𝑖𝑛𝑑𝑜𝑤2 𝐶𝑙𝑜𝑠𝑒𝑡−𝑤𝑖𝑛𝑑𝑜𝑤1𝐶𝑙𝑜𝑠𝑒𝑡−𝑤𝑖𝑛𝑑𝑜𝑤2 动量期限差因子分组测试中，第一组至第五组的超额收益分别为144.16%、 -26.33%、53.49%、-49.57%、-105.97%，月度IC均值为0.046。 图6动量期限差因子分组超额收益走势图7动量期限差因子分组净值 资料来源：Wind、华西证券研究所资料来源：Wind、华西证券研究所 图8动量期限差因子IC值时间序列 资料来源：Wind、华西证券研究所 2.交易波动因子 本节我们只考虑交易量数据，分别介绍成交金额波动因子和成交量波动因子。我们用交易量的标准差反映近期行业的成交波动情况，波动越小说明市场情绪越稳定。 2.1.成交金额波动 我们用过去一段时间的成交金额标准差来衡量行业交易情况的稳定程度，并取相反数，波动率最小组为因子值最大组，波动率最大组为因子值最小组： 𝐹𝑎𝑐𝑡𝑜�=−𝑆𝑇𝐷(𝐴𝑚𝑜𝑢𝑛𝑡) 成交金额波动因子分组测试中，第一组至第五组的超额收益分别为111.72%、 -26.75%、-16.53%、-1.20%、-118.27%，月度IC均值为0.054。 图9成交金额波动因子分组超额收益走势图10成交金额波动因子分组净值 资料来源：Wind、华西证券研究所资料来源：Wind、华西证券研究所 图11成交金额波动因子IC值时间序列 资料来源：Wind、华西证券研究所 2.2.成交量波动 成交量波动，即过去一段时间成交量标准差的相反数，同样的，波动率最小组为因子值最大组，波动率最大组为因子值最小组，这个因子代表着做多市场情绪稳定的行业： 𝐹𝑎𝑐𝑡𝑜�=−𝑆𝑇𝐷(𝑉𝑜𝑙𝑢𝑚𝑒) 根据成交量波动因子的分组测试，第一组至第五组的超额收益分别为164.49%、 -41.13%、-3.00%、-35.85%、-68.77%，第一组超额收益明显高于其余各组，月度IC均值为0.040。 图12成交金额波动因子分组超额收益走势图13成交金额波动因子分组净值 资料来源：Wind、华西证券研究所资料来源：Wind、华西证券研究所 图14成交量波动因子IC值时间序列 资料来源：Wind、华西证券研究所 3.换手率因子 在只考虑行业换手率数据的情况下，单一期限的换手率均值在行业上的区分度并不明显，因此我们尝试了用长期换手率与短期换手率相除，得到换手率短期相对于长期的变化情况。 3.1.换手率变化 我们用长期换手率均值除以短期换手率均值，因子值越大，说明短期换手率相对于长期较低，市场预期较为一致；因子值越小，说明短期相对于长期换手更加活跃，市场分歧较大： 𝑀𝑒𝑎𝑛(𝑡𝑢𝑟𝑛𝑜𝑣𝑒𝑟𝑡−window1:𝑡) 𝑡−window2:� 𝐹𝑎𝑐𝑡𝑜�=𝑀𝑒𝑎𝑛(𝑡𝑢𝑟𝑛𝑜𝑣𝑒� ),𝑤𝑖𝑛𝑑𝑜𝑤1＞𝑤𝑖𝑛𝑑𝑜𝑤2 做多短期内换手率下降的行业效果较好，换手率变化因子在2017年之后超额收益较为明显。因子分组测试中，第一组至第五组的超额收益分别为110.27%、-40.01%、-6.64%、-22.81%、-50.58%，因子的月度IC均值为0.022。 图15换手率变化因子分组超额收益走势图16换手率变化因子分组净值 资料来源：Wind、华西证券研究所资料来源：Wind、华西证券研究所 图17换手率变化因子IC值时间序列 资料来源：Wind、华西证券研究所 4.多空对比因子 把行业指数每日收盘价与最低价的差值看作是多头力量、每日最高价与收盘价的差值看作是空头力量，那么最高价与最低价之间就是多空力量制衡的值域。我们根据指数日频的价格信息构建多空对比因子。 4.1.多空对比总量 我们计算过去一段时间内每日多空力量对比，即多头力量与空头力量的比值，并求和。多空对比总量越大，说明这段时间内多头力量相对于空头力量更强势；多空对比总量越小，说明这段时间内空头力量较多头力量更加强势。这里我们取因子值的相反数，也就是做多过去空头力量较强的行业，这本质上是一个反转因子。 𝑖=� 𝐶𝑙𝑜𝑠𝑒�−𝐿𝑜𝑤� �