融资融券市场月报：权衡价格动量和拥挤度，ETF策略方法更新

权衡价格动量和拥挤度，ETF策略方法更新 ——融资融券市场月报（230322） 核心观点: 重点关注🕔：经济周期择时，提高资产配置策略收益稳健性 如上月月报提到，我们改良了马尔科夫区制转换模型下的资产配置策略。为更好在模型中融入多元化资产，我们进一步利用合成宏观经济指标和通胀指标划分经济周期：复苏阶段、过热阶段、滞胀阶段、衰退阶段。根据美林投资时钟设置大类资产配置权重约束，以各经济周期收益为主观收益的Black-Litterman模型计算约束下最优权重，实现动态配置，可获得更加稳健的配置策略收益。 重点关注②：动量和拥挤度择时，有效规避“明斯基”时刻 ETF两融交易逐渐提升，受经济周期、投资者情绪等影响，ETF板块行情轮动。基于动量指标进行择时，增加处于上涨行情ETF配置比重从而提高策略收益率。动量并非永恒，动量结束后价格下跌的“明斯基时刻”即将到来。为规避价格下跌风险，通过基金流通份额度量ETF拥挤度，有效规避“明斯基”时刻。 配对交易策略表现：量化配对表现亮眼，基本面策略依旧平稳 配对交易的主要逻辑基于金融地产板块公司业务持续性、稳定性和公司间差异性，使用最新基本面指标与N个月的动量指标PCA处理后进行层次聚类分析，再从聚类的结果中挑选出多空两只股票进行配对交易。使用量化和基本面两种方式在聚类的结果中挑选多空的股票。本报告期自2023年2月16日至本月16日，量化配对策略表现亮眼，基本面策略与上期相比收益率下降但依旧持续获得稳健收益。 两融市场回顾：融资上行融券下行，转融通费率下跌 截至本月16日，融资余额为14,868亿元，环比上月+0.42%， 融券余额为914亿元，环比上月-2.20%。通信等行业融资净买入、融券净偿还较多；医药生物等行业融资净偿还、融券净卖出较多。从转融通市场观察，转融通加权费率已下降至3.8%以下。 资产配置观点：股市反弹概率较大，大宗商品不确定性尚未消除 社融、信贷双超预期，PMI数据持续改善，新兴产业指数上升至高景气区间，经济回暖迹象更加明显，股市未来反弹概率较大。3月27日央行降准即将落地，流动性压力有所缓解，利率预期小幅下行，硅谷银行暴雷事件引发对系统性金融风险的担忧，美联储加息概率降低，美元指数未来大概率下行。由于海外经济衰退风险较大，因此大宗商品仍然面临较大不确定性。 风险因素： 历史数据不能外推，本文仅提供数据统计和以历史数据测算提供的判断依据，不代表投资建议。 分析师马普凡 ：021-68597610 ：mapufan_yj@chinastock.com.cn 分析师登记编码：S0130522040002 相关研究 【银河金工】融资融券市场月报（220715）：关注新衍生工具：中证1000股指期货和股指期权 【银河金工】融资融券市场月报（220819）：重视短期风险与理论风险的概率差异 【银河金工】融资融券市场月报（220916）：金融地产板块的变化和配对交易框架 【银河金工】融资融券市场月报（221021）：两融标的扩容，助力证券市场发展 【银河金工】融资融券市场月报（221118）：北交所两融交易上线在即，提供投资新工具 【银河金工】融资融券市场月报（221216）：配对交易指标更新，未来拓展策略应用范围 【银河金工】融资融券市场月报（230120）：春节期间外股表现良好，有助提振节后情绪 【银河金工】融资融券市场月报（230217）：注册制全面推行，多措并举蓄好两融源头活水 金融工程定期报告 2023年3月22日 www.chinastock.com.cn证券研究报告请务必阅读正文最后的中国银河证券股份有限公司免责声明 目录 一、重点关注：配置方法更新之经济周期与价格动量择时2 重点关注①：基于马尔科夫区制转换模型和Black-Litterman的大类资产动态配置框架改进2 重点关注②：基于动量和拥挤度择时的大类资产动态配置框架改进8 二、配对交易表现12 配对交易逻辑12 配对交易测算方法13 配对交易股票表现13 三、两融市场变化15 两融市场规模15 板块行业变化16 股票余额分布16 ETF余额分布17 四、大类资产价格表现回顾18 �、宏观经济数据更新18 宏观经济表现：PMI指标18 宏观流动性状态：M2及信贷数据19 宏观流动性状态：流动性及汇率20 通胀压力：居民及工业价格指数20 六、配置观点及总结21 一、重点关注：配置方法更新之经济周期与价格动量择时 马科维茨投资组合理论包含均值－方差分析和投资组合有效边界模型两个重要内容，通过资产收益率之间的低相关性实现分散化效果，最终得到一定收益水平下的最低风险或一定风险下的最大收益。马柯维茨投资组合理论标志着现代投资组合理论的开端，是资产配置理论的基础，但是该理论在实践中尚存在一些问题： （1）均值-方差模型以历史收益率为基础计算各资产收益率均值和方差。然而历史未必会重演，以历史收益率均值、方差代表未来期望收益、风险存在偏差。因此需要对均值-方差模型输入参数进行调整，以便能够更好的描述资产收益率未来的状态。基于马尔科夫区制转换模型和Black-Litterman的大类资产动态配置框架改进可以有效纠正偏差，实现更加有效的资产配置。 （2）均值-方差模型假设资产收益率服从正态分布，以方差刻画投资组合风险。实践表明资产收益分布往往并不对称，而是表现出尖峰肥尾等偏态特征，Konno和Suzuki(1995)、Athayde和Flores（2002）等引入偏度、峰度等高阶矩拓展均值-方差模型。此外，资产收益率波动具有聚集性特征。因此以方差刻画资产风险存在缺陷。基于动量指标PMI和ETF基金份额变动的配置策略可以降低资产组合下行风险，在资产价格崩溃的“明斯基时刻”(MinskyMoment)来临之前主动降低持仓头寸，减少资产价格下跌导致的亏损。 重点关注🕔：基于马尔科夫区制转换模型和Black-Litterman的大类资产动态配置框架改进 Markowitz（1952）均值-方差理论基于理性投资者风险厌恶假设和资产预期收益、方差求解资产配置最优权重。在实践中，通常根据各类资产的历史收益数据得到预期收益和方差，由于过去的收益均值未必是未来收益的无偏估计，输入参数的估计误差可能会降低均值-方差模型的有效性。Black和Litterman（1992）通过结合市场隐含收益与投资者主观收益，有效利用历史收益和投资者预期信息，以此改进输入参数的精准度，最终通过最大化效用函数得到配置权重，Black-Litterman模型广泛应用于国内外资产配置领域。 对于Black-Litterman模型中投资者主观收益部分的研究一直是学界和业界讨论的重点。Haesen（2017）基于NBER划分的美国经济周期下资产历史收益构成主观观点矩阵。宏观经济中主要经济变量的周期变化导致经济周期的变化，进而传导至大类资产表现，因此宏观经济指标对资产配置具有较强的指导作用。大量学术和业界研究证实资产表现和经济变量间存在因果关系。美林投资时钟通过经济增长和通货膨胀两个经济变量将经济周期划分为复苏、过热、滞涨和衰退四个阶段，并将各阶段与大类资产配置相联系。 图1：Black-Litterman模型示意图 资料来源：中国银河证券研究院 在上个月的月报重点关注②中，我们基于熵值法构建合成宏观经济指标，经回归实证检验发现其对宏观经济具有一定领先性，并对HP滤波后的合成指标通过马尔科夫区制转换模型对其分区，发现其对股债资产配置以及风格轮动具有较好的择时效应。本文将借鉴Haesen（2017）的思路，旨在美林投资时钟的框架下计算各大类资产的历史收益作为主观收益，带入Black-Litterman模型中比较其与传统配置模型的差异。 （1）经济周期划分 我们分别从证券市场、货币政策、投资、生产和消费等层面选择宏观观测指标，并基于熵值法构建了宏观经济指标，见图3。股市是宏观经济的晴雨表，由于港股具有更高的市场化程度，因此恒生指数能较好反映宏观经济变化；M2同比增长率和期限利差能够较为有效地衡量市场上的流动性情况；产品销售率反映实体经济运行情况；房地产开发投资完成额同比增长反映了作为支柱性产业的房地产市场运行变化，对宏观经济运行具有重要意义。 图2：大类资产动态配置算法示意图 资料来源：中国银河证券研究院 表1：宏观指标 指标名称 指标大类 备注 恒生指数:涨跌幅 证券市场 房地产开发投资完成额:同比 PMI:同比 产品销售率:当月值同比M2:同比 投资生产消费 货币政策 期限利差 货币政策 1年中债国债到期收益率与10年中债国债到期收益率之差 数据来源：中国银河证券研究院，Choice 为检验合成宏观指标对经济的领先性，我们将宏观指标与产业增加值做跨期相关系数检验，结果见图4。纵坐标表示跨期相关系数，横坐标表示指标与产业增加值的领先或滞后阶数。合成宏观指标对产业增加值具有较强的领先性，在合成宏观指数领先4阶时相关系数高达0.30，该数据进一步验证了合成宏观指数的有效性。 图3：合成宏观指标图4：跨期相关系数 0.8 0.7 0.6 0.5 0.4 0.3 0.2 0.1 0 -6-5-4-3-2-10123456 0.35 0.3 0.25 0.2 0.15 0.1 0.05 0 -0.05 资料来源：Wind，中国银河证券研究院资料来源：Wind，中国银河证券研究院 我们选取万得一致预测CPI当月同比值作为通货膨胀指标。万得一致预测CPI当月同比 数据由万得公司提供，包括了各家卖方研报中对未来1-24个月不等的CPI预测值的均值，不定期更新，具有较好的领先性和准确性。我们选取TED利差（滞后一期）作为海外资产指标，海外资产为美国标普500指数。TED利差为美元同业拆借利率与美国短期国债利率的差值，综合反映了投资者偏好和流动性松紧情况，TED利差扩大表明由于投资者避险情绪上涨造成市场流动性趋紧，TED利差收窄表明由于投资者避险情绪下降造成市场流动性趋松。 将合成宏观指标划分为上行和下行两阶段前，需对其进行HP滤波降噪，通过对波动方差的极小化得到宏观指标的趋势项，避免周期反复切换的问题。我们分别对宏观指标趋势项、通胀指标和海外择时指标建立两区制马尔科夫区制转换模型，回归结果见表2和图5-6。该模型较好地将合成三类指标区分为两区制，其中区制1为低波动，区制2为高波动，能较好地拟合指标的上行和下行阶段。所有指标的两区制的转换概率均超过90%，因此区制相互转换概率较低，模型具有较强的稳定性。由此可见，马尔科夫区制转换模型对投资实践具有择时指导意义。 表2：马尔科夫区制转换回归结果（括号内为标准误） 宏观指标 0.3298*** 0.4455*** 0.0006*** 0.0066*** (0.03) (0.009) (0.0001) (0.001) 通胀指标 1.9816*** (0.055) 0.2999*** (0.042) 3.3259*** (0.348) 7.4472*** (1.375) 海外指标 0.1791*** (0.011) 0.0024*** (0.001) 0.3709*** (0.026) 0.0283*** (0.005) 0.9709 0.9721 0.9747 0.9559 0.9435 0.9420 𝜇𝝁�𝜇𝝁�𝜹𝜹𝝁�𝜹𝜹𝝁�𝑝𝝁𝝁𝝁�𝑝𝝁𝝁𝝁� 数据来源：中国银河证券研究院 图5：通胀指标区制划分图6：海外指标区制划分 100% 90% 80% 70% 60% 50% 40% 30% 20% 10% 20130101 20130701 20140101 20140701 20150101 20150701 20160101 20160701 20170101 20170701 20180101 20180701 20190101 20190701 20200101 20200