行业扩散指数因子作用机理解析及改进方法 ——行业轮动系列专题 核心观点: 扩散指数相较于动量因子可以更好的捕捉行业趋势,但近年因子表现有弱化趋势 扩散指数是一种基于指数成分股上行状态合成的动量指标,其相较于传统动量因子更能反映指数涨跌背后的贡献来源。单因子回测结果表明扩散指数因子分层效果及稳定性优于传统动量因子,但扩散指数其本身的动量属性也决定着其存在着动量因子的动量坍塌问题。跟踪发现,随着近年来市场波动加大,扩散指数因子亦存在有效性下降问题。 纳入波动率的低波扩散因子稳定性相较于原扩散指数有明显提升 由于扩散指数的动量特点,我们纳入波动率对扩散指数因子进行改进,构造了低波扩散行业因子。回测显示,低波扩散因子具有较好的分层效果,且相较于原扩散指数因子在因子稳定性方面有较大提升。因子RankIC均值为0.08,rank_t值达3.05。多头组行业年化收益率13.8%,相较于全行业等权,多头组年化超额为5.6%,超额最大回撤-11.7%。此外,在低波扩散因子的构造及测试中,我们发现对波动率采用相对长周期的回望期比相对短周期具有更好的表现。 沪深300内行业轮动选股超额收益稳健 我们将低波扩散因子应用在沪深300进行行业轮动选股。回测 结果显示,采用低波扩散因子构建的行业轮动策略在沪深300内选股表现出色,策略明显跑赢基准,并可以获得较为稳健的超额收益。行业轮动策略可实现年化收益率10.6%,相对沪深300年化超额为6.3%。 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。 分析师吴金超 :021-20252648 :wujinchao_yj@chinastock.com.cn分析师登记编码:S0130523080002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】结合价格动量和拥挤度的两融ETF交易策略探索 金融工程深度报告 2023年9月6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、行业扩散指数因子介绍2 马丁普林格扩散指数2 行业扩散指数因子定义2 二、扩散指数单因子行业轮动策略2 策略设计2 回测结果3 三、行业扩散指数因子有效性的机理解析5 扩散指数的动量属性5 扩散指数因子表现优于动量因子的机理分析6 四、扩散指数因子改进——低波扩散因子9 低波扩散因子构建9 因子回测10 五、低波扩散因子沪深300内行业轮动选股12 总结与展望14 风险因素14 参考文献14 一、行业扩散指数因子介绍 马丁普林格扩散指数 马丁普林格扩散指数(MartinPring'sDiffusionIndicator)是由马丁·普林格(MartinPring,2002)提出的一种动量指标,该指标通常用于对大盘指数的低频择时。其核心原理是描述指数中有多少成分股处于上行趋势(positivetrend),并通过加权(流通市值加权或等权)合成得出指数的整体上行趋势,为交易者提供了一个更全面的市场动量视角。 行业扩散指数因子定义 基于马丁普林格扩散指数,我们针对行业指数构建了行业扩散指数因子,其具体构建方法如下: 1.判断行业指数成分股是否处于上行状态。判断个股的上涨状态我们可以采用移动平均线法(MovingAverage)或者ROC法(RateofChange)。移动平均线法认为若个股在某个时间截面上位于其移动平均线以上,则表示该个股处于正向趋势。ROC法则通过比较个股在一定的时间跨度(回望期)内指标变化与0的大小关系给出趋势判断,如果大于0则表示股票处于正向趋势。 2.计算行业扩散指数:基于对行业指数成分股个股的判断,我们可以加权计算行业指数的扩散指数。加权方式的选择可分为平均加权和流通市值加权两种方式。具体公式如下所示: � 𝐷�=∑𝑤𝑖�𝐼𝑖(𝑡−𝑀𝐴,𝑡) 𝑖=1 其中,𝐷�为时间截面�时刻的扩散指数,�为指数成分股数量,𝐼𝑖(𝑡−𝑀𝐴,𝑡)表示第�只成分股在时间截面�是否为上行状态(上行状态记为1,非上行状态记为0),𝑀�为回望时间,𝑤𝑖�表示第 �只股票在时间截面�对应的权重。 二、扩散指数单因子行业轮动策略 我们首先测试扩散指数单因子在中信一级行业上的轮动效果,并观察其近年表现情况。 策略设计 1)计算行业扩散指数(全行业均采用收盘价计算,统一回望期为220日,进行20日移动平滑处理),并正向排序; 2)根据计算的行业扩散指数值将行业分为5组,扩散指数值高的为多头组,排名低的为空头组; 因子回测框架如下: 1)回测时间为2012年1月4日~2023年8月31日; 2)计算全行业扩散指数值,对中信一级29个行业(剔除综合金融)进行分组; 3)按固定频率(每月末)调仓; 4)每组内行业等权配置,不考虑交易费率。 回测结果 2012年1月4日至2023年8月31日数据回测数据显示,扩散指数行业轮动模型多头组年化收益率为14.6%,年化超额收益为6.5%,最大回撤为-53.5%,超额最大回撤为-17.3%,sharpe比率为0.57,平均RankIC为0.06,rank_t值为2.18,说明因子在回测区间内具有一定的行业轮动效果,因子通过显著性检验。 表1:扩散指数因子行业轮动效果 年化收年化 ic_meanicirt Rankic 最大 rank_t 超额最 年化波 sharpe 益率 超额 mean 回撤大回撤 动率 14.6% 6.5% 0.06 0.632.14 0.06 2.18 -53.5%-17.3% 0.26 0.57 数据来源:Wind,中国银河证券研究院 从分组单调性来看,整体具有明显的分组区分度。排名最高组(组5)平均收益率显著高于最低组(组1),多空效果明显。 图1:扩散指数行业因子分组收益率图2:扩散指数行业因子RankIC表现 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 图3:扩散指数行业因子分组收益净值图4:扩散指数行业因子分组超额收益净值 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 进一步我们观察历年的RankIC分布情况,我们发现大部分时间RankIC大于0,部分时间出现为负的情况。说明扩散指数也存在着一定的反转效应,即在大部分情况下扩散指数值越高的行业预期收益率越好,但某些情况下,扩散指数值越高的行业出现回撤的可能性越大。 具体分年度来看,回测期间大部分年份策略表现出正超额,在2015年、2016年和2018 年表现为负超额,分别为-5.9%、-4.2%和-5.9%,2023年截止到8月31日超额收益率亦为负, 且月度胜率较低,可以看出从2022年下半年以来因子表现有弱化趋势。 表2:扩散指数因子行业轮动策略分年度表现 年份 多头组收益率 空头组收益率 多空对冲 收益率 等权基准 收益率 超额收 益率 月度胜率最大回撤 超额最大回撤 2012 13.2% -1.5% 14.8% 1.8% 11.5% 66.7%-17.5% -4.5% 2013 22.4% -8.0% 30.4% 12.7% 9.7% 41.7%-14.9% -4.6% 2014 76.3% 34.3% 41.9% 46.5% 29.8% 50.0%-17.5% -9.1% 2015 44.3% 42.4% 1.9% 50.2% -5.9% 66.7%-46.4% -15.6% 2016 -17.4% -11.1% -6.3% -13.2% -4.2% 50.0%-28.1% -5.7% 2017 17.8% -8.3% 26.0% 0.8% 17.0% 58.3%-8.5% -3.6% 2018 -34.7% -23.8% -10.8% -28.8% -5.9% 41.7%-39.3% -16.5% 2019 46.0% 17.4% 28.6% 27.9% 18.1% 66.7%-11.4% -4.1% 2020 42.9% 7.0% 35.9% 21.8% 21.1% 41.7%-14.7% -6.0% 2021 18.4% 8.9% 9.5% 12.2% 6.2% 50.0%-19.9% -16.1% 2022 -8.1% -0.9% -7.3% -13.3% 5.1% 50.0%-23.0% -7.2% 2023 -2.4% -1.2% -1.2% 0.3% -2.7% 12.5%-12.9% -7.1% 数据来源:Wind,中国银河证券研究院,注:2023年数据截止2023年8月31日 三、行业扩散指数因子有效性的机理解析 扩散指数的动量属性 从扩散指数的定义可以看出,其与行业指数动量因子较为相似,行业指数动量因子可表示 为: � 𝑀�=∑𝑤𝑖�𝑟𝑖(𝑡−𝑀𝐴,𝑡) 𝑖=1 其中,𝑀�为时间截面�时刻的行业动量,�为指数成分股数量,𝑟𝑖(𝑡−𝑀𝐴,𝑡)表示第�只成分股在时间截面�上对应的历史涨跌幅,𝑀�为动量回望时间,𝑤𝑖�表示第�只股票在时间截面�对应的权重。 从行业扩散指数因子和行业动量因子的相似之处是均以行业指数的成分股的区间涨跌来合成对应的行业因子,而区别是扩散指数仅考虑成分股是否处于上涨状态(0、1变量),并不考虑个股的涨跌幅的大小。 我们以220天为回望期,计算行业扩散指数因子和动量因子,并计算其相关系数。我们发 现二者在大部分时间里相关系数较高,在2015年和2019年的极端市场行情期间二者的相关系数降低非常明显 图5:行业扩散指数因子与动量因子相关系数时序图 资料来源:Wind,中国银河证券研究院 扩散指数因子表现优于动量因子的机理分析 为了体现扩散指数因子相比于行业动量因子的优势,我们测试行业动量因子的行业轮动效果(为了便于比较,行业动量回望期同样设置为220日)。 通过对比回测结果可以发现,扩散指数因子相比于动量因子多头组表现更佳突出,且RankIC稳定性优于动量因子。在部分时间如2015、2016和2018年的极端牛市/熊市行情中二者相关性较低,在此期间尽管扩散指数的超额表现不够理想但仍好于动量因子,说明扩散指数相较于动量因子具有更强的稳健性。并且,动量因子表现好的时候扩散指数表现同样好,动量因子表现差的时候,扩散指数表现更好,即说明扩散指数比指数动量因子本身更能反映出指数的上行动能。 图6:行业动量因子分组收益率图7:行业动量因子RankIC表现 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 图8:行业动量因子分组收益净值图9:行业动量因子分组超额收益净值 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 为何扩散指数因子相比于动量因子表现更好?我们尝试从因子的构造原理及市场交易行为角度对因子有效性进行解析。 我们通过某一行业指数(以食品饮料行业为例)进行说明。我们发现在上涨行情中,扩散 指数通常会较快涨起,且按流通市值加权的扩散指数因子值要大于等权扩散指数因子值。通过按流通市值加权和等权的两种扩散指数的走势可以看出,在上涨行情时,大市值的贡献略高于小市值(表现为加权扩散指数比等权扩散指数上升更快);而在下跌行情中,小市值的下跌对指数下行的贡献较大(表现为等权扩散指数比加权扩散指数下降更快)。这说明大市值公司在上涨行情时会领先于市场上涨,而在下跌行情时小市值公司会领先于市场下跌。 图10:等权和流通市值加权扩散指数与行业指数走势关系 资料来源:Wind,中国银河证券研究院 我们进一步对全市场的大小市值的涨跌情况进行统计。我们分别统计单日、20日、60日和220四个时间维度的上证指数在上涨和下跌两种情况下,大小盘