行业轮动系列四：基于趋势确定性的量价行业轮动研究

2023年11月24日 证券研究报告•金融工程深度报告 行业轮动系列四 基于趋势确定性的量价行业轮动研究 摘要 2022年至2023年间，A股市场因子有效性变化显著，基本面因子有效性有所下降，量价类因子有效性有所上升。在市场风格切换迅速的背景下，量价类因子更新频率较高，在捕捉市场风格切换与热点主题投资机会具备显著优势。 A股市场长期实证结果表明，个股维度反转效应较为显著，行业维度动量特征较为明显；2021年来，伴随着市场切换速率加快，传统动量因子在行业维度有效性显著衰减，为此本文将重构动量因子计算方式，寻求行业维度更优动量特征刻画，以此为基础，从行业趋势动量、行业成交额低波、行业交易情绪动量3个维度构建多因子量价行业轮动体系。 趋势动量因子：使用当前时点相较于前高（低）的相对涨（跌）幅刻画行业指数的趋势动量。趋势动量因子对行业收益具备显著的预测作用。因子IC均值 为0.10，在99%的置信水平下显著非零，IC胜率65.85%，ICIR为0.41。趋势动量因子与传统动量因子有效性变化趋势相近，均为行业收益率特征的动量刻画，但相较于传统动量因子，趋势动量因子有效性大幅领先。 成交额低波因子：A股市场中，从长期来看成交额低波的股票可以获得显著的超额收益，低波超额现象在行业维度同样存在。通过施密特正交，剔除行业规 模与行业历史成交额对行业指数成交额的干扰，计算提纯成交额波动率构造成交额低波因子。成交额低波因子月度IC均值为0.05，ICIR为0.22，IC胜率为60.81%，因子有效性具备均值回复特征，做多成交额波动率较低的行业可以获得可观的超额收益。 交易情绪动量因子：交易情绪的变化会对市场行情产生影响，投资者的情绪会直接影响到资产的供需关系和价格走势。市场上做多热情和做空热情的相对比 例会影响到市场的波动性和资金流动方向。通过做多力量与做空力量的相对比例刻画行业交易情绪变化，构造交易情绪动量因子。聚合隔夜与日内交易情绪动量因子，寻找长短期交易情绪共振行业构建多头与空头组合，因子有效性显著提升。月度IC均值提升至0.059，IC胜率提升至64.88%，ICIR提升至0.31。 量价行业轮动策略：趋势动量因子，成交额低波因子与交易情绪动量因子之间相关系数较低。根据行业轮动量价复合因子值构建多空组合，选择因子值最大 （小）的5个行业构建多（空）组合，样本期为2009年1月至2023年9月，量价行业轮动多因子策略多头组合可以实现年化收益率12.00%，年化Sharpe比率为0.54，最大回撤率36%；相较于行业等权配置基准年化超额收益率为8.38%，多头超额年化Sharpe比率为1.27，最大回撤率仅为8%。 风险提示：本报告结论完全基于公开的历史数据，若未来市场环境发生变化，因子的实际表现可能与本文的结论有所差异，同时可能存在第三方数据提供不 准确风险。行业配置观点不构成投资收益的保证或投资建议，投资者需充分认知自身风险偏好以及风险承受能力，市场有风险，投资需谨慎。 西南证券研究发展中心 分析师：郑琳琳 执业证号：S1250522110001电话：13127711820 邮箱：zhengll@swsc.com.cn 联系人：王天业 电话：17308103116 邮箱：wty@swsc.com.cn 相关研究 1.基于多因子优选行业轮动基金与构建选股策略(2023-10-20) 2.基于科创50成分股调整的策略构建 (2023-08-06) 3.稳中求进，攻守兼顾——金融工程2023 年中期投资策略(2023-07-06) 4.基于行业主题划分的主被动基金选择分析(2023-06-20) 5.基于券商金股的行业轮动研究 (2023-04-29) 6.计数启发法与加权盈利频率——因子选股系列(2023-04-28) 7.多维度构建“固收+”基金风格评价体系——公募固收类策略与产品研究系列一(2023-04-21) 8.固收+基金仓位高频探测方法及实证对比分析(2023-03-20) 9.个人养老金FOF多维度定量分析指标刻画初探(2023-03-07) 10.港股科技互联相关主题ETF多维度对比分析(2023-01-25) 请务必阅读正文后的重要声明部分 目录 1前言1 2因子构建与有效性检验1 2.1趋势动量因子1 2.2成交额低波因子7 2.3交易情绪动量因子8 3量价行业轮动策略12 3.1多因子聚合12 3.2策略回溯测试13 3.3策略行业配置明细14 4风险提示15 图目录 图1：电力设备（申万）历史走势1 图2：上行趋势因子计算示意图2 图3：下行趋势因子计算示意图2 图4：上行趋势因子IC变化示意图4 图5：下行趋势因子IC变化示意图5 图6：趋势动量因子与传统动量因子IC变化示意图6 图7：趋势动量因子多空头策略与市场指数净值变化示意图6 图8：成交额低波因子IC变化示意图7 图9：成交额低波因子多空头策略与市场指数净值变化示意图8 图10：隔夜交易情绪动量因子IC变化示意图9 图11：隔夜交易情绪动量因子多空头策略与市场指数净值变化示意图9 图12：日内交易情绪动量因子IC变化示意图10 图13：日内交易情绪动量因子多空头策略与市场指数净值变化示意图11 图14：交易情绪动量因子IC变化示意图11 图15：交易情绪动量因子多空头策略与市场指数净值变化示意图12 图16：行业轮动量价复合因子IC变化示意图13 图17：行业轮动量价复合因子多空头策略与市场指数净值变化示意图14 表目录 表1：上行趋势因子参数敏感性分析（IC）3 表2：上行趋势因子参数敏感性分析（IR）3 表3：上行趋势因子信息系数分析4 表4：下行趋势因子参数敏感性分析（IC）4 表5：下行趋势因子参数敏感性分析（IR）5 表6：下行趋势因子信息系数分析5 表7：趋势动量因子信息系数分析6 表8：成交额低波因子信息系数分析7 表9：隔夜交易情绪动量因子参数敏感性分析9 表10：隔夜交易情绪动量因子信息系数分析9 表11：日内交易情绪动量因子参数敏感性分析10 表12：日内交易情绪动量因子信息系数分析10 表13：交易情绪动量因子信息系数分析11 表14：多因子相关系数矩阵12 表15：行业轮动量价复合因子信息系数分析13 表16：量价行业轮动策略收益表现13 表17：量价行业轮动策略行业配置明细14 1前言 2022年至2023年间，A股市场因子有效性变化显著，基本面因子有效性有所下降，量价类因子有效性有所上升。在市场风格切换迅速的背景下，量价类因子更新频率较高，在捕捉市场风格切换与热点主题投资机会具备显著优势。 A股市场长期实证结果表明，个股维度反转效应较为显著，行业维度动量特征较为明显；2021年来，伴随着市场切换速率加快，传统动量因子在行业维度有效性显著衰减，为此本文将重构动量因子计算方式，寻求行业维度更优动量特征刻画，以此为基础，从行业趋势动量、行业成交额低波、行业交易情绪动量3个维度构建多因子量价行业轮动体系。 特别说明，本文行业分类采用申万2021一级行业分类标准，行业量价数据取自申万2021 一级行业指数量价数据，数据均来自恒生聚源数据库。 2因子构建与有效性检验 2.1趋势动量因子 传统动量因子通过历史某段时间内的累计收益率计算，然而仅仅依靠短期的累计收益，难以对行业指数的未来趋势做出有效判断；换言之，如果投资者想基于近期走势判断行业指数未来趋势，就难免需要参考行业指数的历史走势信息，例如行业指数的历史最高价最低价信息。 行为金融学上将此类现象称之为锚定效应（AnchoringEffect），指当人们需要对某个事件做定量估测时，会将某些特定数值作为起始值，起始值像锚一样制约着估测值。当投资者试图判断行业指数的未来趋势时，行业指数短期走势、前高、前低以及当前时点的收盘价都是投资者判断行业趋势的重要参考。 图1：电力设备（申万）历史走势 数据来源：恒生聚源，西南证券整理 基于锚定效应，提出以下猜想：投资者在进行投资决策时，针对行业指数上涨和下跌两种不同的情境，对锚点的选择或有不同。指数近期上行，投资者主要关注涨势是否可以延续，上涨是否遭遇阻力，因此前期高点将是趋势判断的重要参考；指数近期下行，投资者主要关注跌势是否即将终止，下跌是否具备支撑，因此前期低点将是趋势判断的重要参考。 趋势因子的计算分为定性定量两部分，对应定性窗口（JudgementWindow，JW）与定量窗口（TrackbackWindow，TW）。采用定性窗口内行业指数的绝对收益判断行业指数处于上涨（下跌）状态；采用定量窗口内行业指数历史最高（低）价，计算行业指数相对前高 （低）涨（跌）幅。 图2：上行趋势因子计算示意图 数据来源：恒生聚源，西南证券整理 假设行业指数在定性窗口内绝对收益符号为正，认定该行业指数处于上涨阶段，上行趋势因子TrendsUp通过此时收盘价与定量窗口内行业指数最高价之比计算，衡量此时行业指数相较前高的相对涨幅，因子取值范围为(0,1]，当因子取值为1时，说明行业指数相较于前高走出新高，此时为上涨阶段极致买入信号。 图3：下行趋势因子计算示意图 数据来源：恒生聚源，西南证券整理 假设行业指数在定性窗口内绝对收益符号为负，认定该行业指数处于下跌阶段，下行趋势因子TrendsDown通过此时收盘价与定量窗口内行业指数最低价之比计算，衡量此时行业指数相较前低的相对跌幅，因子取值范围为(1,∞]，当因子取值为1时，说明行业指数相较于前低走出新低，此时为下跌阶段极致卖出信号。 上（下）行趋势因子的构建依赖于定性与定量窗口的选择，本文采用粗糙网格搜索的方式，计算各个参数组合下因子月度IC均值与月度ICIR，考察不同参数下因子的有效性及参数敏感性，进而选择最优参数组合构建因子。考虑到投资者在行业短期上涨或下跌这两种情境下，判断行业近期走势所需观测的时间及参考点的选择或有不同，因此我们分别针对行业上涨与下跌这两种情景进行参数选择与敏感性分析，进而分别构建上行趋势因子与下行趋势因子。 表1：上行趋势因子参数敏感性分析（IC） JD/TD（单位：天） 30 60 80 100 120 250 500 750 5 0.30% 2.81% 3.59% 3.95% 4.85% 6.46% 4.25% 2.72% 10 1.59% 3.52% 4.15% 4.41% 4.20% 3.86% 3.54% 1.02% 20 1.76% 4.05% 3.83% 4.04% 3.66% 5.12% 3.61% 2.16% 40 / 6.05% 5.87% 7.11% 6.28% 7.01% 4.74% 2.95% 60 / 2.77% 3.84% 3.98% 4.01% 4.74% 3.89% 1.40% 120 / / / / 5.01% 4.66% 6.34% 3.40% 250 / / / / / 3.22% 2.61% 0.61% 数据来源：恒生聚源，西南证券整理注：样本期为2009/1/1-2023/5/31 表2：上行趋势因子参数敏感性分析（IR） JD/TD（单位：天） 30 60 80 100 120 250 500 750 5 1.21% 11.29% 14.15% 15.32% 18.70% 26.00% 17.19% 11.28% 10 6.79% 15.42% 17.29% 17.99% 17.22% 16.02% 14.49% 4.25% 20 7.69% 19.21% 17.08% 18.43% 16.38% 22.58% 15.39% 8.56% 40 / 26.77% 24.66% 31.52% 27.47% 29.46% 18.35% 11.84% 60 / 11.77% 16.33% 17.70% 17.04% 21.72% 18.19% 6.57% 120 / / / / 21.52% 19.77% 25.66% 13.96% 250 / /