指数基金投资+系列报告之一：基于技术面量化的指数基金绝对收益策略

证 券 研2024年02月20日 究 报基于技术面量化的指数基金绝对收益策略 告—指数基金投资+系列报告之一 投资要点 分析师：吕思江 lvsj@cfsc.com.cn 分析师：马晨 S1050522030001 S1050522050001 machen@cfsc.com.cn ▌我们的主要工作 本文中我们主要做了如下的工作： 1、我们希望在一个有足够波幅、也非趋势性向下的标的上通过K线顶底背离信号做出绝对收益，俗称“搓波段”。 2、通过吸收部分缠论中的定义，我们首先对行情做出结构划分，之后在保证没有未来函数存在的前提下，测试了该波段策略在主要宽基和申万一级行业指数中的有效性。结果显示该方法在历史上，尤其是当前震荡行情中表现优异。 1、《行业轮动2024年度定量策略报告暨展望1H24科技资产杆位起跑2H24景气投资或能超车》2023-12- 21 2、《红利和小盘产品打底，QDII出海要收益》2023-12-18 3、《稳守反击、顺势而为》2023- 12-16 相关研究 金融工程研究 3、通过“抽屉法”，我们在场内权益ETF池中进一步进行测试。组合过去三年年化收益14.23%，最大回撤仅为8.6%，夏普比率达到1.44。 ▌建立绝对收益导向的场内基金组合 投资的最终目标是在严控回撤的前提下尽量赚取绝对收益。在市场Beta本身向上的年份里，以“指数增强”为思路做行业轮动、风格轮动问题不大。但在市场大幅度回调或短期较难进入上行趋势的年份里，寻求绝对收益必须另辟蹊径。 通过串联的方式，首先用截面因子打分选择出未来一段有希望跑出相对收益的标的，之后在其中通过基于量价和技术面的时序信号选择买卖点。这种做法的好处是效果直接，时序方法本身就以绝对收益为导向，同时准确的截面模型提供了胜率的保障。 ▌基于技术面程序化下的走势划分 我们尝试构建一个基于顶底背离，偏反转风格的时序信号。借鉴缠论中关于分型、笔、线段等部分定义，我们尝试构建了基于标的高、开、低、收以及不同时间尺度的结构划分方法。通过对重点宽基指数、风格指数、行业指数以及相应ETF的回测，我们认为该方法在当前市场下胜率较高而稳定，可以用于单标的择时，或通过“抽屉法”构造组合。 ▌基于周线级别笔的宽基指数择时 我们使用沪深300作为宽基指数代表，尝试将行情过滤放大，用周K的底背离作为买点，日K的顶背离作为卖点，历史上除了2005-2006、2015年的“全面牛”仍然无法找到第二波进入点外，其他时段表现出较为良好的适应性，最终表现相比沪深300指数Buy-And-Hold，在收益率、最大回撤、夏普比等方面都有显著的提升。 择时策略自2005年至今，年化收益7.53%，相比沪深300本 身6.53%的表现有所提升（这是在错失2005-2006以及2015年大牛市的情况下获得的）；最大回撤仅为26.25%，相比沪深300指数72.46%的最大回撤明显较小；夏普比率为0.58，大约提升2倍 ▌风险提示 定量策略存在失效风险。 正文目录 1、如何建立绝对收益导向的场内基金策略组合5 2、基于技术面程序化下的走势划分11 2.1、K线的归并11 2.2、分型13 2.3、笔15 2.4、线段17 3、顶底背离形态统计18 3.1、基于技术面量化形态划分的顶底背离形态18 3.2、对技术信号的CTA信号测试21 3.3、步进法信号测试24 3.4、组合测试方法25 4、附录：基于周线级别笔的宽基指数择时28 图表目录 图表1：华鑫量化&基金研究团队重点产品介绍5 图表2：A股行业轮动因子打分框架6 图表3：红利&高景气成长轮动模型表现及轮动因子6 图表4：大小盘轮动模型表现及轮动因子7 图表5：结构化风险平价模型示意图7 图表6：大类资产结构化风险平价策略净值曲线8 图表7：A股行业驱动大类因子累计超额收益8 图表8：红利风格研究产品9 图表9：红利、高景气成长ETF轮动策略分年度收益9 图表10：截面因子叠加时序信号的绝对收益型组合构建方式10 图表11：传统K线11 图表12：技术面量化下的K线定义12 图表13：技术面量化下两根K线形态12 图表14：JLK线的向上处理13 图表15：JLK线的向下处理13 图表16：技术面量化下三根K线形态14 图表17：顶分型和底分型14 图表18：中继分型15 图表19：下降笔16 图表20：上升笔16 图表21：笔的延续17 图表22：笔的确立17 图表23：下降线段18 图表24：简单的MACD底背离19 图表25：DIF线顶底背离的例子20 图表26：一笔内MACD面积顶底背离的例子20 图表27：笔终点所处MACD柱的面积背离的例子20 图表28：代表性指数列表21 图表29：买卖点胜率分布23 图表30：买卖点总收益分布23 图表31：买卖点平均收益分布23 图表32：买卖点平均持有时长分布23 图表33：平均收益表现最好的（左）与最差的（右）5支标的23 图表34：步进下买卖点胜率分布24 图表35：步进下买卖点总收益分布24 图表36：步进下平均收益率分布24 图表37：步进下平均持有时长分布24 图表38：申万一级行业指数交易策略净值相比等权基准26 图表39：申万一级行业指数交易策略表现26 图表40：ETF池交易策略净值相比等权基准26 图表41：ETF池交易策略表现27 图表42：“鑫选指数基金池“交易策略净值相比等权基准27 图表43：“鑫选指数基金池“交易策略表现27 图表44：沪深300指数顶底背离买卖点28 图表45：周K级别下的沪深300买卖点识别29 图表46：沪深300的技术面量化择时策略29 图表47：沪深300技术面量化择时策略绩效30 1、如何建立绝对收益导向的场内基金策略组合 过去几年中，华鑫量化组一直致力于定量资产配置、宽基择时、风格轮动、行业轮动等Beta类策略开发，希望以指数基金、主动基金C份额等低成本投资工具，构建有效的绝对和相对收益型FOF和基金产品。 图表1：华鑫量化&基金研究团队重点产品介绍 资料来源：华鑫证券研究 其中，在行业和风格轮动方面，我们已经构建了完善和为客户定期更新的周频、月频A 股行业轮动因子研究框架12。 1《与鲸同游还是与鲨共舞——资金流因子在中高频行业轮动中的应用》 2《六维因子助力ETF轮动策略》 图表2：A股行业轮动因子打分框架 资料来源：华鑫证券研究 在风格轮动方面，我们针对目前场内基金数量最多的红利\价值、高景气\成长、超大盘\小微盘风格做了系统化定量建模，并构建了相应的指数基金轮动策略3456。 图表3：红利&高景气成长轮动模型表现及轮动因子 资料来源：wind，华鑫证券研究 3《系统化量化视角下的策略配置：何时景气博弈，何时拥抱红利？》 4《系统化量化视角下的大小盘轮动》 5《系统化量化投资视角下的价值成长风格轮动》 6《系统化量化视角下的A股择时记分牌》 图表4：大小盘轮动模型表现及轮动因子 资料来源：wind，华鑫证券研究 在大类资产配置策略方面，我们开发了基于结构化风险平价的QDII基金组合产品7。 图表5：结构化风险平价模型示意图 资料来源：华鑫证券研究 7《融入资产信号下的风险预算模型解决方案》 图表6：大类资产结构化风险平价策略净值曲线 资料来源：wind，华鑫证券研究 2023年以来，在样本外实践及和客户交流中我们意识到一个问题：无论2022年市场以 行业轮动为收益胜负手，还是2023年开始风格因子（以红利和微盘为代表）的持续性成为市场主要驱动力，用因子截面打分，从而构建多头组合的方式，实际都只能求得类似指数增强的相对收益：以行业轮动为例，每期在全部30个一级行业中选择4-6个行业作为多头等权构建组合，则 组合收益=行业等权基准收益+行业驱动因子超额收益 图表7：A股行业驱动大类因子累计超额收益 资料来源：wind，华鑫证券研究 在2023年之前A股本身处于相对震荡行情，这种“指数增强”策略仍有希望跑出不错的绝对收益。但2023年开始行业轮动速率明显加快，且市场本身处于震荡下行，即使我们的策略组合仍有不错的相对收益，也很难抵消基准收益的下行。 风格层面也是同样的情况。2023年初开始我们主要关注红利和微盘两大类强势风格。 图表8：红利风格研究产品 资料来源：华鑫证券研究 但我们发现，即使红利风格在2023年表现相对市场抗跌，但以中证红利ETF为例，全年下来也只有0.36%的绝对收益。即使价值/成长轮动、红利/高景气轮动相对等权基准超额明显，同样难以获得稳定的绝对收益表现。 图表9：红利、高景气成长ETF轮动策略分年度收益 资料来源：wind，华鑫证券研究 显而易见，投资的最终目标仍然是在严控回撤的前提下尽量赚取绝对收益。在市场Beta本身向上的年份里，以“指数增强”为思路问题不大，而在市场大幅度回调或短期较难进入上行趋势的年份里，寻求绝对收益必须另辟蹊径。 针对这一问题，过去一年中我们尝试了两种思路： 第一种方法，是在保证对标的做截面建模有效的前提下，通过股指期货进行对冲。这种方法的好处是，仍然在截面模型中解决问题。但坏处是由于ETF和行业指数之间存在偏离，甚至少数行业不存在有效的指数基金，对冲难度较大；另外股指期货的基差也是一个扰动项。 第二种方法，是本篇以及后续报告希望介绍的：我们通过串联的方式，首先用截面因子打分选择出未来一段有希望跑出相对收益的标的，之后在其中通过基于量价和技术面的时序信号选择买卖点。这种做法的好处是效果直接，时序方法本身就以绝对收益为导向，同时准确的截面模型提供了胜率的保障。 图表10：截面因子叠加时序信号的绝对收益型组合构建方式 资料来源：华鑫证券研究 当然这种做法的代价是，由于截面组合和时序信号都会带来调仓，组合换手率相应升高。但是当我们限定使用场内ETF、LOF等低成本交易工具时，测算下来对于收益侵蚀非常有限，可以说在当前A股市场场内指数基金蓬勃发展的当下是非常合适使用的策略。 本篇报告将主要集中在时序技术面买卖点的构建。结合截面因子构建ETF、个股交易组合的内容将放在后续报告中。 本篇报告将首先在简易缠论的基础上对行情走势做一划分，并相应定义不同级别下顶底背驰信号的产生。通过“步进法”和“抽屉法”，我们在精选的“鑫选·场内基金池”基础上测算了“鑫选·场内基金绝对收益组合”的表现。 2、基于技术面程序化下的走势划分 随着国内ETF市场的蓬勃发展，构建于ETF丰富产品线之上的配置、组合、交易方法逐渐进入市场主流策略之列。交易层面上，我们曾经构造过偏动量的ETF信号策略8，考虑到当前市场Beta相对弱势，动量突破型信号的胜率较低，本篇报告中我们尝试构建一个基于顶底背离，偏反转风格的时序信号。 传统的技术分析方法有着过于依赖使用者主观判断、较难以对指标胜率进行精准回测的缺点。我们无意介入“技术分析是否有效”这类经久不衰的讨论，更多希望通过采纳其中部分能够被定量使用的定义，来协助我们完成时序交易信号的构造。 借鉴缠论中关于分型、笔、线段等部分定义，我们尝试构建了基于标的高、开、低、收以及不同时间尺度的结构划分方法，从而用于股价在不同级别上的形态识别，并进一步构建买点和卖点。 通过对重点宽基指数、风格指数、行业指数以及相应ETF的回测，我们认为该方法在当前市场下胜率较高而稳定，可以用于单标的择时，或通过“抽屉法”构造组合。 2.1、K线的归并 传统理论中对K线的理解，和我们参考缠论构造的技术面量化方法（简称技术面量化）中使用的K线有本质区别。 传统K线：常用阴线、阳线幅度，以及上下影线对多空强弱进行分析。并通过K线、K线组合、结构、形态，以及K线之间的关系进行多空强弱分析。 图表11：传统K线 资料来源：华鑫证券研究 技术面量化下的K线（技术K线，下同）只包含“最高价”和“最低价”，且未必等同于传统K线下的“最高价”和“最低价”。 其次，技术面量