您的浏览器禁用了JavaScript(一种计算机语言,用以实现您与网页的交互),请解除该禁用,或者联系我们。[华鑫证券]: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 - 发现报告
当前位置:首页/宏观策略/报告详情/

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

2024-02-20吕思江、马晨华鑫证券L***
AI智能总结
查看更多
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