开源量化评论（88）：行业动力学模型的周频应用

金融工程专题 2024年02月21日 金融工程研究团队 行业动力学模型的周频应用 开源量化评论（88） 魏建榕（分析师）苏俊豪（分析师） 魏建榕（首席分析师） weijianrongkyseccn 证书编号：S0790519120001 sujunhaokyseccn 证书编号：S0790522020001 证书编号：S0790519120001 张翔（分析师） 证书编号：S0790520110001 傅开波（分析师） 证书编号：S0790520090003 高鹏（分析师） 证书编号：S0790520090002 苏俊豪（分析师） 证书编号：S0790522020001 胡亮勇（分析师） 证书编号：S0790522030001 王志豪（分析师） 证书编号：S0790522070003 盛少成（分析师） 证书编号：S0790121070009 苏良（分析师） 证书编号：S0790121070008 何申昊（研究员） 证书编号：S0790122080094 陈威（研究员） 证书编号：S0790123070027 蒋韬（研究员） 证书编号：S0790123070037 相关研究报告 《A股行业动量的精细结构》20200302 《从龙头股领涨到行业动量：绝对与相对的统一框架》20221211 《从涨跌停效应到行业反转》20231226 行业动力学模型表现优异 A股市场中，行业与个股的短期涨跌幅存在着截然相反的两种效应：前者体现为动量效应，后者体现为反转效应。开源金融工程团队认为，行业内成分股的相互作用，是导致这一佯谬的重要原因：行业内成分股的股价变化中，存在“领先滞后、互相牵引”的动力学关系。据此，我们从“切割”的思想出发，提出了行业轮动的两个动力学模型：龙头股模型、涨跌停股模型。 我们把两者结合为开源金工行业动力学因子。行业动力学因子表现优异，RankIC831，RankICIR150。三分组下，因子年化多空收益为962，收益波动比为131，月度胜率为663，最大回撤仅614。行业动力学因子融合了龙头股因子与涨跌停因子的优点，在不同市场环境下表现都较为出色。 行业的月度动量效应主要体现在未来前两周 全区间内，各回看周期下短期涨跌幅因子在未来四周的动量效应逐渐衰减，动量效应主要集中在前两周。而在2021年6月后，各周的动量效应均出现了明显的衰退，最终反映为月频的动量效应的持续回撤。 同样的拆解框架下，龙头股因子在未来四周的动量效应衰减与短期涨跌幅因子较为一致。涨跌停因子则表现出与龙头股因子截然不同的规律：未来第一周的反转效应较弱，未来第二、三、四周的反转效应较强且保持稳定。行业动力学因子融合了两者的特征，对未来四周的行业收益均有较强的预测能力，这使得模型在未来一个月的收益不会过度集中于前期。但是，这同时也意味着，使用行业动力学因子来进行短期的行业轮动预测未必能获得十分突出的效果。 行业动力学模型的周频应用 我们综合各因子的周度预测能力特性，提出行业轮动周频维度的解决方案： （1）在考虑周频的动量模型时，使用Ret10因子代替龙头股因子。 （2）对于周频的反转模型，我们把涨跌停因子滞后一周，以最大化其预测效果。 我们记调整后的涨跌停因子为涨跌停滞后因子。涨跌停滞后因子的单因子绩效一般，但能在Ret10因子发生回撤时起到较好的补足效果。把Ret10因子与涨跌停滞后因子结合，得到行业动力学周频因子，行业动力学周频因子的RankIC为456，RankICIR为130。和Ret10因子相比，行业动力学周频因子在年化多空收益、年化多头超额方面稍逊一筹，但多空收益波动率与最大回撤均有明显下降。且在近两年Ret10因子多空收益与多头超额收益走平乃至出现大幅回撤的情况下，行业动力学周频因子依然有较好表现。 行业动力学周频因子的多头单调性更优，2010年至今，多头Top5组合年化收益率为1289，相对等权基准年化超额可达1010，周度超额胜率为5510。2020年以来，Top5组合每年的年化超额收益率均在10以上。 风险提示：模型基于历史数据测试，市场未来可能发生重大改变。 金融工程 研究 金融工程 专题 开源证券 证券研究报 告 目录 1、行业动力学模型：行业动量与反转效应的精细表达3 2、行业动力学模型的周频应用5 21、行业动量效应的周度表现拆解5 22、行业动力学模型的周度表现拆解7 23、行业动力学的周频解决方案8 3、风险提示12 图表目录 图1：龙头股因子的多空收益比10日动量因子更稳健3 图2：龙头股因子的多头超额更为突出3 图3：涨跌停因子近年表现亮眼4 图4：行业动力学因子在不同市场环境下表现都较为出色5 图5：全区间内，行业的月频动量效应主要体现在前两周6 图6：2021年6月后，短期涨跌幅因子在未来各周的动量效应均出现明显衰退6 图7：累积RankIC曲线显示，当市场由上行转为下行时，行业周频动量效应容易出现回撤6 图8：龙头股因子在未来四周的动量效应逐周衰减7 图9：涨跌停因子未来第二周的反转效应最强7 图10：行业动力学因子对未来四周的行业收益均有较强的预测能力7 图11：行业动力学因子在未来四周的累积RankIC均稳定向上7 图12：行业动力学因子滞后处理示意图8 图13：Ret10因子全区间内累计多空收益较高，但近两年表现不佳9 图14：涨跌停因子（滞后一周）近年来表现较好9 图15：Ret10因子表现不佳时，涨跌停滞后因子往往有较好表现9 图16：在行业面临调整时，涨跌停滞后因子的信号具有一定的领先性10 图17：行业动力学周频因子整体表现稳健10 图18：行业动力学周频因子多头超额近两年大幅跑赢Ret10因子11 图19：行业动力学周频因子的多空收益近两年仍有较好表现11 图20：2020年以来，Top5组合每年的年化超额收益率均在10以上12 图21：行业动力学周频因子Top5组合超额收益显著12 表1：龙头股因子的构造过程3 表2：涨跌停因子的构造过程4 表3：龙头股因子与涨跌停因子具有互补性4 表4：行业动力学因子的周频预测效果大幅落后于Ret10因子8 表5：行业动力学周频因子的多头单调性较好11 表6：行业动力学周频因子Top5组合近期表现稳健12 1、行业动力学模型：行业动量与反转效应的精细表达 A股市场中，行业与个股的短期涨跌幅存在着截然相反的两种效应：前者体现为动量效应，后者体现为反转效应。开源金融工程团队认为，行业内成分股的相互作用，是导致这一佯谬的重要原因：行业内成分股的股价变化中，存在“领先滞后、互相牵引”的动力学关系。据此，我们从“切割”的思想出发，提出了行业轮动的两个动力学模型：龙头股模型、涨跌停股模型。 龙头股模型是稳定的行业动量模型。龙头股因子的构造过程如表1所示，更多详细讨论可参见原始报告：《A股行业动量的精细结构》、《从龙头股领涨到行业动量：绝对与相对的统一框架》。龙头股因子的RankIC为428，RankICIR为069，和同周期的行业10日涨跌幅因子相比，龙头股因子在多空收益与多头超额上都更加稳健（图1、图2），是优秀的行业动量因子。 图1：龙头股因子的多空收益比10日动量因子更稳健图2：龙头股因子的多头超额更为突出 35 3 25 2 15 1 05 多空收益龙头股因子多空收益Ret10因子 18 17 16 15 14 13 12 11 1 09 多头超额龙头股因子多头超额Ret10因子 数据来源：Wind、开源证券研究所（数据区间201001202311）数据来源：Wind、开源证券研究所（数据区间201001202311） 表1：龙头股因子的构造过程 第一步对一级行业，回溯取过去10日的成分股数据 第二步将成分股按近10日成交金额从大到小排序，逐一累积成交金额 第三步取累计成交金额占比达到70的股票，认定为龙头股，余下则为非龙头股第四步计算龙头股近10日的平均涨幅R龙头， R龙头描述了行业内龙头股集团的绝对涨幅 在行业内，把各股票过去10日的涨幅做标准化，得到其zscore， 第五步 计算龙头股集团的zscore均值：Rzscore， Rzscore描述了龙头股集团在行业内的相对涨幅 第六步R龙头与Rzscore存在着较强的相关性，使用Rzscore作为因变量对R龙头回归， 得到残差因子R残差 第七步把R龙头与R残差等权合成，得到最终的龙头股因子ND 资料来源：开源证券研究所 涨跌停股模型是稀缺的行业反转模型。涨跌停因子构造过程如表2所示，更多详细讨论可参见原始报告《从涨跌停效应到行业反转》。涨跌停因子的RankIC为654，RankICIR为115，显著性与稳定性俱佳。近两年，行业的动量效应出现持续回撤（图3中虚线方框），而涨跌停因子在此期间表现亮眼。 图3：涨跌停因子近年表现亮眼 多空收益涨跌停因子（右轴）多头组 中间组空头组 多空收益Ret10因子 35 3 25 2 15 1 05 数据来源：Wind、开源证券研究所（数据区间201001202311） 2424 22 2 18 16 14 12 1 08 表2：涨跌停因子的构造过程 第一步对一级行业，回溯取过去25日的成分股数据 第二步将成分股按近25日是否曾涨停或跌停划分为涨跌停股和非涨跌停股第三步计算涨跌停股过去25日的平均涨幅，记作Rlimit 第四步计算非涨跌停股过去25日的平均涨幅，记作Rnolimit 第五步在截面上，把Rlimit作为因变量，回归剔除Rnolimit，得到的残差因子即为最终的 涨跌停因子NL 资料来源：开源证券研究所 龙头股因子与涨跌停因子相关性较低，在效果上又有着一定的互补性（表3），我们把两者结合为开源金工行业动力学因子。行业动力学因子表现优异，RankIC 831，RankICIR150。三分组下，因子年化多空收益为962，收益波动比为131，胜率为663，最大回撤仅614。如图4所示，因子的多空收益与多头超额均十分稳健，行业动力学因子融合了龙头股因子与涨跌停因子的优点，在不同市场环境下表现都较为出色。 表3：龙头股因子与涨跌停因子具有互补性 龙头股因子 涨跌停因子 RankIC 428 654 RankICIR 069 115 分组收益结构 多头更显著 空头更显著 阶段性表现 市场上行期表现更好 市场下行期表现更好 因子多空收益序列相关性 025 因子相关性 014 资料来源：开源证券研究所 图4：行业动力学因子在不同市场环境下表现都较为出色 多空收益（右轴）多头组（Top10）中间组空头组（Bottom10） 5 4 3 2 1 0 39 34 29 24 19 14 09 数据来源：Wind、开源证券研究所（数据区间201001202311） 2024年1月，行业动力学因子多头Top10选中煤炭、石油石化、家用电器、非银金融、交通运输等行业，多头等权组合相对行业等权基准超额471；空头Bottom10选中电子、计算机、国防军工、机械设备等行业，空头等权组合相对行业等权基准超额449。一月份，因子多空两端表现都比较突出。 2、行业动力学模型的周频应用 21、行业动量效应的周度表现拆解 近年来，市场中行业与风格轮动的频率明显加快，行业的月频动量效应出现了持续回撤。对行业的短期涨跌幅因子（回看周期1035个交易日），我们按照如下步骤考察其在未来四周（约一个月）的预测能力： （1）每周最后一个交易日，计算行业的短期涨跌幅因子（即行业过去N日的涨跌幅）； （2）分别计算行业的短期涨跌幅因子与未来一周、两周、三周、四周的行业单周收益的RankIC均值。 全区间内，各回看周期下短期涨跌幅因子在未来四周的动量效应逐渐衰减，动量效应主要集中在前两周（图5）。这说明，行业的月频动量效应实质上是周频或双周频的动量效应。而在2021年6月后，各周的动量效应均出现了明显的衰退（图6），最终反映为月频的动量效应的持续回撤。 图5：全区间内，行业的月频动量效