开源量化评论（91）：形态识别：均线的收敛与发散

金融工程专题 2024年04月14日 形态识别：均线的收敛与发散 金融工程研究团队 ——开源量化评论（91） 魏建榕（首席分析师） 魏建榕（分析师）胡亮勇（分析师） 证书编号：S0790519120001 张翔（分析师） weijianrong@kysec.cn 证书编号：S0790519120001 huliangyong@kysec.cn 证书编号：S0790522030001 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：S0790523060003 苏良（分析师） 证书编号：S0790523060004 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 价量均线的收敛与发散形态能有效预测个股未来收益 不同周期价格均线之间的发散是常态，而收敛通常仅出现在特定的窗口期。当不同周期价格均线趋于收敛时，我们倾向于认为个股未来进行方向选择的概率提升，即变盘点的前兆。价格收敛因子（PCF）RankIC均值仅为2.78%，年化后的RankICIR为0.94，表现乏善可陈。 不同周期成交量均线的收敛发散衡量了市场上投资者交易意愿的变化。当长短期成交量水平趋于一致时，往往是因为个股赚钱效应弱化，导致投资者交易意愿下滑，股价处于阶段底部的概率升高。成交量收敛因子（VCF）全区间内RankIC均值为7.69%，年化后RankICIR为3.56，表现优异。 通过将价与量进行融合，我们希望通过价格均线收敛与否来判断个股当前时刻是否位于变盘点前夕，通过成交量均线收敛与否来判断个股当前所处位置的高低。价量双收敛因子（PVCF）相比单一价量因子，表现有所提升，RankIC均值为9.11%，年化RankICIR为2.94。 另类指标的收敛与发散形态比常规价量更加有效 价格与成交量的融合，一定程度上可以用个股成交额来替代。全区间内，成交额收敛因子（ACF）RankIC均值为10.30%，年化RankICIR为3.57，相比与融合后的价量双收敛因子（PVCF），效果进一步提升。 从测试结果来看，换手率收敛因子（TRCF）表现最优，RankIC均值为10.31%，年化RankICIR为4.19。值得注意的是，区别于以上四个因子（PCF、VCF、PVCF和ACF），换手率因子（TRCF）是唯一市值行业中性化后绩效显著提升的因子。TRCF与Barra中的流动性和残差波动率风格因子具有较高的负相关性，全区间内均值分别为-49%和-43%。 换手率收敛因子在不同宽基指数中均有显著的预测能力。但是从时序上的 《微盘股当前反弹阻力如何》 -2024.3.28 《雪球大V用户发帖行为深度挖掘》 -2024.3.10 《KyFactor特色因子体系与应用》 -2024.1.5 RankIC表现来看，近一年在沪深300指数中，TRCF预测效果有所衰退，而在中证1000和国证2000指数中，预测胜率维持在高位。 高频调仓和增加样本均线数量能有效提升绩效表现 调仓频率从月频提升到周频后，换手率收敛因子RankIC均值从10.31%下滑到7.87%，年化RankICIR从提升到4.19提升到6.56，因子收益稳定性大幅提升。随着样本数量的增加，换手率收敛因子无论是在因子预测显著性上还是稳定性上均有稳定提升，表明样本均线数量增加有所裨益。 风险提示：模型基于历史数据统计，未来存在失效风险。 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、价量均线的收敛与发散4 1.1、价格的收敛与发散4 1.2、成交量的收敛与发散6 1.3、价与量的同频共振7 2、另类均线的收敛与发散9 2.1、成交额收敛因子9 2.2、换手率收敛因子10 3、指数增强表现12 3.1、Barra风格的关联度12 3.2、主流宽基的增强效果13 4、拓展讨论15 4.1、调仓频率的影响15 4.2、样本均线数量的影响17 风险提示19 图表目录 图1：价格收敛因子RankIC均值仅为2.78%5 图2：价格收敛因子分组收益非严格单调5 图3：成交量收敛因子RankIC均值为7.69%6 图4：成交量收敛因子多空表现优异7 图5：价格收敛因子与成交量收敛因子保持弱负相关性7 图6：价量双收敛因子RankIC均值为9.11%8 图7：价量双收敛因子超额收益走势稳健8 图8：成交额收敛因子RankIC均值为10.3%，年化RankICIR为3.579 图9：成交额收敛因子相比融合的价量双收敛因子效果更优10 图10：换手率与成交金额在流通市值分布上呈负相关10 图11：换手率收敛因子RankIC均值为10.31%11 图12：换手率收敛因子多头端表现突出11 图13：换手率收敛因子在多个因子中表现占优11 图14：TRCF与Barra中的流动性和残差波动率风格因子负相关性较高12 图15：Barra风格中性化后的TRCF表现有所下滑12 图16：不同宽基指数下TRCF的时序RankIC13 图17：TRCF在小市值宽基指数中收益预测表现更优14 图18：TRCF在沪深300中偶尔出现失效风险14 图19：TRCF在中证500中超额收益波动较大14 图20：TRCF在中证1000中超额收益稳定14 图21：TRCF在国证2000中增强表现最优14 图22：周频调仓下换手率收敛因子RankIC均值为7.87%15 图23：周频调仓下换手率收敛因子多头收益提升明显16 图24：周频相比月频调仓，TRCF收益预测稳定性有所改善16 图25：月频调仓时TRCF月均换手率约43%17 图26：周频调仓时TRCF周均换手率约26%17 图27：样本均线数量越多，换手率收敛因子效果越好19 表1：价量双收敛因子绩效表现9 表2：不同调仓频率下TRCF绩效对比17 表3：样本数量对选股效果的影响明细18 2022年以来，A股市场持续处于震荡向下的态势，市场主导风格不断切换，投资者切身感知的赚钱效应处于历史低位水平。在宏观环境波诡云谲的当下，传统的定价范式开始被颠覆，各种异象频发。在量化选股领域，则体现为传统的基本面类因子有效性衰减明显，捕捉市场投资者错误定价的价量因子开始成为焦点，尤以深度学习挖掘的高频价量因子为甚。但在聚光灯之外，一种既有的投资风潮亦在重新进入大众视野，那便是K线的形态研究。A股投资者在持续被市场教育之后，投资方法论开始去繁就简，返璞归真。 市场中的投资者关于个股K线形态的研究，以往更多放在个股的择时上，但个股择时操作往往胜率较低且赔率不稳定。其次，大家在进行个股K线形态识别时，重心总是不自觉被放到价格均线之上，但有效的信息并不局限于价格，还有成交量、换手率等多维度数据。针对上述两点弊端，本篇报告中，我们尝试将个股择时代表的事件驱动策略转变为截面选股策略，虽然在一定程度上降低了事件发生即调仓的及时性，但截面维度所拥有的样本广度，能有效提升策略收益的稳定性。与此同时，我们不仅从价格维度进行K线形态识别，亦讨论了隐藏在主流视野之外的成交量、成交额以及换手率均线在K线形态识别上的作用。 本篇报告分为四个部分。第一部分，我们从市场的主流认知出发，首先论述了个股价格均线的收敛与发散形态对未来收益的预测能力差异，发现价格均线收敛往往是个股股价变盘点的前奏。在价格均线的基础上，我们引入了成交量均线，使用成交量均线的收敛与发散形态来锚定当前个股股价位置的高低。第二部分，我们对均线指标进行衍生，测试了直接囊括价量信息的成交额均线收敛与发散的表现，以及便于不同个股在截面直接可比的换手率均线收敛与发散的预测效果。第三部分，我们以历史表现最优的换手率均线收敛因子为例，详细介绍了其在不同宽基指数中的增强表现。第四部分，我们讨论了换手率收敛因子调仓频率的变化对结果的影响，以及在进行因子计算时，均线的选取数量是否能够显著影响最终效果。 1、价量均线的收敛与发散 如何定义股票价格均线的收敛与发散呢？直观上来看，不同周期均线两两之间当前时刻的距离加总之和可以用来作为均线收敛和发散的程度，当该值越小的时候，表明越收敛，反之，则越发散。但距离加总会随着均线数量的增加提升计算复杂度，为此我们使用当前时刻不同均线之间的标准差来进行简化操作。 1.1、价格的收敛与发散 不同周期价格均线之间的发散是常态，而收敛通常仅出现在特定的窗口期。当不同周期价格均线趋于收敛时，往往代表市场上不同类型的投资者在个股上的持仓成本逐渐趋同，筹码分布更趋集中，未来无论股价往上突破抑或往下下探，此时个股面临的阻力都相应下降。由于股价总是沿着阻力最小的方向运行，我们倾向于认为个股未来进行方向选择的概率提升，即变盘点的前兆。 我们选取个股当日收盘价，并计算不同周期下（5、10、20、60、120日）的均值，计算6条均线之间在截面上的标准差。为使得因子值分布更接近正态分布，我们对结果进行取对数处理，并通过取负操作使得因子值预测方向为正。为了避免价格跳空现象，我们使用后复权价格进行均线计算，且在因子构建时未剔除截面上不同个股价格数值的量纲差异。 𝑓𝑎𝑐𝑡𝑜�=−log(1+𝑠𝑡𝑑(𝑚𝑎1,𝑚𝑎5,𝑚𝑎10,𝑚𝑎20,𝑚𝑎60,𝑚𝑎120)) 𝑓𝑎𝑐𝑡𝑜�为价格收敛因子（PriceConvergenceFactor，PCF），其中当日收盘价即为 𝑚𝑎1。为便捷表述，下文存在中文名称与英文简写混用。 在进行因子测算前，我们剔除ST股，上市不满一年的新股以及停牌股，在此基础上默认对因子值进行行业市值中性化处理。 测试期内（下文如无特别说明，测试区间均为2012.01.01~2023.12.31），价格收敛因子（PCF）RankIC均值仅为2.78%，年化后的RankICIR为0.94，表现乏善可陈。价格收敛因子虽然对未来个股收益率具有正向的预测能力，但不可否认的是其表现随市场环境的变化而有所波动，如在2013年之前和2017年到2020年之间，价格均线收敛的预测效果疲弱，2020年以来，超额收益又开始回归正常水平。 图1：价格收敛因子RankIC均值仅为2.78% 0.3 0.2 0.1 0 -0.1 -0.2 -0.3 RankICCumRankIC（右轴） 5 4 3 2 1 0 20120131 20120731 20130131 20130731 20140131 20140731 20150131 20150731 20160131 20160731 20170131 20170731 20180131 20180731 20190131 20190731 20200131 20200731 20210131 20210731 20220131 20220731 20230131 20230731 -1 数据来源：Wind、开源证券研究所 从收益表现来看，各分组收益并非严格单调，价格均线收敛的分组（分组4）表现处于各分组收益的中游水平，而价格均线发散的分组则长期稳定跑输。价格均线发散往往对应股价大幅拉涨和砸盘，从结果来看，行情趋势中追高和抄底都是不建议的操作。 图2：价格收敛因子分组收益非严格单调 多空对冲（右轴）01234 6 5 4 3 2 1 0 1.5 1.4 1.3 1.2 1.1 1 0.9 0.8 0.7 数据来源：Wind、开源证券研究所 回到我们关切的问题，为什么价格均线收敛的收益预测能力表现疲弱？我们认为主要有两点原因： 第一，价格均线收敛时