│ 融合股指贴水的四因子择时策略 作者 分析师:陆豪 证券研究报告 2024年07月05日 刻画权益资产的配置价值 我们认为权益资产微观定价的预测性市场因子既包含分母因素(宏观:对流动性和风险偏好的敏感度),也与中观基本面高度相关。 三维度择时信号 分别选取多组因子构建了资产运行的宏观状态、中观景气指数、微观结构风险三个维度的择时信号,分别检验了其对宽基指数预测的准确性与敏感性。 非线性权益配置信号构建 微观结构因子独立预测,宏观中观因子分域合成,将整体市场划分为8个运行状态状态,构建了非线性权益配置信号模型。 股指期货择时信号 股指期货基差与指数自身的相关性趋势可以反映市场的情绪变化,基于此相关性进行分组测试,构建日频择时信号。 合成信号 股指期货择时信号可以很好地补充三维度择时信号在市场拐点时预测不及时的缺点,将两者信号合成构建新的四因子择时信号。 策略回测 分别计算各个宽基指数的多维度择时信号并进行回测,策略自2017年至 2024年6月21日,分别在沪深300、中证500、中证1000、中证全指上取得了73.61%、69.90%、61.61%、65.00%的超额收益,年化超额分别达到9.86%、9.36%、8.25%、8.70%。 执业证书编号:S0590523070001邮箱:luhao@glsc.com.cn 分析师:康作宁 执业证书编号:S0590524010003邮箱:kangzn@glsc.com.cn 分析师:陈阅川 执业证书编号:S0590524050004邮箱:chenyc@glsc.com.cn 金融工程 金融工程专题 风险提示:量化模型存在失效风险,历史数据不代表未来。 相关报告 1、《固收+基金风格标签体系:——固收+基金系列报告(一)》2024.07.04 2、《突出均衡与alpha:——2024年下半年基金投资策略》2024.06.22 正文目录 1.权益资产配置的方法论4 1.1三个维度刻画权益资产的配置价值4 1.2刻画资产运行的宏观状态4 1.3构建中观景气度指数7 1.4微观风险结构9 2.非线性权益配置信号构建13 2.1微观结构因子极值状态具有独立预测作用13 2.2中观运行状态与资产收益率相关性较高13 2.3宏观状态在四个景气度周期下对资产价格表现的影响13 2.4三维度合成资产配置信号14 3.股指期货基差与择时信号16 3.1基差的定义及应用16 3.2高频基差的情绪表达16 3.3基于基差的择时16 4.三维度信号与股指期货信号合成19 4.1沪深300指数增强19 4.2中证500指数增强19 4.3中证1000指数增强20 4.4中证全指指数增强21 5.风险提示22 图表目录 图表1:影响权益资产定价因素4 图表2:三维度刻画指标因子4 图表3:经济周期刻画5 图表4:宏观环境变量选取5 图表5:宏观环境变量(平稳化处理)当期变化及影响系数6 图表6:宏观Logit模型历史预测值7 图表7:宏观Logit模型历史预测值7 图表8:刻画景气—中观高频指标选取8 图表9:中观景气指数构建流程8 图表10:构建景气度指数—领先预测A股盈利扩张周期时序值9 图表11:景气度拐点领先季报发布1-4自然月9 图表12:宽基指数估值水平10 图表13:宽基指数风险溢价10 图表14:宽基指数波动率11 图表15:宽基指数流动性11 图表16:各宽基指数当前微观结构风险12 图表17:月度-各宽基指数微观结构风险变化12 图表18:微观结构因子的预测表现13 图表19:景气度因子的预测表现13 图表20:宏观状态在四个景气度周期下对资产价格表现的影响14 图表21:三维度合成资产配置流程15 图表22:三维度合成资产配置多空信号15 图表23:归一化信号值与未来T个交易日的IC矩阵17 图表24:分档次均收益17 图表25:择时信号值时序图18 图表26:沪深300指数增强19 图表27:中证500指数增强20 图表28:中证1000指数增强20 图表29:中证全指指数增强21 1.权益资产配置的方法论 1.1三个维度刻画权益资产的配置价值 我们认为权益资产微观定价的预测性市场因子既包含分母因素(宏观:对流动性和风险偏好的敏感度),也与中观基本面高度相关。以新能源汽车、半导体这两个行业为例,它们在过去五年的行业股价的走势基本吻合于其产量和销售额的走势。 考虑到自2017年以来A股资产波动率显著下行,我们降低对于市场动量的配置权重,将动量与结构性风险合并成微观维度,与宏观环境与中观景气融合形成非线性的资产配置框架。宏观环境的作用在于反映当前外部环境对资产运行的利好程度;中观景气度反映权益资产的内生价值;内生结构风险是左侧的反转预警指标。 图表1:影响权益资产定价因素图表2:三维度刻画指标因子 资料来源:国联证券研究所资料来源:国联证券研究所 1.2刻画资产运行的宏观状态 经济周期的循环主要由两条链路构成:央行对经济与通胀的逆周期调节作用;经济复苏对通胀的拉动。一般来说货币领先信用,信用领先经济。三类变量从不同维度映射当前宏观经济的变化。 图表3:经济周期刻画 央行刺激 货币宽松 信用上行 经济复苏 通胀上行 央行刺激 通胀下行 经济萧条 金融条件紧缩 央行收紧 资料来源:国联证券研究所整理 1.2.1宏观环境变量的选择 从货币流动性、长端利率、汇率、信用、国内经济增长、海外主要经济体等六个角度刻画宏观运行状态。 图表4:宏观环境变量选取 短期货币流动性 频率 长端利率&汇率 频率 信用 频率 PMI 频率 银行间债券质押式回购 月 3年期国债 到期收益率 日 社融:新增人民币贷款 月 PMI:新订单 PMI:新出口订单 月 SHIBOR:3个月 月 5/10年期国债到期收益率 日 信用利差:全体产业债 月 欧元区:制造业PMI 月 R-007 日 2/10年期美债到期收益率 日 M1:同比 月 日本:制造业PMI 月 1年期国债 到期收益率 日 人民币汇率指数 日 M2:同比 月 美国:ISM制造业PMI 月 资料来源:wind,国联证券研究所整理 图表5:宏观环境变量(平稳化处理)当期变化及影响系数 资料来源:wind,国联证券研究所整理 1.2.2滚动Logistic回归预测 宏观变量序列平稳化处理 1、宏观变量滞后一期 2、求DIF值,12期EMA均值减去26期EMA均值 定义多空状态并滚动Logistic回归 1、以A股未来60个交易日的收益率作为当前宏观环境对资产的利好状态,若未来60日收益率>0%,说明宏观环境为利好状态,反之则为利空状态。 2、以利好状态作为被解释变量,宏观变量作为解释变量,每个交易日,使用[t-1000,t-60]日的时序数据进行Logistic回归。 滚动回归预测 1、通过滚动回归得到各宏观变量的回归系数后,将[t-59,t]日的外生变量代入模型,每天会得到一个取值在0~1之间的预测值,代表当天所预测的宏观环境对资产的利好程度,预测值越大,表示资产未来60个交易日涨跌幅为正的概率越大。 1.2.3Logit回归预测中证全指趋势 图表6:宏观Logit模型历史预测值 资料来源:wind,国联证券研究所整理 我们分别计算了Logit预测值与中证全指指数实际表现的相关性,从测试结果来看,Logit回归结果与未来指数60个交易日上涨或是下跌的逻辑相关性非常高,但对趋势强度几乎无预测能力。 图表7:宏观Logit模型历史预测值 宽基指数 宏观变量&上涨/下跌 宏观变量&趋势强度 中证全指 0.9628 -0.0132 中证5000.97650.1211 沪深3000.9659-0.1271 中证10000.96770.0396 资料来源:wind,国联证券研究所整理 1.3构建中观景气度指数 1.3.1中观高频变量选取 两种刻画方法 第一种是采用中观高频数据刻画,特点是领先性且数据真实性较高, 第二种采用一致预期与公司财务结合的方式刻画。考虑到历史盈利预测数据准确度不高,且有乐观估计偏向,我们采用中观高频的数据来刻画景气度。 考虑到历史盈利预测数据准确度不高,且有乐观估计偏向,我们采用中观高频的数据来刻画景气度指数。 图表8:刻画景气—中观高频指标选取 工业产量 频率 工业利润 频率 经济活跃度 频率 产量:家电:当月同比 月 工业企业: 利润总额:累计同比 月 民航货邮周转量 日 产量:汽车:当月同比 月 工业企业: 亏损企业亏损总额:累计同比 月 工业GDP增速 季 产量:水泥:当月同比 月 工业增加值:国有及国有控股企业:当月同比 月 地铁客运量 日 产量:钢材:当月同比 季 拥堵延时指数 日 企业景气指数: 黑色金属冶炼及压延加工业 季 资料来源:wind,国联证券研究所整理 1.3.2构建A股中观景气指数 拼接所有因子数据,按季度采样,用PCA合成大类因子,回归目标为上证指数的归属母公司股东的净利润(同比增长率)。然后将因子提升频率至日频,用训练好的模型预测。 中观高频景气度指数—与A股盈利趋势变化契合,并且具备领先预测性。回归训练集(样本内):2001.12.31—2016.12.31 图表9:中观景气指数构建流程 资料来源:wind,国联证券研究所整理 图表10:构建景气度指数—领先预测A股盈利扩张周期时序值 资料来源:wind,国联证券研究所整理 图表11:景气度拐点领先季报发布1-4自然月 趋势 景气度拐点 季报披露日 领先周期 上行->下行 2004.4 2004.8 4months 下行->上行 2006.3 2006.4 1 month 上行->下行 2008.3 2008.4 1 month 下行->上行 2009.7 2009.1 3 months 上行->下行 2011.2 2011.4 2 months 下行->上行 2012.12 2013.4 4 months 上行->下行 2014.5 2014.8 3 months 下行->上行 2016.4 2016.8 4 months 上行->下行 2018.3 2018.4 1 month 下行->上行 2020.6 2020.8 2 months 上行->下行 2021.9 2021.12 3 months 资料来源:wind,国联证券研究所整理 1.4微观风险结构 1.4.1估值水平 我们用当前市盈率与市净率在过去5年中所处分位数的均值来度量权益市场估值水平。 图表12:宽基指数估值水平 资料来源:wind,国联证券研究所整理 1.4.2风险溢价 股权风险溢价为投资股票的长期预期收益率和无风险利率之间的差异,反映作为风险资产的权益资产相对于无风险资产所要求的风险收益。我们用当前ERP在过去5年中所处的分位数来度量权益市场风险溢价。 图表13:宽基指数风险溢价 资料来源:wind,国联证券研究所整理 1.4.3波动率 我们用当前滚动20日波动率在过去5年中所处分位数的均值来度量权益市场当期波动。 图表14:宽基指数波动率 资料来源:wind,国联证券研究所整理 1.4.4流动性 自由流通市值换手率,反映权益市场的流动性水平。在A股市场,当流动性达到极值时,往往预示着市场尾部风险大大增加。我们用当前自由流通市值换手率在过去5年中所处的分位数来度量权益市场流动性风险。 图表15:宽基指数流动性 资料来源:wind,国联证券研究所整理 1.4.5合成微观风险结构因子 得到在估值水平、风险溢价、交易热度方面的度量指标后,将风险溢价度量指标求相反数,之后四因子等权相加,得到内生结构维度的左侧预测指标。 当前A股内生结构分位在0.27左右,自2021年Q4以来持续下行,目前已处于低估状态。从图表16所示各宽基指数截至2024年6月28日的结构风险值: 图表16:各宽基指数当前微观结构