结合宏观场景进行市场关注度择时：“上下兼容”股债轮动策略

请仔细阅读在本报告尾部的重要法律声明 证券研究报告|金融工程报告 “上下兼容”股债轮动策略 ——结合宏观场景进行市场关注度择时 张立宁SACNO：S1120520070006杨国平SACNO：S1120520070002丁睿雯SACNO：S1120523040002 2024年9月2日 （四）风险提示 目录 （一）自下而上—市场关注度指数构建 （二）自上而下—宏观场景设置 （三）“上下兼容”股债轮动策略 1.寻找有效的市场关注度代理指标 本节对股票市场进行自下而上的投资者关注度探测，从量价和分析师预期两个方面捕捉投资者与卖方分析师对股票市场的关注度信息。我们用以下方法寻找有效的市场关注度代理指标： 1.收益率统计：若市场关注度代理指标发出上升信号，则次日对中证全指进行做多，计算 日度收益率时间序列。 2.T-test：对日度收益率进行单边T检验，若p-value<2.5%则认为策略日度收益率显著为正，即市场关注度指标上行对股票市场有明显正向影响。 3.胜率计算：指标判断正确的条件为（1）次日策略获得正收益或（2）次日股票市场下跌且策略收益率为0，即仓位为0。计算策略胜率，若胜率大于50%则视为有效。 4.赔率计算：分别计算策略获得正收益时间序列的均值和负收益的时间序列的均值，二者取比值。若赔率大于1则视为有效。 1.1异常成交量 异常成交量(AbnormalTradingVolume,ABV)刻画了短期成交量相对于长期的变化。异常成交量指标提升，说明最近相对于长期成交变得更为活跃，市场关注度提高。 𝐴𝐵�= 𝑀𝑒𝑎𝑛(𝑉𝑜𝑙𝑢𝑚𝑒,𝑤𝑖𝑛𝑑𝑜𝑤1) 𝑀𝑒𝑎𝑛(𝑉𝑜𝑙𝑢𝑚𝑒,𝑤𝑖𝑛𝑑𝑜𝑤2) ,𝑤𝑖𝑛𝑑𝑜𝑤1<𝑤𝑖𝑛𝑑𝑜𝑤2 资料来源：Wind，华西证券研究所 资料来源：Wind，华西证券研究所 以中证全指为例，将所有成分股异常成交量取简单平均，若整体异常成交量上升则对中证全指进行做多。择时年化收益为10.15%，胜率为53%。 做多异常成交量_择时走势做多异常成交量_指标统计 1.2异常成交波动 异常成交波动(AbnormalVolumeVolatility,ABVV)为短期成交量波动相对于长期成交量波动的比值。异常成交波动指标提升，说明近期市场成交量相对于长期震荡幅度提升。 𝐴𝐵𝑉�= 𝑆𝑡𝑑(𝑉𝑜𝑙𝑢𝑚𝑒,𝑤𝑖𝑛𝑑𝑜𝑤1) 𝑆𝑡𝑑(𝑉𝑜𝑙𝑢𝑚𝑒,𝑤𝑖𝑛𝑑𝑜𝑤2) ,𝑤𝑖𝑛𝑑𝑜𝑤1<𝑤𝑖𝑛𝑑𝑜𝑤2 资料来源：Wind，华西证券研究所 资料来源：Wind，华西证券研究所 将中证全指内成分股异常成交量取简单平均，整体异常成交量上升则做多，择时年化收益为11.26%，胜率为53%。 做多异常成交波动_择时走势做多异常成交波动_指标统计 1.3极端收益率 极端收益率(ExtremeReturn,ETR)为短期日均收益率相对于长期日均收益率的比值。极端收益率指标上升，说明近期短期动量相对于长期动量提升，也成为关注度提升的标志。 𝐸𝑇�= 𝑀𝑒𝑎𝑛(𝑅𝑒𝑡,𝑤𝑖𝑛𝑑𝑜𝑤1) 𝑀𝑒𝑎𝑛(𝑅𝑒𝑡,𝑤𝑖𝑛𝑑𝑜𝑤2) ,𝑤𝑖𝑛𝑑𝑜𝑤1<𝑤𝑖𝑛𝑑𝑜𝑤2 资料来源：Wind，华西证券研究所 资料来源：Wind，华西证券研究所 同样，在中证全指内将成分股极端收益率取均值，整体极端收益率上升则做多，择时年化收益为7.40%，胜率为52%。 做多极端收益率_择时走势做多极端收益率_指标统计 资料来源：Wind，朝阳永续，华西证券研究所 资料来源：Wind，朝阳永续，华西证券研究所 1.4分析师一致预期 分析师一致预期(AnalystConsensusForecast,ACF)从卖方分析师的角度刻画股票基本面情况。对于每只股票，统计过去三个月各个研究机构给予的最新预期EPS(FY2)，把预期均值作为这只股票的一致预测值。 在中证全指内将股票一致预期EPS根据市值加权为指数一致预期EPS，分析师一致预期上升则做多，择时年化收益为9.47%，胜率为52%。 做多分析师一致预期_择时走势做多分析师一致预期_指标统计 资料来源：Wind，朝阳永续，华西证券研究所 资料来源：Wind，朝阳永续，华西证券研究所 1.5分析师一致预期变化 分析师一致预期变化(AnalystConsensusForecastChange,ACFC)为一致预期值的一阶变化。以三个月为一个预测周期，计算每只股票过去两个周期的一致预期EPS差值。 同样，在中证全指内将各成分股一致预期EPS变化根据市值加权，得到指数一致预期EPS变化。分析师一致预期变化上升，说明分析师一致预期的二阶变化为正，也就是分析师看多的幅度增加。做多分析师一致预期变化择时年化收益为9.47%，胜率为52%。 做多分析师一致预期变化_择时走势做多分析师一致预期变化_指标统计 1.6市场关注度指数构建 前文介绍了异常成交量、异常成交波动、极端收益率三项量价指标、以及分析师一致预期及其变化两项基本面指标，五项指标根据过去60个交易日数据进行时序标准化，拼接为截面数据后等权合成为市场关注度指数。 市场关注度指数与中证全指的走势关系 资料来源：Wind，朝阳永续，华西证券研究所 资料来源：Wind，朝阳永续，华西证券研究所 资料来源：Wind，朝阳永续，华西证券研究所 1.7市场关注度指数择时 为了避免预知信息，我们每日对异常成交量、异常成交波动、极端收益率、分析师一致预期及其变化五项指标都进行时序标准化处理，截面数据再通过等权合成为市场关注度指数。 根据每日所得市场关注度指数时序数据进行中证全指的单资产择时，做多市场关注度指数的一阶变化，策略的年化收益为16.24%，胜率为55%。 做多市场关注度指数_择时走势做多市场关注度指数_指标统计 （四）风险提示 目录 （一）自下而上—市场关注度指数构建 （二）自上而下—宏观场景设置 （三）“上下兼容”股债轮动策略 2.宏观指标筛选 前文市场关注度指标的构建是一个自下而上解读股票市场的过程，为了更好地降低风险、控制回撤，我们还需对整体宏观环境进行判断、度量宏观风险。本节通过定量回测与统计筛选出较为有效的、有逻辑的宏观指标，进行自上而下的宏观场景刻画。 在单个指标筛选的过程中，我们考虑了各宏观因子的经济学原理，进行滞后性处理以及不同阶的变化，最后落实到不同频率的择时回测、T-test、最大回撤以及胜率、赔率的检验。 待测宏观因子汇总 数据处理 环比、同比类 原值 累计类 增量类 增量类总量类 𝑋t−1计算增速变化 𝑀𝑒𝑎𝑛(𝑋t−12:𝑡) (环比) 资料来源：华西证券研究所 资料来源：华西证券研究所 2.1指标举例：金融机构各项贷款余额(同比) 金融机构各项贷款余额同比变化为月频数据，因其滞后期为1个月，每月末计算上月贷款余额同比变化值，并将上月同比变化与前三个月同比变化进行比较，求解上月同比变化在过去三个月中的百分位数。 贷款余额从金融的角度反映当前宏观环境，若余额同比变化位置较高，则赋予股票更多的仓位。百分位数与中证全指仓位关系图如下所示，剩余仓位不做投资。 指标所处分位数与股票仓位关系做多金融机构各项贷款余额(同比)_择时走势 资料来源：Wind，华西证券研究所 做多金融机构各项贷款余额(同比)_指标统计 资料来源：Wind，华西证券研究所 资料来源：华西证券研究所 资料来源：Wind，华西证券研究所 资料来源：Wind，华西证券研究所 2.2指标举例：22个省市:平均价:猪肉(同比) 22个省市猪肉均价为总量月频数据，每月末计算该指标当月同比变化值，并与上月同比变化进行比较。 猪肉均价同比变化从消费的角度反映宏观环境，为反向指标，即同比变化收缩时对股票指数进行做多。策略年化收益为10.28%，胜率为52%。 做多猪肉均价同比收缩_择时走势做多猪肉均价同比收缩_指标统计 资料来源：Wind，华西证券研究所 资料来源：Wind，华西证券研究所 2.3指标举例：10年期美债收益率 10年期美债收益率为日频数据，其变化方向是全球资本市场的宏观环境的重要体现，是大类资产阶段性走势的领先指标。 计算当日美债收益率相对于过去一年平均值的变化，若美债收益率下行则对股票进行 做多，策略年化收益为12.96%，胜率为52%。 做多美债利率下行_择时走势做多美债利率下行_指标统计 2.4有效宏观指标 从利率、市场景气度、汇率、消费和周期、金融以及全球宏观的角度筛选出以下10个对A股市场走势有显著正向/负向影响的指标。为了让所有指标方向一致且截面可比，我们对不同频率的宏观指标进行以下处理： 1.方向调整：若为负向指标则将指标时间序列取相反数。 2.时序处理：按下表计算指标变化值（如环比变化、同比分位数等）并使用拓展窗口进行时序标准化。 3.截面复合：标准化后各指标等权合成为复合宏观因子。若因子值为正，则宏观场景为积 极，若因子值为负，则宏观场景为消极。 有效宏观指标汇总 资料来源：华西证券研究所 （四）风险提示 目录 （一）自下而上—市场关注度指数构建 （二）自上而下—宏观场景设置 （三）“上下兼容”股债轮动策略 若市场关注度指标下行 𝑊𝑠𝑡𝑜𝑐�=0%,𝑊bond=100% 3.1市场关注度指数与复合宏观因子结合 由于多数宏观指标频率较低，即时性不如市场关注度指标，在进行资产配置的过程中令市场关注度为主导、宏观场景设置为辅助。 具体回测设置如下： 1.回测时间区间：2014-2024.8 2.股债轮动资产：股-中证全指，债-中证全债 3.调仓方式：不定期调仓 4.策略： 若市场关注度指标上行 连续x天宏观场景为积极𝑊𝑠𝑡𝑜𝑐�=100%,𝑊bond=0% x天内出现消极宏观场景𝑊𝑠𝑡𝑜𝑐�=50%,𝑊bond=50% 资料来源：Wind，朝阳永续，华西证券研究所 资料来源：Wind，朝阳永续，华西证券研究所 3.2“上下兼容”股债轮动策略:参数敏感度 将宏观场景设置的参数x设置为过去1天至过去20天，计算股债轮动策略的年化收益、最大回撤、胜率及赔率。其中，胜率的计算方式为取得正收益天数除以总天数。 参数x增加，令股票满仓的条件逐渐变得严苛，年化收益和最大回撤都略有下降。总体而言，“上下兼容”股债轮动策略对宏观场景设置条件天数的敏感度并不高。 参数敏感度测试_年化收益和最大回撤参数敏感度测试_胜率和赔率 3.3“上下兼容”股债轮动策略:以x=3为例 以宏观场景设置条件天数x=3为例，将宏观场景设置与市场关注度指数方向判定相结 合，构建“上下兼容”股债轮动策略。 策略年化收益为18.42%，最大回撤为12.60%，日度胜率为64.19%，赔率为1.51:1。 “上下兼容”-中证全指股债轮动策略走势 资料来源：Wind，朝阳永续，华西证券研究所 资料来源：Wind，朝阳永续，华西证券研究所 资料来源：Wind，朝阳永续，华西证券研究所 3.4“上下兼容”在不同股票指数中的实践 在“上下兼容”股债轮动策略中，我们尝试将股票资产代表替换为沪深300和红利低 波指数，债券资产仍为中证全债指数。 “上下兼容”-沪深300股债轮动策略年化收益为16.85%，最大回撤为10.13%，日度胜率为62.61%，赔率为1.49:1。 “上下兼容”-红利低波股债轮动策略年化收益为17.59%，最大回撤为9.14%，日度胜率为63.61%，赔率为1.55:1。 “上下兼容”-沪深300股债轮动策略走势“上下兼容”-红利低波股