行业轮动大小单资金流为核心的综合策略20240909

行业轮动：大小单资金流为核心的综合策略20240909_原文 2024年09月09日22：47 发言人00：02 各位领导，各位朋友大家好，我是开源金融工程魏建荣。首先欢迎大家收听开源金融工程2024深度研究系列路演，我们今年的这个大的主题叫做开源量化吱声，今天是我们整个系列的已经是第19期了。今年的这个系列会议，我们是从七月份就已经开始，主要是报告我们开源金融工程团队，今年以来我们所对外发布的最重要的这个深度专题，具体的这个领域是涵盖了量化策略的开发，权益定价研究和资产配置模型，以及基金产品研究。 行业轮动：大小单资金流为核心的综合策略20240909_原文2024年09月09日22：47 发言人00：02 各位领导，各位朋友大家好，我是开源金融工程魏建荣。首先欢迎大家收听开源金融工程2024深度研究系列路演，我们今年的这个大的主题叫做开源量化吱声，今天是我们整个系列的已经是第19期了。今年的这个系列会议，我们是从七月份就已经开始，主要是报告我们开源金融工程团队，今年以来我们所对外发布的最重要的这个深度专题，具体的这个领域是涵盖了量化策略的开发，权益定价研究和资产配置模型，以及基金产品研究。会议的内容我们正在持续更新，也敬请大家关注，也感谢大家对我们开源金工团队长期的支持，今天的题目是关于这个行业轮动，但是我们选了一个比较有趣，比较特别的一个角度作为切入。我们希望从大小订单的资金流作为出发点，去构建一个行业轮动的一个综合策略。 发言人01：01 具体的这个内容我们分为三块第一块也是我们比较擅长的，我们在历史上积累了非常多的基于大小订单资金流的选股因子。在这个选股因子的历史沉淀的基础上，我们试图衍生的讨论他在行业轮动上面可能有的这个效果。第二块是我们探讨一下行业轮动的这个课题本身存在的一些情况，比如说行业动量，财务失效，以及他解决的方案。第三块最后是应用层面，我们以这个大小订单为核心，我们构建了一个年化收益率22%12的一个行业轮动策略。以上是一个简单的介绍，下面我把时间交给我们团队成员，开源金融工程高级分析师孙少成，有请邵橙。好的，谢谢魏博，各位领导，各位朋友，大家晚上好。 发言人01：54 今天分享的课题是一个行业轮动的一个课题，是关于大单这一块的那在做这个行业轮动之前，我们简单回顾一下，其实我们之前做过很多的关于到大家的一些选股的因子，其实整体的一个效果都是相对不错的那我们做行业中其实第一个首选的一个想法就是我们能不能这些选股因子把它简单去聚合到这个行业？我们做点简单尝试，就是五种。第一种的话就是因子值，我们直接做个均值，以及第二种是市值加权，就从因子值直接去做的。第三和第四种是我们把这个因子值作为一个分域，因为我们怕这个因子值的噪音可能会比较大，那我们对它进行分泌。比如说因子值比较高的前三分一赋值为一，中间的3分之1是0，尾巴的3分之1是负一。这种赋完值之后，我们再做一个均值或者加权，这354两种方法。 发言人02：50 第五种方法的话就是我们采取一个因子值比较高的20%，相当于扩散指数的一个概念。就是统计它在不同行业股票数占各自行业股票总数的一个比例。5种方法的话其实对应到四个因子，其实就是20种的一个rankACR1个效果。它其实整体来看的话，效果都是比较一般的。对于这些因子值，我们用原子值或者说一些处理后的一些因子值，其实整体的效果都是一般的。所以这页PPT给大家感的一个感觉就是去选股到后期从资金流这个维度直接去做，其实不是那么会做出那么好效果的。所以我们直接会从这个行业层面去做。 发言人03：34 首先的话我们就是做了一个资金流强度，这个资金流强度的话，我们万德它有全部的四类订单的一个净流入，也有主动净流入，我们都做了一些测试，就是月平值，每个月我们会回看过去20天，20天这些净流入加在一起，其实代表某一类资金流对这个股票的一个认可。当然了，不同股票它其实聚合到行业层面，它其实是有一个量级的一个差别。就是说这个行业层面如果直接去做，它要有量级的一个差别。 发言人04：07 我们这边去看的话，其实对于行业的这个资金流强度，我们是选取了几类标准化的方法。里面我们看效果最好的其实就是主动超大单强度，采取这个市值标准化的一个方式，大概是0.95的一个CR。您可以发现这个因子其实在202年以前表现还是可以的。但在2022年以来的话，其实整体的效果而是表现比较一般的。所以我们首先的一个任务就是怎么去改进这个资金流强度因子。 发言人04：43 行业层面是因为强度其实近几年失效，大家说的比较多，可能就是风格轮动或行业轮动速度加快。就资金流强度 如果我们做成月评，可能会比较吃亏。因为月评我们是每个月才会去判断，它的一个下期的一个行业选择。但是市场变化多了，就是资金流变化也快。所以岳平去做的话，我们需要考虑第一个点，就是近期的一个强弱趋势。这个理解那个理解方式也是比较简单，就是我们去观察本期强度较高的那些行业，在历史上去看可能就没有那么猛。我们找这种行业可能会更好一点，就是说他不会已经流入过头，下期可能会补跌的，这样的一个概率会比较小一点。 发言人05：28 那我们怎么去判断强弱趋势呢？就是我们计算这个原始的主动超大单强度之后，我们取个横截面的rank，然后每个行业持续我们取两个月均值和过去12个月均值做了一个比值，把这个比值称为KK其实就是判断近期强弱趋势的一个指标。最后我们会在原始这个主动超大单强度排序的一个基础上乘上K分之一。为什么是K分之一呢？因为我们在无论是多头还是空头，其实都测了这个K值对它的一个影响。尤其是近两年来，其实K低会比K高的会明显，更有一个增量。 发言人06：09 当然了这第右边这张图的话，其实我们是便利了一下这个K值短窗口和长窗口的一个敏感性分析。整体上来看的话，短窗口是两个月效果会相对比较好一点。其实拉长到3个月到5个月之间的话，其实也会比原始因子要好吧。啊因为我们这边短窗口也没有选择太长，我们选取的大概是两个月左右是比较好的，所以最后是两个月和12月是它的一个参数，我们考虑第一点，就是近期强弱趋势去改进行业的一个主动的超大单强度。 发言人06：44 第二个思路也是我们开源精工最喜欢用的一个思路，就是考虑资金的一个极端和温和。其实也就是做了一个切割的这样的一个感觉。对于这个切割的一个感觉，我们发现其实在资金极端的时候，他其实这个增量会更大一点。就判断这个极端就是我们120天上下0.5标准差。这样一个现象，其实在2022年和2023年这两年期间其实更加明显的。比如说我们划分那个极端和非极端，其实在22年之前的话，其实他们两者都是正的一个行业流动能力。但在近两年的话，其实非极端的一个资金流，它其实呈现了一个负的行业轮动的一个能力。所以我们认为把非极端给它拿掉，其实效果会更好一点。 发言人07：32 所以我们只用极端就可以就是说我们原始做因子的时候是岳平回看过去20天都用上。但是这里面我们可能就是说用20天里面那些极端的就可以了。当然怎么去判断20天里面哪一天是极端或者是非极端的，我们给了一个极端突破上下均线突破的一个感觉。我们这边的话就是120天0.5比较差，是我们做了一个敏感性测试，效果这个是比较稳定的一个区间。那后面对于我们这边报告中的每个因子，其实我们都会做一些参数敏感性测试。但是我们在选的时候可能就是选取一些大家比较常见的一些参数，所以最后的话 我们是把两个改进思路其实做了一点合成，合完之后你可以发现相比原始的这个主动超大单强度，就改进后的一个超大单强度会有一定的增长，主要是把它做的更加的一个稳定。 发言人08：28 第二的话就是资金流的一个相关系数。这个资金流相关系数我们之前也是选股上迁移过来一个思想，在选股上是这样子，比如说选股上它有像rankRT和ST加N它这个因子，它这个因子的话在个股上的现象跟行业上会有点不同。我们简单再回顾一下个股上，这个耳机的话就是个股的，比如说月度收益率ST加N相当于我滞后N天个股的一个小单净流入。它其实代表的就是小单跟随的一个强弱。我们当时这个参数N在进行一个参数敏感性便利的时候，N等于一的时候，相当于小单之后当天的收益率一天的时候，这个做出来因子效果是最好的。就每个月底我就回看过去20天那一只个股 有20个RT有20个ST加1。那么对于这只个我们求给它的质相关系数就是这个股票在这个月底的因子值。 发言人09：24 对于个股上N等于一，它其实是明显很负向的一个选股因子。在N大于一的时候，它整体这个因子的选股效果是衰减非常快的。但在行业上会有点不一样的现象。大家可以发现N等于一的时候，它是一个负的轮动能力。N等于二是正的，N等于三是负的。所以他有一点就是正负震荡交替逐渐衰减到零的这样的一个感觉。 发言人09：51 所以对于行业上的话，我们是取了一个data的RT和data的ST加N就是边际变化的一个跟随在行业上它整体的一个羊群效应的一个线条会更加的明显。就是我们从各国的行业的一个迁移，我们但是我们做了点小小的变化，就是取得一个一阶差分。那我们对于原始这个羊群效应其实跟踪了一段时间，它整体近几年它其实有一个比较大的一个回撤。这个回撤的话，我们想去改进它的话，就是我们这边做了一个点，就是把这个TST加1，其实是变成了非主动小单净。 发言人10：32 我们原始在做这个因子这张图其实显示的是小单净流入的一个跟随。但是近几年的话，其实小单里面分为主动小单跟非主动小单。而非主动小单其实我们认为是更加代表散户的一类资金的一个净流入，所以我们会把它做一个替换。 发言人10：49 第二点的话就是行业羊群效应它本身的一个变动，它其实也是一个有效的因子。我们最后会把两个因子做一个合成，还是这样的一个效果。最后我们是把这个超大单净流入和这个散户人均效应会做一个合成。这两个合成之后可以发现整体这个因子月平来看，瑞卡ICL是1.6，效果还是非常稳定的。它整体的逻辑就交易行为的一个逻辑，就是超大的代表机构，机构本期强度较高，但不位于高位，散户羊群效应较低且无大幅增加。这样是他的一个行为金融学的一个逻辑。 发言人11：34 接下来我们其实两页PPT我们测了就这样一个事情，就是周度我们其实也可以做这个主动策划的的强度和这个阳性效应因子，我们可以发现其实做完月评的话是rankACR只有1.44，就相较于月评的1.62还是有一点点下降的。而且升平之后我们其实对应的是交易费用的提升和操作难度的加大。如果我们这个rankACR没有一个非常明显的一个提升的话，我们认为维持低频的一个做法就相对比较合理。所以对 于这里超载单强度，主动超大单强度和这个散户阳性效因子，就这个因子，刚刚我们这个就1.62的一个rankACR这个因子，我们其实比较推荐乐品的一个做法。 发言人12：21 说完超大单跟小单之后，其实我们知道万德的画布它其实有好几块。那我们这边接下来是分析这个大单的一个能力，其实在大单在个股上它的选股效果是非常好的。但在行业的路上，他其实我们开头其实放过不同资金流，它那个简单的一个强度的一个效果，就大单效果是非常弱的那原因我们认为本质的原因就是存在一个量级的差别。 发言人12：50 我们这边举个例子，比如说像交通运输和银行。其实大家可以发现就每时每刻这个银行的一个强度都会比这个交通运输要高。我们是为了防止是不是某一些单一的行业它可能有这个现象。我们在这个因子值，就大量自由强度因子值，前后两期求的一个自己的一个自相关系数。你可以发现它整体大概是80%是远高于超大单的。所以大单强度它效果不好的原因，本质就是不同行业量级有差别。 发言人13：22 既然量级有差别，横截面去做这个因子有问题的话，那我们很好想，就是我们做一个行业自己持续在做完，我们再统一拉到横截面去比较。持续去比较的话，我们就是去计算这个极端突破。首先对于单个行业每日的一个净流入，我们去判断极端向上突破是一，向下突破是负，一期情况是零。也就是说每个调仓日的话，其实我们是会对过去N个G这种10-1的一个判断做一个求和。如果最后大于零我们认为是多头，小于零是空