基于擁擠度判斷的行業(yè)輪動策略

1、基于擁擠度判斷的行業(yè)輪動策略本文是資產(chǎn)配置系列報告第四篇。在此前發(fā)布的報告資產(chǎn)配置研究系列之二：基于行業(yè)動量的固收加產(chǎn)品設(shè)計(jì)中，我們詳細(xì)闡述了用截面動量解決行業(yè)輪動問題的有效性和普適性。結(jié)合文獻(xiàn)和測算結(jié)果，我們發(fā)現(xiàn)：動量組合的表現(xiàn)與市場狀態(tài)的持續(xù)時長相關(guān)，市場狀態(tài)持續(xù)越久，動量組合在市場風(fēng)險上的暴露就越大，即動量策略最容易在市場狀態(tài)轉(zhuǎn)變時產(chǎn)生損失。據(jù)此，我們發(fā)現(xiàn)判斷市場擁擠度是規(guī)避動量失效的一個有效思路，于是使用萬得全A（881001）換手率在歷史上的分位數(shù)表示市場擁擠度，當(dāng)萬得全 A 過去 5 年（按 1250 個交易日計(jì)）的換手率分位值上穿特定閾值時，動量失效預(yù)警信號生成，此時模型判斷動量

2、策略可能失效，為穩(wěn)健性考慮將使用其他替代策略規(guī)避可能發(fā)生的回撤風(fēng)險，比如等權(quán)投資所有行業(yè)。這種方法的優(yōu)勢在于能夠預(yù)判關(guān)鍵市場狀態(tài)切換場景，在較長的時間維度上起到降低回撤、提升收益的效果。諸如全市場換手率、成交量等指標(biāo)常被用來判斷市場整體的擁擠情況，但并不容易刻畫單個行業(yè)的擁擠程度。實(shí)際上，強(qiáng)勢行業(yè)的切換有時并非來自于整個市場的擁擠，而是來自于局部行業(yè)的擁擠（比如 2015 年的計(jì)算機(jī)、2020 年的食品飲料）。對于這種情況，全市場擁擠指標(biāo)很難做出有效反應(yīng)。本文試圖構(gòu)建單個行業(yè)的擁擠度指標(biāo)，同時在此基礎(chǔ)上拓寬全市場擁擠指標(biāo)的刻畫維度，使用市場+行業(yè)雙擁擠信號提升行業(yè)動量策略的有效性。本文借鑒Wi

3、lliam Kinlaw、Mark Kritzman、David Turkington 于 2019 年發(fā)表的文章Crowded Trades: Implications for Sector Rotation and Factor Timing，結(jié)合主成分分析（PCA）方法計(jì)算出各行業(yè)的資產(chǎn)集中度指標(biāo)，并進(jìn)一步得到行業(yè)擁擠度分散度因子。其中，資產(chǎn)集中度指標(biāo)用來描述單行業(yè)擁擠狀況，行業(yè)擁擠度分散度因子將與換手率指標(biāo)結(jié)合共同刻畫全市場擁擠度。從結(jié)果來看，市場+行業(yè)雙擁擠信號能夠幫助動量組合規(guī)避整體以及單個行業(yè)的擁擠階段，優(yōu)化動量因子長期表現(xiàn)。中期動量行業(yè)輪動組合表現(xiàn)優(yōu)異，2017 年以來“反轉(zhuǎn)行

4、業(yè)”占比降低動量因子的定義和有效性初探動量效應(yīng)（Momentum Effect）也稱“慣性效應(yīng)”，指資產(chǎn)收益率有延續(xù)原本運(yùn)動方向的趨勢，過去一段時間表現(xiàn) “好”的資產(chǎn)未來獲得的收益率將持續(xù)高于過去表現(xiàn)“差”的資產(chǎn)?；趧恿啃?yīng)，投資者可以通過買入過去表現(xiàn)好的資產(chǎn)、賣出過去表現(xiàn)差的資產(chǎn)獲利，這種利用動量效應(yīng)構(gòu)造的投資策略被稱為動量投資策略。年度動量效應(yīng)在行業(yè)層面可能有效，捕捉動量效應(yīng)和規(guī)避動量崩潰是決定動量策略表現(xiàn)的關(guān)鍵因素。為了說明動量效應(yīng)在行業(yè)輪動上的有效性，本文首先展示了 28 個中信一級行業(yè)（不含綜合、綜合金融）分年收益率在截面上的排名情況。我們發(fā)現(xiàn)，有些行業(yè)可以在 1 年甚至更久的窗口

5、取得超越截面均值的表現(xiàn)，比如 2021 年 2 月回調(diào)前的食品飲料、2020 年以來的電新、電子；也有些行業(yè)蟄伏良久后才迎來爆發(fā)行情。拉長時間來看，沒有任何一個行業(yè)能取得長期優(yōu)于大盤的表現(xiàn)，上一年度的冠軍行業(yè)本年有可能出現(xiàn)大幅回調(diào)，上一年度表現(xiàn)不盡人意的行業(yè)本年也可能迎來“野百合的春天”。捕捉動量效應(yīng)和規(guī)避動量崩潰是動量策略表現(xiàn)的決定因素。表 1：2009-2022M5 中信一級行業(yè)分年收益率行業(yè)名稱20092010201120122013201420152016201720182019202020212022M1-5石油石化75%-5%-24%0%7%24%3%-1%2%-19%9%3%17

6、%-1%煤炭173%-5%-26%-3%-40%32%-8%0%19%-29%15%8%45%30%有色金屬181%20%-42%13%-30%46%16%-8%11%-41%24%33%46%-11%電力及公用事業(yè)51%-9%-21%10%13%63%18%-17%-4%-28%8%2%26%-11%鋼鐵100%-26%-29%-3%-16%69%-6%-7%15%-28%3%9%42%-13%基礎(chǔ)化工100%1%-31%-1%8%33%80%-10%-9%-35%24%36%48%-15%建筑39%-3%-30%22%-10%100%16%-3%-6%-28%0%-7%22%-1%建材12

7、5%14%-31%3%-6%37%44%-8%12%-31%53%28%9%-15%輕工制造118%-3%-26%-2%24%31%97%-13%-12%-33%28%18%13%-23%機(jī)械111%28%-35%-4%5%47%65%-17%-12%-35%25%34%15%-23%電力設(shè)備及新能源87%17%-44%-16%32%38%71%-17%-8%-34%23%88%50%-23%國防和軍工124%21%-35%-7%39%59%38%-23%-17%-27%23%72%13%-26%汽車225%2%-32%7%17%40%53%-9%1%-32%20%50%21%-16%商貿(mào)零售

8、118%122%5%9%-34%-8%18%38%48%-16%-12%-32%9%0%2%-7%消費(fèi)者服務(wù)-21%4%20%48%123%-28%-4%-9%28%81%-24%-11%家電146%3%-26%13%38%25%49%2%45%-32%61%33%-19%-20%紡織服裝116%8%-26%-10%8%43%95%-12%-23%-32%9%-3%7%-9%醫(yī)藥102%29%-30%10%38%18%65%-14%5%-27%38%50%-4%-23%食品飲料110%21%-10%-1%-9%21%26%8%55%-20%73%88%-5%-15%農(nóng)林牧漁98%18%-32%

9、-3%18%25%83%-15%-13%-22%48%15%-7%-6%銀行109%-28%-4%19%-5%72%4%1%17%-11%27%0%0%-5%非銀行金融103%-25%-31%32%-5%130%-19%-12%19%-24%48%7%-20%-20%房地產(chǎn)120%-22%-21%35%-12%78%55%-19%1%-27%26%-9%-10%-7%交通運(yùn)輸78%-12%-30%-3%6%72%31%-24%6%-30%18%7%3%0%電子159%66%-39%8%42%17%81%-15%19%-41%72%34%17%-29%通信93%-1%-30%-17%45%36%

10、115%-18%1%-33%31%-9%2%-22%計(jì)算機(jī)128%29%-37%-13%76%57%126%-36%-19%-25%48%17%3%-27%傳媒73%4%-17%-5%103%20%72%-38%-22%-39%25%-2%7%-25%資料來源: 、2017 年以來“反轉(zhuǎn)行業(yè)”占比降低，行業(yè)動量策略適用性增強(qiáng)。定義 28 個中信一級行業(yè)（不含綜合、綜合金融）中，上一年度收益截面排名前 10 但本年收益截面排名后 10，或上一年度收益截面排名后 10 但本年收益截面排名前 10 的行業(yè)為“反轉(zhuǎn)行業(yè)”，并每年統(tǒng)計(jì)該類行業(yè)占比。2007 年以來，“反轉(zhuǎn)行業(yè)”占比在 40%左右；201

11、7 年以來，反轉(zhuǎn)行業(yè)占比下降至 20%附近，行業(yè)動量策略適用性有所上升。圖 1：自然年“反轉(zhuǎn)行業(yè)”占比（2007-2022M5）資料來源: Wind、當(dāng)然，如何判斷行業(yè)表現(xiàn)的“好壞”見仁見智，常見手段包括收益率、雙均線交叉、夏普比率等。收益率是其中最直觀的市場度量方法，基于收益率法的行業(yè)動量策略認(rèn)為前期收益率高的行業(yè)未來收益將持續(xù)，收益率低的行業(yè)未來表現(xiàn)將低于市場平均水平，從而允許投資者“買好賣壞”獲取相對收益。本文定義各行業(yè)的動量因子為過去一段時間的行業(yè)累計(jì)收益率，有,=, 1,_+1其中，,為第個行業(yè)在時刻的動量因子，滿足 = 1,2, , ， = _, , ；為截面行業(yè)個數(shù)；為回測時段總

12、天數(shù)；,為第個行業(yè)在時刻的收盤價；_為計(jì)算累計(jì)收益率時使用的回看窗口的天數(shù)。短期動量、中期動量和長期動量的界定回看窗口（_）是動量策略的關(guān)鍵參數(shù)。無論是本篇報告所采取的收益率法，還是雙均線交叉、指數(shù)移動加權(quán)平均等變種，實(shí)際使用到的信息均為資產(chǎn)過去一段時間價格序列，經(jīng)某種方式加權(quán)處理后得到結(jié)果?；乜创翱谑怯绊懠訖?quán)方式的關(guān)鍵參數(shù)，決定了相對久遠(yuǎn)的歷史價格序列的取舍。我們延續(xù)此前報告資產(chǎn)配置研究系列之二：基于行業(yè)動量的固收加產(chǎn)品設(shè)計(jì)中的設(shè)定，稱時間窗口不超過 60個交易日的動量為短期動量，時間窗口在 250 個交易日以上的動量為長期動量，其余則稱中期動量。表 2：短期、中期、長期動量與回看窗口分類舉

13、例短期動量過去 10、20、40、60 個交易日的動量中期動量過去 120、250 個交易日的動量長期動量過去 500、750 個交易日的動量資料來源: 經(jīng)該篇報告測算，我們發(fā)現(xiàn)：（1）A 股市場在行業(yè)層面上整體由動量而非反轉(zhuǎn)效應(yīng)主導(dǎo)，且在不同的統(tǒng)計(jì)區(qū)間和持有期下動量策略均整體有效。（2）在短期動量、中期動量和長期動量的橫向比較中，中期動量（過去 250 個交易日）整體最優(yōu)，是平衡換手和收益后的一種實(shí)踐性較高的結(jié)果。本文后續(xù)仍以 250 日動量作為策略改進(jìn)的基準(zhǔn)。1.3. 中期動量行業(yè)輪動組合表現(xiàn)優(yōu)異，但會出現(xiàn)動量崩潰本節(jié)以中期動量（過去 250 個交易日）為基礎(chǔ)測試行業(yè)動量策略的效果。理想狀

14、態(tài)下，假設(shè)在每個交易日收盤時計(jì)算動量指標(biāo)，且所有交易均能以當(dāng)日收盤價瞬時完成，暫不考慮交易成本?；販y區(qū)間為 2010/1/1-2022/5/27。定義多頭組合、空頭組合、多空組合、等權(quán)組合、多頭超額含義如下：多頭組合：每次調(diào)倉時等權(quán)買入 28 個中信一級行業(yè)（不含綜合、綜合金融）中，過去 250 個交易日累計(jì)漲幅最高的 6 個行業(yè)?？疹^組合：每次調(diào)倉時等權(quán)買入 28 個中信一級行業(yè)（不含綜合、綜合金融）中，過去 250 個交易日累計(jì)漲幅最低的 6 個行業(yè)。多空組合：每次調(diào)倉時等權(quán)買入 28 個中信一級行業(yè)（不含綜合、綜合金融）中，過去 250 個交易日累計(jì)漲幅最高的 6 個行業(yè)，等權(quán)賣出累計(jì)漲

15、幅最低的 6 個行業(yè)。等權(quán)組合：每次調(diào)倉時等權(quán)買入 28 個中信一級行業(yè)（不含綜合、綜合金融）。多頭超額：多頭組合相對等權(quán)組合的累計(jì)超額。從結(jié)果來看：（1）基于過去 250 日收益率的行業(yè)動量策略表現(xiàn)優(yōu)秀，全區(qū)間日度 RankIC 的 t 值達(dá)到 4.3；且除 2018 年以外 RankIC 均值均為正值。（2）全區(qū)間 2010/1/1-2022/5/27 內(nèi)，多空組合和多頭超額年化收益率分別為 11.9%和 7.2%，且 2017 年后表現(xiàn)尤其優(yōu)異，對應(yīng) 1.1 節(jié)中所描述的“反轉(zhuǎn)行業(yè)”在時間序列上的占比變化。（3）2015、2016、2021 年動量多頭組合、多空組合回撤較大，這些時段往往

16、出現(xiàn)了行業(yè)走勢的大幅分化和強(qiáng)勢行業(yè)的反復(fù)切換，即發(fā)生了動量崩潰。表 3：回看期 250 日行業(yè)動量因子分年 RankIC 及 IR統(tǒng)計(jì)區(qū)間RankIC 均值IRt-stats樣本個數(shù)20106.0%14.7%2.324220110.1%0.5%0.124420122.5%8.0%1.324320136.0%17.0%2.623820146.1%15.4%2.424520150.1%0.4%0.124420161.1%3.5%0.524420173.7%11.5%1.82442018-0.8%-2.3%-0.424320190.9%3.3%0.524420206.5%17.7%2.8243202

17、13.2%7.9%1.22432022/1/1-2022/5/273.5%11.0%1.193匯總2.5%7.5%4.33254資料來源: 、圖 2：動量策略多空組合凈值（2010/1/1-2022/5/27）資料來源: Wind圖 3：動量策略多頭超額凈值（2010/1/1-2022/5/27）資料來源: Wind表 4：各行業(yè)動量組合表現(xiàn)（2010/1/1-2022/5/27）組合類別年化收益率年化波動率收益波動比最大回撤多頭組合12.6%28.8%0.44-59.9%空頭組合0.2%25.4%0.01-59.2%等權(quán)組合5.4%25.8%0.21-58.1%多空組合11.9%16.7%0

18、.71-34.6%多頭超額7.2%9.8%0.73-20.0%資料來源: 、表 5：動量多空組合分年收益-風(fēng)險特征（2010/1/1-2022/5/27）統(tǒng)計(jì)區(qū)間年化收益率年化波動率收益波動比最大回撤201019.1%20.4%0.94-20.1%20112.4%9.8%0.25-9.5%20128.6%10.2%0.84-9.8%201334.1%18.8%1.81-9.5%201420.6%16.7%1.23-15.5%2015-11.2%20.3%-0.55-29.9%2016-17.2%12.2%-1.41-19.9%201733.8%12.3%2.75-6.6%2018-3.7%15

19、.2%-0.24-17.8%20197.6%11.1%0.69-6.3%202044.4%18.3%2.43-10.4%202113.2%25.7%0.51-20.4%2022/1/1-2022/5/273.1%20.2%0.15-11.4%匯總11.9%16.7%0.71-34.6%資料來源: 、表 6：動量多頭超額分年收益-風(fēng)險特征（2010/1/1-2022/5/27）統(tǒng)計(jì)區(qū)間年化收益率年化波動率收益波動比最大回撤20106.9%9.4%0.73-9.4%20113.2%4.9%0.64-3.9%20127.7%6.4%1.20-5.0%201311.6%12.1%0.97-7.6%20

20、1414.6%9.9%1.48-8.1%2015-11.2%11.3%-0.99-17.8%2016-7.5%5.9%-1.28-7.7%201716.6%7.4%2.26-3.8%2018-0.8%9.5%-0.08-10.4%20195.3%7.1%0.75-3.8%202027.8%10.2%2.73-5.0%20217.9%16.9%0.47-14.1%2022/1/1-2022/5/276.6%11.4%0.58-4.2%匯總7.2%9.8%0.73-20.0%資料來源: 、單行業(yè)擁擠度與全市場擁擠度如何規(guī)避行業(yè)動量策略的回撤？從行業(yè)動量效應(yīng)存在的微觀原因說起。1.3 節(jié)的測算再次證

21、實(shí)了截面動量策略在 A 股行業(yè)層面的優(yōu)異表現(xiàn)，尤其在某些行業(yè)持續(xù)表現(xiàn)領(lǐng)先時（比如 2017 年后市場抱團(tuán)的食品飲料、電子等行業(yè)），行業(yè)動量多空組合凈值迅速上升。同時我們也意識到，截面動量策略并不會一直有效，在原先表現(xiàn)優(yōu)秀的強(qiáng)勢行業(yè)遭受重創(chuàng)變成弱勢行業(yè)時（比如 2015 年股災(zāi)、2021 年 2 月抱團(tuán)股集體回撤），行業(yè)動量策略也將隨之面臨較大凈值回撤。因此如何規(guī)避動量崩潰是截面動量策略的優(yōu)化重點(diǎn)。事實(shí)上，動量異象（無論截面還是時序）普遍存在于各類資產(chǎn)，包括但不限于股票、商品、行業(yè)等。學(xué)術(shù)和業(yè)界從未停止對動量異象的解釋工作，比如“行為偏差論”和“知情交易者擴(kuò)散論”。（1）行為偏差論：投資者可能表

22、現(xiàn)出過度自信和自我歸因偏差。當(dāng)新行業(yè)產(chǎn)生，或行業(yè)變化來臨時，投資者更傾向于保守地相信先前信息，而對新信息反應(yīng)不足。（2）知情交易者擴(kuò)散論：知情交易者能夠優(yōu)先獲取影響風(fēng)險資產(chǎn)價值的信息，當(dāng)利好消息出現(xiàn)時，知情交易者迅速進(jìn)入市場并買入資產(chǎn)，當(dāng)利空消息出現(xiàn)時迅速賣出資產(chǎn)。隨著信息的不斷傳導(dǎo)，原來的非知情交易者變?yōu)橹榻灰渍?，進(jìn)一步買入賣出相關(guān)資產(chǎn)，從而導(dǎo)致趨勢延續(xù)。兩種觀點(diǎn)的解釋角度雖有一定差異，但在趨勢的形成原因上不謀而合：趨勢的形成取決于投資者對影響資產(chǎn)價格信息的認(rèn)知程度。若信息傳導(dǎo)充分，則資產(chǎn)價格走勢持續(xù)時長較短；若市場上多數(shù)投資者對未來走勢的預(yù)期過分一致，則可能先助推價格走勢，隨后可能出現(xiàn)反

23、轉(zhuǎn)。據(jù)此，規(guī)避相對擁擠的市場環(huán)境和行業(yè)是動量策略回撤控制的重要方向和手段。考慮行業(yè)擁擠度的行業(yè)動量策略William Kinlaw、Mark Kritzman、David Turkington 在 2019 年發(fā)表的文章Crowded Trades: Implications for Sector Rotation and Factor Timing中指出可以從價格行為中提取資產(chǎn)的交易擁擠情況，截面所有相似資產(chǎn)走勢背后共同驅(qū)動因素的強(qiáng)弱可以用來度量整個市場的預(yù)期一致性，而單個資產(chǎn)對于該驅(qū)動因素的貢獻(xiàn)可以用來衡量該資產(chǎn)自身的擁擠程度。該篇文章構(gòu)建了資產(chǎn)集中度（Asset Centrality）指

24、標(biāo)用來捕捉一組相似資產(chǎn)的擁擠程度。在行業(yè)輪動的語境下，資產(chǎn)集中度指標(biāo)具體計(jì)算方法如下：STEP1：主成分分析。將個行業(yè)的收益率時間序列去中心化（去平均值），進(jìn)行主成分分析，得到個特征值和個特征向量。STEP2：計(jì)算方差貢獻(xiàn)率。將特征值按照從大到小的順序排序，將其對應(yīng)的前個特征向量分別作為列向量組成特征向量矩陣，計(jì)算前個特征向量的方差貢獻(xiàn)率（Absorption Ratio）。 =1=122其中為截面行業(yè)個數(shù)，為選取的特征向量數(shù)，2 為第個行業(yè)的方差，2 為第個特征向量的方差。在一定的情況下，方差貢獻(xiàn)率越高，說明各行業(yè)走勢的共同驅(qū)動因素就越強(qiáng)。STEP3：計(jì)算單個行業(yè)的資產(chǎn)集中度。以前個為加權(quán)比

25、例，計(jì)算第個行業(yè)分別在個特征向量暴露的絕對值在所有行業(yè)中的占比。行業(yè)的資產(chǎn)集中度指標(biāo)即作為行業(yè)的擁擠度度量指標(biāo)，有|( )=1| = =1=1其中為行業(yè)的資產(chǎn)集中度得分，為第個特征向量的方差貢獻(xiàn)率，為第個行業(yè)在第個特征向量暴露的絕對值，為截面行業(yè)個數(shù)，為方差貢獻(xiàn)率分子中的特征向量數(shù)。本文計(jì)算中n 取 2。下表展示了 28 個中信一級行業(yè)（不含綜合、綜合金融）歷年行業(yè)集中度因子的演變，每年因子值展示為全年所有交易日的均值?？梢姡焊餍袠I(yè)相對擁擠狀況隨著時間的推移不斷變化，2010-2012 年期間行業(yè)擁擠度以煤炭、有色金屬、電子、計(jì)算機(jī)等行業(yè)居前；2013-2015 年期間非銀、TMT（電子、傳媒

26、、計(jì)算機(jī)、通信）、軍工等行業(yè)開始發(fā)力；2016-2020 年期間隨著公募基金的崛起，景氣度高的食品飲料、醫(yī)藥、TMT 等行業(yè)擁擠度逐漸提升， 2021 年至今年新能源、煤炭、有色、醫(yī)藥、食品飲料等行業(yè)擁擠度達(dá)到了空前水平。此外，每個階段對應(yīng)的擁擠行業(yè)通常波動較大，容易出現(xiàn)急漲急跌的現(xiàn)象。表 7：2009-2022M5 中信一級行業(yè)集中度因子均值行業(yè)2010201120122013201420152016201720182019202020212022M1-5石油石化3.1%3.1%2.9%2.8%2.7%3.0%2.9%2.7%2.9%2.7%2.7%3.6%4.1%煤炭4.9%4.7%4.3

27、%4.3%4.0%4.1%3.6%4.8%4.8%3.3%3.4%5.2%6.7%有色金屬4.4%4.3%4.4%4.0%3.7%3.5%3.7%4.7%4.4%3.4%3.5%6.0%6.3%電力及公用事業(yè)2.8%2.8%2.9%2.6%2.8%3.5%3.4%2.8%2.5%2.7%2.5%2.1%2.7%鋼鐵3.8%3.3%3.3%3.0%3.0%3.7%3.7%4.5%4.5%3.2%3.3%4.8%6.0%基礎(chǔ)化工3.6%3.7%3.9%3.6%3.2%3.5%3.8%3.9%3.6%3.6%3.6%3.8%3.9%建筑2.9%2.9%3.3%3.5%3.3%3.7%3.5%3.7%

28、2.9%3.2%3.4%2.7%2.9%建材3.5%3.9%4.4%4.4%3.5%3.3%3.8%4.2%4.3%3.8%3.8%3.2%3.1%輕工制造3.6%3.4%3.6%3.2%3.4%3.6%3.8%3.9%3.5%3.6%3.5%3.0%2.9%機(jī)械3.3%3.6%3.9%3.7%3.4%3.5%3.9%4.1%3.7%3.7%3.6%3.4%3.1%電力設(shè)備及新能源3.6%3.8%3.8%3.7%3.7%3.8%4.0%3.8%3.6%3.6%4.1%4.7%3.8%國防和軍工3.8%4.2%3.7%4.0%4.3%4.0%4.1%4.3%4.4%3.9%4.1%4.3%3.2

29、%汽車3.5%3.7%3.5%3.5%3.5%3.2%3.4%3.3%3.0%3.3%3.7%3.8%3.7%商貿(mào)零售3.4%3.3%3.4%3.4%3.4%3.5%3.8%3.5%3.3%3.3%3.1%2.4%2.3%消費(fèi)者服務(wù)3.7%3.5%3.4%3.0%3.2%3.5%3.6%3.3%3.3%3.6%3.3%5.1%5.1%家電3.3%3.4%3.2%2.9%3.1%3.0%3.2%3.2%3.5%3.8%3.5%3.6%3.5%紡織服裝3.6%3.5%3.6%3.4%3.2%3.5%3.8%3.4%3.0%3.1%2.7%2.1%2.1%醫(yī)藥3.1%3.6%3.4%3.2%3.1%

30、3.3%3.4%3.0%3.4%3.5%2.7%4.2%4.1%食品飲料2.9%2.9%2.7%2.3%2.6%2.5%2.6%2.7%3.1%3.9%3.1%4.7%4.9%農(nóng)林牧漁3.7%3.6%3.7%3.4%3.3%3.3%3.7%3.4%2.9%3.2%3.5%3.4%3.2%銀行3.2%2.7%2.1%3.4%3.0%3.0%1.4%0.7%1.6%2.4%2.4%1.8%1.6%非銀行金融3.8%3.9%4.1%4.8%4.1%4.1%3.1%2.4%3.0%4.1%4.0%3.3%2.6%房地產(chǎn)3.9%3.6%3.6%4.0%3.6%3.6%3.4%3.1%3.4%3.5%3.

31、4%2.1%2.0%交通運(yùn)輸3.4%3.2%2.9%2.8%3.1%3.6%3.4%3.0%2.7%3.1%3.0%2.3%2.2%電子4.5%4.2%4.1%4.2%4.3%3.9%4.0%4.3%4.8%4.6%5.4%4.1%3.6%通信3.0%3.5%3.6%4.0%4.5%3.9%4.1%4.3%4.8%4.6%5.1%3.1%3.0%計(jì)算機(jī)4.0%4.1%4.0%4.3%5.2%4.8%4.8%5.2%5.5%5.1%5.4%4.1%4.0%傳媒3.7%3.5%4.2%4.4%5.7%4.2%4.2%4.1%3.8%4.1%4.3%2.9%3.6%資料來源: 、圖 4：今年各行業(yè)集

32、中度均值占比分布（2022/1/1-2022/5/27）資料來源: Wind、從單個行業(yè)時間序列的角度分析，隨著行情的啟動，擁擠度和風(fēng)險通常也開始積聚，風(fēng)險累計(jì)到一定程度后行業(yè)將發(fā)生回撤，引發(fā)投資者集中拋售，又進(jìn)一步推高行業(yè)的擁擠程度。圖 5：食品飲料價格走勢與其行業(yè)擁擠度資料來源: Wind、圖 6：煤炭價格走勢與其行業(yè)擁擠度資料來源: Wind、行業(yè)泡沫本身會經(jīng)歷膨脹期到破滅期，資產(chǎn)擁擠度指標(biāo)本身并不能準(zhǔn)確判斷當(dāng)前泡沫所處的階段，但可以考慮借用擁擠度指標(biāo)優(yōu)化行業(yè)動量策略，幫助規(guī)避截面上的擁擠行業(yè)，進(jìn)而降低持倉風(fēng)險。在 1.3 節(jié)測算的基礎(chǔ)上，定義多頭組合、空頭組合、多空組合、等權(quán)組合、多頭

33、超額如下：多頭組合：取出 28 個中信一級行業(yè)（不含綜合、綜合金融）中過去 250 個交易日累計(jì)漲幅最高的 6 個行業(yè)。若 6 個行業(yè)中不包含當(dāng)前截面最擁擠行業(yè)，則等權(quán)買入該 6 個行業(yè)；否則剔除最擁擠行業(yè)后遞補(bǔ)漲幅靠前的第 7 個行業(yè)?？疹^組合：每次調(diào)倉時等權(quán)買入 28 個中信一級行業(yè)（不含綜合、綜合金融）中，過去 250 個交易日累計(jì)漲幅最低的 6 個行業(yè)。多空組合：每次調(diào)倉時等權(quán)買入多頭組合覆蓋的 6 個行業(yè)，等權(quán)賣出累計(jì)漲幅最低的 6 個行業(yè)。等權(quán)組合：每次調(diào)倉時等權(quán)買入 28 個中信一級行業(yè)（不含綜合、綜合金融）。多頭超額：多頭組合相對等權(quán)組合的累計(jì)超額。從結(jié)果來看：（1）剔除最擁擠

34、行業(yè)后，行業(yè)動量多頭組合、多空組合的表現(xiàn)均得到了顯著提升，多頭組合全區(qū)間年化收益率從 12.6%上升為 14.2%，多空組合全區(qū)間年化收益率從 11.9%上升為 13.4%，最大回撤也得到了明顯優(yōu)化。（2）從分年表現(xiàn)來看，2010-2021 年期間，12 年中有 10 年剔除最擁擠行業(yè)后多頭組合收益更高，最擁擠行業(yè)相對于其他前期表現(xiàn)好的強(qiáng)勢行業(yè)，的確面臨更大的回撤風(fēng)險。表 8：剔除最擁擠行業(yè)后，各行業(yè)動量組合表現(xiàn)（2010/1/1-2022/5/27）組合類別年化收益率年化波動率收益波動比最大回撤多頭組合14.2%28.2%0.50-57.0%空頭組合0.2%25.4%0.01-59.2%等權(quán)

35、組合5.4%25.8%0.21-58.1%多空組合13.4%15.9%0.84-29.5%多頭超額8.6%9.2%0.94-15.9%資料來源: 、圖 7：剔除最擁擠行業(yè)丟動量策略多空組合、多頭超額凈值的影響（2010/1/1-2022/5/27）資料來源: Wind、考慮市場擁擠度的行業(yè)動量策略改進(jìn)上節(jié)我們考慮了單個行業(yè)的擁擠程度，通過剔除最擁擠行業(yè)降低了多頭組合的持倉風(fēng)險，規(guī)避了個別行業(yè)行情拐頭的情況，提升了截面動量策略的長期有效性。從最終凈值結(jié)果來看，截面動量組合的表現(xiàn)與市場狀態(tài)的持續(xù)時長相關(guān)，市場狀態(tài)持續(xù)越久，動量組合在市場風(fēng)險上的暴露越大，越容易在市場狀態(tài)轉(zhuǎn)變時產(chǎn)生損失。本文使用兩個

36、因子度量整個市場的價量擁擠程度：行業(yè)擁擠度分散度因子和換手率。（1）行業(yè)擁擠度分散度因子：定義,為第個行業(yè)在時刻的資產(chǎn)集中度，(,)為時刻截面所有行業(yè)資產(chǎn)集中度的均值，為截面行業(yè)個數(shù)。當(dāng)期行業(yè)擁擠度分散度因子定義為資產(chǎn)集中度,截面標(biāo)準(zhǔn)差的相反數(shù)，截面所有行業(yè)的擁擠度分化越小，說明當(dāng)前市場越擁擠。 = 1 1(, (,)2=1（2）換手率因子：萬得全 A（881001）每日換手率過去 60 日的移動平均值。為盡量回避因子在個別時段不平穩(wěn)的影響，分別對兩個因子取過去 5 年（1250 個交易日）的分位值?？梢?，因子分位值較高時通常伴隨著市場的方向切換和動量策略的失效，最典型比如 2015 年 6

37、月和 2021 年 9 月。圖 8：因子 SDC、TurnOver 滾動 5 年均值 vs 動量多空組合凈值資料來源: Wind、為兼容和兩個因子的有效性，若兩個因子中至少有一個因子分位數(shù)上穿 95%，模型發(fā)出動量失效預(yù)警信號，此時多頭組合按等權(quán)組合的方式配置，多空組合、多頭超額收益率均為 0。結(jié)果顯示：（1）從信號位置來看，擁擠信號大致聚集兩個區(qū)間，分別是 2014 年 12 月中旬至 2015 年中，以及 2021年 9 月初至 12 月底。在這兩個區(qū)間，普通動量組合和剔除最擁擠行業(yè)的動量組合均發(fā)生了較大回撤，而加入全市場擁擠信號后的動量組合表現(xiàn)更佳。（2）考慮市場+行業(yè)雙擁擠后的行業(yè)動量

38、多空組合年化收益率高達(dá) 16.3%，收益波動比為 1.10，多頭超額年化收益率達(dá) 10.0%，收益波動比為 1.20。圖 9：市場擁擠、行業(yè)擁擠對動量多空組合凈值的影響資料來源: Wind、表 9：考慮市場擁擠和行業(yè)擁擠的各動量組合表現(xiàn)（2010/1/1-2022/5/27）組合類別年化收益率年化波動率收益波動比最大回撤多頭組合15.8%27.6%0.5753.3%空頭組合-1.1%26.0%-0.0464.8%等權(quán)組合5.4%25.8%0.2158.1%多空組合16.3%14.8%1.1021.4%多頭超額10.0%8.3%1.209.9%資料來源: 、圖 10：考慮市場擁擠、行業(yè)擁擠的行業(yè)

39、動量策略多空凈值資料來源: Wind圖 11：考慮市場擁擠、行業(yè)擁擠的行業(yè)動量策略多頭超額資料來源: Wind分階段來看，考慮市場+行業(yè)雙擁擠的動量策略在 2015 年以及 2021 年表現(xiàn)均有較大幅度的提升。其中，2015 年普通行業(yè)動量策略的多空組合收益和回撤分別為-11.2%和-29.9%；疊加市場擁擠+行業(yè)擁擠信號后，當(dāng)年多空收益轉(zhuǎn)正為 15.3%，最大回撤幅度降至-2.6%。2021 年普通行業(yè)動量策略的多空組合和多頭超額收益分別為 13.2%和 7.9%；疊加市場擁擠+行業(yè)擁擠信號后，當(dāng)年多空收益和多頭超額收益分別提升至 24.0%和 15.5%，整體策略年度勝率為 83%，表現(xiàn)優(yōu)

40、異。表 10：考慮雙擁擠的動量多空組合分年收益-風(fēng)險特征（2010/1/1-2022/5/27）統(tǒng)計(jì)區(qū)間年化收益率年化波動率收益波動比最大回撤201025.1%20.4%1.23-19.9%20111.9%9.9%0.19-9.5%20127.8%10.3%0.76-9.8%201341.3%17.8%2.32-9.5%201422.2%14.0%1.58-13.3%201515.3%7.2%2.11-2.6%2016-16.6%11.7%-1.42-19.4%201734.8%12.1%2.88-6.6%2018-0.2%14.9%-0.02-15.4%20199.2%11.1%0.83-6

41、.6%202044.4%17.7%2.51-9.3%202124.0%21.4%1.12-16.8%2022/1/1-2022/5/27-3.9%18.7%-0.21-13.2%匯總16.3%14.8%1.10-21.4%資料來源: 、表 11：考慮雙擁擠的動量多頭超額分年收益-風(fēng)險特征（2010/1/1-2022/5/27）統(tǒng)計(jì)區(qū)間年化收益率年化波動率收益波動比最大回撤201012.2%9.4%1.31-9.2%20112.6%4.8%0.54-3.6%20126.9%6.5%1.06-5.5%201317.6%11.1%1.59-6.9%201414.5%7.7%1.89-6.1%2015

42、3.4%3.4%1.01-2.0%2016-6.9%5.5%-1.25-7.2%201717.5%7.1%2.47-3.6%20182.8%9.3%0.30-8.5%20196.9%7.0%0.99-4.0%202027.7%10.0%2.76-4.8%202115.5%12.7%1.22-9.9%2022/1/1-2022/5/27-0.7%9.8%-0.07-6.2%匯總10.0%8.3%1.20-9.9%資料來源: 、基于擁擠度考慮的月度行業(yè)輪動表現(xiàn)上一章節(jié)的測算為逐日調(diào)倉的結(jié)果。為降低換手以及方便后續(xù)與其他因子的結(jié)合，本章給出逐月調(diào)倉（每月月底調(diào)倉）的結(jié)果。表 12：考慮市場擁擠和行業(yè)

43、擁擠的各動量組合表現(xiàn)（逐月，2010/1/1-2022/5/20）（單邊）多頭組合12.2%27.6%0.44-54.1%259%空頭組合-0.5%25.9%-0.02-65.3%268%等權(quán)組合5.5%25.8%0.21-58.2%-多空組合12.1%14.9%0.81-27.4%-多頭超額6.5%8.4%0.7717.0%-組合類別年化收益率年化波動率收益波動比最大回撤換手率資料來源: 、表 13：考慮雙擁擠的動量多空組合分年收益-風(fēng)險特征（逐月，2010/1/1-2022/5/20）統(tǒng)計(jì)區(qū)間年化收益率年化波動率收益波動比最大回撤201019.2%19.4%0.99-19.1%2011-4.8%9.9%-0.49-10