基于行業(yè)景氣變化因子的擇時策略

1、基于景氣變化因子的擇時策略前兩篇研究報告我們通過梳理行業(yè)邏輯，考慮供給、需求、成本、產(chǎn)量等因素，分析行業(yè)上下游產(chǎn)業(yè)鏈，從行業(yè)基本面的角度，選取出了與行業(yè)景氣相關(guān)的數(shù)百個行業(yè)中觀因子。并基于中觀因子與行業(yè)景氣之間的相關(guān)性強(qiáng)弱，從中觀因子中篩選出了若干領(lǐng)先因子。本系列第一篇研報基于行業(yè)景氣模型的行業(yè)輪動中，我們依據(jù)歷史的領(lǐng)先因子與行業(yè)超額收益之間的關(guān)系，構(gòu)建了行業(yè)超額收益預(yù)測模型，依據(jù)預(yù)測的超額收益選擇行業(yè)。本系列第二篇研報行業(yè)景氣變化因子驅(qū)動的行業(yè)輪動中，我們介紹了利用領(lǐng)先因子變化構(gòu)建行業(yè)景氣變化因子，開發(fā)了基于行業(yè)景氣變化因子的行業(yè)輪動策略，取得了較好的效果。行業(yè)輪動策略的有效性，得益于我們選

2、取的中觀因子含有豐富的信息，使用它們可以較為準(zhǔn)確的預(yù)測超額收益或判斷行業(yè)景氣變化方向。圖 1行業(yè)中觀因子的應(yīng)用以自上而下的視角來分析，全市場漲跌即各個行業(yè)的匯總，各行業(yè)板塊共同運(yùn)行且相互影響，共同推動大盤指數(shù)變化。行業(yè)漲跌影響因素眾多，但其核心是各行業(yè)的基本面景氣變化。行業(yè)基本面反映的相關(guān)行業(yè)產(chǎn)銷情況、價量信息以及上下游指標(biāo)有向好趨勢意味著行業(yè)景氣的提升，而普遍的行業(yè)景氣向好則預(yù)示著全市場未來上漲概率增加。換個角度來看中觀因子富含的收益信息，累積到行業(yè)景氣維度后，可以指導(dǎo)我們進(jìn)行大盤擇時。圖 2大盤策略實(shí)現(xiàn)流程本篇研報介紹中觀因子應(yīng)用于大盤擇時的策略。我們從中觀的視角出發(fā)，利用中觀因子計算可以

3、預(yù)測行業(yè)景氣的行業(yè)基本面指標(biāo)變化率（rate of change，ROC），通 過對訓(xùn)練集上的基本面指標(biāo) ROC 數(shù)值分布分析，結(jié)合行業(yè)體現(xiàn)的特性，為每個行業(yè)分 別設(shè)定雙向的閾值?；久嬷笜?biāo) ROC 經(jīng)閾值處理后等權(quán)加和構(gòu)成改進(jìn)的行業(yè)景氣因子，各行業(yè)景氣因子等權(quán)相加，并經(jīng)由買入標(biāo)準(zhǔn)檢驗(yàn)，形構(gòu)成大盤擇時信號。策略在測試 集（2018 年 7 月-2022 年 2 月）上的累計超額收益為 11.03 ，夏普比例可達(dá) 1.42。策略構(gòu)建原理中觀因子變化含義本篇策略的指標(biāo)變化定義和之前研究中相同，根據(jù)不同的數(shù)據(jù)類型選取相應(yīng)的計算方法，具體的計算過程讀者可以參見行業(yè)景氣變化因子驅(qū)動的行業(yè)輪動，本文不再贅

4、述，本節(jié)我們介紹對于中觀因子的變化的理解。中觀因子變化的核心是計算基本面指標(biāo)的變化率（rate of change，ROC）。我們 基于中觀因子的變化率開發(fā)策略是基于對行業(yè)景氣傳遞過程的認(rèn)識。根據(jù)市場規(guī)律， 相互關(guān)聯(lián)的行業(yè)相互影響有一個傳導(dǎo)過程，往往是行業(yè)相關(guān)領(lǐng)域的基本面先發(fā)生變化，一段時間以后才會將影響傳遞到本行業(yè)，這個傳導(dǎo)過程有一定的延續(xù)性和滯后性。因 此，無論是預(yù)測行業(yè)景氣還是擇時，均需發(fā)掘更具預(yù)見效力的指標(biāo)。ROC 是在變動大小的基礎(chǔ)上計算變化快慢，若將行業(yè)景氣變化比作汽車駕駛，相關(guān)領(lǐng)域基本面的變動可以理解為驅(qū)動汽車前進(jìn)的速度，而指標(biāo)的 ROC 則可以理解成汽車行駛的加速度。若景氣向上

5、，就像汽車前進(jìn)一樣，驅(qū)動力是向前的速度，而先變化的、有更強(qiáng)預(yù)見性的，應(yīng)該是加速度的正負(fù)，即行業(yè)基本面數(shù)據(jù)的 ROC 指標(biāo)。圖 3指標(biāo)類別及變化計算環(huán)比類數(shù)據(jù)原值同比類數(shù)據(jù)環(huán)比累計類數(shù)據(jù)同比再環(huán)比總量類數(shù)據(jù)計算增速變化改進(jìn)的行業(yè)景氣變化因子如之前開發(fā)的策略類似，我們使用指標(biāo) ROC 加總的形式來判斷景氣變化，為了平衡加總的時候各指標(biāo)變化的體現(xiàn)的數(shù)量與方向信息，防止某一維度的信息被掩蓋，采用了改進(jìn)的閾值處理步驟。不同行業(yè)的中觀因子數(shù)據(jù)特性不同，其變化數(shù)據(jù)的頻率分布有不同。分位數(shù)可以描述樣本的數(shù)據(jù)分布，若某一樣本的 k 分位數(shù)為 q，隨機(jī)從樣本中抽取，小于 q 的概率為 k。我們定義行業(yè)指標(biāo)分位數(shù)均

6、值來表示某個行業(yè)的數(shù)據(jù)分布：|量化研究報告=1,式中：, =,為行業(yè) i 指標(biāo)變化的 k 分位數(shù)均值；,為行業(yè) i 指標(biāo) j 變化的 k 分位數(shù)均值；為行業(yè) i 內(nèi)的指標(biāo)個數(shù)。利用行業(yè)指標(biāo)分位數(shù)均值來觀察不同行業(yè)的中觀因子變化數(shù)據(jù)特性，我們發(fā)現(xiàn)，不同行業(yè)的分布各有特點(diǎn)，這是由于不同行業(yè)的特性導(dǎo)致的。圖 4行業(yè)指標(biāo) 0.5 分位數(shù)均值0.5 分位數(shù)即中位數(shù)，樣本數(shù)據(jù)大于和小于此值的數(shù)據(jù)各半。從行業(yè)指標(biāo) 0.5 分位數(shù)均值來看，各行業(yè)指標(biāo)變化的分布各不相同，大多行業(yè)位于 0 以上，指標(biāo)整體呈現(xiàn)正向增長的可能性大，而部分行業(yè)的指標(biāo)變化中位數(shù)為負(fù)數(shù)，及其呈現(xiàn)負(fù)向變化的可能性大。圖 5行業(yè)指標(biāo) 0.8

7、分位數(shù)均值0.8 分位數(shù)意味著樣本數(shù)據(jù)小于此值的數(shù)據(jù)占樣本總數(shù)的 80。行業(yè)指標(biāo) 0.8 分位數(shù)均值顯示，各行業(yè)指標(biāo)變化最大的 20全部大于 0，最小的約為 0.15。依據(jù)我們基于各行業(yè)數(shù)據(jù)的特性，對閾值設(shè)定，計算改進(jìn)后的行業(yè)景氣變化因子。步驟如下：（1） 計算各行業(yè)中觀因子指標(biāo)變化；（2） 選取分位數(shù) k（k0.5）；按照 0.5 的比例劃分訓(xùn)練集；計算訓(xùn)練集上各行業(yè)指標(biāo)變化 k 分位數(shù)平均數(shù)和 1-k 分位數(shù)平均數(shù)；依據(jù)分位數(shù)均值，計算行業(yè)景氣變化因子。 =1 ,；, , ,= , , , , ,1；,1, , ,1式中： 為行業(yè) i 改進(jìn)后的行業(yè)景氣變化因子； 為 i 內(nèi)的指標(biāo)個數(shù)； 為

8、閾值處理后的中觀因子變化值；,為行業(yè) i 指標(biāo)變化的 k 分位數(shù)均值。在行業(yè)數(shù)據(jù)的特性經(jīng)過閾值處理后，我們再來討論買入標(biāo)準(zhǔn)。若一個指標(biāo)向上變化其數(shù)值應(yīng)大于 0，很容易將 0 作為指標(biāo)加和出力后的買入標(biāo)準(zhǔn)。但通過以上的分析可以發(fā)現(xiàn)，多數(shù)行業(yè)指標(biāo)整體呈現(xiàn)正向增長的可能性大。我們延續(xù)分位數(shù)的思想，試以一個新的邏輯選定買入點(diǎn)。根據(jù)統(tǒng)計，1995 年起至今的大盤月度上漲概率約為 53，策略中，我們?nèi)≌?，計算?xùn)練集上的改進(jìn)行業(yè)景氣變化因子之和，買入的標(biāo)準(zhǔn)設(shè)定為其 50分位數(shù)。若改進(jìn)行業(yè)景氣變化因子之和大于買入閾值則持倉，反之則空倉。策略實(shí)證策略設(shè)置調(diào)倉周期：1 個月；數(shù)據(jù)集劃分：將數(shù)據(jù)集前 50劃分為訓(xùn)練

9、集，后 50劃分為測試集；時間區(qū)間：2015 年 1 月至 2022 年 2 月；策略基準(zhǔn)：萬得全 A 指數(shù)；閾值分位數(shù)設(shè)定：0.3策略設(shè)置：每個月末交易日作為策略的起點(diǎn)，各行業(yè)進(jìn)行改進(jìn)行業(yè)景氣變化因子的計算，等權(quán)加和，若加和結(jié)果大于 0，則為擇時策略的購入信號；反之則為平倉信號。實(shí)證結(jié)果圖 6 展示了測試集上該策略的實(shí)證表現(xiàn)。圖 6改進(jìn)的行業(yè)景氣變化因子擇時策略表現(xiàn)21.81.61.41.210.82018-072019-012019-072020-012020-072021-012021-072022-01策略凈值萬得全A凈值累計超額凈值表 1改進(jìn)的行業(yè)景氣變化因子擇時策略表現(xiàn)擇時策略萬得

10、全 A 基準(zhǔn)累計超額收益年化收益率19.4910.5911.03年化波動率13.6918.2811.18信息比率1.420.580.99最大回撤5.9711.7010.33夏普比率1.42在回測時間區(qū)間上，策略實(shí)現(xiàn)了約 11.03 的累積年化超額收益，每月持倉情況如表所示。表 2改進(jìn)的行業(yè)景氣變化因子擇時策略持倉情況及表現(xiàn)日期持倉情況萬得全 A 收益率策略收益率2018-08空倉-0.0635602018-09持倉0.0134720.0134722018-10空倉-0.0914102018-11空倉0.0212502018-12空倉-0.0483602019-01持倉0.0272950.027

11、2952019-02持倉0.1784270.1784272019-03空倉0.0797502019-04持倉-0.0144-0.01442019-05空倉-0.0638102019-06持倉0.0337290.0337292019-07持倉-0.00112-0.001122019-08空倉-0.0074202019-09持倉0.0076950.0076952019-10持倉0.0081620.0081622019-11空倉-0.0150702019-12持倉0.0754650.0754652020-01持倉-0.00253-0.002532020-02持倉-0.00028-0.00028202

12、0-03空倉-0.065302020-04持倉0.0523220.0523222020-05持倉0.00580.00582020-06持倉0.0840790.0840792020-07持倉0.1306390.1306392020-08持倉0.0196850.0196852020-09持倉-0.05969-0.059692020-10持倉0.0105310.0105312020-11持倉0.0398260.0398262020-12持倉0.0310990.0310992021-01空倉-0.0010402021-02持倉-7E-05-7E-052021-03持倉-0.03137-0.031372

13、021-04持倉0.0221470.0221472021-05空倉0.05135102021-06空倉0.01419802021-07空倉-0.0309602021-08空倉0.03223402021-09空倉-0.0103102021-10空倉0.0034402021-11空倉0.03144902021-12空倉0.01039102022-01空倉-0.0946302022-02持倉0.0281450.028145總結(jié)與討論策略對閾值的敏感性我們對閾值含義的理解保持不變，依舊是調(diào)節(jié)策略中中觀因子所體現(xiàn)信息的兩個維度（方向和數(shù)量）比例的開關(guān)。不被閾值限定的數(shù)據(jù)越多，數(shù)量信息體現(xiàn)的越全面，而單個

14、指標(biāo)變化的方向信息被覆蓋的可能性提升。反之亦然，閾值限定的數(shù)據(jù)越少， 指標(biāo)變化方向的信息暴露的越多，而閾值外的數(shù)量信息則被掩蓋。圖 7改進(jìn)的閾值設(shè)定方式資料來源：研究所在本篇策略中，我們改進(jìn)了策略的閾值設(shè)定方式，考慮不同行業(yè)中觀因子變化的特性，為每個行業(yè)設(shè)定了不同的閾值?；诜治粩?shù)的概念，我們對稱的調(diào)節(jié)數(shù)據(jù)首尾的因子變化，讓數(shù)量信息在不同程度上得以暴露。圖 8閾值設(shè)定對策略超額收益的影響10.008.00無閾值策略超額收益6.004.002.000.000.10.150.20.250.30.350.40.45閾值分位數(shù)資料來源：研究所由于改進(jìn)的策略對閾值的首尾都進(jìn)行了限制，我們以較小的分位數(shù)代

15、表閾值限定的嚴(yán)格程度，越接近于 0，樣本被限定的越寬松；越接近 0.5，樣本被限定的越嚴(yán)格。我們測試了不同閾值限定下的策略表現(xiàn)，并于無閾值限定進(jìn)行了對比。結(jié)果顯示，策 略對閾值的敏感度較低，并且測試的閾值設(shè)定方案相比無閾值的方案均可獲得更高的 收益。可以認(rèn)為，改進(jìn)后的閾值設(shè)定方式有效的從中觀因子的變化中提取了更多的超 額收益信息。如圖所示，橫線為作為對照組的無閾值設(shè)定策略，其超額收益為 3.36 ，我們測試的任一閾值設(shè)定策略，其超額收益均高于對照組。通過對閾值設(shè)定的策略橫向比較我們可以發(fā)現(xiàn)，測試組內(nèi)超額收益的最大差值為 1.28 ，不同閾值的設(shè)定會影響策略表現(xiàn)，但影響程度有限。閾值的穩(wěn)定性擇時

16、策略在實(shí)際應(yīng)用中，閾值的穩(wěn)定性是我們要考慮的重要因素。因?yàn)橐罁?jù)分位數(shù)的閾值計算依賴于訓(xùn)練集的數(shù)據(jù)，而中觀因子變化的數(shù)據(jù)分布在未來會不會發(fā)生改變是策略穩(wěn)定性的核心。我們對策略閾值的穩(wěn)定性進(jìn)行測試。圖 9閾值設(shè)定對策略超額收益的影響分位數(shù)閾值0.3訓(xùn)練集0-0.1-0.2交通運(yùn)輸傳媒農(nóng)林牧漁醫(yī)藥商貿(mào)零售國防軍工基礎(chǔ)化工家電建材 建筑 房地產(chǎn)有色金屬機(jī)械汽車消費(fèi)者服務(wù)煤炭電力及公用事業(yè) 電力設(shè)備及新能源電子石油石化紡織服裝計算機(jī) 輕工制造通信鋼鐵銀行非銀行金融食品飲料-0.3全樣本分位數(shù)閾值0.70.5訓(xùn)練集全樣本0.40.30.20.1交通運(yùn)輸傳媒農(nóng)林牧漁醫(yī)藥商貿(mào)零售國防軍工基礎(chǔ)化工家電建材 建筑 房地產(chǎn)有色金屬機(jī)械汽車消費(fèi)者服務(wù)煤炭電力及公用事業(yè) 電力設(shè)備及新能源電子石油石化紡織服裝計算機(jī) 輕工制造通信鋼鐵銀行非銀行金融食品飲料0資料來源：研究所我們在測試集和全樣本內(nèi)計算依據(jù) 0.3 分位數(shù)時各行業(yè)的閾值。按照前文介紹的方法，應(yīng)有 0.3、0.7 兩個閾值的產(chǎn)生，我們分別計算并作