策略工具箱(二)：A股风险领先指标

1、 第 页 HYPERLINK / 请务必阅读正文后的声明及说明目 录 HYPERLINK l _TOC_250022 系列说明3 HYPERLINK l _TOC_250021 分析框架3 HYPERLINK l _TOC_250020 整体思路3 HYPERLINK l _TOC_250019 如何度量结构变化3 HYPERLINK l _TOC_250018 具体步骤3 HYPERLINK l _TOC_250017 指标组表现5 HYPERLINK l _TOC_250016 大市值 VS 小市值5 HYPERLINK l _TOC_250015 周期 VS 稳定6 HYPERLINK

2、l _TOC_250014 金融 VS 消费7 HYPERLINK l _TOC_250013 低波指数9 HYPERLINK l _TOC_250012 股票波动率VIX12 HYPERLINK l _TOC_250011 利率期限结构15 HYPERLINK l _TOC_250010 信用利差19 HYPERLINK l _TOC_250009 高等级信用利差19 HYPERLINK l _TOC_250008 低等级信用利差22 HYPERLINK l _TOC_250007 黄金 VS 原油23 HYPERLINK l _TOC_250006 综合指标25 HYPERLINK l _

3、TOC_250005 指标的合成25 HYPERLINK l _TOC_250004 指标的特点26 HYPERLINK l _TOC_250003 指标存在的问题27 HYPERLINK l _TOC_250002 指标的定位28 HYPERLINK l _TOC_250001 未来展望28 HYPERLINK l _TOC_250000 6. 总结29系列说明“东北策略工具箱”这个系列专题目的在于分享分析金融和经济的方法论。我们想将分析经济金融的复杂系统进行模块化、工具化的分解。主要包含的内容有经济指标的介绍和解读、指标之间的关系以及指标的应用、处理和计算数据的方法，资产配臵的方法等。通过

4、对“分析工具”的拆解和分析，我们可以了解其本质特征和适用性，以防止因为分析时的误用，导致错误的结论。本文将介绍市场结构的变化对于 A 股的影响分析。意在分析众多市场结构的变化与A 股整体表现的联动关系。并且从中找出那些具有领先性的指标，构建一个综合风险领先指标，对 A 股走势提示风险，对策略“大势判断”提供依据。分析框架整体思路在二级市场中，很多标的或指标之间的价格差异反应的是市场结构的变化，比如说大市值与小市值的差异、周期板块与稳定板块的差异、利率期限结构、信用利差等等。这些市场结构的变化与 A 股整体表现存在着紧密的联系。有时市场结构的变化是 A 股表现的领先指标，能够领先反应出投资者对于

5、股市的预期变化。有时却是滞后的。而有时关联程度又不是很高。本文意在分析众多市场结构的变化与 A 股整体表现的联动关系。并且从中找出那些具有领先性的指标，试图构建一个综合风险领先指标，对 A 股走势提示风险，对策略“大势判断”提供依据。如何度量结构变化我们将选取不同经济逻辑下的指标组，计算其基差和一年期的滚动 Z 值，通过 ADF检验 Z 值是否是平稳序列。如果是平稳序列，则观察其与股市未来收益率的联动关系。首先，为什么计算滚动 Z值？一方面，计算 Z 值是基差标准化的过程。不同基差的 Z 值具有可比性，为之后指标组的对比以及最终指标的合成提供便利。另一方面，使用滚动 Z 值能够保证指标不会随着

6、时间的变化而改变。也就是随着新样本的加入，之前的指标数值不会在标准化的过程中发生改变。这对于模型的稳定性至关重要。其次，为什么要检验平稳序列？平稳序列能够为整个模型增加一个分析维度。除了分析基差 Z 值的时序变化之外， 如果时间序列是平稳过程，那它一定是均值回归过程。因此基差 Z 值本身数值的大小也就具有意义。如果数值处于高位，则未来回落的概率更大。具体步骤我们会根据主流的经济逻辑挑选潜在的指标组。针对每一组检验，我们都会按照以下步骤进行分析。首先，说明指数的选取。第二，说明不同指标组的经济逻辑。这部分会从最基本最简单的经济逻辑出发，尽量与指标当前的表现保持相对独立。当然，经济逻辑本身也是从历

7、史规律总结出来的，也算是样本内的经验总结。所以这 HYPERLINK / 请务必阅读正文后的声明及说明部分的分析要从最基础的逻辑出发，不被当前的市场表现所干扰。第三，根据回测的结果，分析基差 Z 值与股市联动的历史表现，检验是否与经济逻辑分析一致。第四，分析当前基差 Z 值所处状态和表现。最新数据和状态表现截至到 20190519。为了下文表述方便，将基差和基差 Z 值统一称作“基差”。并且，我们用中证 800指数（000906.SH）来代表股市的表现。此外，在分析过程中我们会绘制以下图组来帮助我们进行深度分析。该图组包含 6张图。我们按照图上标记的序号以此介绍其含义。图 1：指标分析图组样式

8、数据来源： ，Wind该图是配对组的历史表现。蓝色的线表示配对组基差的滚动 Z 值。三条虚线表示 Z 值均值和上下各一个标准差的水平。黄色线表示股市的历史走势。从这张图我们可以观察到基差与股市之间的联动关系。由于第二张图是日度数据，会有很多波动和噪音存在，因此很难观察到基差与股市的联动关系。所以我们应用 HP 滤波技术，将数据中的趋势项提取出来，起到移动平滑去噪音的目的，从而绘制第三张图。从这张图中我们可以更加清晰地看到基差与股市的联动关系、领先/滞后关系。该图是基差与股市的滚动相关系数，从而观察二者之间的线性相关性的变化。该图横坐标表示基差 Z 值，纵坐标是 Z 值对应未来股市的收益率。如果

9、不做特殊说明，我们选取未来 60 天股市的收益率作为分析对象。并且我们加上年份这个维度以反应不同历史时期的表现。第 5 张图中，每一个基差区间下，未来收益率都有一个特殊的分布。我们计 HYPERLINK / 请务必阅读正文后的声明及说明算每一个基差 Z 值相邻 20 个点对应的收益率的均值，从而得到第 6 张图。红色的点表示当前最新 Z 值对应的未来收益率均值。理想状态下，我们希望基差与未来历史收益率呈现相性关系，无论是倾斜向上或者向下，都具有一定意义。但是实际过程中，我们发现首先二者之间的关系很多时候是非线性的，或者说线性特征不鲜明。第二，在 Z 值集中的-2 到 2 这个区间内， 股市未来

10、收益特征并不明显。但是在 Z 值处于极端值时，未来收益或者损失往往比较明确。指标组表现大市值 VS 小市值指数选取：大市值选取沪深 300 全收益指数（H00300.CSI），小市值选取的是中证1000 全收益指数（H00852.SH）。经济逻辑：不同市值的股票表现差异相对比较复杂。大小市值公司之间的行业以及规模效应分化比较明显。在驱动因素上，大市值公司股价受到盈利的驱动更强，而小市值公司的上涨可能更加依赖于流动性和风险偏好的提升。当基差减小的时候，说明小市值股票表现更强，大概率股市处于过热期，即风险偏好与流动性为主要驱动力，股价过度偏离盈利后未来风险加大。图 2：市值基差分析图组数据来源：

11、，Wind历史表现：从图组中，我们可以看到当 Z 值处于极端小的时候，A 股收益均值为负。这一点与逻辑部分的分析相符。这个特征主要表现在 10 年年初和 15 年中旬。当 Z 值处于极端大的时候，A 股收益的均值水平为正。这个特征主要表现在 07 年中下旬、11 年年底，17 年中上旬。当处于-3 到 2 这个区间时，并没有显著的收益特征。换句话说，当大市值股票“远远”走弱于小市值股票时，股市未来下行风险加大。当大市值股票“远远”走强于小市值股票时，未来股市上行机会加大。此外，可以看到在 2007 年-2010 年这段时间中，大小市值的基差与股市走势线性正相关性较高，并且基差具有领先作用。但是

12、此后相关性一度减小，基差出现明显滞后性。反而是股市的走势领先基差将近一年左右的时间。较长的领先性也导致了两者的相关系数在大部分时间内是负值。整体来看，基差与股市的联动性较弱，并且呈现阶段性变化。 HYPERLINK / 请务必阅读正文后的声明及说明当前状态：股市与基差的联动表现较差。基差目前处于中性区间，暂无明显收益特征。周期 VS 稳定指数选取：选取中信风格指数中的周期（CI005918.WI）和稳定（CI005921.WI）作为分析对象。从下面的图表统计来看，周期指数行业分布较为分散，主要集中在化工（23%），采掘（18%），汽车（14%），机械设备（11%）等。稳定指数行业集中度较高，主

13、要行业是建筑装饰（33%）、公用事业（33%）和交通运输（28%）。图 3：周期指数行业分布图 4：稳定指数行业市值分布数据来源： ，Wind数据来源： ，Wind表 1：周期指数前 10 大成分股排名代码简称总市值(亿元)总市值占比申万一级行业申万二级行业1601857.SH中国石油13,323.9314.8采掘石油开采2600028.SH中国石化6,586.277.3化工石油化工3601088.SH中国神华3,733.284.1采掘煤炭开采4600104.SH上汽集团3,041.203.4汽车汽车整车5601766.SH中国中车2,333.222.6机械设备运输设备6300750.SZ宁德

14、时代1,631.561.8电气设备电源设备7600019.SH宝钢股份1,523.691.7钢铁钢铁8002594.SZ比亚迪1,404.181.6汽车汽车整车9601111.SH中国国航1,294.161.4 交通运输航空运输10600309.SH万华化学1,287.301.4化工化学制品数据来源： ，wind表 2：稳定指数前 10 大成分股排名代码简称总市值(亿元)总市值占比申万一级行业申万二级行业1600900.SH长江电力3,654.208.5公用事业电力2601668.SH中国建筑2,405.535.6建筑装饰房屋建设3600050.SH中国联通1,871.774.4通信通信运营4

15、601800.SH中国交建1,855.244.3建筑装饰基础建设5600018.SH上港集团1,742.664.1交通运输港口6601390.SH中国中铁1,532.853.6建筑装饰基础建设7600009.SH上海机场1,416.703.3交通运输机场8601186.SH中国铁建1,370.183.2建筑装饰基础建设9601006.SH大秦铁路1,229.482.9交通运输铁路运输10600011.SH华能国际1,012.532.4公用事业电力 HYPERLINK / 请务必阅读正文后的声明及说明数据来源： ，wind HYPERLINK / 请务必阅读正文后的声明及说明经济逻辑：周期板块与

16、经济变化相关性较高，且相对于整个股市更能反应市场对于未来经济变化的预期，其表现更为敏感。而稳定板块与经济走势相关性较低。当经济较好的情况下，周期板块的走势会强于稳定板块，周期基差逐渐走强，可能会带动整体股市逐渐走强。图 5：周期稳定基差分析图组数据来源： ，Wind历史表现：当 Z 值处于极端大的情况下（z3.5），未来股市收益均值显著为负。该特征主要表现在 15 年中旬。当 Z 值处于 1 到 2.5 区间时，收益显著为正。此外，基差在某种程度上对股市表现具有领先性。但是领先性的时间跨度比较大。12 年之前，领先性大约是 3-6 个月左右。但是基差在 12 年出现底部拐点之后，股市直到 14

17、 年中旬才有所反应。在 16 年之后，领先性逐步减弱，表现更多的是同步的变化。整体来看，二者的联动关系是比较高的，并且基差具备一定领先性。当前状态：当前基差在去年年中出现拐点后持续上行，近期处于短期下降趋势。与股市领先联动关系较好。预计未来股市下行概率大。金融 VS 消费指数选取：选取中信风格指数中的金融（CI005917.WI）和消费（CI005919.WI）作为分析对象。从下面图表统计可以看出，金融指数行业分布集中，主要包括银行（56%），非银（32%），房地产（12%）。消费指数行业分布较为分散，主要集中的行业是食品饮料（30%），医药生物（27%），家用电器（11%），农林牧渔（9%）

18、，商业贸易（8%）等。图 6：金融指数行业分布图 7：消费指数行业市值分布数据来源： ，Wind数据来源： ，Wind表 3：金融指数前 10 大成分股排名代码简称总市值(亿元)总市值占比申万一级行业申万二级行业1601398.SH工商银行19,923.1110.9银行银行2601939.SH建设银行17,500.779.6银行银行3601318.SH中国平安14,801.518.1非银金融保险4601288.SH农业银行12,669.397.0银行银行5601988.SH中国银行11,127.866.1银行银行6600036.SH招商银行8,491.524.7银行银行7601628.SH中国

19、人寿7,357.304.0非银金融保险8601328.SH交通银行4,455.762.4银行银行9601166.SH兴业银行3,853.612.1银行银行10601319.SH中国人保3,644.062.0非银金融保险数据来源： ，wind表 4：消费指数前 10 大成分股排名代码简称总市值(亿元)总市值占比申万一级行业申万二级行业1600519.SH贵州茅台11,681.5110.7食品饮料饮料制造2000858.SZ五粮液4,268.993.9食品饮料饮料制造3000651.SZ格力电器3,380.243.1家用电器白色家电4000333.SZ美的集团3,352.473.1家用电器白色家电

20、5600276.SH恒瑞医药2,843.132.6医药生物化学制药6603288.SH海天味业2,582.092.4食品饮料食品加工7300498.SZ温氏股份1,939.281.8农林牧渔畜禽养殖8600887.SH伊利股份1,914.351.8食品饮料食品加工9002304.SZ洋河股份1,825.871.7食品饮料饮料制造10300760.SZ迈瑞医疗1,722.631.6医药生物医疗器械数据来源： ，wind经济逻辑：金融板块市场表现与利率较为敏感，与经济走势同步性较高，相对走强的区间对应经济强势期，而消费板块的构成上，一方面必需消费品具有偏防御性属 HYPERLINK / 请务必阅读

21、正文后的声明及说明性，在经济走弱时会有更好的表现，另一方面家电以及高端白酒等与地产和基建相关性较高，而地产与基建作为稳经济政策的主要对冲行业，同样在经济转弱时会有更好的业绩预期。图 8：金融消费基差分析图组数据来源： ，Wind历史表现：可以看到，金融消费基差与未来股市收益率的线性相关性较强。当基差处于极小值时，收益率均值为负。主要表现在 15 年中旬和 18 年中上旬。当基差处于-2 到 1.5 这个水平时，收益率特征并不明显。当基差处于较大值时，未来收益率水平在多个历史时间上显著为正。此外，在 2010 年之前，基差与股市表现的联动效果明显，领先股市 6 个月左右。2010-2014 年，

22、基差与股市联动效果较差，基差的变动可能不会反应到股市表现。2014 年以后，两者的联动效应再次增强，整体趋势基本一致，基差起到领先指标的作用。整体来看，金融消费基差与股市的联动效果较好，基差的敏感性更强，意味着基差的短期波动可能不会最终反应到股市上， 但是长期趋势还是能够映射到股市表现的。当前状态：当前基差表现中性，短期趋势向下，长期也已经出现拐点向下信号，估计未来整体股市将在短期内维持趋势向下的走势。低波指数指数选取：选取沪深 300 指数（000300.SH）和沪深 300 行业中性低波动指数（930846.CSI）作为研究对象。沪深 300 低波指数是在沪深 300 指数一级行业内选取低

23、波动特征的股票为样本，保持行业中性的同时，行业内股票采用波动率倒数加权。成分股个数是 100 个。经济逻辑： HYPERLINK / 请务必阅读正文后的声明及说明当低波指数相对走强的时候，说明投资者更加偏好低波动率的股票，对于市场整体走势偏悲观。而当投资者偏好风险更高，波动更高的股票以获取更高的收益时，往往对于股市未来的表现有较强的信心。因此当基差（基准减去低波指数）表现较强的时候，股市上行概率增强，当基差表现较弱的时候，股市下行风险加大。排名代码简称总市值(亿元)总市值占比申万一级行业申万二级行业1601398.SH工商银行20,315.1612.5 银行银行2601857.SH中国石油13

24、,104.308.1采掘石油开采3601288.SH农业银行12,914.378.0银行银行4601988.SH中国银行11,157.306.9银行银行5600519.SH贵州茅台11,035.706.8食品饮料饮料制造6601628.SH中国人寿7,150.974.4非银金融保险7600028.SH中国石化6,525.744.0化工石油化工8601328.SH交通银行4,448.342.7银行银行9601166.SH兴业银行3,789.212.3银行银行10600900.SH长江电力3,740.002.3公用事业电力数据来源： ，wind历史表现：当基差处于较大（1 至 4）或者极小值（-3

25、 至-4）时，股市未来收益均值为正。当基差处于正常区间时，并没有明显的收益特征。在 12 年之前，基差联动效果好，与经济逻辑分析一致，领先性较强，但领先时长跨度较大，表现为 3-12 个月不等。之后反而是股市的表现带领基差走势。这与经济逻辑分析有所偏差。图 9：300 低波基差分析图组数据来源： ，Wind当前状态：当前基差处于向下趋势，说明低波股票走势更好。但是处于中性水平， 暂无明显收益特征。 HYPERLINK / 请务必阅读正文后的声明及说明此外，我们根据市值大小进行分层分析，分别分析中证 500、中证 800、中证 1000 指数与其相应的中证低波指数基差。可以看到基差于股市走势联动

26、效果一般，并且表现为股市走势领先于基差走势。当前基差走势下行，股市走势上行。预计未来短期低波股票表现强于高波股票，但是中期存在反转可能。 HYPERLINK / 请务必阅读正文后的声明及说明表 6：低波 500 指数 10 大成分股排名代码简称总市值(亿元)总市值占比申万一级行业申万二级行业1000723.SZ美锦能源552.742.5采掘煤炭开采2000656.SZ金科股份344.951.6房地产房地产开发3601866.SH中远海发338.811.5交通运输航运4600655.SH豫园股份322.521.5商业贸易专业零售5600875.SH东方电气313.411.4电气设备电源设备600

27、2506.SZ协鑫集成293.771.3电气设备电源设备7000999.SZ华润三九267.831.2医药生物中药8601880.SH大连港266.921.2交通运输港口9600642.SH申能股份256.731.2公用事业电力10000990.SZ诚志股份239.581.1化工化学制品数据来源： ，wind图 10：500 低波基差分析图组数据来源： ，Wind图 11：800 低波基差分析图组数据来源： ，Wind图 12：1000 低波基差分析图组数据来源： ，Wind股票波动率 VIX指数选取：中国波指（000188.SH）是按照 CBOE 公布的说明文档和中国 50ETF 的期权日度

28、数据计算的 VIX 指数。但是该指数于 2018 年 2 月 14 日停止更新。因此我们按照相关文档和数据计算 VIX 指数。从下图可以看到我们计算的 VIX 指数和中国波指除在个别点差距较大外，其余大部分时点拟合度较高。因此我们将用自己估算的 VIX 作为研究对象。图 13：中国波指与估计 VIX数据来源： ，Wind经济逻辑：VIX 指数又被称作股市的恐慌指数。由于该指标是从期权价格的隐含波动率计算得来的，因此不同于历史波动率，其本身具有领先作用。在美国市场上曾经多次起到熊市预警的作用。我们将股市分为四个阶段，探讨其与 VIX 之间的关系。（一） 牛市初期股票市场已经从之前的熊市摆脱出来，

29、股票价格呈现上涨的趋势，VIX 代表的恐慌情绪下降。（二） 牛市末期 HYPERLINK / 请务必阅读正文后的声明及说明随着股市价格的上涨，投资者开始考虑未来上涨的持续性及动力，担心股市 HYPERLINK / 请务必阅读正文后的声明及说明下行风险。此时股价虽然上涨，但是 VIX 也开始上涨。VIX 对于股市风险的领先提示作用指的就是这个阶段的表现。（三） 熊市初期随着恐慌情绪不断上升，投资者开始逐步抛售股票，股市开始呈现整体下跌的趋势，而 VIX 也会进一步上涨，体现投资者对于风险的担忧。（四） 熊市末期随着股价的下跌，股票估值得到修复，风险得到有效释放。此时，股市的成交量往往会因为前期表

30、现而表现得较为低迷。当前的恐慌情绪扩散的范围也比较有限。对于未来股市上涨的期望较高，VIX 会呈现下降的趋势。图 14：股市与 VIX 关系数据来源： 历史表现：从下面两张图我们可以清晰的看到中美股市与 VIX 的联动的情况。对于美国股市而言，第一阶段持续的时间相对较长，而后面三个阶段持续时间都相对很短。因此CBOE VIX 会有一种脉冲式的表现，在很短的一段时间内完成快速上涨到快速下跌的过程，而其余大部分时间都是缓慢下降的趋势。对于 A 股市场，由于期权在我国推行较晚，所以已有的历史数据较少。但整体表现还是符合我们之前分析的逻辑。图 15：标普 500 与 VIX图 16： 上 证 50 与

31、 VIX数据来源： ，Wind数据来源： ，Wind从 15 年上旬开始股市急速上涨。现在复盘来看，那段时间的上涨本身已经脱离了经济基本面的支撑，更多的是“杠杆牛”的行情。那段时间的 VIX 也在向上攀升。这个阶段已经显示了“牛市末期”的表现。从 15 年中旬到 15 年底的股市下跌过程中，VIX 先是再次攀高达到峰值，然后随着股市的继续探底开始逐步下降。先后经历了“熊市初期”和“熊市末期”的阶段。从 16 年到 17 年中旬股市上涨的过程中，VIX 继续减小。这段时间是投资者最为舒适的投资区间。展现了“牛市初期”的表现特征。从 17 年中旬到 18 年中上旬股市和 VIX 同步上涨。该周期再

32、次进入到“牛市末期”。可以看到虽然 A 股的历史数据较为短暂，但也按照我们分析的框架走完一个周期。此后开始了 18 年熊市行情，但是该持续时间较长。导致市场一直是在“熊市初期”和“熊市末期”的恶性循环之中。而 19 年的这波行情，由于之前市场被悲观情绪压抑过久，叠加低估值和春节躁动等多重因素，A 股展现了爆发式的增长。其表现是“牛市初期” 较为短暂，而市场直接进入到了“牛市末期”。而当前市场的表现也跳过了“熊市初期”，而直接进入到“熊市末期”。表现是股市下跌，而 VIX 也同步下降。可以看到 A 股较高的波动打乱了原有的周期循环规律。此外，VIX 本身并不是严格平稳时间序列，主要的原因是历史数

33、据不够多。可以看到 VIX 和股市的正线性相关性是非常高的。从基差与未来收益率的分布上来看，也基本符合经济逻辑的分析。即当 VIX 处于较高值时，未来股市平均收益为负值。当处于较低值时，未来平均收益为正。图 17：VIX 分析图组数据来源： ，Wind但是从趋势项来看，VIX 的表现也符合我们分析的经济逻辑。也就是 VIX 对于股市走势起不到领先指标的作用，反而相对股市是同步甚至滞后的。但是不同于美股的经验，A 股较高的波动往往会打乱原有的周期循环规律。 HYPERLINK / 请务必阅读正文后的声明及说明中美表现的差异主要源自于美国投资市场发达并且成熟。第一，其价值投资的理念导致了美股的牛市

34、稳健并且持久，即“牛市初期”持续时间较长。第二，其发达的衍生产品市场一方面能够及时捕捉到市场的恐慌情绪，另一方面能够快速有效的将其暴露的风险充分释放掉。综合下来的感受就是 VIX 能够有效的提示股市的风险。而 A 股较大的波动导致“牛市末期”的时间较长，VIX 提示的及时性也就相对减弱了。并且一旦开始熊市，经常会进入到“熊市初期”和“熊市末期”的恶性循环中。VIX 则表现出高位震荡。中美 VIX 背后体现的逻辑还是相同的，即 VIX 处于低位时，股市上涨概率大，VIX 处于高位时，股市下跌风险大。虽然起不到领先提示作用，但是可以辅助作为状态确认的指标。当前状态：当前 VIX 虽然有所降低但是依

35、旧处于高位水平，未来股市下行风险依然值得注意。利率期限结构指标选取：我们选取不同期限长度的中国国债指数作为分析对象，包含的期限长度为 1 年、3 年、5 年、7 年、10 年、20 年、30 年。然后两两一组分析不同期限结构的基差与股市未来收益率之间的关系。下图是截至 20190517 时债市存量的分布情况。图 18：债市存量分布图 19：利率债市场存量分布数据来源： ，Wind数据来源： ，Wind经济逻辑：当期限结构基差（长期利率-短期利率）减小的时候，说明市场对于经济未来走势并不乐观，因此股市后续下行概率增大。尤其是当期限结构倒挂的时候， HYPERLINK / 请务必阅读正文后的声明及

36、说明基差为负值，说明短期借贷成本高于长期，市场对于未来经济发展堪忧。经济和股市下行风险均加大。当期限基差增大的时候，说明短期利率相对于长期利率有所减小，短期的借贷成本相对较低，市场对于未来经济走强的信心较足，股市上行概率则会加大。 HYPERLINK / 请务必阅读正文后的声明及说明图 20：利率期限结构（中国国债）图 21：利率期限倒挂（美国国债）数据来源： ，Wind数据来源： ，Wind历史表现：1-3 年基差表现一般，基差处于极大值时，未来收益率为负值，其他状况下，收益表现特征并不明显。基差与股市的走势在 2010 年之前，相关性较高，基差领先股市 9-12 个月左右。在此之后联动表现

37、减弱。在 2015 年时，二者表现为同步变化， 之后反而是股市表现较基差更为敏感。图 22：1-3 年利率基差分析图组数据来源： ，Wind5-7 年基差也是在 10 年之前基差的领先性表现较好，之后关联程度有所下降。并且在 14 年之后表现出较为明显的滞后性。从 Z 值与股市的收益分布来看，也无明显的收益特征。 HYPERLINK / 请务必阅读正文后的声明及说明图 23：5-7 年利率基差分析图组数据来源： ，Wind10-20 年的基差远远落后于股票走势。主要的原因是 10-20 年基差从远期合约的角度，可以粗略的理解为 10 年之后经济的 10 年期表现，因此是对长期经济表现预期的反应

38、，而股市对于长期经济而言是有“晴雨表”作用的，因此股市的表现要领先于 10-20 年基差的表现。但是这种领先性也是在 13 年之后有所减弱，反而是基差目前的领先性表现更强。此外，当基差处于较小值时，未来的收益平均值为正。当基差处于较大值时，未来收益平均为负。这与我们一开始分析的逻辑，即基差越大则股市表现越好的预期是相反的。我们进行反思，认为其主要的原因是 10-20 年基差反应的经济预期距离当前投资时点过于遥远。当我们说未来经济状况时，往往指的是未来 1-3 年这个时间跨度。更远的时间基差表现则要更加迟缓。从另一角度思考，对未来超长期经济的“看好”反而是说明了对于当下经济状况的担忧。图 24：

39、10-20 年利率基差分析图组数据来源： ，Wind HYPERLINK / 请务必阅读正文后的声明及说明当前状态：当前基差处于高位水平，但是依然是趋势向上，但是并未出现拐点信号， 因此股市短期内还有上行空间，但是长期存在下行压力。3-10 年的利率基差是市场上关注较多的指标。主要是来观察利率期限结构的变化。但是通过下图观察，我们发现其基差与股市的联动性并不是很强。图 25：3-10 年利率基差分析图组数据来源： ，Wind另外一个有趣的发现是从 3-30 年的基差趋势项的表现来看，该基差的周期性稳定性是比较强的，大约是 3-4 年一个周期。对于固收中期限结构交易具有一定参考意义，但对于股市的

40、走势判断意义相对较弱。图 26：3-30 年利率基差分析图组数据来源： ，Wind信用利差高等级信用利差指标选取：信用利差指的是信用债的收益率减去无风险收益债收益率。无风险收益债我们选取的是国开债，并没有选取国债作为无风险利率主要的原因是信用债获得资本利得需要缴纳 25%所得说，而国债不需要。如果用国债作为无风险利率则信用基差会包含税收溢价。而国开债流动性较好，拥有国家背书违约率极低，并且需要征税，因此用国开债作为无风险利率较为合理。对于信用债的选择，我们选取中债中短期票据（下文简称“中票”）作为研究对象。从下图统计可以见，从存量市场来看，公司债、中票、企业债分别占信用债市场的 20%、20%

41、、8%。 从交易金额来看，中票占全市场交易金额的 4%左右，而公司债和企业债的占比不到 1%，可见相比于企业债、公司债等，中票成交活跃度较高，流动性较好。信用级别我们选取AAA，主要的考量因素也是成交量和流动性。对于债券的期限，我们选取 1、3、5、7 年的债券。图 27：信用债存量分布图 28：债市成交金额分布数据来源： ，Wind数据来源： ，Wind经济逻辑：影响信用利差的因素有很多，除了上文提到的可以被剔除或弱化的税收溢价，还包括流动性溢价和违约溢价。信用利差 = 税收溢价 + 流动性溢价 + 违约溢价其中对于高等级债券（AAA）而言，其违约概率较低。当违约风险加大时，评级公 司会及时

42、下调评级，提示其债项的违约风险。上表是我们统计的从 14 年到 19 年中票、企业债和公司债在不同债项评级下的债券违约数量。可以看到没有 AAA 债券违约的事件发生。债券发行时评级是 AAA 但是之后发生违约的债项记录一共有 6 条， 其发行人均来自于上海华信国际集团有限公司。并且每一只债项在其违约前均有被及时降级的记录。因此，高等级信用债券的信用利差更多体现的是流动性溢价。当 HYPERLINK / 请务必阅读正文后的声明及说明流动性较低的时候，流动性溢价增大，信用利差扩大。此时债券市场往往不活跃， 更多的资金可能会流向股市，从而大概率推动股市牛市行情。反之，如果信用利差减少，说明债券流动性

43、增加，债市交易活跃，投资者此时追求风险偏好更低的资产， 股市表现大概率下行。 HYPERLINK / 请务必阅读正文后的声明及说明表 7：信用债违约数量统计Wind 一级分类违约前债项评级违约数量中期票据AA+1C72企业债AA+1B2CC4C16公司债AA8AA-1BB2CCC1CC12C82总计202数据来源： ，wind历史表现：可以看到信用基差与股票的联动效应强。基差对于股市具有明显的领先性。这与逻辑分析一致。领先的时间大约是 6 个月左右。3 年期和 5 年期基差联动效果较好，7 年期基差效果一般，1 年期效果最差。当前状态：当前 3 年期和 5 年期基差趋势向上，没有出现拐点迹象。

44、7 年期基差趋势向下。短期内股市上行机会较大，长期存在下行风险。图 29：1 年期高等级信用基差分析图组数据来源： ，Wind HYPERLINK / 请务必阅读正文后的声明及说明图 30：3 年期高等级信用基差分析图组数据来源： ，Wind图 31：5 年期高等级信用基差分析图组数据来源： ，Wind图 32：7 年期高等级信用基差分析图组数据来源： ，Wind HYPERLINK / 请务必阅读正文后的声明及说明低等级信用利差标的选取：为了更加直接的研究信用利差的违约风险，我们选择 AAA 中票到期收益率作为基准，用中票 AA 到期收益率减去基准去求得低等级信用利差。选取的期限为 1、3、

45、5 年期。经济逻辑：低等级信用利差更能直接的反应企业的违约风险。如果经济状况不好， 企业的违约风险较大，则信用利差将增大。所以这个指标可能会出现滞后性，因为它更多反应的是经济不好的结果。而对于股市的滞后性可能更强一些。研究该指标的意义在于确认当前的违约风险和经济状态。历史表现：可以看到股市的走势是领先于低等级信用利差的，领先的时间是 1-6 个月。而且期限越短这种效应就越加明显。从收益均值图也可以看出，随着基差的增加，未来收益率减小。反之未来收益率增加。也就是说当基差代表的违约率处于低值的时候，股票未来上行概率较大。当基差处于高值的时候，股票下行风险加大。但是该指标具有滞后性。当前状态：短期基

46、差均处于历史低位水平，股市未来上行概率大。图 33：1 年期低等级信用基差分析图组数据来源： ，Wind图 34：3 年期低等级信用基差分析图组数据来源： ，Wind图 35：5 年期低等级信用基差分析图组数据来源： ，Wind黄金 VS 原油标的选取：黄金选择的是 COMEX 黄金（GC.CMX）和 NYMEX 原油（CL.NYM）。经济逻辑：“金油比”这个指标是黄金和原油价格的比值，其经济含义是 1 盎司黄 HYPERLINK / 请务必阅读正文后的声明及说明金能够购买的桶油的数量。金油比是一个监测经济危机的领先指标，在过去 27 年里，金油比曾成功预测了四次经济危机。其主要原理是黄金和原

47、油均属于大宗商品类别，在长期趋势上具有一致性。但是其本质又有所不同。黄金作为重要的避险资产，价格反应了金融危机，地缘政治等多种风险。而原油作为当前重要的生产能源， 在供给变化不大的情况下，价格反应了实体经济的运行状况。因此金油比可以作为风险结构变化的前瞻指标，往往用来预测经济危机。金价上升，原油价格下降，金油比上升，说明地缘政治风险和经济下行风险加大。但是该比值在国内的经济环境下是否适用，并且对中国股市的走向判断是否具有指导性，还需要数据回测进行验证。 HYPERLINK / 请务必阅读正文后的声明及说明图 36：“金油比”分析图组数据来源： ，Wind图 37：“金油差”分析图组数据来源：

48、，Wind历史表现：在实际的回测中，“金油比”计算的 Z 值并不是一个严格意义均值回归的时间序列，反而是“金油差”的 Z 值更符合平稳性。“金油差”在 17 年之前与股市具有高度负相关性。但是之后便转为高度正相关。其稳定性一般。而“金油比”与股市的联动效果非常好，领先股市 3-6 个月左右。但是与我们分析的逻辑却是相悖的。当前状态：当前金油差处于高位，出现下滑表现。金油比则处于中性下降趋势。未来股市存在下行风险。综合指标指标的合成通过上文对于不同单个指标组的分析，我们发现很多指标组的基差在 2010 年之前与股市的联动性和领先性均较高，但是之后随之降低。尤其是在 2011-2013 年很多指标

49、失效。直到 2014 年开始不少指标的联动性再次恢复。这说明市场的结构在不断地变化，其内在逻辑、联动关系也在随之变化。因此这要求我们要观察这些指标的近期变化，结合其长期表现和逻辑分析，予以其可靠性进行判断。单个指标组可能会出现不能程度的误差，因此一种方法就是将我们目前认为合适的指标组的基差进行整合，计算一个具有领先性的综合指标。由于大多数指标在极值时对股市的影响更加显著，因此该指标可以起到事前提示风险的作用。从而，我们将该指标称作“风险领先指标”。下表是我们对上文不同指标组基差表现进行的总结。表 8：CLI 计算所用指标分类指标与逻辑分析一致性与股市联动性对股市的领先性其他说明当前数值水平短期

50、波动长期趋势股市大市值VS小市值一般一般较差周期VS稳定一般高较高金融VS消费较高高较高低波指数一般较高一般12年之前联动领先性较强。当前表现较弱VIX指数较高高差VIX不是平稳序列。其较高的联动性和滞后性能够起到趋势确认的作用利率国债期限利差1-3年期一般一般一般10年之前领先性好5-7年期一般一般一般10年之前领先性好10-20年期较差一般差10年之前滞后，当前同步信用高等级信用利差1年期一般一般一般当前联动一般3年期较高高高5年期高高高7年期高较高较高低等级信用利差1年期较高较高较差其较高的联动性和滞后性能够起到趋势确认的作用3年期较高较高较差5年期一般一般差商品黄金VS 原油金油差一般

51、一般一般金油比较差较高较高金油比不是平稳序列数据来源： ，OECD根据上述总结，我们最终选取以下指标合成综合指标：周期/稳定基差、金融/消费基差，高等级信用利差。主要的原因是其与股市较高的联动性和领先性。金油比也是一个表现较好的指标，但是考虑到其本身暂不是平稳过程，所以没有选作最终的成分指标。综合指标具体表现可见下图。截止至 20190517，综合指标在今年 3 月 7 日触及高点 HYPERLINK / 请务必阅读正文后的声明及说明2.67 后，短期下滑。随后中证 800 也在 4 月 19 日触及 4399 高点后下滑。可以看到该指标当前的表现还是不错的。图 38：风险领先指标与股市走势图

52、 39：风险领先指标与股市走势（平滑后）数据来源： ，Wind数据来源： ，Wind图 40：指标与 60 天收益率图 41：指标与收益率均值和胜率数据来源： ，Wind数据来源： ，Wind图 42：过去 120 天指标与股市表现图 43：过去 20 天成分指标变化数据来源： ，Wind数据来源： ，Wind指标的特点综合指标具有以下几个特点。首先，我们检验了风险领先指标的平稳性，结果表明， 由以上三成分组成的领先指标也是平稳过程。则意味着指标自身数值的大小具有意义。如果指标数值过大，则向均值回归的概率增大。 HYPERLINK / 请务必阅读正文后的声明及说明其次，我们比较了综合指标和股市

53、的联动关系，可以看到领先指标和股市的联动领先性较强。这很好理解，因为我们将联动领先性强的指标选取了出来，综合指标理所当然表现会好。这样做的原因也是我们希望增强指标的有效性，降低单个成分指标的判断误差，以提高整体的准确性。第三，指标在极值区间效果更好。从综合指标自身数值来看，该指标在-2.5 至 1.25这个区间表现较为一般，胜率在 50%上下波动，未来的收益表现也不是特别明显。但是该指标处于极大值时，胜率和收益都会有明显的增加。当指标处于较小值时， 胜率和收益都会明显的减少。第四，平滑后的曲线可以很好地展现趋势的变化，其拐点的确认具有重要意义。对于短期走势的判断却略显乏力，并且拐点的确认具有明

54、显的滞后性。当下的状态就是非常典型的例子，从长期平滑趋势上来看，无论股市走势还是综合指标都处于上升阶段。但是短期而言，综合指标在 3 月份的时候触及高点后波动下降。当前短期下降趋势明显。而股市也在短期内下跌明显。指标存在的问题该指标当前表现较好，但是有几个核心问题值得注意。首先，成分指标有效性值得确认。这些成分指标往往体现的是市场中结构性的变化和调整，我们检验其与股市的联动关系。这种联动关系并不是一直不变的。前文分析成分基差表现时，我们可以看到在 2010 或者 2012 年之前很多成分指标对股市的领先关系都是很强的，但是之后效果却逐渐下降。我们认为这种变化是受经济基本面、政策、交易情绪、市场开放程度等多种因素共同影响决定的。当前我们判断指标的有效性更多的是主观判断，并没有严格依靠定量指标。判断时一方面是从历史表现上看，另一方面也更加注重指标的近期表现情况。此外，我们会随时观察所有候选指标的表现，如果成分指标表现不好，我们会考虑将其剔除。如果候选指标表现较好，我们会考虑将其加入计算。从而尽量解决由于结构逻辑变化导致的指标失效问题。图 44：指标时效性检验流程图数据来源： ，Wind HYPERLINK / 请务必阅读正文后的声明及说明其次，虽然指标具有领先性，但是领先时间不稳定，对