行业轮动：拥挤度的风险提示

本文为金工专题行业轮动系列的第二篇，旨在深入研究行业拥挤度，并探讨不同拥挤度指标在风险提示方面的效果，以提高行业配置的准确性和收益率。本文分为三个部分，以下是各部分的主要内容：第一部分，我们将详细探讨行业拥挤度的特征和表现，以及其背后的逻辑。我们将分析可能导致不同行业拥挤度指标相对胜率差异的潜在原因。第二部分，我们将比较加入拥挤度组合信号的策略与行业等权组合的表现，以评估拥挤度组合指标的有效性。我们将分析上述两种策略的年化收益率、Sharpe值等关键指标，并进行综合评估。通过与第三部分，我们将比较加入拥挤度组合信号的行业轮动策略与原始行业轮动策略的表现，以进Sharpe值、胜率等关键指标，并进行综合评估。通过与原始行业轮动策略的比较，我们可以确定加入通过这三个部分的研究和比较，我们旨在全面评估行业拥挤度指标的有效性和应用潜力，为投资者提供更可靠的决策依据和风险管理工具。我们将进一步探索和发掘行业拥挤度的更多指标和特征，以提高对市场的洞察力和预测能力。行业拥挤度股市的拥挤度指标反映了交易活动的过热程度，包括买入和卖出两个方向，本文更多讨论的是买入方向的拥挤，它起到了对潜在风险的警示作用，卖出方向的拥挤可形容为踩踏，另作讨论。拥挤度的概念通常应用于因子投资，用于评估某个因子受到市场追捧的程度，并衡量由于其受追捧而带来的市场风险。当某个因子或主题的拥挤度较高时，可能会出现一系列现象，如内部高度协同、剧烈波动、价格偏离以及流动性枯竭等。高拥挤度意味着大量资金涌入或涌出某个因子，当大量资金集中看多或看空某个因子时，其买入或卖出操作的一致性会导致价格出现巨幅波动，进而导致价格偏离和估值的偏离现象。此外，高拥挤度还会导致因子内部资产呈现较为一致的走势、联动性较高、走势差异性减弱。这意味着因子内的各项资产会在较高的拥挤度下更趋于同步运动，相互之间的差异性减弱。这种情况可能增加投资风险，因为当市场情绪发生变化时，因子投资很容易受到整体市场的波动影响。因此，通过监测拥挤度指标，投资者可以获得关于市场潜在风险的警示，并根据情况调整自己的投资策略，以降低风险并寻找更合适的投资机会。这一系列的研究专注于行业轮动主题，本篇专题我们将因子拥挤度的概念扩展到行面。我们致力于构建衡量单个行业拥挤度的指标，并根据行业拥挤度相对于其历史水平的高低程度，在现有的行业轮动策略上提供风险提示。通过引入行业拥挤度指标，我们可以更好地评估行业的市场参与程度和投资者的情绪波动。该指标考虑了市场资金集中热度、价格偏离程度和内部价格关联程度。通过与行业拥挤度的历史水平进行比较，我们能够判断当前行业是否过度拥挤或相对宽松。这种扩展的分析方法为我们提供了更全面的行业轮动策略，使我们能够更准确地识别可能的风险。通过监测行业拥挤度的变化，我们可以及时调整投资组合，以适应市场的动态变化，提高投资的效果和回报。拥挤度指标：基于之前提到的拥挤度表现，我们构建了以下三个指标来跟踪行业的拥挤度情况。这些指标包括行业成交集中度、行业内部关联度和，分别用于衡量资金集中的热度、行业内部资产的联动性以及价格偏差程度。首先，行业成交集中度指标用于评估资金在特定行业内的集中程度。高成交集中度意味着资金较为集中，可能出现大量资金流入或流出的情况，这可能导致市场波动和价格的剧烈变化。其次，行业内部关联度指标用于衡量同一行业内不同资产之间的相关性。较高的关联度意味着行业内的资产之间更加密切地相互影响，可能导致资产价格的联动性增加。最后，行业收盘价乖离率指标用于衡量行业内资产的价格偏离程度。乖离率反映了资产价格与其平均价值之间的偏差程度，高乖离率可能暗示着市场情绪的极端波动和超买或超卖情况。通过综合考虑这些拥挤度指标，我们能够更全面地了解行业的投资环境，并提供更准确的风险提示。指标检验方法：我们对以上指标进行了研究，考察以不同参数构造的拥挤度信号在一个月的时间周期内的相对胜率。这里的相对胜率是指行业指数在拥挤度信号出现后一个月内的超额收益为负的天数占总天数的比例。较高的相对胜率意味着拥挤度信号更能够识别出下跌风IC信号的构造：首先在每个月末滚动计算指标n天内的历史百分位数，若近一个月内出现≥95%的百分位数即触发信号。其中参数n包含60、90、120、200等。行业成交集中度行业成交集中度从全市场的整体视角考察资金在某个行业中的集中程度。它通过计算每个行业成交额在全市场中的占比与该行业流通市值在全市场中的占比之间的差值除以该行业流通市值在全市场中的占比来进行衡量。况。通过比较成交额占比与流通市值占比之间的差异，我们可以判断资金是否集中在特定行业，以及该行业在市场中的重要性和影响力。通过这个计算，我们可以得出行业成交集中度的数值，用以评估资金在特定行业中的集中程度。较高的行业成交集中度意味着资金更加集中在该行业，而较低的集中度则表示资金较为分散或分布在其他行业中。行业成交集中度的使用可以帮助投资者更好地理解市场的资金动向。具体而言，行业成交集中度的计算公式如下：行业成交额的全市场占比

−行业流通市值的全市场占比行业成交集中度

= 𝑖 𝑖行业流通市值的全市场占比𝑖i𝒊行业成交集中度i31个申万一级行业行业成交额的全市场占比代表第个行业的行业成交额的全市场占比、i𝒊𝒊i行业流通市值的全市场占比代表第 个行业的行业流通市值的全市场占比行业成交额i𝒊全市场占比表示该行业的成交额在全市场31个行业成交额中的占比，行业流通市值全市场占比表示该行业的流通市值在全市场31个行业流通市值中的占比。n天（n60、90、120、200、250、300）内的百分位数，当一个行业成交集中度百分位数超过95%时发出拥挤信号，卖出该行业。通过综合多个参数来观察，行业成交集中度的拥挤信号在以下行业中具有较高的相对胜率：非银金融、机械设备、通信、石油石化、公用事业、电力设备、建筑装饰、交通运输、食品饮料、基础化工、家用电器、纺织服饰、建筑材料、煤炭、计算机、银行、农林牧渔和房地产。这些行业在行业成交集中度的拥挤信号中表现出相对较高的胜率，意味着该信号能够较好地识别出这些行业的下跌风险。这些行业可能受到资金关注程度、交易活跃度程度以及其他相关因素的影响，从而使拥挤度信号在这些行业中具有较高的有效性。图1：行业成交集中度拥挤信号的相对胜率（申万一级行业）参数n=60参数n=90参数n=120参数n=200参数n=250参数n=300名称胜率(%)正确触发所有触发胜率(%)正确触发所有触发胜率(%)正确触发所有触发胜率(%)正确触发所有触发胜率(%)正确触发所有触发胜率(%)正确触发所有触发非银金融0.8416190.8814160.8310120.829110.738110.80810机械设备0.6418280.7016230.7112170.7613170.7213180.711014通信0.6218290.6216260.5511200.7014200.7117240.681522石油石化0.7223320.7226360.7625330.7120280.7019270.681725公用事业0.6629440.7129410.7426350.7423310.6924350.692232电力设备0.6813190.6416250.6714210.6813190.6813190.711217建筑装饰0.5512220.6216260.5913220.6513200.6511170.671218交通运输0.5618320.6223370.6223370.6526400.6423360.652234食品饮料0.5015300.4918370.5516290.5414260.6317270.631727基础化工0.5728490.5828480.6125410.6320320.6320320.561527家用电器0.6218290.6122360.6317270.6018300.6218290.601830纺织服饰0.5523420.5419350.5517310.5518330.6221340.581831建筑材料0.509180.5511200.436140.578140.5910170.651117煤炭0.5516290.5716280.6815220.6315240.5614250.521325计算机0.5917290.6119310.5511200.539170.538150.56916有色金属0.5017340.4714300.4814290.5618320.5318340.551833银行0.5910170.569160.5310190.5413240.5310190.53815综合0.4317400.4315350.4513290.5012240.5213250.571323农林牧渔0.6522340.6524370.6823340.5615270.5013260.571323房地产0.6120330.5818310.6218290.5415280.5011220.501224医药生物0.4716340.5319360.5318340.5717300.5017340.471430电子0.4517380.4317400.4317400.4920410.4921430.461941商贸零售0.5622390.5822380.5819330.5015300.4815310.461328社会服务0.5720350.4919390.4115370.4213310.4814290.531732汽车0.4611240.4814290.5614250.428190.479190.39718轻工制造0.4921430.4820420.4618390.4919390.4718380.481940钢铁0.4515330.5020400.4616350.4313300.4416360.461635国防军工0.388210.5010200.508160.647110.436140.47715传媒0.4811230.4210240.377190.428190.406150.40615、（测试区间：2005年1月底至2023年4月底，信号测试数据截止至每月最后一个交易日）根据上表，非银金融行业的成交集中度拥挤信号在相对胜率方面表现较好。下图展示了该行业指标的具体走势情况，我们可以清楚地观察到该行业拥挤度指标成交集中度在不同阶段的变化情况，这些变化反映了资金在非银金融行业的集中程度和交易活跃度的变动。可以观察到非银金融行业的成交集中度呈现出明显的阶段性特征。在不同的周期阶段，该指标的波动特性和中枢呈现出明显的区别，峰值易被识别。图2：非银金融行业成交集中度指标、（测试区间：2014年1月底至2023年4月底）通过下图所示的非银金融行业成交集中度拥挤信号，我们可以清楚地观察到该行业成交集中度的拥挤度信号捕捉，该信号能够较好地捕捉到风险暴露的可能性。通过对非银金融行业成交集中度拥挤信号的观察，投资者可以更好地了解该行业的市场行为和风险情况。图3：非银金融行业成交集中度拥挤信号、（测试区间：2014年1月底至2023年4月底）另外，根据上表，通信行业的成交集中度拥挤信号在相对胜率方面同样表现优秀。下图展示了该行业指标的具体走势情况。可以观察到通信行业的成交集中度在多个行业行情转折处呈现出明显的峰值。图4：通信行业成交集中度指标、（测试区间：2014年1月底至2023年4月底）通过下图所示的通信行业成交集中度拥挤信号，我们可以清楚地观察到该信号能够较好地捕捉到风险暴露的可能性。图5：通信行业成交集中度拥挤信号、（测试区间：2014年1月底至2023年4月底）行业内部关联度行业内部关联度行业指数内部资产之间的协同程度和相关性，或者说它们的走势一致程度。为了计算行业内部关联度，我们借鉴了《外生因子系列研究报告（二：31部的关联度。n天（n60、90、120、200）内的百分位数，当95%时发出拥挤信号，卖出该行业。通过计算行业内石油、传媒、钢铁、房地产、纺织服饰、商贸零售、银行、有色金属、公用事业、计算机、农林牧渔和汽车等。这些行业在行业内部关联度的拥挤信号中表现出较高的胜率，意味着当这些行业的内部资产之间出现较高的协同程度和相关性时，风险暴露大幅提升。当这些行业的关联度较高时，资金更加集中地流向某个行业，行业指数之间的走势也更为一致。投资者可以将这些行业作为关注对象，并进一步研究其它因素，以更好地把握投资机会和风险。图6：行业内部关联度拥挤信号的相对胜率（申万一级行业）参数n=60参数n=90参数n=120参数n=200名称胜率(%)正确发所有发胜率(%)正确发所有发胜率(%)正确发所有发胜率(%)正确发所有触发石油石化0.6032530.5828480.5822380.531630传媒0.6034570.6127440.6724360.742027钢铁0.5831530.6025420.5923390.631727房地产0.5831530.5323430.5320380.471430纺织服饰0.5828480.5223440.5618320.571628商贸零售0.5433610.5125490.5622390.451533银行0.5331580.5725440.5320380.501632有色金属0.5332600.5325470.5119370.541528公用事业0.5332600.5326490.5120390.441432计算机0.5228540.5526470.5420370.521631农林牧渔0.5231600.5025500.4920410.481429汽车0.5130590.5426480.5421390.561832环保0.5028560.5225480.5020400.611931煤炭0.5034680.4724510.4218430.451533交通运输0.4930610.4621460.4316370.31929电力设备0.4926530.4922450.5523420.581831轻工制造0.4828580.4823480.5023460.471430基础化工0.4829610.4519420.4216380.401230机械设备0.4727570.4921430.5620360.571628建筑装饰0.4727570.5021420.5216310.431023电子0.4727570.4417390.339270.381129建筑材料0.4730640.4626560.4619410.451431通信0.4626560.3916410.4216380.401025家用电器0.4527600.3719510.4016400.401025医药生物0.4429660.4220480.4117410.421433国防军工0.4425570.4521470.4416360.431228社会服务0.4328650.4423520.5120390.561832美容护理0.3419560.3816420.4115370.391333、（测试区间：2005年1月底至2023年4月底）根据上表，石油石化行业内部关联度的拥挤信号相对胜率较高，下图展示了该指标的具体走势情况。我们可以观察到石油石化行业的内部关联度呈现出较强的波动性和较大跨度，长期看，其第一主成分方差贡献率在[0.5,1.0]的区间内往复波动。这表明在石油石化行业中，行业内部关联度的变动频繁，区分度大。图7：石油石化行业内部关联度指标（红线）、（测试区间：2005年1月底至2023年4月底）通过下图所示的石油石化行业内部关联度拥挤信号，我们可以清楚地观察到该行业内部关联度的拥挤度信号捕捉，该信号能够较好地捕捉到风险暴露的可能性。这表明在石油石化行业中，当资产之间出现较高的协同程度和相关性时。即石油石化行业内部关联度指标出现较高水平时，风险暴露有较大提升。通过对石油石化行业成交集中度拥挤信号的观察，投资者可以更好地了解该行业的市场行为和风险情况。图8：石油石化行业内部关联度拥挤信号、（测试区间：2005年1月底至2023年4月底）行业收盘价乖离率价格乖离率是用来衡量资产价格与其移动平均线之间的偏离程度的指标。它反映了资产价格相对于其平均水平的偏离程度，即价格与平均线之间的差异。这里，我们计算申万一级行业指数的收盘价乖离率。具体而言，行业收盘价乖离率可以通过以下公式计算：−𝑛日移动平均值= ×100% 𝑛日移动平均值计算移动平均的目的是平滑股票价格的波动，以提供更清晰的趋势信号。乖离率为正表示价格高于移动平均线，而乖离率为负表示当前价格低于移动平均线。行业收盘价乖离率的分析可以帮助投资者判断行业超买和超卖情况。当乖离率较高时，意味着行业价格偏离其平均水平较大，可能存在调整或反转的风险。相反，当乖离率较低时，可能意味着行业价格处于较低水平，可能有上涨的潜力。n天（n90、120、200）内的百分位数，当一个百分位数超过95%综合多个参数来观察，行业收盘价乖离率的拥挤信号的相对胜率较高的行业有：环保，建筑材料，煤炭，医药生物，非银金融，电力设备，建筑装饰，轻工制造，石油石这些行业的收盘价乖离率拥挤信号在观察期内表现出较高的相对胜率。乖离率的计算是基于行业收盘价与其200天移动平均线之间的偏离程度。乖离率为正表示行业收盘价高于移动平均线，而乖离率为负表示收盘价低于移动平均线。通过观察行业收盘价乖离率的拥挤信号的相对胜率，可以更好地捕捉到价格偏离平均水平过大的行业，从而提供了较好的风险警示。图9：行业收盘价乖离率拥挤信号的相对胜率（申万一级行业）参数n=90参数n=120参数n=200名称胜率(%)正确触发所有触发胜率(%)正确触发所有触发胜率(%)正确触发所有触发环保058213605123450672030建筑材料058234005629520642133煤炭061254105628500631930医药生物057213704922450631930非银金融052173305522400621829电力设备058193305627480611728建筑装饰060244006127440592034轻工制造050193804320470591729石油石化060254205631550571628有色金属055224005526470571730农林牧渔051214104621460571730钢铁063274306333520562239电子058234005023460561527交通运输057203506026430531630综合046183904521470531630通信050244804724510532038汽车045173804921430521427商贸零售049214304823480521631公用事业051183505224460501428家用电器046214604221500501632基础化工043184204220480481327计算机047214505226500471736传媒047214504926530471736国防军工047183805528510461226房地产060254205627480451431纺织服饰043153504520440441227银行041184403718490431637食品饮料040164004120490421433社会服务048163305123450421331机械设备039143603816420421331、（测试区间：2005年1月底至2023年4月底）根据上表，环保行业收盘价乖离率拥挤信号的相对胜率较高。下图展示了环保行业[0.6,1.0]图10：环保指标、（测试区间：2005年1月底至2023年4月底）下图展示了环保行业收盘价乖离率拥挤信号能够很好地捕捉到拥挤度过高所带来的风险暴露。这意味着当环保行业的收盘价乖离率偏离其长期平均水平过大时，可能存在调整或反转的风险。这样的信号可以帮助投资者及时警示并采取相应的投资策略。图11：环保行业收盘价乖离率拥挤信号、（测试区间：2005年1月底至2023年4月底）小结不同行业拥挤度指标的胜率不一样，是因为不同行业在市场中的特点和表现不同，导致拥挤度信号对它们的预测能力有所差异。资金流向和关注度：首先，每个行业在不同的经济环境和市场周期下可能会呈现出不同的表现。某些行业可能更受投资者关注和追捧，导致资金更加集中，相反，其他行业可能受到较少的关注或资金流入。导致了拥挤度信号的预测能力的差异。例如，成交集中度指标反映了资金在某个行业内的集中程度。不同行业受到的资金会反复吸引市场大量资金涌入或涌出，导致成交集中度频繁变动。在这种情况下，成交集中度指标更可能捕捉到行业价格的过度乐观或过度悲观情况，因此具有较高的胜率。行业中，更难从高热度中识别拥挤风险，具有更低的胜率。相反，对于那些市场相对较行业特性和市场结构：其次，不同行业的市场结构和参与者也会影响拥挤度指标的胜率。一些行业可能具有较大的流动性和较活跃的交易活动，导致拥挤度信号更容易被捕捉到并体现出较高的胜率。而对于一些流动性较低或交易活动较少的行业，拥挤度信号的预测能力可能较弱。。再例如，某些行业可能存在较为密切的供应链关系，或者受到共同的市场因素影响，这些因素可能增强了行业内部关联度指标的预测能力。资产关联性：不同行业的资产之间的关联性可能存在差异，进而导致胜率的差异。一些行业内部资产的走势相互关联度较高，当行业整体趋势出现变化时，相关性较高的资产也往往呈现相似的走势。以及不同行业的走势可能受到不同的影响因素驱动。一些行业可能受到相似的宏观经济因素、政策变化或行业内部事件的共同影响，导致其走势更为一致。例如，行业内部关联度指标反映了行业指数内部资产的协同程度和相关性，即不同基本面和市场因素：此外，每个行业的基本面和市场因素也会对拥挤度指标的胜率产生影响。行业的盈利状况、竞争态势、宏观经济因素等都会对行业的走势产生影响，进而影响拥挤度信号的准确性和胜率。例如，如果行业的基本面和市场因素对价格偏离度拥挤度指标产生明显的影响，那指标在该行业的胜率可能较高。不同行业的基本面和市场因素的差异导致了拥挤度指标的预测能力差异。市场因素和投资者行为：行业的市场因素和投资者行为也会影响成交集中度指标的胜率。市场上的宏观经济因素、政策变化或行业内部的事件可能导致资金快速涌入或撤离某个行业，从而影响成交集中度指标的表现和胜率。因此，理解不同行业的特点和市场环境是评估拥挤度指标胜率差异的关键。投资者行业拥挤轮换策略（）根据前面的描述，拥挤度指标在风险警示方面具有一定作用，可以提供某些行业的卖出信号，其胜率可能高于50%。综合之前详细讨论的三个拥挤度指标信号，即行业成并集作为拥挤度组合信号。将拥挤度组合信号叠加至等权行业组合给出卖出信号，我们将此策略定义为行业拥挤轮换策略通过这个实验，我们可以评估拥挤度组合信号在超过等权行业组合的表现。如果拥挤度组合信号能够提供更好的投资指导并带来更好的表现，那么我们可以认为这些拥挤度指标在识别风险方面具有一定的预测能力。这种方法可以帮助我们更好地理解拥挤度指标在实际投资中的作用，并为投资者提回测标的：申万一级行业指数回测区间：20086302023530行业拥挤轮换策略流程如下：95%，若某行业有一个或一个以上拥挤度指标百分位超过95%，且一年来呈上升行情若此行业已存在于现有的买入列表，则将其从卖出列表剔除。根据上个月底计算的组合，在月初建仓买入列表，平仓卖出列表。图12：行业拥挤轮换策略和行业等权组合净值走势对比4321

行业拥挤轮换策略（季调仓净值 行业拥挤轮换策略（月调仓净值等权组合-净值、（回测区间：2008-06-30至2023-05-30）Sharpe值。特别是当我们以季度为调仓频率时，表现更加出色。相对于等权组合，这种策略的1个百分点以上，并且Sharpe0.03季度为调仓频率的行业拥挤轮换策略，相对于等权组合能够获得更高的年化收益和Sharpe值。表1：行业拥挤轮换策略回测结果策略年化收益(%)sharpe最大回撤(%)胜率盈亏比拥挤度信号策略（季度调仓）6.240.306948.0264.2%1.68拥挤度信号策略（月度调仓）5.100.284448.8854.1%1.55等权组合5.020.268457.70--、（回测区间：2008-06-30至2023-05-30）第1）比照上述策略，我们使用行业成交集中度、行业内部关联度、行业收盘价乖离率的拥挤信号并集作为拥挤度组合信号。在本系列的前一篇报告《金工专题行业轮动系列1：换手率的量能提示》中，我们根据换手率量能构建了基础的行业轮动模型，行业量能轮动策略。现在，我们将进一步优化该模型，通过将拥挤度组合信号行业量能轮动策略相结合，得到一个更为综合的行业轮动模型。通过引入拥挤度信号，我们可以更全面地考虑市场风险和拥挤度因素对行业轮动的影响，使我们能够更准确地判断行业的风险状况，并据此进行更有针对性的调整和选择。通过综合考虑换手率量能和拥挤度组合信号，我们期望能够提供更具准确性和可行性的投资决策依据，帮助投资者更好地把握市场机会并降低风险。为了评估这些信号的综合有效性，我们以行业量能轮动策略作为基准。然后，将拥挤度组合信号叠加至行业量能轮动策略给出卖出信号。我们将加入拥挤度组合信号的行业量能轮动策略与原来的行业量能轮动策略相比较，观察信号对投资组合的影响。由于未来行业轮动模型可能涉及多次类似的迭代，为了更好地区分不同迭代版本的策略模型，我们将其命名为第n代行业轮动策略，此次将拥挤度组合信号与行业量能轮动策略相结合得到的行业轮动策略为第1代行业轮动策略。回测标的：申万一级行业指数回测区间：20087302023530整体的策略流程如下：250度，再滚动计算每日内部关联度前推60天的百分位；更新计算申万一级行业指数本月的收盘价乖离率，再滚动计算每日收盘价乖离率前推200天的百分位。和上上个月内的百分位是否超过95%一个或一个以上拥挤度指标百分位超过95%两年和两个月来呈上升行情，则将此行业列入行业轮动模根据上个月底计算的组合，在月初建仓买入列表，平仓卖出列表。图13：第1代行业轮动策略和行业量能轮动策略（基准）净值走势对比第1代行业轮动策略 行业量能轮动策略（基准) 沪深300109876543210、（回测区间：2008-07-30至2023-05-30）14个百分点。在总交易次数保持不变的情况下，这种策略可以增加盈利次数，提升胜率和盈亏比。加入拥挤度信号判断的行业量能轮动策略在长期持有期间可以获得更