基于技术面指标分位数的行业配置研究：行业轮动及指数增强

目录一、策略思路 41、动量效应释义 42、因子逻辑 53、分位数因子计算 5二、策略效果 61、基于行业分位数对比的行业轮动策略 6起始时点检验 8分位数检验 10分层能力检验 12历史时间窗口检验 13因子相关性检验 141.6总结 152、基于行业分位数对比的行业轮动策略（对应ETF） 153、基于涨跌幅分位数加权重动量的行业配置策略 174、基于涨跌幅分位数加权重反转的行业配置策略 195、基于行业分位数和短期动量的行业轮动策略 216、基于行业分位数加短期反转的行业轮动策略 237、基于行业分位数加大市值的行业轮动策略 268、基于行业分位数加小市值的行业轮动策略 28三、风险提示 30图表目录图1：策略示意图 6图2：策略净值及相关指标（基于涨跌幅分位数的行业配置策略） 7图3：行业选择到的次数（基于涨跌幅分位数行业配置策略） 8图4：起始时点效果对比 9图5：分位数效果对比 图6：N日涨跌幅百分之六十分位数与N日涨跌幅分组效果对比（基准中证500） 12图7：月度IC对比 13图8：历史时间窗口长度效果对比 14图9：因子相关性检验 15图10：策略净值及相关指标（基于涨跌幅分位数的行业配置策略加对应ETF） 16图策略净值及相关指标（基于涨跌幅分位数加权重动量的行业配置策略） 17图12：行业选择到的次数（基于涨跌幅分位数加权重动量的行业配置策略） 18图13：策略净值及相关指标（基于涨跌幅分位数加权重反转的行业配置策略） 19图14：行业选择到的次数（基于涨跌幅分位数加权重反转的行业配置策略） 20图15：策略净值及相关指标（基于涨跌幅分位数加3日动量的行业配置策略） 21图16：策略净值及相关指标（基于涨跌幅分位数加20日动量的行业配置策略） 22图17：行业选择到的次数（基于涨跌幅分位数加短期动量的行业配置策略） 23图18：策略净值及相关指标（基于涨跌幅分位数加3日反转的行业配置策略） 24图19：策略净值及相关指标（基于涨跌幅分位数加20日反转的行业配置策略） 25图20：行业选择到的次数（基于涨跌幅分位数加短期反转的行业配置策略） 26图21：策略净值及相关指标（基于涨跌幅分位数加大市值的行业配置策略） 27图22：行业选择到的次数（基于涨跌幅分位数加大市值的行业配置策略） 28图23：策略净值及相关指标（基于涨跌幅分位数加小市值的行业配置策略） 29图24：行业选择到的次数（基于涨跌幅分位数加小市值的行业配置策略） 30一、策略思路技术面因子是相对基本面因子而言的行情相关的因子，行情数据具有数据量大，时效性高，频度快，数据丰富、可变性强以及可辅助基本面因子减少滞后性等特点。因为指标符合大数据特征，所以技术面因子和高频因子一直是量化研究的重点领域之一。影响技术面指标效果的四大因素有起始时点、计算指标的时间跨度，历史统计的时间窗口长度以及持仓时间窗。假设因子特征并不随着影响因素的变化而变化，或者变化较小，我们则认为因子效果是稳定的，适合用作对未来的预测。除了考虑因子的稳定性，因子选股或者行业策略的收益情况才是最终考量。理想状态下是技术面因子和未来预期收益的排序保持绝对正向或者绝对负向相关性，其中包括线性和非线性的。但在现实研究和真实投资中，理想状态几乎不可能发生，不同的市场状态或者参数一定会带来策略回测效果的差异。所以因子挖掘的目的是寻找高收益且预测能力受市场影响较小的因子，或者在两者之间取一个平衡。1、动量效应释义动量策略是买入并持有过去一段时间收益率较高的股票组合，反之，反转策略买入并持有的是收益率量反转是投资异象；而行为金融学中将其解释为投资者情绪和一致预期的延续，以赋予合理性。测试理念的差异也会导致分析结论的不同，比如有分析认为中国大陆股市并不存在明显的月度动量效应，而中长期周琳杰20210到15余书炜2004。简而言之，中国市场的动量反转效应是能长期观测到的市场特征，形成的原因众说纷纭、研究方法繁多。常规的动量反转策略主要有几个考虑因素：1）相对收益率；2）历史时间窗口长度，也就是向前计算多长时间的历史收益率作为动量的判断；3）组合持有的时间跨度，如月度还是季度换仓；虽然主要因素看起来不多，但各个因素均可变化，比如历史窗口和持仓时间的两两配对是指数级别，复杂程度可见一斑。为了研究观测到的动量特征，本报告并不考虑动量策略的变种，同时尽量降低复杂程度，主要对投资者认可度较高的日度绝对收益进行分析。虽然本文也可V型反转可细分为两段，下跌和上涨区间，每个区间单独看能认作动量区间。2、因子逻辑如前文所述，影响技术面指标效果的四大因素有起始时点、计算指标的时间跨度、历史统计的时间窗口以及持仓时间窗口长度。为了降低路径依赖，我们考虑把不同起始时点上的信息都包含进去，对于动量N个交易日的区间收益率作为动量因子，但是受到换仓日的影响会比较大。拿月度效应为例，月初和月末换NN个交易日的区间收益，希望通过增加信息量以减少一部分起点所带来的影响。滚动计算一定程度的解决起始时点的问题，计算指标的时间跨度、历史统计时间窗口及持仓时间窗口均依赖于因子本身或结果的稳定程度，我们再计算历史数据的分位数，首先分位数较短期技术面因子稳定，第二包含了样本空间内的全部区间收益的整体信息。分位数的引入增强了因子稳定性且降低了三大因素的影响。最后我们进行行业的选择，通过比较某个动量的分位数，选择分位数排序靠前的行业形成行业配置组合。比较分位数首先底层逻辑是动量策略，因为一个行业历史涨幅靠前，则分位数从大到小排序之后它也会靠前。第二，分位数和行业的本10%的分位数所对应的涨跌幅就会较其他行业更高。第三，横截面信息对比的同时，因子也包含了行业时间序列上的信息，比如一个高波动的行业，它的各个分位数之间的差异很大，但分位数排序可能靠后，而低波的行业，分位数的差异较小，分位数排序可能靠前。综上所述，通过比较滚动收益率的某分位数情况来选择行业，包含了动量信息，行业风格信息，行业大部分历史信息，并且稳定性得到了增强。但是分位数方法比较的更多的是历史信息，并没有按照时间加权，也就是说近期的信息并没有给它更高的权重，如果需要加入近期信息可以在分位数策略的结果之上再进行二次筛选。3、分位数因子计算2016112023820N日加总对数日收益率。滚动加总包含了不同时间点作为起点的区间收益，N的取值可以对应策略换仓的频率，比如月度换仓策略，N21个交易日；3）T60%分位数所对应的值作为分位数因子；4）为行业组合。因子计算公式及示意图如下所示：�nΣ��ln())�分位数动量因子=�日分位数({�日区间涨跌幅})图1：策略示意图资料来源：二、策略效果1、基于行业分位数对比的行业轮动策略策略思路：通过对比行业历史涨跌幅集合的某个分位数数值，对行业进行排序，选择排序靠前的行业组合作为行业动量组合。策略步骤如下：1）回测时间段：2016112023820日；2）标的3）40个交易日的对数收益率；4）200个交易日60%60%策略为看10个；7）500指数；8）月度换仓。从策略效果的统计结果上看，基于涨跌幅动量分位数因子的平均年化超额收益为8.4%，年度胜率为100%。月度平均超额收益为0.76%，月度胜率为67%，平均信息比率为1.28。策略超额收益的累积还是比较稳定的，回撤主要集中在市场指数快速下跌的时间段。图2：策略净值及相关指标（基于涨跌幅分位数的行业配置策略）资料来源：同花顺，92子、电力设备及新能源、基础化工、银行、医药和计算机，由此可见策略更偏爱波动稳定且趋势向上的中大市值的行业。图3：行业选择到的次数（基于涨跌幅分位数行业配置策略）资料来源：同花顺，如前文所述，影响技术面指标效果的四大因素有起始时点、计算指标的时间跨度、历史统计的时间窗口以及持仓时间窗口长度，我们分别对因子进行了测试，希望因子具有较强稳定性。起始时点检验（20161120239月1图4：起始时点效果对比资料来源：同花顺，相关总结：20161120个交易日换仓，2016年1月5日开始每20个交易日换仓，自然月月初换仓以及自然月月底换仓。按照因子大小分为五组，展示每组平均年化超额收益。32040602003204060个交易日区间涨跌幅集合60%60%23果的影响也较小，区间跨度大于11个交易日的组别效果趋于稳定。总体上看，分位数动量因子较原始动量因子稳定性上有明显提升，并且对换仓方式不敏感。分位数检验下图表展示了不同分位数的分组效果，统计步骤如下：1）回测时间段：2016112023820日；2）标的池：中信一级行业指数；3）3、、20、40、60个交易日的对数收益率；4）20010%-90%的分位数；5）按照某分位数从大到小排5组；6）500指数；7）月度换仓；8）201611日。分位数因子的计算有三个主要参数，首先是分位数的选择，第二是滚动时间窗口，第三个是计算分位大部分分位数排序后，3组；2）个交易日的前两组的超额收益更加明显，单50%-80%分位数的第一二组别的超额收益更高；4）策略并不是在某几个参数下有效，所以对分位数参数敏感度不高。综上所述，策略对分位数参数不敏感，在不同的滚动时间窗口下均能表现出单调性。从分组收益上看，效果较好的组别为50%-80%分位数。图5：分位数效果对比资料来源：同花顺，分层能力检验IC回测时间段：2016112023820滚动加340个交易日的对数收益率和区间收益率；4）200个交易日的滚动对数收益率60%的分位数；5）60%3组；6）500指数；7）月度换仓；8）201611日。相关总结如下：1）3个交易日的分位数最大组别的超额收益高于中间组别和最小组别，并且呈现出单3个交易日的分位3滚动时间跨度对策略最终效果的影响不大。图6：N日涨跌幅百分之六十分位数与N日涨跌幅分组效果对比（基准中证500）资料来源：同花顺，IC描述的是预期排序与未来行业涨跌幅排序的相关3IC60%IC40IC为60%分位数的IC4.9%IC增强明显。图7：月度IC对比资料来源：同花顺，以下图表展示了不同历史时间窗口的分组效果，统计步骤如下：1）回测时间段：201611日到20238203204060个交易日的对数收益率；4）30、60、100、200、40060%的分位数；5）60%5组；6）500指数；7）月度换仓；8）自然月月底调仓。分位数因子的计算有三个主要参数，首先是分位数的选择，第二是滚动时间窗口，第三个是计算分位1）前推60个交易日，组别效果呈现出较好的单调性。前三组能跑赢后两组；2）200个交易日，在不同的滚动时间窗口下均能保持单调性；3）超额收益比较明显的组别有集中在前推200个交易日以上，滚动时间窗口大于40个交易日的部分。图8：历史时间窗口长度效果对比资料来源：同花顺，因子相关性检验我们按年度统计了动量因子和分位数因子的相关性，统计步骤如下：1）回测时间段：2021年1月1日2023820日；2）标的池：中信一级行业指数；3）3、11、20、40、60个交易日的对数收益率以及涨跌幅；4）20060%的分位数；5）计算月度因子数值相关性；6）计算当年月度相关性的均值。相关总结如下：1）动量因子相互之间的相关性较高，但分位数因子和原始动量因子的相关性并不高；2）分位数因子之间的相关性十分高，这也说明了分位数因子的稳定性；3）分位数因子和动量因子与市值因子之间的相关性均比较低，这也表示策略的超额收益并不完全来源于市值方面的风格暴露。图9：因子相关性检验资料来源：同花顺，总结通过对分位数参数，滚动时间窗口，计算分位数前推的历史时间窗口长度以及起始时间的相关效果统计，我们发现分位数动量因子的有效性和稳定性较原始动量因子有明显的提升，甚至对多个因素的变化表现出不敏感。由此可见，分位数动量策略能选出稳定具有超额收益的行业组合。2、基于行业分位数对比的行业轮动策略（对应ETF）ETF与中信一级行业进行了映射。策略思路：通过对比行业历史涨跌幅集合的某个分位数数值，对行业进行排序，选择排序靠前的行业组合作为行业动量组合。策略步骤如下：1）回测时间段：2016112023820日；2）标的池：中信一级行业对应的ETF；3）40个交易日的对数收益率；4）200个交易日的滚动对数收益率60%60%10个；7）500指数；8）月度换仓；9）ETFETF成分股在中信一级行业中的占比，选择占比高且总规模大的作为该行业对应的ETF。8.44%，年度胜率为100%1.1图10：策略净值及相关指标（基于涨跌幅分位数的行业配置策略加对应ETF）资料来源：同花顺，因为分位数因子所含信息均为历史信息，为了考虑近期市场变化情况，以下策略测试了在分位数因子看多组合的基础上再精选5个行业的效果。3、基于涨跌幅分位数加权重动量的行业配置策略策略思路：通过对比行业历史涨跌幅集合的某个分位数数值，对行业进行排序，选择排序靠前的行业组合作为行业动量组合，然后再从动量组合中选择市值环比上升较多的行业。图11：策略净值及相关指标（基于涨跌幅分位数加权重动量的行业配置策略）资料来源：同花顺，策略步骤如下：1）回测时间段：2016112023820日；2）标的池：中信一级行业指数；3）40个交易日的对数收益率；4）200个交易日的滚动对数收益率的60%60%10计算行业近一个月的总市105个行业；7）500指数；8）月度换仓。6.25%，年度胜率为100%0.6692图12：行业选择到的次数（基于涨跌幅分位数加权重动量的行业配置策略）资料来源：同花顺，4、基于涨跌幅分位数加权重反转的行业配置策略策略思路：通过对比行业历史涨跌幅集合的某个分位数数值，对行业进行排序，选择排序靠前的行业组合作为行业动量组合，然后再从动量组合中选择市值环比下降较多的行业。图13：策略净值及相关指标（基于涨跌幅分位数加权重反转的行业配置策略）资料来源：同花顺，策略步骤如下：1）回测时间段：2016112023820日；2）标的池：中信一级行业指数；3）40个交易日的对数收益率；4）200个交易日的滚动对数收益率的60%60%10计算行业近一个月的总市105个行业；7）500指数；8）月度换仓。10.23%，年度胜率为100%0.95%70%1.07。策略超额收益的累积还是比较稳定的，尤其近五年的超额收益明显。92图14：行业选择到的次数（基于涨跌幅分位数加权重反转的行业配置策略）资料来源：同花顺，5、基于行业分位数和短期动量的行业轮动策略策略思路：因为分位数因子所含信息均为历史信息，为了考虑近期市场变化情况，策略测试了在分位5个行业的效果。通过对比行业历史涨跌幅集合的某个分位数数值，对行15：策略净值及相关指标（3日动量的行业配置策略）资料来源：同花顺，图16：策略净值及相关指标（基于涨跌幅分位数加20日动量的行业配置策略）资料来源：同花顺，策略步骤如下：1）回测时间段：2016112023820日；2）标的池：中信一级行业指数；3）40个交易日的对数收益率；4）200个交易日的滚动对数收益率的60%分位数；5）60%10个行业；6）320天涨跌幅，从行业动量组合中再选出5个短期动量较强的行业；7）基准为中证500指数；8）月度换仓。从策略效果的统计结果上看，基于涨跌幅动量分位数因子的平均年化超额收益为5.81%，年度胜率为50%0.52%58%0.66。320个交易日动量均未对原策略有增强。92图17：行业选择到的次数（基于涨跌幅分位数加短期动量的行业配置策略）资料来源：同花顺，6、基于行业分位数加短期反转的行业轮动策略策略思路：因为分位数因子所含信息均为历史信息，为了考虑近期市场变化情况，策略测试了在分位数因子看多组合的基础上再精选5个行业的效果。通过对比行业历史涨跌幅集合的某个分位数数值，对行业进行排序，选择排序靠前的行业组合作为行业动量组合，然后再从动量组合中选择短期动量靠后的行业。图18：策略净值及相关指标（基于涨跌幅分位数加3日反转的行业配置策略）资料来源：同花顺，图19：策略净值及相关指标（基于涨跌幅分位数加20日反转的行业配置策略）资料来源：同花顺，策略步骤如下：1）回测时间段：2016112023820日；2）标的池：中信一级行业指数；3）40个交易日的对数收益率；4）200个交易日的滚动对数收益率的60%分位数；5）60%10个行业；6）320天涨跌幅，从行业动量组合中再选出5个短期动量靠后的行业；7）基准为中证500指数；8）月度换仓。10.89%，年度胜率为100%1%66%1.17。320个交易日反转对原策略有一定增强，但波动变大。92图20：行业选择到的次数（基于涨跌幅分位数加短期反转的行业配置策略）资料来源：同花顺，7、基于行业分位数加大市值的行业轮动策略策略思路：因为分位数因子所含信息均为历史信息，为了考虑近期市场变化情况，策略测试了在分位数因子看多组合的基础上再精选5个行业的效果。通过对比行业历史涨跌幅集合的某个分位数数值，对行业进行排序，选择排序靠前的行业组合作为行业动量组合，然后再从动量组合中选择总市值靠前的行业。图21：策略净值及相关指标（基于涨跌幅分位数加大市值的行业配置策略）资料来源：同花顺，策略步骤如下：1）回测时间段：2016112023820日；2）标的池：中信一级行业指数；3）40个交易日的对数收益率；4）200个交易日的滚动对数收益率的60%分位数；5）按照