市场风险测度与研判月报-3月市场跟踪

XIANGCAISECURITIESCO.,LTD市场风险测度与研判月报——3月市场跟踪数据回测结果表明，从2012年开始，当风险溢价处于4%以上时，股市处于底部区域，目前风险溢价在5.61%附近，处于2012年以来76.25%的分位，高于2012年以来的平均风险溢价，表明股市处于风险较低区域。按照美联储1997年公布的FED模型，G值(国债到期收益率和EP之差)年底为-3.07,2021年底为-4.42,2022年10月底再次达到最低点-6.16,近期考夫曼自适应均线是对MACD的改进和优化。实证分析结果表明，2022年6月22日，策略开始做多；做多一直持续到2022年8月3日，8月4日发出平仓信号，8月5日开始做空；做空一直持续到2023年1月16日，1月17号发出平仓信号，1月18号开始做多；做多持续到6月1日，6月2日开始空仓；空仓持续到8月24日，25日开始做空，目前策略处于做空状态，计超额收益为7.23%。我们综合以上指标分析认为，在2024年3月，市场处于盘整期。虽然市场有良好的国债收益率与EP之差G指标作为支撑，加上风险溢价指标目前处于近10年来76.25%的分位，暗示市场处于较低区间；但由于流动性风险变预计2024年3月上证综指波动区间为2860—3140点。 R=ry+β(Rm-r;)益，又被称之为风险溢价；另一部分则是股票或其组合的超额收益，即Alpha (a),其是证券(组合)收益中无法用系统风险解释的部分，又被称之为投资者(或基金经理)的管理技能收益。因此，从理论上讲，Alpha是实际收益与在市场均衡条件下证券(组在实际计算中，Alpha可由特征线方程(公式4)或市场单因素模型(公式5)回归确定，本文中的Alpha值是由公式5确定。两个公式计算的Alpha值有一定2作者在2011年投资策略报告中提出了利用Alpha动量与反转策略判断市(1)如果Alpha动量与反转策略都能够超越指数，且反转策略超越动量(2)如果Alpha动量和反转间无明显优势，两种策略与基准指数间也无明显优势时，市场为熊市(或牛市转入熊市的过度期)。(3)如果Alpha反转策略超过基准指数，且基准指数超过动量策略，则(4)Alpha动量超越反转策略，且反转策略不能战胜基准指数，市场处于盘整期(或结构性牛市)。根据Alpha理论，α反映了市场价格的误定程度，当α>0,表明市场对证图1是自2012年至2019年的动量和反转组合相对于沪深300指数的累积收益走势图。图2a、2b分别为截至2023年11月30日和2024年2月29日近三个月动量和反转组合相对于沪深300指数的累积收益走势图，图3a、3b分别为截至2023年11月30日和2024年2月29日近一个月动量和反转组合相对于沪深300指数的累积收益走势图。从最近三个月的走势看，动量跑输基准，反转跑输基准，动量跑赢反转；从最近一个月的走势看，动量跑输基准，反转跑输基准，反转跑输动量(图2、3)。Alpha策略结果表明，短敬请阅读末页之重要声明XIANGCAISECURITIES图1、2012年至2019年ALPHA动量和反转策略收益比较图2a、最近三个月以来Alpha动量与反转(至11月30日)图2b、最近三个月以来Alpha动量与反转(至2月29日)图3a、最近一个月以来Alpha动量与反转(至11月30日)图3b、最近一个月以来Alpha动量与反转(至2月29日) 一般而言，当M1%-M2%增加，反映货币宽松；M1%-M2%减少，反映货币紧缩。根据我们对M1与M2的预测模型，得出2024年2月M1同比与M2同比；在2024年1月份，M1%-M2%为-2.80%,2024年2月份预测为-5.60%。M1%-M2%在2020年一、二季度出现反弹后，三季度又出现轻微反弹，在2021年1月，达到局部高点，从2021年四季度开始，有下降势头(图4)。2020年7、8月份出现的反弹和2022年3到5月的回落在时间上与同期股市走势非常吻合。目前，预测M1%-M2%变小，市场货币偏紧缩。图4、M1-M2与沪深300指数走势关于宏观市场流动性的指标很多，本文阐述的流动性风险指标是指上海银行间同业拆借利率(Shibor)与国债到期收益率y(六个月)之差(Shibor-y)。当Shibor-y变大时，资金紧张加剧，流动性风险增加，对股市负面影响；反之，对股市正面影响。从图5可以看出，该指标与沪深300指数整体呈负相关关系，与理论基本相符。这种负相关关系在2014年之前尤为明显，在其之后负相关系相对较差，从2019年年初至今，又开始呈现出比较明显的负相关关系。从该图可以看出，该指标在0~0.6之间属于历史的底部区域。从2006年至2013年，当该指标处于这一区间时，沪深300指数都在高点位置，即当该指标区间出现时，后期指数下跌的概率很大。但在2016年以后，当指5标位于该区间时，指数并未下跌而是持续上涨。当前该指标处于历史较低区域(0.57),较上月上升0.03,流动性指标有所上升，流动性风险变大。图5、流动性风险指标与沪深300指数走势顾名思义，风险溢价是指由于风险的存在，投资者需要基于风险的更高补偿。因此，风险溢价通常会量化为市场平均收益超越无风险收益的差价，其含义是投资者承担风险需要的风险补偿。本文的风险溢价定义为：风险溢致预期的2024年2月预测数据。很明显，风险溢价越高，投资者要求的必要收益率就越高。图6显示，风险溢价与沪深300指数呈负相关。数据统计显示，从2005年至2024年2月，风险溢价的分布区间为-10%~7%,平均值为1.81%(表1,图6)。尤其重要的是，从2012年开始，风险溢价基本上处于0之上，均值为3.25%,而从2005年至2012年，均值仅为-0.70%,这表明，从2012年开始，投资于股市，投资者整体上可以获得系统风险回报(图7、图9)。从2012年开始，当风险溢价处于4%以上时，股市处于底部区域，而当风险溢价处于0%附近时，股市处于顶部区域(图8)。因此，可以利用风险溢价指标研判市场走势。目前的风险溢价在5.61%附近，处于2012年以来76.25%的分位，高于2012年以来的平均风险溢价，表明当前股市处于风险较敬请阅读末页之重要声明XIANGCAISECURITIES表1、风险溢价指标分布年2月)年12月)分布比例(2012年1月-2024年2月)图6、风险溢价与沪深300指数走势(2005年1月-2024年2月)敬请阅读末页之重要声明XIANGCAISECURITIES图7、风险溢价分布(2005年1月-2024年2月)图8、风险溢价与沪深300指数走势(2012年1月-2024年2月)8 图9、风险溢价分布(2012年1月-2024年2月)5国债到期收益率与EP之差1997年7月，联邦储备委员会的一篇报告，通过S&P500指数本益比(PE的倒数)和10年期国债名义利率的时间序列图，公布了FED模型。其实质在于股票作为一种无限期资产，其收益和风险应该与长期债券相近，因而可以通过两者的价差判断股价是否合理——股票本益比(E/P)高于国债利率，即股价被低估，反之则股价被高估。国债到期收益率与EP之差G同样能够反映市场整体投资者的风险偏好程度。当这一差值变大时，意味国债收益率增加；相对而言，股票收益率降低，表明国债价格下跌，资金向股票市场流动。因此，G值与股指呈正相关关系。图10显示，上证指数与G值走势基本一致。G值底部区域在-7~-4之间。G值在2020年3月末最低达到-6.08,2020年底为-3.07,2021年底为-4.42,2022年10月底再次达到最低点-6.16,近期为-5.42,虽然较上月有所上升，但仍处于较低区域。9图10、国债收益率与EP之差走势在研判市场趋势走势时，技术分析派人士通常采用M通过观察短期均线和长期均线的走势，以及他们互相击穿的时点来进行买入和卖出的操作，长期来看是可以战胜指数的。但均线指标的弊端在于总有一短期均线始终反应灵敏，在市场震荡期频繁转向；长期均线始终反应缓慢，在市场加速上升和下跌时反应缓慢；至于短期长期互相击穿的交易策略，在因此，我们引入考夫曼创立的自适应均线。该均线考虑到市场价格变动的效率，在市场处于震荡时变化慢；在市场加速向上、向下突破时反应快。从而反应市场真实的趋势，便于快速抓住趋势性上涨、下跌的时点，规避市图11为滞后期数选择滞后18天，买入卖出绝对阈值为0.6%时，利用考夫曼自适应均线择时策略的实证分析结果。图中红色标为策略做多区域，绿色标为策略做空区域，白色标为策略空仓区域。2022年6月22日，策略开始做多；做多一直持续到2022年8月3日，8月4日发出平仓信号，8月5日开始做空；做空一直持续到2023年1月16日，1月17号发出平仓信号，1月18号开始做多；做多持续到6月1日，6月2日开始空仓；空仓持续到8月24日，25日开始做空，目前策略处于做空状态，策略提示后续市场可能存 从2005年1月4日至2024年2月29日，沪深300指数的增长率为262.78%,最大回撤率为72.30%;考夫曼自适应均线择时策略下的单向买入策略累计收益率为1307.27%,最大回撤率为34.61%;考夫曼自适应均线择时策略下的双向多空累计收益率2266.68%,最大回撤率为41.77%。图11、考夫曼自适应均值曲线择时策略与Alpha选股策略的实证思路一致，在以往的报告中，我们分别对不同历史周期的行业Alpha值进行分析，观察其不同周期Alpha值对行业未来涨跌情况的影响，即针对1个月、2个月、3个月、半年和一年时间段分别考察各行业Alpha值的情况。类似Alpha选股的思路，我们采用滚动投资策略，针对不同周期的Alpha值，每期对行业Alpha值进行排序，分别选择排名前5名的行业作为动量组合，排名最后5名的行业作为反转组合，选择一周作为持有期。在个股维度上我们的选股策略为：根据每期选择的行业，我们从各行业股票池中选择与前5名行业相关系数最大的30只个股构成持股组合每月进行滚动投资。实证期间(2006年12月29日至2011年07月29日)结果显示长期Alpha值处于低位的行业在未来一周内上涨的可能较大，而短期Alpha值处于高位的行业在未来一周内延续涨势的可能较大。从实证结果来看，整体行业Alpha动量组合的表现好于行业Alpha反转组合。行业动量组合随着历史周期的缩XIANGCAISECURITIES短，其超额收益逐渐升高。其中一个月行业Alpha动量组合表现最好，动量组合累计涨幅为150.7%,同期上证综指累计涨幅为-13.19%,行业Alpha动量组合累计超越大盘涨幅为163.89%(图12)。图12、行业ALPHA动量和反转表现(1个月ALPHA)我们在选择个股上采取的策略是每期选择与行业指数相关性较大的30只个股持有一个月，作滚动投资。样本内检验结果如下图13所示，结果表明，行业Alpha选择个股的效果较为显著,实证期间，扣除成本后累计收益为328.07%,而同期沪深300上涨20.92%。实现超额收益为307.16%。图13、行业ALPHA相关性选股收益(一个月行业ALPHA动量)XIANGCAISECURITIES表2是2022年以来行业Alpha策略组合收益分布，组合相对于沪深300的超额收益为7.23%。月份行业alpha收益HS300收益率HS300累计收累计超额收2022年1月2022年2月2022年3月2022年5月2022年6月2022年10月2022年11月2022年12月2023年2月2