华泰行业轮动系列报告之十二：拥挤度指标在行业配置中的应用.docx

正文目录本文导读 4拥挤度指标构建思路 5构建拥挤度指标的目的在于对市场交易过热的风险进行提示 5动量指标 6流动性指标 7乖离率指标 7量价相关系数 8波动率指标 9分布特征指标 9本研究构建了总计六类20项拥挤度指标 10拥挤度指标有效性检验 11有效的拥挤度指标能够及时提示市场未来的下跌风险 11显著性检验 12信号胜率检验 13回测收益检验 14过拟合检验 16基于拥挤度指标的行业轮动策略 19复合拥挤度指标的构建 19拥挤度和景气度复合策略 21风险提示 23图表目录图表1:行业轮动策略构建思路 4图表2:本文主要研究内容 4图表3:食品饮料行业(中信)2016-2017年K线图 5图表4:计算机行业(中信)2018-2019年K线图 5图表5:本研究用于刻画行业拥挤度的量价指标 5图表6:本研究采用的动量指标 6图表7:非银行金融行业(中信)2018年7月至2019年7月K线图 7图表8:家电行业指数(中信)2018年7月至2019年7月K线图 8图表9:本研究构建的六类总计20项行业拥挤度指标 10图表10:计算机行业(中信)行业价格走势和turn_crowd_20_95%拥挤度指标 11图表11:拥挤度指标显著性检验结果 12图表12:拥挤度指标的信号胜率统计 13图表13:corr_volume_close指标信号胜率 13图表14:corr_volume_close指标各行业平均拥挤信号数量 13图表15:基于拥挤度指标构建的回测流程示意 14图表16:通过显著性检验和信号胜率检验的拥挤度指标回测结果 15图表17:CSCV框架示意图 16图表18:各项拥挤度指标PBO概率 17图表19:通过四项检验的指标个数统计 17图表20:各指标作为最优参数出现概率以及最终选定指标 18图表21:复合拥挤度指标和各单项指标回测结果对比(回测区间2010年2月-2019年12月) 19图表22:拥挤度复合指标回测绝对净值 19图表23:拥挤度复合指标回测相对净值 19图表24:复合拥挤度指标超额收益月度统计 20图表25:处于拥挤状态的行业个数和上证综指对比 20图表26:景气度和拥挤度复合策略 21图表27:拥挤度和景气度指标复合后策略表现 21图表28:景气度和拥挤度复合策略回测相对净值 22图表29:景气度和拥挤度策略回测净值 22图表30:房地产行业(中信)收盘价和相关系数 23图表31:房地产行业(中信)成交量和收盘价 23本文导读在微观层面的行业轮动研究中,我们致力于通过行业截面比较的思路寻找短期机动型配置机会,从自下而上的角度挖掘行业基本信息,寻找行业层面的超额收益。具体而言,我们将从行业的内在价值和交易风险两个角度构建有行业选择能力的指标,并且关注多个指标复合后的效果,减少单项指标回测结果的偶然性。在行业轮动策略研究中,我们主要从景气度和拥挤度两个角度进行行业指标的构建:行业景气度指标:主要是从行业内在价值驱动的角度出发,分析行业自身的盈利状况以及市场对行业的盈利预期,寻找可以获得超额收益的行业指标。行业拥挤度指标:主要是从行业市场交易风险控制的角度出发,分析行业在短时间内是否存在交易过热的现象,规避处于拥挤状态的行业。图表1:行业轮动策略构建思路资料来源:华泰证券研究所在前期报告《景气度指标在行业配置中的应用》(2019-9-12)中,我们从财务报表和一致预期等多个角度进行行业景气度指标的研究,并构建了基于景气度指标的行业轮动策略。本文将继续开展基于拥挤度指标的行业轮动研究,从控制交易风险的角度出发,构建可以衡量行业指数交易拥挤程度的指标,规避各行业可能存在的交易过热风险,本文包含的主要研究内容如下:从动量指标、流动性指标、波动率指标和量价相关性指标等多个角度进行行业拥挤度指标的构建。结合显著性检验、信号胜率检验、回归收益检验和过拟合检验等多种方法对行业拥挤度指标进行检验,筛选有效指标。采用打分法对单项行业拥挤度指标进行合成,构建更稳健的复合拥挤度指标,并采用拥挤度指标提高现有的行业景气度策略的表现。图表2:本文主要研究内容资料来源:华泰证券研究所拥挤度指标构建思路构建拥挤度指标的目的在于对市场交易过热的风险进行提示通常情况下,股票的市场价格围绕其内在价值波动。随着基本面提升、宏观政策不断加码,优质股票的价值中枢不断上行,可以为投资者带来长期回报。但是市场总是伴随着非理性的交易行为,当基本面超预期或是突然出现政策利好,股票的价格和成交量都可能会出现激增。过热交易行为可能在第一时间把股票价格提升至过高位置,达到拥挤状态。拥挤交易容易引发市场踩踏,存在较大下跌风险。构建拥挤度指标的初衷是捕捉市场可能出现的交易过热状态。直观上股市最显而易见的拥挤特征就是成交量和价格的大幅提升。除此之外,市场波动率增大、量价