金融工程研究金融工程专题报告 2 目录 1. 指数轮动框架 择时指标 回归预测模型 指数选择 月度指数轮动模型 择时指标分析 利率类指标 波动率类指标

Transcription

1 [Table_MainInfo] 金融工程研究证券研究报告 [Table_Title] 相关研究 [Table_ReportInfo] 选股因子系列研究( 三十一 ) 因子择时指标的筛选 创业板 50 vs 上证 50 大小盘轮动研究 [Table_AuthorInfo] 金融工程专题报告 2018 年 06 月 21 日 沪深 300 VS 中证 500 指数轮动研究 本文基于前期系列报告中构建的因子择时以及风格择时框架, 以沪深 300 指数 / 中证 500 指数轮动为例, 构建了月度以及季度上的指数轮动模型 报告第一部分讨论了指数轮动的整体框架, 对于指数轮动模型的构建进行了详细说明 第二部分以沪深 300 指数 / 中证 500 指数轮动为例, 对于相关回测结果进行了总结分析 第三部分在季度上对于沪深 300 指数 / 中证 500 指数轮动模型的表现进行了讨论 第四部分对于报告进行了总结 使用债券市场以及股票市场相关指标构建择时变量备选库 考虑到择时模型及时性以及稳健性的目标, 报告使用债券市场以及股票市场的相关数据构建了择时指标备选库 使用 Logistic 回归进行指数相对强弱概率预测 为了能够得到直观且易于理解的预测结果, 本文使用 Logistic 回归滚动预测未来 1 期中指数收益差为正的概率 分析师 : 冯佳睿 Tel:(021) fengjr@htsec.com 证书 :S 分析师 : 袁林青 Tel:(021) ylq9619@htsec.com 证书 :S 投资者可根据自身的风险偏好进行指数选择 例如, 对于较为激进的投资者, 可在沪深 300 指数战胜中证 500 指数的概率高于 50% 时, 做多沪深 300, 反之, 做多中证 500 对于较为稳健的投资者, 可以设定一个缓冲区域 利率类指标 波动率类指标以及估值类指标在月频调仓下对于未来 1 个月沪深 300 指数与中证 500 指数收益差具有较强的预测效果 多指标月度指数轮动模型历史表现较好 轮动模型年化收益达 19.7%, 同期中证 800 指数年化收益达 8.5%, 轮动模型年化超额收益约 11.2% 以中证 800 指数为基准, 轮动模型最大回撤为 6.4%, 信息比率 1.49, 月度相对胜率为 65% 利率类指标 涨跌幅类指标 波动率类指标以及估值类指标对于未来 1 个季度的指数收益差具有较好的预测效果 多指标季度指数轮动模型样本外稳健性偏弱 季度模型的构建以及历史回测受到了历史数据量的影响 投资者若使用过长的历史数据进行模型估参, 样本外结果将十分有限 然而, 若使用过短的历史数据进行模型估参, 模型的样本外稳健性将会受到影响 风险提示 市场系统性风险 资产流动性风险以及政策变动风险会对策略表现产生较大影响

2 金融工程研究金融工程专题报告 2 目录 1. 指数轮动框架 择时指标 回归预测模型 指数选择 月度指数轮动模型 择时指标分析 利率类指标 波动率类指标 估值类指标 多指标月度指数轮动模型 季度指数轮动模型 择时指标分析 利率类指标 技术类指标 估值类指标 多指标季度指数轮动模型 季度模型 季度模型 总结 风险提示... 16

3 金融工程研究金融工程专题报告 3 图目录 图 1 国开债到期收益率月度变化与指数收益差... 7 图 2 国开债期限利差月度变化与指数收益差... 7 图 3 指数波动率截面差值与指数收益差... 8 图 4 指数波动率月度变化与指数收益差... 8 图 5 指数 PB 截面差值与指数收益差... 9 图 6 指数一致预期 PB 截面差值与指数收益差... 9 图 7 月度模型重复抽样的胜率分布情况 图 8 月度指数轮动模型净值表现 图 9 季度模型 1 重复抽样的胜率分布情况 图 10 季度指数轮动模型 1 净值表现 图 11 季度模型 2 重复抽样的胜率分布情况 图 12 季度指数轮动模型 2 净值表现... 16

4 金融工程研究金融工程专题报告 4 表目录 表 1 月度换仓频率下利率类指标回测结果... 6 表 2 月度换仓频率下波动率类指标回测结果... 8 表 3 月度换仓频率下估值类指标回测结果... 9 表 4 月度指数轮动模型分年度表现情况 表 5 季度换仓频率下利率类指标回测结果 表 6 季度换仓频率下技术类指标回测结果 表 7 季度换仓频率下估值类指标回测结果 表 8 季度指数轮动模型 1 分年度表现情况 表 9 季度指数轮动模型 2 分年度表现情况... 16

5 金融工程研究金融工程专题报告 5 本文基于前期系列报告中构建的因子择时以及风格择时框架, 以沪深 300 指数 / 中证 500 指数轮动为例, 构建了月度以及季度上的指数轮动模型 报告第一部分讨论了指数轮动的整体框架, 对于指数轮动模型的构建进行了详细说明 第二部分以沪深 300 指数 / 中证 500 指数轮动为例, 对于相关回测结果进行了总结分析 第三部分在季度上对于沪深 300 指数 / 中证 500 指数轮动模型的表现进行了讨论 第四部分对于报告进行了总结 1. 指数轮动框架 在海通量化团队前期发布的专题报告 选股因子系列研究 ( 三十一 ) 因子择时指标的筛选 以及 创业板 50 vs 上证 50 大小盘轮动研究 中, 我们讨论了因子择时以及风格轮动的整体框架的构建 本文将延续上述报告的思路, 讨论指数轮动框架的构建 在构建指数轮动模型时, 我们希望目标模型具有以下三个特征 : 1) 及时性 模型使用的数据能够及时反映当前的市场状态, 相关数据可每日更新, 可在任意时点进行指数轮动决策 2) 稳健性 模型所使用的择时指标能够在不同的路径上具有稳定的择时效果 3) 直观性 使用模型得到的预测结果简单易于理解并能够直接指导指数轮动 基于上述目标, 本文将指数轮动模型的实施分为择时指标计算 回归模型预测以及指数选择三个步骤 1.1 择时指标 由于指数轮动模型假定存在某些指标与指数收益差存在稳定的跨期相关性, 择时指标的构建很大程度上决定了模型最终的择时效果 对于不同的指数收益差, 有效的择时指标可能会有所不同 本文以沪深 300/ 中证 500 指数轮动为例, 首先使用债券市场以及股票市场的相关数据构建了择时指标备选库 债券市场类指标中主要包括, 债券到期收益率月度变化 期限利差月度变化以及信用利差月度变化三大类指标 股票市场类指标中主要包括, 前期涨幅 前期换手 前期波动 估值水平 一致预期估值 一致预期盈利以及一致预期盈利增长等指标 基于上述备选库, 投资者可从指标平稳性 跨期相关性以及路径依赖性三个角度对于指标的择时效果进行评价分析, 从而筛选得到稳健的指数轮动择时指标 平稳性 : 本文在检验择时指标序列平稳性时主要使用 ADF 检验 由于本文使用时间序列回归预测指数相对强弱概率从而辅助进行指数轮动, 若择时变量不平稳, 则存在伪回归的可能 跨期相关性 : 考虑到实际进行指数轮动时, 模型依赖择时指标与未来指数收益差的相关性, 本文使用期初计算可得的择时指标值与该期指数收益差的相关性来评价择时指标的有效性 路径依赖性 : 由于实际进行指数轮动时, 投资者操作时点各不相同 因此本文对于指标择时效果的路径依赖性进行了检验, 最终选取对于不同路径都具有较好择时效果的指标进行指数轮动 在构建多条路径时, 本文首先构建从本月末到下月末的路径, 然后以 1 天为单位进行平移, 得到其他回测路径 1.2 回归预测模型 为了能够得到直观且易于理解的预测结果, 本文使用 Logistic 回归滚动预测未来 1 期中指数收益差为正的概率 以月度沪深 300/ 中证 500 指数轮动为例, 模型给出的结果即为未来 1 个月沪深 300 指数收益战胜中证 500 指数收益的概率 回归模型见下式 :

6 log P ret hs300 >ret zz P reths300 >ret zz 500 = α + β 1 Ind β k Ind k + ε 金融工程研究金融工程专题报告 6 其中, P ret hs300 >ret zz 500 为沪深 300 指数收益战胜中证 500 指数收益的概率, Ind k 为择时变量 1.3 指数选择 基于 1.2 中得到的概率预测, 投资者可根据自身的风险偏好进行指数选择 例如, 对于较为激进的投资者, 可在沪深 300 指数战胜中证 500 指数的概率高于 50% 时, 就做多沪深 300, 反之, 做多中证 500 对于较为稳健的投资者, 可以设定一个缓冲区域, 例如, 概率高于 55% 时, 做多沪深 300; 概率低于 45% 时, 做多中证 500; 概率介于 45% 至 55% 之间时, 做多中证 800 指数 2. 月度指数轮动模型 本部分将在月度调仓的情况下对于有效择时指标进行梳理 构建多择时变量模型并对于相关模型的表现进行回测分析 2.1 择时指标分析 总体上看, 利率类指标 波动率类指标以及估值类指标在月频调仓下对于未来 1 个月沪深 300 指数与中证 500 指数收益差 ( 后文简写为指数收益差 ) 具有较强的预测效果 利率类指标 在利率类指标中, 债券到期收益率月度变化以及期限利差月度变化与未来 1 个月指数收益差具有较强的相关性 下表展示了各指标的 ADF 检验结果 所有路径的相关性均值以及相关性显著路径的占比 表 1 月度换仓频率下利率类指标回测结果 债券到期收益率月度变化 期限利差月度变化 指标种类 剩余期限 ADF 检验 相关性均值 显著比率 指标种类 期限结构 ADF 检验 相关性均值 显著比率 1 个月 *** % 3 个月 -1 个月 *** % 3 个月 *** % 6 个月 -1 个月 *** % 6 个月 *** % 1 年 -1 个月 *** % 国债 1 年 *** % 5 年 -1 年 *** % 国债 5 年 *** % 10 年 -1 年 *** % 10 年 *** % 30 年 -1 年 *** % 20 年 *** % 30 年 *** % 1 个月 *** % 3 个月 -1 个月 *** % 3 个月 *** % 6 个月 -1 个月 *** % 6 个月 *** % 1 年 -1 个月 *** % 国开债 1 年 *** % 5 年 -1 年 *** % 国开债 5 年 *** % 10 年 -1 年 *** % 10 年 *** % 30 年 -1 年 *** % 20 年 *** % 30 年 *** % 1 个月 *** % 3 个月 -1 个月 *** % 3 个月 *** % 6 个月 -1 个月 *** % 6 个月 *** % 1 年 -1 个月 *** % AAA 级 1 年 *** % AAA 级 5 年 -1 年 *** % 企业债 5 年 *** % 企业债 10 年 -1 年 *** % 10 年 *** % 30 年 -1 年 *** % 20 年 *** % 30 年 *** % ( 注 :*** 为检验 P 值低于 1%,** 为检验 P 值低于 5%,* 为检验 P 值低于 10%)

7 金融工程研究金融工程专题报告 7 观察上表不难发现, 1) 短期限利债券到期收益率月度变化与未来 1 个月指数收益差正相关 也即, 前 1 个月短期限债券到期收益率上行量越大, 未来 1 个月沪深 300 表现越强于中证 500; 前 1 个月短期限债券到期收益率下行量越大, 未来 1 个月中证 500 表现越强于沪深 300 2) 从相关性均值以及显著路径占比的角度看, 国开债以及 AAA 级企业债到期收益率的月度变化具有更强的择时效果 3) 期限利差月度变化与未来 1 个月指数收益差负相关 也即, 前 1 个月期限利差扩大量越大, 未来 1 个月中证 500 表现越强于沪深 300; 前 1 个月期限利差缩窄量越大, 未来 1 个月沪深 300 表现越强于中证 500 4) 从相关性均值以及显著路径占比的角度看, 国开债以及 AAA 级企业债期限利差月度变化具有更强的择时效果 我们同样可从时间序列的角度观察指数收益差与择时变量的共同走势 ( 需要注意的是, 由于指数收益差以及择时指标存在较多毛刺, 为了观测的方便, 本文在相关图表制作时进行了平滑处理 ) 下图分别展示了短期限债券到期收益率月度变化以及期限利差月度变化与指数收益差的共同走势 图 1 国开债到期收益率月度变化与指数收益差 图 2 国开债期限利差月度变化与指数收益差 国开债到期收益率月度变化 ( 左轴 ) 沪深 300- 中证 500( 右轴 ) 2.0% 1.5% 1.0% 0.5% 0.0% -0.5% -1.0% -1.5% -2.0% -2.5% % % % % % % % 国开债期限利差月度变化 ( 左轴 ) -2.0% 沪深 300- 中证 500( 右轴 ) -2.5% 整体上看, 短期限债券到期收益率月度变动与未来指数收益差正相关, 期限利差月度变化与未来指数收益差负相关, 且相关性在 2015 年以来较强 短期限债券到期收益率月度变化以及期限利差月度变化的择时效果, 主要来源于上述两个指标对于大小盘风格的择时效果 相关文献对于该现象的解释主要可概括为两种理论, 其中一种理论是从企业融资成本的角度来进行解释, 另外一种理论是从短期资金面松紧的角度进行解释 在月度轮动的框架下, 我们更倾向于后一种解释 因为无论是短期限债券到期收益率月度变化还是期限利差月度变化, 都更能体现短期资金面松紧程度的变化 波动率类指标 在波动率类指标中, 指数波动率截面差值以及指数波动率月度变化与未来 1 个月指数收益差具有较强的相关性 下表展示了各指标的 ADF 检验结果 所有路径的相关性均值以及相关性显著路径的占比

8 金融工程研究金融工程专题报告 8 表 2 月度换仓频率下波动率类指标回测结果 指数波动率截面差值 指数波动率月度变化 指标说明计算窗口 ADF 检验相关性均值显著比率指标说明计算窗口 ADF 检验相关性均值显著比率 沪深 300 波动率 - 中证 500 波动率 1 个月 *** % 1 个月 *** % 3 个月 *** % 沪深 300 波动率 3 个月 *** % 6 个月 * % 6 个月 *** % 中证 500 波动率 1 个月 *** % 3 个月 *** % 6 个月 *** % 观察上表不难发现, 1) 指数波动率截面差值与未来 1 个月指数收益差负相关 也即, 前期沪深 300 指数波动率越高于中证 500 指数波动率, 未来 1 个月中证 500 表现越强于沪深 300; 前期中证 500 指数波动率越高于沪深 300 指数波动率, 未来 1 个月沪深 300 表现越强于中证 500 2) 从相关性均值以及显著路径占比的角度看, 指数前 3 个月以及前 6 个月波动率截面差值具有较好的择时效果 然而 ADF 检验结果显示,6 个月波动率截面差值平稳性偏弱, 检验结果显著性低于 3 个月波动率差值 3) 指数波动率月度变化与未来 1 个月指数收益差负相关 也即, 前 1 个月指数波动率上行量越大, 未来 1 个月中证 500 表现越强于沪深 300; 前 1 个月指数波动率下行量越大, 未来 1 个月沪深 300 表现越强于中证 500 4) 从相关性均值以及显著路径占比的角度看,3 个月中证 500 指数波动率月度变化具有较好的择时效果 下图分别展示了指数波动率截面差值以及波动率月度变化与指数收益差的共同走势 图 3 指数波动率截面差值与指数收益差 图 4 指数波动率月度变化与指数收益差 沪深 300 与中证 500 波动率之差 ( 左轴 ) 沪深 300- 中证 500( 右轴 ) 1.5% 1.0% 0.5% 0.0% -0.5% -1.0% -1.5% -2.0% -2.5% 中证 500 波动率月度变化 ( 左轴 ) 沪深 300- 中证 500( 右轴 ) 1.5% 1.0% 0.5% 0.0% -0.5% -1.0% -1.5% -2.0% 整体上看, 指数波动率截面差值以及指数波动率月度变动与未来指数收益差负相关 对于指数波动率截面差值的择时效果, 可从风险的角度进行理解 若将指数波动率看作指数风险的话, 前文观察到的现象可以理解为, 沪深 300 指数前期风险越大于中证 500 指数, 未来 1 个月中证 500 指数表现越强于沪深 300, 反之, 沪深 300 指数表现越强于中证 500

9 金融工程研究金融工程专题报告 估值类指标 在估值类指标中, 指数估值截面差值以及指数一致预期估值截面差值与未来 1 个月指数收益差具有较强的相关性 下表展示了各指标的 ADF 检验结果 所有路径的相关性均值以及相关性显著路径的占比 表 3 月度换仓频率下估值类指标回测结果 指数估值差 指标说明估值指标 ADF 检验相关性均值显著比率 沪深 300 指数估值 - 中证 500 指数估值 PE % PB % 一致预期 PE % 一致预期 PB ** 观察上表不难发现, 1) 指数估值截面差值与未来 1 个月指数收益差负相关 沪深 300 指数估值越高于中证 500 指数估值, 未来 1 个月中证 500 表现越强于沪深 300; 中证 500 指数估值越高于沪深 300 指数估值, 未来 1 个月沪深 300 表现越强于中证 500 2) 从相关性均值以及显著路径占比的角度看, 指数 PB 差值优于指数 PE 差值 然而 ADF 检验结果显示, 指数 PB 差值以及指数 PE 差值序列的平稳性较差, 并未通过检验 3) 指数一致预期估值截面差值与未来 1 个月指数收益差负相关 沪深 300 指数一致预期估值越高于中证 500 指数一致预期估值, 未来 1 个月中证 500 表现越强于沪深 300; 中证 500 指数一致预期估值越高于沪深 300 指数一致预期估值, 未来 1 个月沪深 300 表现越强于中证 500 4) 从相关性均值以及显著路径占比的角度看, 指数一致预期 PB 截面差值优于指数一致预期 PE 截面差值 ADF 检验结果显示, 指数一致预期 PE 截面差值序列的平稳性较差, 并未通过检验 下图分别展示了指数 PB 截面差值以及指数一致预期 PB 截面差值与指数收益差的共同走势 图 5 指数 PB 截面差值与指数收益差 1.50 指数 PB 差值 ( 左轴 ) 1.00 沪深 300- 中证 500( 右轴 ) % 1.0% 0.5% 0.0% -0.5% -1.0% -1.5% -2.0% -2.5% 图 6 指数一致预期 PB 截面差值与指数收益差 1.50 指数一致预期 PB 差值 ( 左轴 ) 1.5% 1.00 沪深 300- 中证 500( 右轴 ) 1.0% % % % % % % % 整体上看, 指数估值截面差值以及指数一致预期估值截面差值与未来指数收益差负相关, 然而该类指标的择时效果在 2018 年以来的择时效果较弱 指数估值截面差值以及指数一致预期估值截面差值的有效性主要来源于估值的均值回复特性 相关回测结果表明, 当前估值偏低或者预期估值偏低的指数将在未来 1 个月中具有更好的收益表现

10 金融工程研究金融工程专题报告 多指标月度指数轮动模型 由于单个择时指标难免会出现失效的情况, 因此在进行轮动模型构建时可使用多指标对于未来 1 个月的指数收益差进行预测 本节将使用期限利差变动 指数波动率截面差值以及指数一致预期估值截面差值构建月度指数轮动模型 首先, 可通过重复抽样的方式对于模型的样本外稳健性进行检验 对于每一次抽样, 可使用 70% 的月度数据进行回归模型的参数估计, 然后在剩下的 30% 的月度数据上进行模型检验 下图展示了抽样 10,000 次后得到的胜率分布的结果 此处的胜率是指数轮动模型月度风格判定与实际风格相符的比率 ( 若沪深 300 强于中证 500 的概率高于 50%, 则预测沪深 300 更强, 反之, 预测中证 500 更强 ) 图 7 月度模型重复抽样的胜率分布情况 % 50% 60% 70% 80% 90% 100% 胜率 25% 分位数为 63%, 胜率 50% 分位数为 70%, 胜率 75% 分位数为 76% 观察月度胜率分布特征可知, 模型具有较强的样本外稳健性 我们同样可回测模型的历史表现 模型设定如下 : 1) 回测时间段 :2013 年 ~2018 年 5 月 2) 调仓频率 : 月末调仓 3) 指数配臵方案 :a) 若沪深 300 战胜中证 500 的概率高于 55%, 则做多沪深 300 b) 若沪深 300 战胜中证 500 的概率低于 45%, 则做多中证 500 c) 若概率介于 45% 和 55% 之间, 则做多中证 800 4) 滚动回归模型历史窗口 : 前 60 个月 下图展示了轮动模型在整个回测区间上的净值走势

11 金融工程研究金融工程专题报告 11 图 8 月度指数轮动模型净值表现 轮动模型 ( 左轴 ) 中证 800( 左轴 ) 1.1 相对强弱 : 轮动模型 / 中证 800( 右轴 ) 轮动模型年化收益达 19.7%, 同期中证 800 指数年化收益达 8.5%, 轮动模型年化超额收益约 11.2% 以中证 800 指数为基准, 轮动模型最大回撤为 6.4%, 信息比率 1.49, 月度相对胜率为 65% 下表详细展示了轮动模型分年度的表现情况 表 4 月度指数轮动模型分年度表现情况 收益最大回撤月度胜率 年度轮动模型中证 800 超额轮动模型中证 800 超额轮动模型中证 800 超额 % -2.1% 16.6% 16.7% 19.4% 4.4% 58.3% 58.3% 66.7% % 48.3% 21.9% 9.7% 9.5% 1.8% 75.0% 66.7% 83.3% % 14.9% 15.5% 43.5% 44.1% 6.4% 66.7% 58.3% 66.7% % -13.3% 2.0% 23.5% 25.7% 2.8% 50.0% 58.3% 58.3% % 15.2% 4.7% 6.6% 6.9% 2.9% 75.0% 66.7% 50.0% 截至 -1.4% -6.3% 4.9% 12.6% 14.2% 3.8% 40.0% 40.0% 60.0% 季度指数轮动模型 在季度上我们同样可以进行类似的分析 本章将对于季度上具有择时效果的指标进行梳理, 并对于多指标模型的表现情况进行回测 3.1 择时指标分析 在季度上, 利率类指标 涨跌幅类指标 波动率类指标以及估值类指标对于未来 1 个季度的指数收益差具有较好的预测效果 利率类指标 在利率类指标中, 债券到期收益率季度变化以及信用利差季度变化与未来 1 个季度指数收益差具有较强的相关性 下表展示了各指标的 ADF 检验结果 所有路径的相关性均值以及相关性显著路径的占比

12 表 5 季度换仓频率下利率类指标回测结果 金融工程研究金融工程专题报告 12 债券到期收益率季度变化 信用利差季度变化 种类 剩余期限 ADF 检验 相关性均值 显著比率 指标说明 剩余期限 ADF 检验 相关性均值 显著比率 1 个月 *** % 1 个月 *** % 3 个月 *** % 3 个月 *** % 6 个月 *** % 6 个月 *** % 国债 1 年 *** % AAA 级企业债 1 年 *** % 5 年 *** % -AA 级企业债 5 年 *** % 10 年 *** % 10 年 *** % 20 年 *** % 20 年 *** % 30 年 *** % 30 年 *** % 1 个月 *** % 1 个月 *** % 国债 - 3 个月 *** % 3 个月 *** % 银行间 6 个月 *** % 6 个月 *** % 1 年 *** % 1 个月 *** % 国开债国开债 - 5 年 *** % 3 个月 *** % 银行间 10 年 *** % 6 个月 *** % 20 年 *** % 30 年 *** % 1 个月 *** % 3 个月 *** % 6 个月 *** % AAA 企业债 1 年 *** % 5 年 *** % 10 年 *** % 20 年 *** % 30 年 *** % 观察上表不难发现, 1) 长期限债券到期收益率季度变化与未来 1 个季度指数收益差正相关 也即, 前 1 个季度长期限债券到期收益率上行量越大, 未来 1 个季度沪深 300 表现越强于中证 500; 前 1 个季度长期限债券到期收益率下行量越大, 未来 1 个季度中证 500 表现越强于沪深 300 2) 从相关性均值以及显著路径占比的角度看, 国债到期收益率的季度变动具有更强的择时效果 3) 信用利差季度变化与未来 1 个季度指数收益差负相关 前 1 个季度信用利差扩大量越大, 未来 1 个季度沪深 300 表现越强于中证 500; 前 1 个季度信用利差缩窄量越大, 未来 1 个季度中证 500 表现越强于沪深 技术类指标 在技术类指标中, 指数收益差 指数收益差季度变化 指数波动率截面差值以及波动率截面差值季度变化与未来 1 个季度指数收益差具有较强的相关性 下表展示了各指标的 ADF 检验结果 所有路径的相关性均值以及相关性显著路径的占比

13 金融工程研究金融工程专题报告 13 表 6 季度换仓频率下技术类指标回测结果 指数前期收益 ( 波动 ) 差值 指数前期收益 ( 波动 ) 差值季度变化 指标说明 时间窗口 ADF 检验 相关性均值 显著比率 指标说明 时间窗口 ADF 检验 相关性均值 显著比率 1 个月 *** % 1 个月 *** % 收益差 3 个月 *** % 收益差季度变化 3 个月 *** % 6 个月 *** % 6 个月 *** % 1 个月 *** % 1 个月 *** % 波动率之差 3 个月 *** % 波动率之差季度变化 3 个月 *** % 6 个月 * % 6 个月 *** % 观察上表不难发现, 1) 前 3 个月以及前 6 个月指数收益差与未来 1 个季度指数收益差负相关 沪深 300 前期表现越强于中证 500, 未来 1 个季度中证 500 表现越强于沪深 300; 中证 500 前期表现越强于沪深 300, 未来 1 个季度沪深 300 表现越强于中证 500 2) 前 6 个月指数收益差季度变化与未来 1 个季度指数收益差负相关, 且显著路径占比较高 3) 指数波动率差值与未来 1 个季度指数收益差负相关 沪深 300 指数波动率越高于中证 500 指数波动率, 未来 1 个季度中证 500 表现越强于沪深 300; 中证 500 指数波动率越高于沪深 300 指数波动率, 未来 1 个季度沪深 300 表现越强于中证 500 4) 指数波动率差值季度变化与未来 1 个季度指数收益差负相关 波动率差值扩大量越大, 未来 1 个季度中证 500 表现越强于沪深 300; 波动率差值缩窄量越大, 未来 1 个季度沪深 300 表现越强于中证 500 5) 从相关性均值的角度看, 前 3 个月或者前 6 个月的波动率差值以及前 6 个月波动率差值季度变化具有较好的择时效果 估值类指标 在估值类指标中, 指数估值截面差值 指数估值截面差值季度变化与未来 1 个季度指数收益差具有较强的相关性 下表展示了各指标的 ADF 检验结果 所有路径的相关性均值以及相关性显著路径的占比 表 7 季度换仓频率下估值类指标回测结果 指数估值截面差值 指数估值截面差值季度变化 指标说明 ADF 检验相关性均值显著比率指标说明 ADF 检验相关性均值显著比率 指数 PE 差值 % 指数 PE 差值季度变化 *** % 指数 PB 差值 % 指数 PB 差值季度变化 *** % 指数一致预期 PE 差值 % 指数一致预期 PB 差值 ** % 指数一致预期 PE 差值季度变化指数一致预期 PB 差值季度变化 *** % *** % 观察上表不难发现, 1) 指数估值截面差值以及指数一致预期估值截面差值与未来 1 个季度指数收益差负相关 沪深 300 估值 ( 一致预期估值 ) 越高于中证 500, 未来 1 个季度中证 500 表现越强于沪深 300; 沪深 300 估值 ( 一致预期估值 ) 越低于中证 500,

14 未来 1 个季度沪深 300 表现越强于中证 500 金融工程研究金融工程专题报告 14 2) 指数 PE 截面差值 指数 PB 截面差值以及指数一致预期 PE 截面差值并未通过 ADF 检验 3) 指数估值差季度变化与未来 1 个季度指数收益差负相关, 其中, 指数一致预期 PB 截面差值季度变化具有较强的择时效果 指数一致预期 PB 截面差值扩大量越大, 未来 1 个季度中证 500 表现越强于沪深 300; 指数一致预期 PB 截面差值缩小量越大, 未来 1 个季度沪深 300 表现越强于中证 多指标季度指数轮动模型 类似于月度模型, 我们同样可以构建多指标模型辅助进行季度指数轮动 不同于月度模型的是, 季度模型的历史回测受到了历史数据量的影响 在月度滚动模型中, 我们使用过去 60 个月的数据进行模型估参 在季度模型中, 投资者若使用过长的历史数据进行模型估参, 样本外结果将十分有限 然而, 若使用过短的历史数据进行模型估参, 将会影响模型的样本外稳健性 为了能够与前文进行对比, 本节的滚动模型统一使用过去 20 个季度的数据进行模型估参 本节将分别使用不同类别的择时变量构建季度指数轮动模型, 并对于相关模型的历史表现进行回测 季度模型 1 使用利率水平季度变化 指数收益差季度变化以及指数波动率截面差值 季度模型 2 使用信用利差季度变化 指数收益差季度变化 指数波动率截面差值 指数一致预期估值截面差值 总体上看, 季度模型样本外稳健性弱于月度模型 季度模型 1 首先可通过重复抽样的方式对于模型的样本外稳健性进行检验 下图展示了抽样 10,000 次后得到的胜率分布的结果 图 9 季度模型 1 重复抽样的胜率分布情况 % 15% 25% 35% 45% 55% 65% 75% 85% 下图展示了轮动模型在整个回测区间上的净值走势

15 金融工程研究金融工程专题报告 15 图 10 季度指数轮动模型 1 净值表现 轮动模型 ( 左轴 ) 中证 800( 左轴 ) 相对强弱 : 轮动模型 / 中证 800( 右轴 ) 轮动模型年化收益达 17.3%, 同期中证 800 指数年化收益达 8.5%, 轮动模型年化超额收益 8.8% 以中证 800 指数为基准, 轮动模型最大回撤为 7.3%, 季度相对胜率为 55% 下表详细展示了轮动模型分年度的表现情况 表 8 季度指数轮动模型 1 分年度表现情况收益 最大回撤 月度胜率 年度 轮动模型 中证 800 超额 轮动模型 中证 800 超额 轮动模型 中证 800 超额 % -2.1% 12.0% 16.7% 19.4% 4.4% 25% 50% 75% % 48.3% 4.5% 10.2% 9.5% 6.5% 100% 75% 50% % 14.9% 32.4% 47.3% 44.1% 6.0% 75% 75% 75% % -13.3% 2.0% 23.5% 25.7% 2.8% 50% 50% 50% % 15.2% 4.0% 6.1% 6.9% 3.4% 100% 100% 50% 截至 % -6.3% -2.7% 17.5% 14.2% 5.8% 0% 0% 0% 季度模型 2 首先可通过重复抽样的方式对于模型的样本外稳健性进行检验 下图展示了抽样 10,000 次后得到的胜率分布的结果 图 11 季度模型 2 重复抽样的胜率分布情况 % 20% 30% 40% 50% 60% 70% 80% 90% 100%

16 下图展示了轮动模型在整个回测区间上的净值走势 金融工程研究金融工程专题报告 16 图 12 季度指数轮动模型 2 净值表现 4.5 轮动模型 ( 左轴 ) 4.0 中证 800( 左轴 ) 3.5 相对强弱 : 轮动模型 / 中证 800( 右轴 ) 轮动模型年化收益达 17.4%, 同期中证 800 指数年化收益达 8.5%, 轮动模型年化超额收益 8.9% 以中证 800 指数为基准, 轮动模型最大回撤为 12.3%, 季度相对胜率为 55% 下表详细展示了轮动模型分年度的表现情况 表 9 季度指数轮动模型 2 分年度表现情况 收益最大回撤月度胜率 年度轮动模型中证 800 超额轮动模型中证 800 超额轮动模型中证 800 超额 % -2.1% 12.0% 16.7% 19.4% 4.4% 25% 50% 75% % 48.3% 16.9% 10.2% 9.5% 6.9% 100% 75% 50% % 14.9% 24.7% 47.8% 44.1% 8.3% 75% 75% 75% % -13.3% 2.0% 23.5% 25.7% 2.8% 50% 50% 50% % 15.2% 0.7% 6.9% 6.9% 3.4% 100% 100% 25% 截至 -7.9% -6.3% -1.7% 13.8% 14.2% 8.8% 0% 0% 50% 总结 本文基于前期系列报告中构建的因子择时以及风格择时框架, 以沪深 300 指数 / 中证 500 指数轮动为例, 构建了月度以及季度上的指数轮动框架 由于指数轮动模型的核心为择时指标, 本文对于相关指标的稳健性进行更加全面的分析 基于相关结果, 我们分别构建了月度轮动模型以及季度模型 相比于月度模型, 季度模型的样本外稳健性偏弱 5. 风险提示 市场系统性风险 资产流动性风险以及政策变动风险会对策略表现产生较大影响

17 信息披露 金融工程研究金融工程专题报告 17 分析师声明 [Table_Analysts] 冯佳睿金融工程研究团队袁林青金融工程研究团队 本人具有中国证券业协会授予的证券投资咨询执业资格, 以勤勉的职业态度, 独立 客观地出具本报告 本报告所采用的数据和信息均来自市场公开信息, 本人不保证该等信息的准确性或完整性 分析逻辑基于作者的职业理解, 清晰准确地反映了作者的研究观点, 结论不受任何第三方的授意或影响, 特此声明 法律声明 本报告仅供海通证券股份有限公司 ( 以下简称 本公司 ) 的客户使用 本公司不会因接收人收到本报告而视其为客户 在任何情况下, 本报告中的信息或所表述的意见并不构成对任何人的投资建议 在任何情况下, 本公司不对任何人因使用本报告中的任何内容所引致的任何损失负任何责任 本报告所载的资料 意见及推测仅反映本公司于发布本报告当日的判断, 本报告所指的证券或投资标的的价格 价值及投资收入可能会波动 在不同时期, 本公司可发出与本报告所载资料 意见及推测不一致的报告 市场有风险, 投资需谨慎 本报告所载的信息 材料及结论只提供特定客户作参考, 不构成投资建议, 也没有考虑到个别客户特殊的投资目标 财务状况或需要 客户应考虑本报告中的任何意见或建议是否符合其特定状况 在法律许可的情况下, 海通证券及其所属关联机构可能会持有报告中提到的公司所发行的证券并进行交易, 还可能为这些公司提供投资银行服务或其他服务 本报告仅向特定客户传送, 未经海通证券研究所书面授权, 本研究报告的任何部分均不得以任何方式制作任何形式的拷贝 复印件或复制品, 或再次分发给任何其他人, 或以任何侵犯本公司版权的其他方式使用 所有本报告中使用的商标 服务标记及标记均为本公司的商标 服务标记及标记 如欲引用或转载本文内容, 务必联络海通证券研究所并获得许可, 并需注明出处为海通证券研究所, 且不得对本文进行有悖原意的引用和删改 根据中国证监会核发的经营证券业务许可, 海通证券股份有限公司的经营范围包括证券投资咨询业务

18 金融工程研究金融工程专题报告 18 [Table_PeopleInfo] 海通证券股份有限公司研究所 路颖所长 (021) 高道德副所长 (021) 姜超副所长 (021) 邓勇副所长 (021) 荀玉根副所长 (021) 钟奇所长助理 (021) 涂力磊所长助理 (021) 宏观经济研究团队姜超 (021) 于博 (021) 顾潇啸 (021) 梁中华 (021) 联系人李金柳 (021) 宋潇 (021) 陈兴 (021) 固定收益研究团队姜超 (021) 朱征星 (021) 周霞 (021) 姜珮珊 (021) 联系人杜佳 (021) 李波 (021) 政策研究团队李明亮 (021) 陈久红 (021) 吴一萍 (021) 朱蕾 (021) 周洪荣 (021) 王旭 (021) 汽车行业王猛 (021) 杜威 (0755) 谢亚彤 (021) 互联网及传媒钟奇 (021) 郝艳辉 (010) 许樱之 孙小雯 (021) 刘欣 (010) 强超廷 (021) 联系人毛云聪 (010) 陈星光 (021) 金融工程研究团队高道德 (021) 冯佳睿 (021) 郑雅斌 (021) 罗蕾 (021) 沈泽承 (021) 余浩淼 (021) 袁林青 (021) 姚石 (021) 吕丽颖 (021) 联系人周一洋 (021) 张振岗 (021) 颜伟 (021) 梁镇 (021) 策略研究团队荀玉根 (021) 钟青 (010) 高上 (021) 李影 (021) 联系人姚佩 (021) 唐一杰 (021) 郑子勋 (021) 石油化工行业邓勇 (021) 朱军军 (021) 联系人胡歆 (021) 公用事业吴杰 (021) 张磊 (021) 戴元灿 (021) 联系人傅逸帆 (021) 有色金属行业施毅 (021) 联系人李姝醒 (021) 陈晓航 (021) 李骥 (021) 甘嘉尧 (021) 金融产品研究团队高道德 (021) 倪韵婷 (021) 陈瑶 (021) 唐洋运 (021) 宋家骥 (021) 皮灵 (021) 徐燕红 (021) 薛涵 (021) 联系人谈鑫 (021) 王毅 (021) 蔡思圆 (021) 庄梓恺 (021) 中小市值团队张宇 (021) 钮宇鸣 (021) 孔维娜 (021) 潘莹练 (021) 联系人王鸣阳 (021) 程碧升 (021) 相姜 (021) 医药行业余文心 (0755) 郑琴 (021) 孙建 (021) 师成平 (010) 联系人贺文斌 (010) 吴佳栓 (010) 范国钦 批发和零售贸易行业汪立亭 (021) 李宏科 (021) 联系人史岳 房地产行业涂力磊 (021) 谢盐 (021) 联系人杨凡 (021) 金晶 (021)

19 电子行业陈平 (021) 联系人谢磊 (021) 尹苓 (021) 石坚 (010) 基础化工行业刘威 (0755) 刘海荣 (021) 张翠翠 (021) 孙维容 (021) 联系人李智 (021) 非银行金融行业孙婷 (010) 何婷 (021) 联系人夏昌盛 (010) 李芳洲 (021) 建筑建材行业钱佳佳 (021) 冯晨阳 (021) 联系人申浩 (021) 建筑工程行业杜市伟 (0755) 张欣劼 李富华 (021) 军工行业 张恒晅 蒋俊 (021) 刘磊 (010) 联系人张宇轩 (021) 家电行业陈子仪 (021) 联系人李阳 朱默辰 (021) 刘璐 (021) 煤炭行业李淼 (010) 戴元灿 (021) 吴杰 (021) 计算机行业郑宏达 (021) 黄竞晶 (021) 杨林 (021) 鲁立 (021) 联系人洪琳 (021) 于成龙 交通运输行业虞楠 (021) 联系人李丹 (021) 党新龙 (0755) 机械行业佘炜超 (021) 耿耘 (021) 杨震 (021) 沈伟杰 (021) 农林牧渔行业丁频 (021) 陈雪丽 (021) 陈阳 (021) 银行行业孙婷 (010) 联系人林加力 (021) 谭敏沂 (0755) 造纸轻工行业衣桢永 (021) 曾知 (021) 赵洋 (021) 金融工程研究金融工程专题报告 19 电力设备及新能源行业张一弛 (021) 房青 (021) 曾彪 (021) 徐柏乔 (021) 张向伟 (021) 联系人陈佳彬 (021) 通信行业朱劲松 (010) 余伟民 (010) 联系人张峥青 (021) 纺织服装行业梁希 (021) 联系人盛开 (021) 钢铁行业刘彦奇 (021) 联系人周慧琳 (021) 刘璇 食品饮料行业闻宏伟 (010) 成珊 (021) 唐宇 (021) 社会服务行业汪立亭 (021) 联系人陈扬扬 (021) 研究所销售团队 深广地区销售团队蔡铁清 (0755) 伏财勇 (0755) 辜丽娟 (0755) 刘晶晶 (0755) 王雅清 (0755) 饶伟 (0755) 欧阳梦楚 (0755) 宗亮 巩柏含 上海地区销售团队胡雪梅 (021) 朱健 (021) 季唯佳 (021) 黄毓 (021) 漆冠男 (021) 胡宇欣 (021) 黄诚 (021) 毛文英 (021) 马晓男 杨祎昕 (021) 方烨晨 (021) 张思宇 慈晓聪 (021) 王朝领 北京地区销售团队殷怡琦 (010) 吴尹 张丽萱 (010) 杨羽莎 (010) 杜飞 张杨 (021) 李铁生 (010)

20 金融工程研究金融工程专题报告 20 海通证券股份有限公司研究所地址 : 上海市黄浦区广东路 689 号海通证券大厦 9 楼电话 :(021) 传真 :(021) 网址 :