本报告基于AR(1)均值回归模型及母基金折溢价因子,构建分级A轮动策略。通过拟合隐含收益率序列,筛选高估值品种进行轮动持仓,并引入短期套利影响因子提升策略表现。实证回测显示,改进策略显著提升累计收益与年化收益率,最大回撤显著下降,日相对基准胜率提高,证明该轮动策略在实际市场中具备较强超额收益能力与风险控制效果。
AR(1)模型轮动策略构建思路及回测表现
引入短期因素母基金折溢价提升模型表现
| 代码 | 名称 | μ拟合值 | α拟合值 | β拟合值 |
|---|---|---|---|---|
| 150028.SZ | 中证500A | 0.0652 | 0.977 | 0.0291 |
| 150030.SZ | 中证90A | 0.0623 | 0.9278 | 0.0114 |
| 150059.SZ | 资源A级 | 0.0642 | 0.9517 | 0.0151 |
| 150083.SZ | 深证100A | 0.0668 | 0.9611 | 0.0222 |
| 150085.SZ | 中小板A | 0.0645 | 0.9395 | 0.0048 |
| 150104.SZ | HS300A | 0.066 | 0.9046 | 0.0235 |
| 150106.SZ | 中小A | 0.0612 | 0.8349 | 0.0295 |
| 150117.SZ | 房地产A | 0.0641 | 0.9485 | 0.0131 |
| 150121.SZ | 银河优先 | 0.068 | 0.8529 | 0.0069 |
| 150123.SZ | 建信50A | 0.0626 | 0.8945 | 0.029 |
| 150130.SZ | 医药A | 0.0623 | 0.9278 | 0.0131 |
| 150138.SZ | 中证800A | 0.0647 | 0.8918 | 0.0312 |
| 150145.SZ | 高贝塔A | 0.067 | 0.9433 | 0.0086 |
| 150148.SZ | 医药800A | 0.0649 | 0.9214 | 0.0133 |
| 150150.SZ | 有色800 | 0.0717 | 0.9289 | - |
| 150152.SZ | 创业板A | - | 0.0 | 0.0094 |
流动性筛选优化策略适用性及实战表现
| 指标 | 持有全部 | 持有3支 | 持有4支 | 持有5支 |
|---|---|---|---|---|
| 累计收益 | 2.69% | 31.43% | 35.42% | 35.99% |
| 年化收益 | 4.26% | 49.73% | 56.04% | 56.95% |
| 年化波动率 | 13.58% | 18.34% | 18.84% | 17.61% |
| 最大回撤 | 16.59% | 7.93% | 8.54% | 7.52% |
| 亏损次数占比 | 46.84% | 32.28% | 31.65% | 34.18% |
| 盈利次数占比 | 53.16% | 67.72% | 68.35% | 65.82% |
| 每日相对基准胜率 | - | 60.13% | 66.46% | 63.92% |
| 夏普比率 | 0.17 | 2.60 | - | - |
核心结论
核心论点:
本报告利用此前提出的分级A隐含收益率理论定价框架,深入探讨基于隐含收益率构建轮动策略的可行性,主要通过AR(1)模型拟合隐含收益率的均值回归特性,结合母基金折溢价因素进一步优化策略,进行实证回测表明策略能够获得显著超额收益,且改进后的策略有效规避短期风险,表现更优。
报告表达的核心信息是:针对不同分级A产品,利用长期与短期结合的资金流动与价格变动规律,构建有效的轮动交易模型,可实现收益最大化及风险控制。报告间接传递的是:分级A的投资价值与套利空间依然存在,且量化模型可用于系统挖掘。(丁鲁明团队提示此为“抛砖引玉式探讨”)
章节要点
介绍基于分级A隐含收益率的长期均值回归特性,提到利率模型(如Vasicek和CIR)支持的均值回复假设,采用一阶自回归模型AR(1)拟合隐含收益率序列:
[ X_{t} - \mu = \alpha (X_{t-1} - \mu) + Z_{t} ]
其中:
策略逻辑
若隐含收益率短期明显高于长期均值(超出 (\mu + 4\sigma)),则认为分级A被低估,纳入备选池。每次选出均值回复速度最快的3-5支品种建仓,持有后当隐含收益率回归均值时卖出,动态调整仓位。
关键假设
实证回测
从年初到8月底回测结果展示为图表,显示轮动策略相较“持有全部”(持有所有分级A)的基准带来明显超额收益,其中持有多个品种的策略曲线均明显高于基准线,表现稳定上涨趋势。
统计数据分析
表格数据对比四种持仓策略(持全部,持3支,4支,5支),关键指标如下:
| 指标 | 持有全部 | 持有3支 | 持有4支 | 持有5支 |
|---|---|---|---|---|
| 累计收益 | 5.85% | 19.21% | 20.45% | 13.40% |
| 年化收益 | 9.25% | 30.39% | 32.35% | 21.20% |
| 年化波动率 | 12.50% | 14.36% | 15.30% | 14.00% |
| 最大回撤 | 14.77% | 7.05% | 12.67% | 10.94% |
| 亏损次数占比 | 44.65% | 39.62% | 39.62% | 44.65% |
| 盈利次数占比 | 55.35% | 60.38% | 60.38% | 55.35% |
| 相对基准胜率 | - | 54.72% | 55.35% | 52.20% |
| 夏普比率 | 0.58 | 1.98 | (缺) | (缺) |
改进背景
分级A隐含收益率虽长期呈均值回复,但二级市场价格也受短期影响因素干扰,特别是对应母基金的折溢价水平,这影响套利资金流向和价格短期波动。
模型调整
将母基金折溢价(D_{t-1})引入模型成为:
[ X_t - \mu = \alpha (X_{t-1} - \mu) + \beta D_{t-1} + \dot{Z}_t ]
(\alpha)仍表示均值回归速度,
(\beta)则度量母基金折溢价对隐含收益率的短期影响。
经济含义
当母基金存在显著溢价(>10%)时,套利资金趁机进场打压分级A短期收益率,若盲目按原AR(1)模型套利将面临亏损。引入溢价变量目的在于分离套利行为,提升预测准确性,规避短期风险。
参数估计
选取16支上市时间较长分级A样本,进行参数拟合,结果显示各调入品种的α均在0.830.98,体现均值回归显著,β则在0.00480.0312区间不等,均为正数,说明母基金折溢价确实带来隐含收益率短期正向影响。
样本品种展示(部分):
| 代码 | 名称 | μ值 | α值 | β值 |
|---|---|---|---|---|
| 150028.SZ | 中证500A | 0.0652 | 0.9770 | 0.0291 |
| 150030.SZ | 中证90A | 0.0623 | 0.9278 | 0.0114 |
| 150083.SZ | 深证100A | 0.0668 | 0.9611 | 0.0222 |
| 150104.SZ | HS300A | 0.0660 | 0.9046 | 0.0235 |
数据来源于Wind资讯及中信建投研究发展部,具有较好的数据可信度。
策略执行
基于上述模型每日闭市前预测下一交易日隐含收益率变化,选取预期下降最多的3-5支分级A做为持仓。
回测结果
净值走势图显示,从年初到8月底,运行改进模型的轮动策略表现进一步优于原纯AR(1)策略,净值累计提升更明显,且曲线更稳健。
统计绩效指标(改进后):
| 指标 | 持有全部 | 持有3支 | 持有4支 | 持有5支 |
|---|---|---|---|---|
| 累计收益 | 2.69% | 31.43% | 35.42% | 35.99% |
| 年化收益 | 4.26% | 49.73% | 56.04% | 56.95% |
| 年化波动率 | 13.58% | 18.34% | 18.84% | 17.61% |
| 最大回撤 | 16.59% | 7.93% | 8.54% | 7.52% |
| 亏损次数占比 | 46.84% | 32.28% | 31.65% | 34.18% |
| 盈利次数占比 | 53.16% | 67.72% | 68.35% | 65.82% |
| 每日相对基准胜率 | - | 60.13% | 66.46% | 63.92% |
| 夏普比率 | 0.17 | 2.60 | (缺) | (缺) |
分析说明
市场背景
近年股灾及多轮折价套利,导致分级A规模整体缩水,日成交量大幅下降,买卖价差扩大,二级流动性不足风险加剧。
策略调整
为维持流动性,研究团队从样本16支中筛选成交活跃的8支做轮动,限制持仓3支以提升交易执行效率和降低流动性风险。
回测表现
该约束策略在极端环境下仍能保持19.18%的绝对收益和30%以上的年化收益,验证了轮动策略的市场适用性和稳健性。
这一实战考量强化了报告策略的实际可操作性和投资价值
图表描述
图为2015年1月至8月的分级A轮动策略净值对比图,横轴为时间,纵轴为净值,红色曲线为持有全部基准,蓝、粉、灰色分别代表持有3、4、5支策略。
数据趋势
图表与文本关联
图表直观展示AR(1)模型构建的轮动策略确实带来风险调整后的收益和回撤优势,形象支持文中论述。
图表描述
同样为2015年年初至8月底净值走势,颜色对应持有全部(红)、持有3支(蓝)、4支(粉)、5支(灰)。
趋势解读
文本关联
图表有力印证母基金折溢价变量的引入提升了策略收益和抗风险能力。
无复杂DCF或多因子回归估值,主要依赖于统计模型及时间序列分析。
报告虽未详述缓解策略,但通过提升模型精准度(加入折溢价变量)、流动性筛选等措施部分对冲风险。
本报告系统研究了基于隐含收益率的分级A轮动策略,依托AR(1)模型揭示隐含收益率的长期均值回复特性,并进一步引入母基金折溢价的外生短期影响因子,构建了更精确的ARX轮动模型。实证回测显示:
总结而言,报告提出了一套结合理论定价与量化交易的创新策略框架,成功将隐含收益率的理论分析转化为实用交易信号,表现出极具潜力的投资回报,且风险控制良好。该策略为分级A投资者提供了实用的量化工具和思路,值得关注和进一步开发。
不过报告也存在某些局限与假设风险,实际应用时需结合成本与市场环境审慎评估。整体上,该研究富有启发性,是对分级基金轮动投资策略的重要推动。,,,
【中信建投 金融工程】分级A轮动策略研究.pdf