报告系统研究了成交额中的时间序列放量缩量信息和成分股截面成交额分布(成交分化度),通过构建放量程度指标和成交分化度指标,发现二者结合的综合择时指标能有效捕捉市场短期涨跌概率,且综合择时模型在沪深300等多指数的收益和风险指标均优于基准,年化收益达21.7%,夏普比率1.17,最大回撤34.2%,优于基准同期表现
| 指标 | 放量程度择时模型 | 基准沪深300 |
|---|---|---|
| 年化收益率 | 16.7% | 10.6% |
| 夏普比率 | 0.93 | 0.51 |
| 最大回撤 | 29.2% | 72.3% |
| 交易笔数 | 137 | 1 |
| 开仓胜率 | 51.1% | 100% |
| 平均盈亏比 | 3.05 | - |
| 指数 | 年化收益率 | 夏普比率 | 最大回撤 | 交易笔数 | 开仓胜率 | 平均盈亏比 |
|---|---|---|---|---|---|---|
| 沪深300 | 21.7% | 1.17 | 34.2% | 182 | 58.2% | 2.18 |
| 上证综指 | 17.5% | 1.01 | 32.2% | 123 | 51.2% | 2.94 |
| 中证800 | 15.7% | 0.87 | 29.6% | 130 | 55.4% | 2.02 |
| 创业板指 | 10.9% | 0.58 | 39.7% | 101 | 50.5% | 1.65 |
| 中证500 | 2.4% | 0.22 | 59.5% | 107 | 46.7% | 1.42 |
| 开平仓阈值 | ±0.2 | ±0.3 | ±0.4 | ±0.5 | ±0.6 | ±0.7 | ±0.8 | ±0.9 | ±1.0 |
|---|---|---|---|---|---|---|---|---|---|
| 沪深300年化收益率 | 19.6% | 21.2% | 20.7% | 21.7% | 21.4% | 22.4% | 19.9% | 19.8% | 18.7% |
报告标题:量化择时系列(2):如何运用成交额信息进行择时
作者:胡骥聪、刘均伟、王汉锋
发布机构:中国国际金融股份有限公司(中金公司)
发布日期:无明确具体日期,报告覆盖至2021年3月末的数据
研究主题:基于成交额信息的量化择时策略研究,聚焦指数成交额时序特征与成分股成交分布特征的择时能力,及其综合应用。
核心论点:
目标传递信息:通过深度挖掘成交额尤其是结合成交额放量缩量变化及其成分股内的分布结构信息,提供一套有效的指数择时量化策略模型,提升择时收益同时显著降低最大回撤风险,兼顾收益与风险控制。
报告引入“放量程度指标”来描述指数当前成交额的相对活跃程度。计算方法为:
[
放量程度指标 = \frac{\log(\text{当日成交额}) - \text{近}N日\log(\text{成交额均值})}{\text{近}N日\log(\text{成交额标准差})}
]
采用 (N=60)(大约3个月交易日)。使用对数后指标分布更为均衡,偏度由0.82降至0.15,且指标中位数和均值趋近0,减小极端值影响(图表1-4页详细示例)。
实证测试显示,指标值与沪深300未来短期(5日、10日)收益率呈显著正相关。例如,当指标取值超过2倍标准差时,未来10日指数平均上涨约2.2%;而在极度缩量(指标小于-2倍标准差)时,也有较高反弹概率(约1.1%),展现非线性的择时能力(图表5-7),。
不过,未来20日收益中位数上,预测效力显著减弱,体现择时讯号的时间衰减特征,较适合捕捉1个月以内短期效应。
进一步分析显示,放量指标择时效果主要源于高赔率(大盈亏比),而不是高胜率,即信号虽不频繁准确,但成功时收益率显著(图表8)。
基于±0.5标准差开平仓阈值构造择时策略,2005-2021年于沪深300测试:
该策略在包括上证综指、上证50、中证500等多个主流指数均有效,收益提升与回撤降低显著(图表11)。
本章节全面检验价格和成交额间先行/滞后的因果关系,定义:
结果发现两者均显著,但“价在量先”更强(相关一般约0.25-0.3),而“量在价先”较弱(约0.05),表明价格动量对成交额影响大于反向作用,成交额信息部分涵盖价格动量(图表12)。
经剔除前一日涨跌对成交指标的贡献后("提纯放量程度指标"),成交指标仍保留择时效用,但力度减弱,尤其在极值位置失效现象更明显(图表13-16),,。周详比较发现剔除动量信息后,择时策略年化收益率略降(原16.7%降至15.2%),且最大回撤小幅放大,说明价格动量为择时重要驱动力,但成交独有信息非轻可忽视。
成交分化度衡量指数成分股成交额分布集中程度,反映市场交易热点集中度。
结合市场周期设想,成交分化度经历规律性阶段:
采用幂函数拟合降序排列的成分股成交额数据: [ y = A \cdot x^{-b} ] 其中指数 (b) 即为成交分化度指标,值越大表示成交额越集中。
示例中,2015年8月4日成交分化度最低为约0.6,2021年3月31日为约1.0,显示分化度随时间波动(图表19、20)。
计算成交分化度的时序标准分(N=60)得到成交分化度放缩指标,分布接近正态偏度0.07(图表21、22)。
成交分化度放缩指标单独作为择时信号测试显示,除±2倍标准差内有一定正相关预测能力外(同放量指标的局限),极值处择时效用失效甚至误导(图表23)。
择时策略年化收益6.9%低于基准9.9%,说明单用成交分化度拟合指标择时单一不足(图表24)。
“提纯放量程度指标”与原放量程度指标高度相关(0.79~0.82),将两者等权相加合成“时序放量指标”。
该时序放量指标与成交分化度放缩指标之间呈弱负相关,理想的组合补足极端情况择时失效(图表25、26),。
定义成交额综合择时指标: [ 成交额综合择时指标 = \frac{时序放量指标 + 成交分化度放缩指标}{\sqrt{2}} ] 使指标标准差归一化以便于判断(图表27、28)。
沪深300指数样本内测试显示,成交额综合指标对未来10日收益率呈持续正相关,且极值失效现象显著改善(图表29、30、31)。
择时策略(±0.5标准差开平仓阈值)取得:
多个主流指数同样展现择时性能提升,个别指数如中证500效果平平,但创业板、中证800、国证成长、国证价值也产生显著择时效应(图表33)。
图表34-41呈现各主流指数在2005年至2021年间的成交额综合择时策略净值走势图,整体展示策略收益平稳上扬,较基准明显更优。
交易阈值从±0.2到±1.0测试显示,整体阈值0.30.7区间择时策略表现稳定较好,个别指数偏好略有差异(如上证综指偏高0.60.7,创业板指偏低0.3~0.5)(图表42)。
历史回测不代表未来表现。模型或因市场结构变化、投资者行为改变面临失效风险。投资需谨慎,自主判断风险。
(下述图表均为示意,以章节对应页码为准)
本报告核心不涉及具体企业估值,但详尽构造并测试了多元量化择时指标策略。这些指标基于统计学标准分和幂函数拟合模型构造,结合动量剥离技术,实现风险调整后的择时信号。策略基于阈值条件产生买卖信号,无复杂参数冗余,且在各主流指数均表现优异,具有较强的稳健性和可操作性。
报告明确风险:
无明确缓解策略,但通过组合多指标降低单一指标极端失效风险。
本报告系统阐述并验证了基于成交额的指数择时策略,重点包括:
整体来看,成交额信息为量化择时提供了高价值的短期信号,尤其结合分化度的多维度指标体系,显现出良好的应用前景。投资者可结合本策略作为市场情绪和价格动量的有效补充,有助于提升择时准确度和风险控制水平。
参考文献与引用页码标注
以上分析均基于报告原文具体章节内容组织,引用页码详见具体内容相应页面标识。,1,3-22]
这份报告在中国市场量化择时领域,从数据维度与方法论层面对成交额信息进行了深度的挖掘及实证验证,具有较高的实践指导意义及研究价值。它不仅深化了对成交额信息量化特性的理解,也为构建更为稳健的择时策略提供了可行方案,值得业界及投资者关注与采纳。
量化择时系列(2):如何运用成交额信息进行择时.pdf