报告构建并验证了涵盖情绪温度、情绪预期和情绪浓度的三维市场情绪信号体系,创新性地结合道氏三重运动原理对股市情绪进行多层次判断,提出三维情绪择时策略,在沪深300 ETF的10年以上回测中表现优异,显著提高夏普比率,且有效控制回撤。情绪浓度指标可识别长期牛熊拐点,情绪温度和预期反映中短期市场波动,策略适用于宽基ETF投资及大类资产配置,极具实用投资价值。
| 情绪浓度信号 | 情绪温度信号 | 情绪预期信号 | 目标仓位 | 说明 |
|---|---|---|---|---|
| 熊 | 热 | 乐 | 100% | 风险偏好高,满仓 |
| 熊 | 冷 | 悲 | 0% | 全面负向信号,平仓,风险偏好低 |
| 熊 | 冷 | 乐 | 0% | 浓度负向,温度负向,低风险 |
| 熊 | 热 | 悲 | 50% | 浓度负向,温度正向,保守控仓 |
| 牛 | 热 | 乐 | 100% | 风险偏好高,满仓 |
| 牛 | 冷 | 悲 | 0% | 温度和预期负向,平仓,低风险 |
| 牛 | 热 | 悲 | 80% | 浓度正向,至少一项正向,积极控仓 |
| 牛 | 冷 | 乐 | 80% | 浓度正向,至少一项正向,积极控仓 |
核心观点总结:
报告提出基于三维情绪指标(情绪温度、情绪预期和情绪浓度)构建一个信号体系,并在此基础上开发出三维情绪择时策略。该策略经过10年以上的回测显示有效控制回撤,同时实现长期超额收益,与持有沪深300 ETF相比,具有显著优势。三维情绪指标代表市场情绪的不同层面,可以供股票资产配置和宽基指数ETF择时使用,助力投资者理性决策,3]。
该部分介绍了A股情绪指标构建的背景与意义。传统证券定价难以解释市场股票价格的波动。市场情绪成为研究重点,分为直接指标(问卷调研类)与间接指标(数据统计类)。本报告利用间接统计指标构建情绪体系,聚焦股市心理波动。
核心创新为整合主力资金买入率(情绪温度)、股指期货期权指标(情绪预期)、多资产相关性(情绪浓度),基于道氏理论“基本波动-次级波动-日常波动”用以把握不同频率的市场情绪波动。三维情绪择时策略对应8个信号组合,一方面控制风险,另一方面提升收益表现,3]。
市场情绪指数分直接和间接指标。直接指标来自投资者调查反馈,主观性强,更新频率低。间接指标基于多市场统计数据,如成交量、换手率、融资余额、利差、波动率指数等,数据丰富但需筛选有效指标。
本报告选用间接指标,侧重于历史数据提取易于量化且蕴含情绪波动信号的统计量,符合量化自动化需求。
钟摆理论:源自物理单摆的运动形态,引申至心理学即“心理钟摆效应”,描述投资者情绪在乐观与悲观之间波动。实证中表现为股价围绕内在价值上、下波动,通过动量效应与反转效应的交替,体现情绪波动的起伏。
道氏三重运动原理:市场运动是基本波动(数月-数年周期)、次级波动(数周-数月)、日常波动(数日-数周)叠加构成。需精准捕获基本和次级波动过滤掉日常白噪声。
结合两者,构建三维情绪模型:
量化主力资金买入率(大单买入金额占总成交比),反映资金热度。用三年滚动百分位平滑处理形成持续追踪的“情绪温度指标”。
图5显示情绪温度指标变化幅度大,可明显捕捉市场次级波动。
图6-7分状态(升温和降温)表现出沪深300指数走势差异,升温阶段买入策略表现优异,表明情绪温度具备较强的行情识别能力。
利用期货升贴水率(期货价格与现货价格差的相对值)反映市场对未来价格的预期偏差;同时采用50ETF看跌/看涨期权成交额的PCR比值(put-call ratio)捕捉市场情绪悲观度。
升贴水率和PCR指标的倒数均经平滑处理后呈现同步变动趋势(图9)。基于此,创建两个合成情绪预期指标(均值与主成分分析法),并通过实证对比(图10-13)选定均值法的情绪预期指标效果更优,表现出良好的行情识别和策略收益分化能力。
汇丰提出的RORO现象:市场危机时市场资产高度相关,风险在各资产间传导,反映情绪高度集聚。
本报告利用中信三级行业指数构建多资产收益率矩阵,采用PCA提取第一主成分方差贡献率衡量资产相关性,作为情绪浓度指标。
采用中信三级行业分类较细,提高了情绪浓度指标辨识力(图14)。
经平滑处理后情绪浓度指标超过警戒线0.83时标志市场情绪极端(图15),历史高点通常预示牛熊转折(图16和17信号策略示例)。策略基于该信号的仓位调整有效回避重大回撤区间。
三维情绪指标信号频次不同,情绪浓度信号频率低、时长长,适合判断牛熊转换(基本波动);温度和预期信号频率较高,适合捕捉次级波动调整。
构建对照策略集,通过策略仓位在8个信号组合下的变化调优,筛选出性能最佳的策略,最终选定“策略17”为三维情绪择时策略(具体信号-仓位映射见表7)。
策略17表现:
策略机制清晰,结合三维指标全面判定风险偏好,适合宽基指数ETF的择时和大类资产配置,支持投资者理性决策。
报告总结,虽然市场情绪指标浩如烟海,但选取三维关键指标封装有效信息,结合频率匹配市场运动,策略在回撤控制与长期收益上取得优异表现,体现市场情绪指标对投资择时的积极辅助作用。
风险提示强调历史数据驱动的模型存在误差,回测不完全代表未来,投资需谨慎,模型仅供参考。
图中显示2021年5月至2022年3月沪深300走势整体走弱,尤其2022年2月后跌幅加剧,年内累计跌幅超20%。两指数走势高度相关但沪深300跌幅更大,反映基于该指数的策略择时空间和风险管理重要性。
数据表中,近1月内沪深300跌幅4%,12个月跌幅22.90%,明显大于上证指数反映的12.24%,支持策略关注沪深300为标的划分情绪信号充分合理。
蓝线为情绪温度指标,波动范围为0~1,橙线为沪深300价格走势。指标变化较剧烈,快速反应资金流入出状态。
指标高点多出现在2015、2019年及2020-2021上涨阶段,反映资金积极;低点集中于2018年、2022年初熊市,展示资金冷静。这种同步性支持情绪温度作为市场资金热度代理的合理性。
图6显示情绪温度“上升”阶段沪深300表现较“下降”阶段更好;
图7对应买入策略回报,情绪温度上升买入策略净值呈持续上升趋势,下降买入策略明显落后,表明指标具备显著行情识别能力。
图8显示股指期货主力价格和沪深300指数价格高度重合,但升贴水率存在持续波动,成为未来预期情绪的代表。
图9显示期货升贴水率与期权成交额PCR倒数在趋势上走势一致,两者的同步性验证了合成情绪预期指标的合理性。
不同方法合成的情绪预期指标均表现出“上升”和“下降”状态对应不同的沪深300走势及买入策略表现。
特别是均值法合成的情绪预期指标1,分化更清晰,策略收益显著,确立其作为情绪预期代表指标。
各行业分类计算的情绪浓度均呈现周期性交替波动,但中信三级行业阴影更细化,指标波动幅度大、区分度明显,是优选的标准。
指标的高区间和低区间分别对应市场恐慌和乐观,突显该指标捕捉情绪积累程度的能力。
图15显示情绪浓度指标超过0.83警戒线后,沪深300往往接近牛熊转折点。
图16标红点为情绪浓度触发的仓位调整信号对应反转指示,形成简单的基于情绪浓度信号的择时策略。
图17策略曲线显示平滑控制了沪深300的多次大跌回撤。该策略有效减轻了熊市损失并锁定反弹收益。
表1详述三维情绪指标的构建方法和信号对应的情绪类型,清晰梳理技术层面方法和信号含义。
多组对照策略(表2-6)测试不同的仓位设置方案,充分利用三维指标不同组合,提炼出最佳信号组合和风险偏好匹配。
策略17最终被选定为三维情绪择时策略,权衡盈亏比、夏普率、最大回撤等综合指标均优,且具有较好的交易频率,达成平衡(表7详细信号-仓位对应)。
图18显示该策略长期收益曲线远超沪深300持有策略,收益波动明显优化。
图19彰显该策略在动态回撤控制上的显著优势,持续大幅优于指数持有,仅在少数时点临近回撤。
报告核心并非传统公司估值,而是基于情绪指标构建的量化择时模型。策略基于三个维度信号形成的组合信号映射目标仓位,实质是一种动态仓位调整管理方法,体现了量化风险敞口和收益权衡。
回测通过对沪深300 ETF跟踪标的应用该动态仓位策略,计算年化收益、最大回撤和夏普比率等指标,实证表明该策略有效提升投资组合的风险调整后收益。
估值方法:
核心依赖指标选取、平滑处理、滚动百分位及主成分分析(PCA)技术。
策略信号被划分为情绪温度↑↓、情绪预期↑↓、情绪浓度↑↓的组合,利用对应的风险偏好(如满仓、轻仓、空仓或半仓)实现仓位动态管理。
此方法加强资产配置灵活性,降低单一资产长期持有回撤风险,实现收益风险结构的改善。
报告提及模型依赖于历史数据和统计方法,存在以下风险和不足:
历史数据依赖风险:市场情绪及趋势的未来表现可能因宏观变量、政策调整等因素与历史不同,削弱模型预测能力。
模型误差风险:情绪指标的构建涉及数据预处理和构成指标的选择,平滑参数、滚动区间长度等均对结果有敏感性,可能存在过拟合和数据噪声干扰。
回测局限:回测结果优秀不代表未来有效,实际操作中可能存在执行成本、滑点、极端事件影响。
未见详细缓解策略,建议投资者结合宏观基本面和风险管理措施使用该模型,21]。
报告坚决强调三维情绪指标的优势,但基于统计学指标的量化模型总归有一定滞后,尤其情绪浓度反映牛熊切换的警戒线信号,其实际落地可能存在时间上的延迟,影响策略提前捕获大牛市信号的敏感度。
情绪预期和情绪温度指标主要适合中短期次级波动,若市场推动因素偏外生(政策突发、国际事件等),则情绪指标可能失效。
策略均较依赖沪深300为标的,尽管三维模型设计面向A股市场宽基指数但未展示在其他指数的验证,应用局限性尚需注意。
多组对照策略充分验证信号组合有效性,体现了模型的稳健设定,但表格部分数据编码有乱码,可能影响完全准确解读。
报告对资产相关性(情绪浓度)采用PCA方差贡献率作为单一量化指标有一定创新,但是否能完整捕捉复杂市场风险传播链条值得进一步研究。
本报告构建了一个系统性、基于市场情绪三维度的量化择时模型,通过精心挑选和验证情绪温度(主力买入率滚动百分位)、情绪预期(期货升贴水率与期权成交额PCR均值)、情绪浓度(中信三级行业收益率相关性的PCA贡献率)三大指标,对市场心理和波动节奏进行量化。
验证显示:
三维情绪择时策略在2010-2022年十余年回测中,显著提升投资的收益风险比,年化收益率为7.3%,远超沪深300持有策略的0.85%;最大回撤降低至25.7%,持有策略则高达46.7%;夏普比率为0.526,提升市场有效性。
策略结构充分结合道氏三重运动理论,情绪浓度控制长周期牛熊切换,情绪温度和情绪预期感知次周期调节,协同达到动态仓位管理,兼顾长期趋势和市场短期波动。
多组对照实验计算不同信号组合的最优仓位分配,最终策略体现了风险偏好差异,灵活应对市场多变。
图表直观展示情绪信号指标对行情识别的能力及实证收益优势,动态回撤图进一步表明该策略避开大部分熊市长回撤区间。
“三维情绪择时策略”不仅适用于沪深300 ETF,也可推广至宽基ETF和大类资产股票配置。
受限于模型基于历史统计和市场结构,风险提示明确模型不保证未来表现,投资者需结合综合信息使用。
总体而言,报告系统完整,理论联系实际紧密,提供了一套科学合理且经过充分验证的基于市场情绪的量化择时方案,对A股投资者和资产管理者具有显著参考价值和实用意义。
上证指数-沪深300走势图与涨跌幅情况:
情绪浓度指标和沪深300近十年走势关键示意:
三维情绪择时策略与持有沪深300 ETF策略回测收益对比:
动态回撤对比图,展示策略策略17对冲市场连续大幅回撤能力:
总结: 本报告通过构建和验证基于市场资金热度、期货期权预期指标及多资产相关性三大维度的“三维情绪”信号体系,提供了风险调整后长期优于市场基准的A股ETF策略,兼顾牛熊周期识别与次级波动管理,方法科学严谨,回测数据充足,实用性强,值得深度关注和后续跟踪。,3-21]
外生因子系列研究报告(二):三维情绪信号体系及策略构建.pdf