本报告构建了基于风险偏好反转的A股市场底部择时模型,通过Beta多空组合收益Ret_Beta反映投资者风险偏好变化,发现市场底部伴随高强度风险偏好反转,并利用相关系数指标衡量风险偏好强度。模型发出24次信号,准确率74%。此外,对市场底部后股票选股因子表现进行分析,发现高Beta、高波动率、高特质波动率、超跌及高换手率股票表现突出,为投资策略提供有力依据
| 因子 | 构造方法 | 多空组合构造 |
|---|---|---|
| Beta | 过去250日对全A市值加权基准收益回归系数 | 做多最低20%,做空最高20% |
| 波动率(DASTD) | 过去250日收益标准差 | 做多最低20%,做空最高20% |
| 特质波动率 | 回归残差的波动率 | 做多最低20%,做空最高20% |
| 反转(REVE) | 过去20日涨跌幅 | 做多最低20%,做空最高20% |
| 估值(PB) | 股票市净率 | 做多最低20%,做空最高20% |
| 换手率(STOM) | 过去20日换手率 | 做多最低20%,做空最高20% |
| 市值(SIZE) | 股票总市值 | 做多最低20%,做空最高20% |
核心论点及目标:
报告认为,A股市场的主要底部往往伴随着投资者风险偏好的高强度反转,即从风险偏好下降到极低点再逐渐回升。基于此特征构建了一个择时模型,利用Beta因子的多空组合收益(Ret_Beta)及其相关性反映风险偏好及强度,预测市场底部。该模型经过历史验证有效,准确率达74%。同时,报告还对市场底部后表现显著的选股因子进行梳理,帮助投资者择时选股。,1]
报告基于上证综指数据,筛选2005年以来11次较大级别市场底部,并给出统计分析。平均形成时间为7个月,平均跌幅30.4%,脱离底部后平均上涨时间8个月,平均涨幅高达75%。这表明,如果能精准识别底部,将获得非常可观的投资回报。
相关图表与数据分析:
报告提出通过Beta因子的多空组合收益Ret_Beta来度量风险偏好:
计算方法:以过去250个交易日日收益率计算Beta,剔除特别处理股票,每月底重新划分组别,月度更新Ret_Beta序列。通过这一方法,能进一步映射投资者的风险偏好变化趋势。
单纯看Ret_Beta的波动存在可能被少数股票驱动的风险,不能准确反映整体风险偏好。
因此报告引入风险偏好强度的度量,计算高Beta组和低Beta组股票内部的收益相关性均值:
这体现了当投资者有强烈配置风险资产的需求时,同组内股票收益趋同现象更显著。
从11次市场底部样本看,有10次底部出现明显的风险偏好反转:
2015年8月26日例外,可能因停牌影响Beta计算。
除2014年4月底部外,其余底部均伴随高/低Beta组内部较高的相关性一致性,风险偏好变化多为高强度。
该发现强化了市场底部伴随风险偏好高强度反转的规律性。,7]
基于上述研究,构建择时模型具体条件为:
符合上述条件即发出市场底部信号。
当前,报告于2018-10-22发出市场底部信号,提示风险偏好出现高强度反转,投资策略应由防御型转向积极型。
该模型为投资者提供了一个基于行为金融学和量化指标融合的实用工具。,8]
报告进一步分析市场底部后哪些股票因子表现优越:
选用7大类因子:Beta(系统性风险)、波动率(DASTD)、特质波动率(HSIGMA_capm)、反转(REVE)、估值(PB)、换手率(STOM)、市值(SIZE)。
市场底部后表现突出因子:
高Beta、高波动率、高特质波动率
超跌(反转因子表现)
高换手率股票
同时,2017年后小市值因子表现出现反转,尚需观察。
表8列出11次市场底部后不同时间窗口(5日、10日...至200日)的多空组合收益,举例Beta因子组合在+40日至+200日窗口表现为显著正收益,显示市场底部后高风险(高Beta)股票开始跑赢。
此部分为投资者在底部择时后提供具体选股策略依据。
每个图表均紧密结合表格数据与分析文本,验证风险偏好指标的市场底部判别能力。
报告中未涉及传统的估值方法如DCF、市盈率等。报告侧重于利用Beta相关量化指标构建风险偏好指标及其强度参数,结合技术性价格条件制定择时模型,故未涵盖估值分析模块。
报告对模型风险进行了说明:
未具体提出缓解方案,提示投资者对模型结果保持警惕和理性理解。,7]
整体保持客观,模型对当下行情给予积极判断,但需注意其统计属性和历史经验带来的局限。
本报告通过系统梳理A股2005年以来11次重大市场底部的历史数据和投资者风险偏好行为,构建基于Beta多空组合收益(Ret_Beta)及高/低Beta组内部收益相关性指标(Corr_HBeta和Corr_LBeta)的风险偏好度量体系,发现金融市场底部周期中伴随明显且高强度的风险偏好反转特征。基于该发现,设计了一套择时模型,严格构造风险偏好下降至底部再反转回升的判别条件,同时配合市场价格处于相对低位的前提,从而实现市场底部信号的准确捕捉。
模型历史表现为24次信号中有17次准确预判底部,准确率达74%,错误主要聚焦于极端异常行情。根据该模型,2018年10月22日发出有效的市场底部信号,显示投资者风险偏好出现从防御型向积极型的切换,暗示当前市场可能处于底部区间,有重要战略参考价值。
在选股策略上,报告总结了底部后显著表现的因子:高Beta、高波动率、高特质波动率、超跌与高换手率股票,并指出小市值因子表现呈现阶段性不确定性。此信息为投资者底部布局和择时提供了具体操作指引。
报告在严谨数据分析和金融理论结合的基础上,反映了行为金融学关于投资者风险偏好变化对市场方向影响的实证结果,具有很强的参考价值,但也诚实指出了模型依赖历史数据、数据异常与市场极端情况带来的不确定性及局限。投资者应结合自身风险承受能力,合理使用本模型作为辅助工具。
以下为报告中关键图表部分Markdown格式引用:
综上,本报告利用行为金融视角与量化分析相结合,提出了风险偏好反转驱动的市场底部判定模型,具备较强理论逻辑性及实证支撑,为投资者的市场底部判断与操作提供了坚实的数据基础和策略建议。该模型在实际应用时需关注其数据限制和极端市场环境下的表现差异。 ~10]
金融工程研究:基于风险偏好反转的底部择时模型.pdf