本报告系统研究创业板涨跌幅放宽至20%后的市场影响。通过对A股沪深、市台湾及韩国市场扩板案例的量化分析发现,扩板后市场波动性及趋势特征显著增强。利用费雪变换模拟创业板扩板后的指数走势,验证波动率和趋势指标如ATR、峰度及Hurst指数的提升。应用经典MACD和创新OLSTL低延迟趋势线交易模型,实证显示扩板增强了趋势策略的有效性,OLSTL策略表现优于LLT且经波动率约束后进一步优化,显著提升累积收益率并降低最大回撤
| 市场 | 扩板时间 | 扩板前波动率 | 扩板后波动率 | 扩板前日均ATR | 扩板后日均ATR | 峰度变化 | Hurst指数变化 |
|---|---|---|---|---|---|---|---|
| 上证指数(SH) | 1992-05-21 | 18.20% | 62.67% | 3.07 | 122.70 | 下降趋于3以下 | 0.7373→0.7190 |
| 深证成指(SZ) | 1991-08-17 | 16.67% | 85.42% | 7.20 | 36.04 | 大幅下降 | 0.7180→0.7070 |
| 台湾加权指数(TWII) | 2015-06-01 | 11.09% | 19.06% | 96.05 | 124.91 | 明显上升 | 0.7084→0.7270 |
| 韩国综合指数(KS11) | 2015-06-15 | 10.09% | 15.04% | 18.28 | 24.41 | 轻微上升 | 0.7302→0.7223 |
| 指标 | LLT(d=30) | OLSTL(n=30) | OLSTL(n=30,std>15) |
|---|---|---|---|
| 择时次数 | 111 | 152 | 144 |
| 累积收益率 | 208.55% | 278.31% | 335.81% |
| 年化收益率 | 11.78% | 14.05% | 15.66% |
| 盈利比率 | 27.93% | 34.21% | 36.11% |
| 最大回撤率 | 46.20% | 41.05% | 32.09% |
报告标题: 创业板涨跌幅扩大后的趋势投资分析(交易性择时策略研究之十六)
作者与发布机构: 广发证券发展研究中心,主要分析师包括罗军、安宁宁、张超等。
发布日期: 2020年
研究主题: 研究创业板涨跌幅扩大(由此前限制比例放宽到20%)对市场波动性及趋势性影响,并基于此改进和验证趋势跟踪策略。
核心论点:
本报告不构成具体投资建议,关注市场风险,并明确报酬与研究结论无直接联系。,3,7,9,10,12,14,15,16,17,18]
2020年6月12日,深交所发布《关于创业板交易的特别规定》,将创业板股票价格涨跌幅限制比例放宽至20%,且新股上市初期设定5天不设涨跌幅限制,调整停牌机制、交易公开信息披露阈值等配套措施。
该举措目的是提升市场功能和定价效率,减少涨跌幅限制对价格发现效率的扭曲,但也可能增加价格波动性和趋势性。表1总结了此次创业板交易机制的多项改革内容,涉及涨跌幅限制、临时停牌、盘后定价交易、两融交易机制优化等。
选取沪深股市、台湾股市、韩国股市的历史扩板事件作为参考:
定量分析采用波动率、平均真实区间(ATR)、峰度和Hurst指数四项指标,考察扩板前后不同时间窗口内(6、3、1个月)市场波动和趋势性变化。
结论是涨跌幅限制放宽后,市场价格波动加剧且趋势性增强,为趋势跟踪策略提供更有利的市场环境。,5,6,7]
通过费雪变换将创业板指数日涨跌幅的极端波动放大,并模拟扩板后的指数走势。费雪变换公式:
[ y = 0.5 \cdot \ln\left(\frac{1+x}{1-x}\right) ]
其中x为归一化输入(-1~1),靠近均值时输出几乎不变,靠近极限时放大。
表3比较扩板模拟前后波动特征:波动率、ATR、峰度均明显上升,Hurst指数小幅提高,验证扩板后市场波动与趋势性增强。,9]
使用MACD金叉死叉策略对扩板前后创业板指数进行多头择时(多头持有指数,看空空仓),观察策略净值及年度收益表现。
表4统计数据显示,扩板模拟后:
总体MACD在扩板后的市场下,择时效果明显改善。,11]
图6以上证指数为例对比20日MA与OLSTL,显示OLSTL更贴近价格且响应更快。
图7显示不同n参数对应的收益峰值,图8和9扩板模拟前后择时净值及年度收益对比验证扩板后趋势策略有效性提升。
表5显示扩板模拟后OLSTL策略收益指标较原始指数大幅改善:
图11和12展示两者净值曲线及年度收益对比,表6总结统计数据:
增加年化波动率阈值(15%)作为交易开仓条件,用以过滤震荡行情信号,降低交易频次和噪声交易。
图13和14及表7进一步阐释该优化策略的优势。
,12,13,14,15,16,17,18]
图1(page 8):费雪变换函数曲线
展示函数y = 0.5 * ln((1+x)/(1-x)),曲线在x接近0时线性,接近±1时急剧上升。说明涨跌幅极端数据将被非线性放大,有效突出极端值。
图2(page 9):创业板指数原始与模拟扩板走势对比
红线(扩板模拟指数)明显捕捉更多波动,峰值远高于蓝线(原始)。视图支撑涨跌幅扩大导致波动加大。
图3(page 9):涨跌幅日分布柱状图
扩板后红色柱在极端涨跌区间明显更高,表明极端涨跌日增多,风险和趋势机会加剧。
表3(page 9):模拟前后波动率、ATR、峰度、Hurst指数数据
显著上升的波动率(30.74%→37.84%)、ATR(38.7→85.1)、峰度(4.93→7.73)和轻微上升的Hurst指数(0.7627→0.7660)表明市场均加剧。
图4、5(page 10):MACD择时净值曲线及年度收益柱状图
扩板模拟指数策略净值远高于原始指数,且年度收益多显著提升,趋势策略收益放大。
表4(page 10-11):MACD择时数据细节
大幅提升的累积收益率和年化收益率,减少亏损次数,提升盈亏比,证明趋势信号适应扩板市场。
图6(page 13):MA20与OLSTL20对比
OLSTL线更贴合收盘价波动,回避MA的滞后,尤其趋势转换时。
图7(page 14):OLSTL参数n调整影响
累积收益在n=40时最高,指导参数选择。
图8、9(page 14):OLSTL多头择时净值与年度表现
扩板模拟指数策略收益远超原始,且年度收益均有所增长。
表5(page 14-15):OLSTL择时统计
扩板模拟后收益增加15倍以上,最大回撤降低,盈利率提升,策略稳定性显著增强。
图10(page 16):LLT参数调整表现
优化d=30参数,提升策略表现。
图11、12(page 16):LLT与OLSTL择时净值与年度收益对比
OLSTL整体优于LLT,累计收益更高且回撤更低。
表6(page 16-17):LLT与OLSTL择时数据对比
OLSTL优势明显,尤其在收益率和回撤控制方面。
图13、14(page 17):加入波动率约束的OLSTL优化策略表现
优化版策略(橙色)累积收益最高,回撤最小,年度收益稳定,交易频率适中。
表7(page 17-18):优化后的OLSTL数据
盈利次数和比例提升,最大连续亏损次数减少,表现优异。
综上,图表和数据充分展示涨跌幅扩大对市场波动与趋势性的影响,以及基于此构造和改进趋势跟踪策略的有效性验证。,3,7,8,9,10,11,13,14,15,16,17,18]
本报告专注于趋势跟踪策略的开发和验证,未涉及传统意义上的公司估值模型(如DCF、P/E等),因此无估值部分分析。~19]
报告中风险提示强调:
针对策略表现风险,调整如增加波动率约束以减缓震荡期间的策略信号噪声,降低回撤的同时减少过度交易。
整体风险提示体现了谨慎态度,提示模型与实际市场脱节的可能,与投资实践保持理论与实证的平衡。,18]
报告整体基于充足数据支持论点,但对拓展思路和实际市场约束的讨论略显不足。
本报告通过系统性分析创业板涨跌幅扩大背景下,市场波动性和趋势性变化,具体结论如下:
报告对市场扩板对波动性和趋势性影响做了全面、系统、实证的分析与验证,结论具有较强的逻辑性与数据支撑,提出的OLSTL策略结合现实市场条件优化,对投资者理解和把握创业板扩板后的趋势交易提供理论和操作指引。风险提示和谨慎态度也体现出报告稳健严谨的立场。
综上,报告通过理实结合的多方面严谨分析与验证,为创业板涨跌幅扩大后趋势投资策略的构建和优化提供了科学、有据的指导框架,具有较高的参考价值和实践意义。[page::全篇]
交易性择时策略研究之十六:创业板涨跌幅扩大后的趋势投资分析.pdf