元数据与概览(引言与报告概览)
报告标题与来源:报告题为“降波或是较优应对方式”,由华泰证券金融工程团队原创发布,作者列有何康、徐特等,发布于2026年3月22日,访问权限为国内机构客户并注明海外站访问方式与免责声明等信息。 1 11
报告主题与核心判断:报告聚焦在当前全球流动性扰动背景下的量化/多策略资产配置应对,核心结论是:在股、债、金相关性在尾部风险环境下显著上升,传统跨资产对冲效果下降,因而“降波”(降低组合波动率)可能是较优应对方式。作者据此对多项模型(A股技术打分、风格择时、行业轮动、全天候增强组合等)给出当前信号或配置建议。 1
逐节深度解读
一、核心观点与整体逻辑
报告开篇指出全球流动性出现显著扰动,高流动性资产(特别是先前浮盈较多的资产)被无差别卖出,致使股债金之间相关性显著提升,从而削弱以美股、国债、黄金对冲A股波动的效果。基于此,作者认为主流量化模型在尾部风险区间参考价值受限,建议以降低组合波动为优先策略。 1
报告还引用其前期研究(“全球三层次流动性风险预警模型”,2026-03-15)的结论,指出全球流动性处于高压状态已超过50个交易日,历史上类似时期全球风险资产集体承压概率超过90%,进一步支持“降波”主张。 2 9
二、A股技术打分模型:维持谨慎观点
模型构造与目的:该模型以“市场状态”为核心,拆分为价格、量能、波动、趋势、拥挤五大维度,共计10个观测指标(如20日布林带、20日价格乖离率、20日/60日换手率乖离率、20日ADX、20日新高天数占比、60日换手率波动、期权隐含波动率、5日涨停占比平均、期权持仓PCR-5日均、成分股涨停家数占比5日平均等),并对每个指标发出多/空/中性信号,最终等权投票汇总为-1至+1的综合打分。该说明和指标清单见图表1与文本。 2
当前信号与决策规则:模型规则为得分>+0.33看多,-0.33至+0.33看平,<-0.33看空;当前宽基得分处于谨慎/看空区间(多数宽基得分接近-0.6至-0.7),因此模型建议谨慎参与A股。表格中2026-03-19/20等日期多项宽基均为-0.60至-0.70的负分,支持该结论。 2
业绩与回测表现:自2025年以来模型对万得全A的多空择时累计收益为2.67%,同期万得全A收益0.96%,超额1.71%。上周模型实现周度收益2.51%,而同期万得全A下跌4.13%,周度超额收益达到6.64%。回测统计(图表4)显示“趋势”子模型年化收益20.66%、年化波动17.29%、最大回撤-23.74%、夏普1.19,整体A股技术打分模型年化表现优于万得全A(万得全A年化5.40%、最大回撤-55.99%),但单项指标波动/回撤分布差异较大(部分指标回撤超过-50%)。这些数值见回测表格。 2 3
分析要点与隐含假设:模型依赖技术面信号与历史分位判断,隐含假设包括技术信号的奖励稳定性与历史分布可代表未来。回测显示不同单指标收益/回撤差异较大,提示组合投票/等权汇总在降低单因子过度行为上起作用,但在极端尾部风险时仍可能受系统性冲击影响。 2 3
图表深度解读(A股技术打分)
图表1(指标列表图):展示了五大维度与所用指标清单(价格、量能、趋势、波动、拥挤)。该矩阵明确了指标覆盖的时间窗(主要20/60日)与类型(价格偏离、换手率、ADX、新高天数、隐含波动等),支持模型“多维观察市场状态”的设计理念。对应图片: 。2
图表2(近两周宽基打分结果表):表显示2026-03-09至03-20期间,各主要宽基(如沪深300、中证500、中证800、万得全A等)打分多为负值,且多数落入<-0.33看空区间,尤其沪深300和上证指数常在-0.7附近,表明短期技术面偏弱并支持“谨慎”结论。该表为模型当前建议提供直接证据。 2
图表3(净值走势)与图表4(回测统计表):图表3以曲线对比万得全A(蓝)与模型趋势收益(红),可以看出模型在多个阶段避险与持仓节奏带来相对平滑回报;图表4的回测统计显示“A股技术打分模型-趋势”子模型在长期回测中表现最佳(年化20.66%、夏普1.19),而某些单指标(如布林带)年化仅4.6%且最大回撤-55.73%,说明指标选择与组合方式对最终风控与收益表现有重大影响。对应图片: 。3
三、风格择时模型:维持看多红利、看多小盘
红利风格逻辑与指标:红利择时以中证红利相对于中证全指的相对收益为标的,采用三类指标(相对动量、10Y-1Y期限利差、银行间质押式回购成交量)从趋势维度发出日频信号,三指标得分之和决定最终多空观点;当模型看多红利则全仓中证红利,否则全仓中证全指。模型本周维持看多红利(相对动量与银行间成交量维持看多,期限利差看好成长),并报告今年以来策略收益7.71%、基准3.11%、超额4.60%。 3 4
绩效与信号复盘:图表5显示策略曲线自2017年以来显著跑赢基准(红线中证红利相对表现年化16.58%),近10日信号(图表7)自2026-03-12起三指标准一度形成“多”信号并持续。对应图片: 。4
隐含逻辑与局限:该策略将期限利差视为对成长/红利偏好的宏观反向信号,且将银行间成交量作为“资金空转/资产荒”指标,这些判断假定资金面指标与风格偏好之间具有稳定的传导关系;在极端流动性冲击下,短期信号可能迅速变脸,从而对全仓切换带来交易成本与错配风险。 3 4
四、大小盘风格择时:基于拥挤度分域与双均线趋势
择时构造与拥挤度定义:该模型以沪深300与万得微盘股指数为代表,分别构建小盘/大盘的动量得分与成交额得分,通过多时间窗动量差的年分位数与成交额比的年分位数计算拥挤度。若小盘拥挤度>90%或大盘拥挤度<10%则触发“高拥挤”区间;模型在高拥挤区使用参数较小的双均线应对反转,在低拥挤区使用大参数双均线以追随中长期趋势。 4 5
当前结论与业绩:截至本期模型运行在低拥挤区间(近10日信号均为“低拥挤,看多小盘”),今年以来策略收益6.32%、基准2.56%、超额3.76%,回测数据显示标的组合(沪深300 vs 万得微盘股)年化27.25%、最大回撤-32.05%,显示在回测区间内小盘-大盘风格波动明显且模型捕捉到趋势。对应图片: 。5 6
五、行业轮动模型(遗传规划):看好消费者服务、保险、商贸零售、通信、(近期纳入)工业金属
模型设计:采用双目标遗传规划(NSGA-II)直接从32个中信行业指数的量价、估值等输入变量挖掘因子,并用IC绝对值与NDCG@5同时作为目标(即同时优化因子分组单调性与多头组表现),随后以贪心策略和方差膨胀系数组合不共线的因子形成行业得分,周频调仓每周末选出得分前五行业等权持有。该流程在图表16与图表17中有详细展示与底层输入变量清单。对应图片: , 。7 8
当前持仓与业绩:模型自2022-09-30回测以来表现强劲(年化29.94%、年化波动17.68%、夏普1.69、最大回撤-20.72%),今年以来绝对收益2.89%跑赢行业等权0.58pct;近期持仓列表显示本期(20260316-20)前五行业为消费者服务、保险、商贸零售、通信、饮料(之后剔除饮料并纳入工业金属以提升成长性)。有关持仓周序表与净值曲线详见图表13与图表15。对应图片: 。7
因子示例:报告具体披露权重最高的一个因子构造(基于量价相关性,涉及当日成交额对跳空缺口的回归残差、过去9日成交额最大日索引、50日时序回归截距与45日协方差等步骤),并给出训练集IC≈0.078与NDCG@5≈0.340、因子权重18.7%。该因子说明显示模型更偏向挖掘复杂的量价时间序列互动信号而非简单价量因子,且以多目标度量来控制过拟合与因子多样性。 8
图表深度解读(行业轮动)
图表13(净值曲线)与图表14(业绩表):净值曲线显示自2022-10起模型净值长期上行且波动较基准更平滑,业绩表格显示行业轮动策略显著跑赢行业等权基准(年化29.94% vs 10.51%),同时呈现较好的夏普与卡玛比率。对应图片: 。7
图表15(近期持仓周表)说明模型持仓存在较快轮换,且最近数周工业金属/贵金属、建筑、非银行金融等板块反复出现,表明模型对周期性/大宗商品相关行业偏好明显并能动态调整以应对宏观节奏。 7
六、中国境内全天候增强组合:强调宏观因子风险预算与降波目标
策略框架:该组合基于“宏观因子风险平价”框架,将增长与通胀的超预期/不及预期划分为四象限,并在象限内构建等权子组合,再基于象限观点(由宏观预期动量给出)通过风险预算模型调整权重实现主动超配,从而实现“全天候增强”。该方法强调分散在“宏观风险源”而非传统按资产分散。图表19与图表20给出象限与细分配置示意。 9
当前配置与变动:3月模型增配“增长不及预期”与“通胀超预期”象限,因而增配商品与黄金,同时股票内部减配非防御性股票、增配红利类,债券维持平配(详见图表21资产权重表)。该组合本期在不考虑流动性预警模块时上周下跌2.49%,今年以来绝对收益为5.00%(若考虑交易费后年化11.92%、年化波动6.35%、夏普1.88、最大回撤-6.30%,见图表23)。 9 10
图表与资产权重:图表21列出当前权重分配(例如十年期国债与三十年期国债各约16.81%,红利低波13.04%,黄金13.99%,有色/能化/豆粕等商品各占比在10-13%区间),显示策略在当前环境下通过提高商品/黄金权重与降低股票权益权重来响应流动性与宏观风险预期。对应图片: 。9 10
风险因素评估(报告列举与潜在影响)
报告明确的风险提示包括:周度模型基于历史数据与逻辑推演存在局限性,历史规律可能失效;此外,模型在尾部风险区域参考价值下降,资产相关性结构变化会削弱对冲效果。两点风险提示贯穿全文并用于解释为何“降波”优先。 1 10
潜在影响评估:若流动性持续恶化并导致资产相关性一体化,股票/债券/黄金间传统负相关或低相关配置会失效,模型短期止损或全量平仓规则可能导致交易成本放大或错过反弹;同时,遗传规划或技术因子在样本外极端事件下可能出现显著预测能力下降,导致回撤放大。上述情形在报告对“全天候策略上周逆风期”的叙述中已有体现。 1 9
批判性视角与细微差别(审慎视角)
强点:报告覆盖多层次模型(从技术面到行业轮动、从风格择时到宏观风险预算),并给出透明的指标、回测区间与关键参数,尤其遗传规划部分采用双目标优化来降低过拟合风险,是方法上的改进点。 7 8
需审慎之处:
相关性上升与“降波”结论虽有逻辑支持,但报告主要以历史类比与统计关系为依据(例如“历史上类似流动性高压期90%概率集体承压”引用),该类结论依赖于回溯样本与定义(相似性主观判断),在结构性变化(如政策干预、流动性来源差异)下可能失效。 1 2
多策略/多模型给出的“看多/看空”信号在极端事件中可能产生冲突(例如同一时点技术模型建议谨慎,而红利/大小盘模型可能给出看多信号),实际组合实施需对冲好模型间的信号冲突与再平衡成本问题。报告对交易费用在部分表格中考虑(全天候组合考虑双边1%),但对于频繁周频调仓的策略(行业轮动、风格择时)整体交易成本与市场冲击成本未详尽量化。 7 10
结论性综合(要点摘录与建议)
报告主张:在当前全球流动性扰动与资产相关性升高的背景下,传统跨资产对冲的有效性受损,降低组合整体波动率(降波)是较优应对措施;同时各模型根据自身逻辑给出具体短中期信号——A股技术打分模型处于谨慎区间、红利风格与小盘风格分别维持看多(但期限利差提示成长有时机)、行业轮动偏好消费与保险等防御/成长混合板块、全天候增强组合增配商品与黄金并减配非防御性股票。 1 2 4 7 9
图表与数据的深刻见解:
A股技术打分的时间序列与回测统计显示“趋势”子模型提供了较高的风险调整后收益(年化20.66%、夏普1.19),但单一技术指标差异很大,强调多指标投票的必要性。 3
红利与大小盘风格择时的长期净值曲线显示策略在过去周期中具备显著超额收益能力,但回测区间亦包含多次风格切换与高回撤阶段,意味着策略执行需注意拥挤度与资金面信号。 4 6
遗传规划的双目标优化在行业轮动中带来较高的年化收益与较低的最大回撤(相比行业等权),并通过复杂的量价因子挖掘提升了选股/行业甄别能力,但该类模型对数据质量、因子稳定性与回测对齐要求较高。 7 8
最终建议(基于报告):在作者框架下,若认同当前流动性风险警示与相关性上升事实,则短期应以降低组合波动为主(如通过增配商品/黄金、提高现金或低波策略比重、减少高杠杆及高拥挤风格敞口),同时保留经验证的多模型信号作为择时/行业轮动的参考,从而在降波的同时保留必要的收益来源。 1 9
补充说明:本文所有直接引用的数据、图表、模型构造或结论均基于原始报告各章节与图表(引用页码已标注)。下列为本文中引用的主要图表文件(若需查看原图,请参照相对路径):
封面与引言图片: 。1
A股技术指标矩阵(图表1): 。2
A股模型净值与回测图表(图表3/4): 。3
红利风格净值(图表5): 。4
大小盘风格净值(图表10): 。6
遗传规划模型净值(图表13): 。7
双目标遗传规划流程图(图表16): 。8
全天候增强组合净值(图表22): 。10
若您希望,我可以:
对某一模型(如遗传规划或全天候增强组合)做更深入的敏感性分析(例如对关键参数、折现率或长期分位截面阈值做压力测试);或
将报告中的周度信号与历史极端事件对应,制作事件研究(event study)来量化模型在极端相关性上升期间的表现差异。