1、正文目錄 HYPERLINK l _TOC_250019 本文導讀 4 HYPERLINK l _TOC_250018 擁擠度指標構建思路 5 HYPERLINK l _TOC_250017 構建擁擠度指標的目的在于對市場交易過熱的風險進行提示 5 HYPERLINK l _TOC_250016 動量指標 6 HYPERLINK l _TOC_250015 流動性指標 7 HYPERLINK l _TOC_250014 乖離率指標 7 HYPERLINK l _TOC_250013 量價相關系數 8 HYPERLINK l _TOC_250012 波動率指標 9 HYPERLINK l _TO

2、C_250011 分布特征指標 9 HYPERLINK l _TOC_250010 本研究構建了總計六類 20 項擁擠度指標 10 HYPERLINK l _TOC_250009 擁擠度指標有效性檢驗 11 HYPERLINK l _TOC_250008 有效的擁擠度指標能夠及時提示市場未來的下跌風險 11 HYPERLINK l _TOC_250007 顯著性檢驗 12 HYPERLINK l _TOC_250006 信號勝率檢驗 13 HYPERLINK l _TOC_250005 回測收益檢驗 14 HYPERLINK l _TOC_250004 過擬合檢驗 16 HYPERLINK l

3、 _TOC_250003 基于擁擠度指標的行業輪動策略 19 HYPERLINK l _TOC_250002 復合擁擠度指標的構建 19 HYPERLINK l _TOC_250001 擁擠度和景氣度復合策略 21 HYPERLINK l _TOC_250000 風險提示 23圖表目錄圖表 1： 行業輪動策略構建思路 4圖表 2： 本文主要研究內容 4圖表 3： 食品飲料行業（中信）2016-2017 年 K 線圖 5圖表 4： 計算機行業（中信）2018-2019 年 K 線圖 5圖表 5： 本研究用于刻畫行業擁擠度的量價指標 5圖表 6： 本研究采用的動量指標 6圖表 7： 非銀行金融行業

4、（中信）2018 年 7 月至 2019 年 7 月 K 線圖 7圖表 8： 家電行業指數（中信）2018 年 7 月至 2019 年 7 月 K 線圖 8圖表 9： 本研究構建的六類總計 20 項行業擁擠度指標 10圖表 10： 計算機行業（中信）行業價格走勢和 turn_crowd_20_95%擁擠度指標 11圖表 11： 擁擠度指標顯著性檢驗結果 12圖表 12： 擁擠度指標的信號勝率統計 13圖表 13： corr_volume_close 指標信號勝率 13圖表 14： corr_volume_close 指標各行業平均擁擠信號數量 13圖表 15： 基于擁擠度指標構建的回測流程示意

5、 14圖表 16： 通過顯著性檢驗和信號勝率檢驗的擁擠度指標回測結果 15圖表 17： CSCV 框架示意圖 16圖表 18： 各項擁擠度指標 PBO 概率 17圖表 19： 通過四項檢驗的指標個數統計 17圖表 20： 各指標作為最優參數出現概率以及最終選定指標 18圖表 21： 復合擁擠度指標和各單項指標回測結果對比（回測區間 2010 年 2 月-2019 年12 月） 19圖表 22： 擁擠度復合指標回測絕對凈值 19圖表 23： 擁擠度復合指標回測相對凈值 19圖表 24： 復合擁擠度指標超額收益月度統計 20圖表 25： 處于擁擠狀態的行業個數和上證綜指對比 20圖表 26： 景氣

6、度和擁擠度復合策略 21圖表 27： 擁擠度和景氣度指標復合后策略表現 21圖表 28： 景氣度和擁擠度復合策略回測相對凈值 22圖表 29： 景氣度和擁擠度策略回測凈值 22圖表 30： 房地產行業（中信）收盤價和相關系數 23圖表 31： 房地產行業（中信）成交量和收盤價 23本文導讀在微觀層面的行業輪動研究中，我們致力于通過行業截面比較的思路尋找短期機動型配置機會，從自下而上的角度挖掘行業基本信息，尋找行業層面的超額收益。具體而言，我們將從行業的內在價值和交易風險兩個角度構建有行業選擇能力的指標，并且關注多個指標復合后的效果，減少單項指標回測結果的偶然性。在行業輪動策略研究中，我們主要從

7、景氣度和擁擠度兩個角度進行行業指標的構建：行業景氣度指標：主要是從行業內在價值驅動的角度出發，分析行業自身的盈利狀況以及市場對行業的盈利預期，尋找可以獲得超額收益的行業指標。行業擁擠度指標：主要是從行業市場交易風險控制的角度出發，分析行業在短時間內是否存在交易過熱的現象，規避處于擁擠狀態的行業。圖表1： 行業輪動策略構建思路資料來源:華泰證券研究所在前期報告景氣度指標在行業配置中的應用（2019-9-12）中，我們從財務報表和一 致預期等多個角度進行行業景氣度指標的研究，并構建了基于景氣度指標的行業輪動策略。本文將繼續開展基于擁擠度指標的行業輪動研究，從控制交易風險的角度出發，構建可以 衡量行

8、業指數交易擁擠程度的指標，規避各行業可能存在的交易過熱風險，本文包含的主 要研究內容如下：從動量指標、流動性指標、波動率指標和量價相關性指標等多個角度進行行業擁擠度指標的構建。結合顯著性檢驗、信號勝率檢驗、回歸收益檢驗和過擬合檢驗等多種方法對行業擁擠度指標進行檢驗，篩選有效指標。采用打分法對單項行業擁擠度指標進行合成，構建更穩健的復合擁擠度指標，并采用擁擠度指標提高現有的行業景氣度策略的表現。圖表2： 本文主要研究內容資料來源:華泰證券研究所擁擠度指標構建思路構建擁擠度指標的目的在于對市場交易過熱的風險進行提示通常情況下，股票的市場價格圍繞其內在價值波動。隨著基本面提升、宏觀政策不斷加碼，優質

9、股票的價值中樞不斷上行，可以為投資者帶來長期回報。但是市場總是伴隨著非理性的交易行為，當基本面超預期或是突然出現政策利好，股票的價格和成交量都可能會出現激增。過熱交易行為可能在第一時間把股票價格提升至過高位置，達到擁擠狀態。擁擠交易容易引發市場踩踏，存在較大下跌風險。構建擁擠度指標的初衷是捕捉市場可能出現的交易過熱狀態。直觀上股市最顯而易見的擁擠特征就是成交量和價格的大幅提升。除此之外，市場波動率增大、量價變化趨勢不匹配等異常現象，也表明當前市場風險正在累積，可能存在交易擁擠。本研究主要從以下幾個方面進行擁擠度指標的構建，對市場的交易風險給出示警：判斷行業指數價格或是流動性是否巨幅增長，相應指

10、標：動量、流動性和乖離率指標判斷行業指數的成交量和價格走勢是否相吻合，相應指標：量價相關性指標判斷當前市場是否存在較大波動，相應指標：波動率指標判斷近期行業指數的收益率分布是否偏離統計規律，相應指標：分布特征指標圖表3： 食品飲料行業（中信）2016-2017 年 K 線圖圖表4： 計算機行業（中信）2018-2019 年 K 線圖資料來源：Wind，華泰證券研究所資料來源：Wind，華泰證券研究所圖表5： 本研究用于刻畫行業擁擠度的量價指標資料來源:華泰證券研究所動量指標動量是常用于衡量價格趨勢的指標。股票的價格走勢既存在動量效應，也存在與之相對的反轉效應。動量效應表示股票的價格存在一定的趨

11、勢性，股價會沿著過去的動量繼續變化，即過去表現較好的股票在未來一段時間內將持續表現良好，而過去表現較差的股票也將持續表現低迷。反轉效應則指的是股票價格的運動方向與原有的動量方向相反，即過去正向動量越大的股票在未來更可能出現下跌。當市場對于股票利好反應不足時，資金不斷涌入，股價的動量效應更明顯；但是當市場反應過度時，股價更可能呈反轉效應。在股價上行過程中，如果短期價格增幅過大，股價更容易出現反轉。所以當行業指數的動量分位數處于歷史高位時，可認為當前處于交易擁擠的狀態，在交易過程中需要規避。本研究采用了五類動量指標進行動量擁擠度的計算，這些指標從不同角度衡量了過去一段時間價格的趨勢效應，各有側重：

12、普通動量：即過去一段時間內行業指數的漲跌幅，漲跌幅絕對值越大意味著行業動量越強。夏普比率：采用波動率對普通動量進行標準化，在行業指數漲跌幅的基礎上還考慮了波動率的影響。夏普比率可以篩選出收益高，波動率低的行業指數。信息比率：夏普比率的衍生指標，實質是采用超額收益計算的夏普比率。利用超額收益計算可以減少市場系統性漲跌的影響。路程調整動量：利用“路程”作為風險因子來對動量進行調整，這里的路程指的是觀察期日收益率絕對值求和。如果將行業指數走勢比作走路，那由出發點到達最新時刻位置的位移就是動量。路程是日收益率的絕對值求和，所以路程調整動量本質上衡量的是行業指數的上漲效率。尾部動量：又稱尾部風險動量，尾

13、部風險定義為過去一段時間內最大 1%損失幅度，用于衡量過去一段時間極端情況下的下跌風險。研究表明，尾部風險越低的股票風險溢價更高，高尾部風險的股票有著更低的未來收益。圖表6： 本研究采用的動量指標類型計算公式普通動量,= , 1+1,= =0夏普比率, =1 ,/=0,2= 1 (, ,)2 , 1 ,=01,=0, =1(, ,)/= =0信息比率,2 = 1 (, ,)2,= =1, (, ,),=01,1 |,|路程調整動量, = , =0尾部動量, = ,說明：K 表示行業，t 為交易日，N 為窗口期，表示收益率，為全行業數，取下 1%分位數資料來源：華泰證券研究所流動性指標股票流動性

14、通常用成交量、成交額和換手率來衡量，成交越活躍的股票流動性越好。股票的流動性和價格關系非常密切，兩者往往相輔相成。一方面，股價上升會吸引更多的增量資金流入股市，不斷推高成交量；另一方面，當成交量增大時，入市資金也可以進一步推動股價上漲。通常情況下，股票市場量增價升、量減價跌，兩者經常同步變化。但是在股價上漲過程中，需要警惕“天量”的出現。當市場出現巨額成交時，意味著有大額資金進場，股價將被大幅推高，呈井噴行情。此時股票市場處于擁擠狀態，透支了大量的未來漲幅，應該獲利了結離場，避免下跌。我們將行業指數在過去一段窗口期內的成交量、成交額和換手率平均值與歷史數據進行對比，當有處于歷史高位的流動性數據

15、出現時，判定此時市場處于擁擠狀態。圖表7： 非銀行金融行業（中信）2018 年 7 月至 2019 年 7 月 K 線圖資料來源：Wind，華泰證券研究所乖離率指標乖離率是較為常見的一種技術指標，通常是指最新市場價格與近期平均值之間的偏離度，以時刻行業的收盤價乖離率（窗口期 N）為例：, 1 ,/_, =0=01 ,/乖離率越大，說明當前市場價格超出過去 N 天的平均價越高，當前市場出現了劇烈的價格抬升，呈超買狀態。在乖離率較大時，價格出現回彈的可能性更大。本研究對乖離率的用法做出延伸，計算了成交量、成交額和換手率的乖離率，分析市場最新的流動性指標是否與平均值出現了明顯的偏離。收盤價或流動性指

16、標的乖離率較大時，說明市場成交活躍度非常高，量和價都超出了均衡水平，此時可以考慮降低倉位，規避風險。, 1 ,/_, =_, =_, =0=01 ,/=0, 1 ,/=01 ,/=0, 1 ,/=01 ,/量價相關系數通常情況下，股票的流動性和價格走勢呈相同的變化趨勢，一旦出現量價走勢背離的情況，可能意味著價格走勢將發生轉變。比如在價格上漲的過程中，如果成交量出現萎縮，股價的上漲缺乏量的推動，后續價格走勢將難以為繼；如果市場成交量增加，但是股票價格難以繼續上漲，說明此時多空分歧逐漸增大，風險逐漸累積。圖表8： 家電行業指數（中信）2018 年 11 月至 2019 年 6 月 K 線圖資料來源

17、：Wind，華泰證券研究所本研究采用行業指數收盤價和流動性指標的相關系數來定量分析量價背離現象。量價相關系數越大，說明量價指標的走勢越接近，反之則表示兩者出現背離。舉例來說，行業 K 在時刻 t 的成交量與收盤價相關系數可以表示為：1(, ,)(, ,)_, = =01(, ,)2 1(, , )2=01=0, = ,/=01, = ,/=0當股價上漲時，如果某個行業指數的量價相關系數下降，意味著出現了量價背離的現象。當量價相關系數處于歷史低位時，需要警惕可能出現的下跌風險。我們還計算了收盤價和成交額以及換手率的相關系數對量價背離現象進行分析：1(, , )(, ,)_, = =01(, ,)

18、2 1(, ,)2=0=0_, =0 1(, , )(, ,)1(, ,)2 1(, ,)2=0=0波動率指標波動率就是股票價格的風險，一般用股票收益率的標準差進行表征。股票市場普遍存在低2波動異象，長期來看低波動率的股票相對高波動率的股票具有更高收益。從擁擠度角度來看，如果行業指數短期的波動率急劇上升，說明股票風險加大，在投資過程中應該規避。行業 K 在 t 時刻的波動率可以表示為：1,= (, ,)=0 1=0, =1 ,2波動率還可以進一步分為上行波動率和下行波動率，兩者的區別在于統計正收益率還是負收益率的標準差。從定義來看，下行波動率指標關注過去一段時間市場下行風險，更貼近我們對于擁擠

19、度指標的定義。因此本研究還基于下行波動率進行擁擠度指標構建：1,_= (, ,)=0 1=0, =1 ,其中代表日收益率小于 0 的日期集合，為日收益率小于 0 總天數。分布特征指標分布特征指標一般用于描述行業指數歷史收益率的概率分布情況。通過峰度和偏度兩種指標可以分析近期行業指數日收益率是否出現異常分布，進而判斷當前是否處于擁擠狀態。峰度用來描述數據概率分布頂端尖峭或扁平的程度。峰度越大，代表分布越集中；峰度越小，分布越平滑。如果過去一段時間日收益率峰度越低，說明收益率取值較為分散，短期市場波動率更高，風險更大，擁擠度更高。行業 K 在 t 時刻的峰度（kurtosis）為：1 1(, ,)

20、4=0,(1 1( )2)2 =0,偏度用來度量數據概率分布的偏斜方向和程度。當偏度大于零時，數據處于正偏態，概率密度呈右側長尾分布；當偏度小于零時，數據處于負偏態，概率密度呈左側長尾分布。如果過去一段時間行業指數收益率序列處于負偏態時，意味著近期行業指數出現了非常態的低收益率，有可能存在較大風險。行業 K 在 t 時刻的偏度（skewness）為：1 1(, ,)3, = =0(1 1( )2)3/2 =0,進一步地，我們還引入協偏度（coskewness）考察行業收益率相比于全市場整體收益率概率分布的偏離程度，行業 K 在 t 時刻相對于市場基準的協偏度為：CS, = 1(, ,)(, ,

21、)2=0=01(, ,)3公式中 ,表示時刻行業的日收益率，,0 為基準在 t 時刻的收益率，其中行業 K 平均收益率 ,以及市場收益率, 可以表示為： , = , = =1=0 1 ,本研究構建了總計六類 20 項擁擠度指標前文中給出的六類擁擠度指標都遵循相同的原則進行構建：即計算一個原始的量價指標（比如動量或量價相關系數），判斷該指標在歷史上是否處于臨界位置。我們統一采用歷史分位數方法判斷每項量價指標在歷史上所處位置。六類擁擠度指標的計算過程可以總結如下：確定各指標的窗口期長度 N，計算各個量價指標的原始數值。各指標窗口期取值范圍設定如下：動量、流動性、量價相關系數、波動率和分布特征系數等

22、指標關注近期市場表現，窗口期取值相對較短。這五個指標窗口取值設定為 20、40 或 60 個交易日，分別對應一個月、兩個月和三個月。乖離率指標的思路是判定最新市場價格或成交量與近期平均值之間的偏離度，計算平均值的窗口期可以取更長一些的數值。乖離率指標的窗口期設定為 20、40、 60、120 或 250 個交易日，分別對應一個月、兩個月、三個月、半年和一年。計算所有原始量價指標的歷史分位數，確定達到擁擠狀態的歷史分位數臨界閾值。根據不同指標的方向性，歷史分位數的閾值設定如下：量價相關指標和分布特征指標屬于正向指標，當其量價指標歷史分位數低于規定閾值時，判定當前屬于擁擠狀態。我們設定為 1%、5

23、%、10%和 20%。其他四個指標是負向指標，指標歷史分位數需高出規定閾值時才能判定處于擁擠狀態，我們設定這幾個指標分位數閾值為 80%、90%、95%和 99%。對某個行業指數是否處于擁擠狀態的判定有兩個條件：首先，在過去一段行業指數是否處于上漲狀態，也就在過去為 N 天的窗口期中行業指數漲跌幅是否為正；其次是量價指標是否處于歷史臨界位置，也就是量價指標的歷史分位數是否達到規定閾值。擁擠度指標為日頻信號，我們將處于擁擠狀態的行業標為 1，非擁擠行業標為 0。后文中，擁擠度指標的命名方式為：指標代碼+窗口期長度+歷史分位數閾值。比如說 normal_momentum_crowd_20_80%表

24、示當過去 20 日普通動量歷史分位數大于 80%，且行業指數漲跌幅為正時，判定當前行業處于擁擠狀態。圖表9： 本研究構建的六類總計 20 項行業擁擠度指標類別指標名稱指標代碼判斷是否擁擠的標準窗口期長度（交易日）歷史分位數閾值動量指標普通動量擁擠度normal_momentum_crowd分位數是否處于歷史高位20/40/6080%/90%/95%/99%夏普動量擁擠度sharpe_momentum_crowd分位數是否處于歷史高位20/40/6080%/90%/95%/99%信息比率擁擠度information_momentum_crowd分位數是否處于歷史高位20/40/6080%/90%

25、/95%/99%路徑調整動量擁擠度distance_momentum_crowd分位數是否處于歷史高位20/40/6080%/90%/95%/99%尾部動量擁擠度tail_momentum_crowd分位數是否處于歷史高位20/40/6080%/90%/95%/99%流動性指標成交量擁擠度volume_crowd分位數是否處于歷史高位20/40/6080%/90%/95%/99%成交額擁擠度amt_crowd分位數是否處于歷史高位20/40/6080%/90%/95%/99%換手率擁擠度turn_crowd分位數是否處于歷史高位20/40/6080%/90%/95%/99%乖離率指標收盤價乖離

26、率close_bias分位數是否處于歷史高位20/40/60/120/25080%/90%/95%/99%成交量乖離率volume_bias分位數是否處于歷史高位20/40/60/120/25080%/90%/95%/99%成交額乖離率amt_bias分位數是否處于歷史高位20/40/60/120/25080%/90%/95%/99%換手率乖離率turn_bias分位數是否處于歷史高位20/40/60/120/25080%/90%/95%/99%量價相關性成交量與收盤價的相關系數corr_volume_close分位數是否處于歷史低位20/40/601%/5%/10%/20%換手率與收盤價相關

27、系數corr_turn_close分位數是否處于歷史低位20/40/601%/5%/10%/20%成交額與收盤價相關系數corr_amt_close分位數是否處于歷史低位20/40/601%/5%/10%/20%波動率指標波動率擁擠度vol分位數是否處于歷史高位20/40/6080%/90%/95%/99%下行波動率擁擠度downvol分位數是否處于歷史高位20/40/6080%/90%/95%/99%分布特征指標峰度kurtosis分位數是否處于歷史低位20/40/601%/5%/10%/20%偏度skewness分位數是否處于歷史低位20/40/601%/5%/10%/20%協偏度cosk

28、ewness分位數是否處于歷史低位20/40/601%/5%/10%/20%資料來源：華泰證券研究所擁擠度指標有效性檢驗有效的擁擠度指標能夠及時提示市場未來的下跌風險前文給出了六類總計 20 項行業擁擠度指標的構建方式。在考慮每項指標的參數設定之后，可以得到總計 272 個擁擠度指標。接下來本文將對擁擠度指標的有效性進行驗證，并對每個擁擠度指標的參數進行合理設定。一個有效的擁擠度指標需要及時對市場交易過熱的風險做出提示，避免投資組合出現大幅虧損。為此我們將從以下四個角度對擁擠度指標進行篩選：顯著性檢驗：取擁擠度信號對于未來一個月行業指數收益率進行回歸分析，對回歸系數進行顯著性檢驗。顯著性檢驗通

29、過意味著擁擠度指標對行業指數收益率有一定的解釋力度。信號勝率檢驗：匯總出現擁擠度信號之后一個月行業指數收益率，統計其中收益率為負的次數占比。勝率越高則意味著擁擠度指標捕捉下跌風險的準確度越高。回測收益檢驗：在所有行業組合中剔除處于擁擠狀態的行業，構建處于非擁擠狀態的行業組合。如果非擁擠行業組合在回測過程中可以取得超越行業等權基準的收益，說明通過擁擠度指標剔除了收益會出現下降的行業。過擬合檢驗：基于過擬合檢驗算法判斷在確定擁擠度信號參數過程中，每個擁擠度指標的過擬合概率。通過過擬合檢驗可以篩選出可靠性更強的行業指標，并且確定每項擁擠度指標的參數。后文中給出的回測區間統一設定為 2010 年 2

30、月 1 日至 2019 年 12 月 31 日。圖表10： 計算機行業（中信）行業價格走勢和 turn_crowd_20_95%擁擠度指標在擁擠度信號出現之后，如果行業指數出現下跌，意味著擁擠度指標能有效提示風險計算機行業turn_crowd_20_95%擁擠度指標（右軸）計算機行業指數（左軸）6,0005,50015,0004,5004,0003,5002019/02/012019/02/082019/02/152019/02/222019/03/012019/03/082019/03/152019/03/222019/03/292019/04/052019/04/122019/04/192

31、019/04/262019/05/032019/05/102019/05/172019/05/242019/05/312019/06/072019/06/142019/06/212019/06/283,0000資料來源：Wind，華泰證券研究所顯著性檢驗借助于顯著性檢驗可以判斷擁擠度指標對于行業指數收益率是否具有解釋力度。以擁擠度信號為自變量，以未來一個月行業指數收益率（20 個交易日）作為因變量，可以構建如下的回歸方程： = + + 01 其中是行業 K 在 t 時刻的擁擠度指標，取值為 1 時表示當前行業處于擁擠狀態，取值為 0 時表示當前處于非擁擠狀態； 表示行業 K 在 t 時刻未來一

32、個月收益率， 的取值與一一對應； 和 是回歸系數；為殘差項。01通過線性回歸求出的0為處于非擁擠狀態下各行業指數未來一個月的平均收益率，0 + 1為處于擁擠狀態下各行業指數未來一個月的平均收益率。當1顯著不為 0 時，說明和存在線性關系。對此我們通過假設檢驗判斷1是否顯著異于 0，即給出原假設 0：1 = 0，計算假設檢驗 t 統計量的 P 值。本研究選取顯著性水平為 1%的假設檢驗，即當P 0.01時拒絕原假設0，認為此時1顯著不為 0，此時擁擠度指標通過顯著性檢驗。為了減少回歸殘差的異方差性對假設檢驗的影響，我們利用 Newey-West 自相關相容協方差方法（Heteroskedasti

33、city and Autocorrelation Consistent Covariance）對殘差自相關性進行處理。在這種方法下，回歸系數的估計值不會發生變化，只是顯著性檢驗 P 值會發生改變，檢驗結果更加可靠。計算結果顯示，大部分擁擠度指標的顯著性檢驗 P 值在 0.01 以下，有 63%以上的指標通過了顯著性檢驗。每項擁擠度指標通過顯著性檢驗的比例有一定差別，夏普動量擁擠度、成交量擁擠度、偏度、協偏度四項指標受到參數影響較小，通過顯著性檢驗指標占比在 80%以上，高于其他指標。圖表11： 擁擠度指標顯著性檢驗結果類別指標名稱指標總數通過顯著性檢驗指標個數通過顯著性檢驗指標占比動量指標普通

34、動量擁擠度12650.00%夏普動量擁擠度121083.33%信息比率擁擠度12433.33%路徑調整動量擁擠度12975.00%尾部動量擁擠度12975.00%流動性指標成交量擁擠度121083.33%成交額擁擠度12758.33%換手率擁擠度12650.00%乖離率指標收盤價乖離率201155.00%成交量乖離率201365.00%成交額乖離率201365.00%換手率乖離率201470.00%量價相關性成交量與收盤價的相關系數12541.67%換手率與收盤價相關系數12758.33%成交額與收盤價相關系數12866.67%波動率指標波動率擁擠度12758.33%下行波動率擁擠度12758

35、.33%分布特征指標峰度12650.00%偏度121083.33%協偏度121083.33%總數27217263.24%資料來源：Wind，華泰證券研究所信號勝率檢驗本小節將進一步借助信號勝率檢驗篩選能夠預測未來出現下跌的擁擠度指標。擁擠度信號勝率定義為觸發擁擠度信號之后一個月行業指數收益率為負的天數占比。擁擠度勝率越高，證明通過擁擠度指標識別出來可能出現下跌的信號越多。我們統計了每類擁擠度指標中擁 擠度信號勝率大于 50%個數占比。計算結果顯示，包含所有參數設定的 272 個指標中， 只有 18%的指標同時通過顯著性檢驗和信號勝率檢驗。量價相關性、波動率指標和分布特 征指標信號更容易通過勝率

36、檢驗，比其他三類指標更容易識別出可能出現下跌的行業指數。圖表12： 擁擠度指標的信號勝率統計類別指標名稱指標總數通過顯著性檢驗且勝率大于 50%指標個數通過顯著性檢驗和信號勝率檢驗指標比例動量指標普通動量擁擠度12216.67%夏普動量擁擠度1200.00%信息比率擁擠度12216.67%路徑調整動量擁擠度1200.00%尾部動量擁擠度1200.00%流動性指標成交量擁擠度1200.00%成交額擁擠度1200.00%換手率擁擠度12541.67%乖離率指標收盤價乖離率20210.00%成交量乖離率2000.00%成交額乖離率2000.00%換手率乖離率2015.00%量價相關性成交量與收盤價的

37、相關系數12541.67%換手率與收盤價相關系數12758.33%成交額與收盤價相關系數12433.33%波動率指標波動率擁擠度12650.00%下行波動率擁擠度12650.00%分布特征指標峰度12325.00%偏度12433.33%協偏度12216.67%總數2724918.01%資料來源：Wind，華泰證券研究所13對單項景氣度指標來說，參數的選取對于信號勝率的影響存在一定的規律。以成交量和收盤價相關系數指標為例，歷史分位數閾值越低，對應的信號勝率越高，更容易識別出未來會出現下跌的情形。一般情況下，如果擁擠度指標分位數閾值設定越接近極端情況（比如正向指標趨向于 1%，負向指標趨向于 99

38、%），信號勝率越高。不過分位數閾值取值過于極端會導致發出的擁擠度信號變的很少，致使指標失去應用價值。具體的參數取值還要結合回測檢驗以及過擬合檢驗進行對比分析。圖表13： corr_volume_close 指標信號勝率分位數閾值 1%分位數閾值 5%分位數閾值 10%分位數閾值 20%窗口期 20 日窗口期 40 日窗口期 60 日54.76%51.82%49.96%49.28%69.17%55.85%54.02%51.23%54.07%43.23%43.09%44.25%資料來源：Wind，華泰證券研究所圖表14： corr_volume_close 指標各行業平均擁擠信號數量分位數閾值 1

39、%分位數閾值 5%分位數閾值 10%分位數閾值 20%窗口期 20 日窗口期 40 日窗口期 60 日8.6912.4114.4143.5952.7948.6694.41105.0097.79202.72212.31204.03資料來源：Wind，華泰證券研究所謹請參閱尾頁重要聲明及華泰證券股票和行業評級標準回測收益檢驗本小節將在顯著性檢驗和信號勝率檢驗基礎上，采用回測收益檢驗的方法判斷能否基于擁擠度信號構建有效的行業組合。擁擠度指標是一個避險指標，在資產組合構建過程中，應該把處于擁擠狀態的行業從投資組合中剔除。如果基于擁擠度指標構建的非擁擠行業組合可以跑贏行業等權基準，表明這個指標能夠篩選未

40、來將出現下跌的行業。為了更貼合行業輪動策略的投資邏輯，本研究構建了“月度調倉，每日監測”的回測過程，核心思路是每月底選出非擁擠行業組合作為底倉，在每個交易日監測各行業是否處于擁擠狀態，及時對處于擁擠狀態的行業進行清倉，詳細過程如下：建倉過程：在第一個擁擠度信號發出之后，于次日將所有處于非擁擠狀態的行業進行等權配置，構建初始組合。持倉過程：在每個交易日根據資產價格計算持有各行業的資金變動情況。如果擁擠度信號提示某個行業處于擁擠狀態，在下一個交易日進行清倉。匯總每日持有資金總額，計算資產組合凈值。調倉過程：在每月底匯總當前持有資金，于月初的第一個交易日對處于非擁擠狀態的行業進行等權配置，直至回測結

41、束。上述回測過程具有較強的拓展性，可以將擁擠度策略和其他行業輪動策略相結合。比如每月調倉時可以通過其他策略（比如景氣度策略）構建底倉，于每個交易日進行擁擠度監測，通過擁擠度指標提高其他輪動策略回測表現。圖表15： 基于擁擠度指標構建的回測流程示意資料來源：華泰證券研究所回測結果顯示，通過了顯著性檢驗和信號勝率檢驗的擁擠度指標，回測年化收益率普遍能夠超越行業等權基準。前兩個過程篩選出的總計 49 個擁擠度指標中，有 45 個可以取得正超額收益。通過檢驗的指標中量價相關性指標和波動率類指標居多。回測表現最好的是 downvol_60_80%指標，能夠取得接近 4%的年化超額收益。圖表16： 通過顯

42、著性檢驗和信號勝率檢驗的擁擠度指標回測結果指標代碼年化收益率年化波動率夏普比率最大回撤月頻調倉勝率close_bias_120_95%6.08%26.00%0.23-54.52%20.00%close_bias_250_90%6.15%26.00%0.24-54.53%33.33%corr_amt_close_40_1%6.26%26.15%0.24-56.27%57.89%corr_amt_close_40_10%7.00%25.22%0.28-54.12%43.96%corr_amt_close_40_20%6.20%24.46%0.25-51.38%46.73%corr_amt_clos

43、e_40_5%6.89%25.64%0.27-54.30%45.59%corr_turn_close_20_1%6.66%25.78%0.26-52.86%44.74%corr_turn_close_20_5%7.29%24.90%0.29-47.12%46.91%corr_turn_close_40_1%6.34%25.98%0.24-55.64%56.25%corr_turn_close_40_10%5.84%24.84%0.24-51.61%41.11%corr_turn_close_40_20%5.39%23.81%0.23-50.46%43.75%corr_turn_close_40

44、_5%5.79%25.43%0.23-54.18%44.62%corr_turn_close_60_1%6.39%26.01%0.25-54.83%42.31%corr_volume_close_40_1%6.22%26.10%0.24-56.48%57.58%corr_volume_close_40_10%5.80%24.92%0.23-52.87%43.48%corr_volume_close_40_20%5.03%24.13%0.21-50.70%44.64%corr_volume_close_40_5%6.04%25.58%0.24-55.13%48.48%corr_volume_cl

45、ose_60_1%6.22%26.09%0.24-56.12%53.13%coskewness_40_1%5.34%25.78%0.21-57.49%32.61%coskewness_40_5%5.67%25.01%0.23-55.84%50.00%downvol_20_90%8.25%24.27%0.34-45.90%54.55%downvol_20_95%7.53%25.06%0.30-50.67%50.00%downvol_40_80%7.71%24.24%0.32-48.36%52.38%downvol_40_90%6.50%24.99%0.26-55.19%60.00%downvol

46、_60_80%9.36%24.05%0.39-43.44%57.89%information_momentum_crowd_20_95%5.36%24.54%0.22-52.73%55.17%information_momentum_crowd_20_99%5.60%26.16%0.21-56.90%40.00%kurtosis_60_1%6.21%25.78%0.24-55.48%43.24%kurtosis_60_10%4.76%24.56%0.19-57.51%45.83%kurtosis_60_5%5.56%25.18%0.22-57.45%52.11%normal_momentum_

47、crowd_20_99%7.19%25.33%0.28-47.28%33.33%normal_momentum_crowd_60_95%6.47%25.42%0.25-46.26%45.45%skewness_20_1%6.40%26.05%0.25-55.10%50.00%skewness_20_10%8.39%24.19%0.35-44.53%51.65%skewness_20_5%8.19%25.01%0.33-44.45%46.67%skewness_60_20%8.70%23.69%0.37-44.91%53.33%turn_bias_250_90%6.34%26.22%0.24-5

48、8.58%50.00%turn_crowd_20_95%6.91%25.77%0.27-51.71%57.14%turn_crowd_40_90%5.92%25.68%0.23-54.56%40.00%turn_crowd_60_80%6.97%24.29%0.29-47.74%61.76%turn_crowd_60_90%6.84%25.55%0.27-51.95%36.84%turn_crowd_60_95%5.73%26.40%0.22-58.58%50.00%vol_20_90%8.22%24.16%0.34-44.84%53.85%vol_20_95%6.99%24.93%0.28-

49、52.35%50.00%vol_40_80%6.68%24.33%0.27-49.14%48.15%vol_40_90%7.07%24.64%0.29-52.60%54.55%vol_60_80%8.91%23.98%0.37-43.44%50.00%行業等權基準5.36%26.45%0.20-58.69%資料來源：Wind，華泰證券研究所過擬合檢驗前面三輪檢驗可以初步篩選出能夠起到風險提示作用的指標。但是每項擁擠度指標都有幾個備選參數供選擇。我們最后將借助過擬合檢驗篩選過擬合風險較小的指標，并對最終選定的單項擁擠度指標進行可靠的參數設定。在華泰金工人工智能系列報告（基于 CSCV 框架的回測

50、過擬合概率，2019-6-17）中，我們引入了組合對稱交叉驗證（CSCV）框架計算策略的過擬合概率（PBO），對策略過擬合程度進行定量分析。PBO 概率定義為：樣本內最優參數在樣本外的夏普比率排名位于后 50%的概率。一般情況下 PBO 概率小于 50%可以認為過擬合概率不高。PBO 越小，回測過擬合概率越低。圖表17： CSCV 框架示意圖資料來源:華泰證券研究所舉例來說，在計算普通動量擁擠度時，需要引入窗口期長度和歷史分位數閾值兩個參數，取值范圍分別是20/40/60日以及 80%/90%/95%/99%，我們在回測過程中發現窗口期長度為 20 日、歷史分位數閾值設定為 99%時，普通動量

51、擁擠度策略的回測年化收益率最高。對于普通動量擁擠度指標來說，20 日和 99%這組參數作為最優參數的過擬合概率具體有多大，可以通過 CSCV 方法進行定量驗證，具體計算流程如下：匯總基于不同參數計算的策略收益率序列。若總共有N 組參數，收益率序列長度為T，可以得到收益率矩陣。將矩陣從時間維度上劃分為 S 個子矩陣。從 S 個子矩陣中任意選出半數作為測試集，余下作為訓練集。遍歷所有可能組合，依據組合原理，可以得到2組測試集和對應訓練集。分析每組訓練集中夏普比最高的參數組合，計算其在相應測試集的相對排名，匯總依據所有測試集和訓練集計算的排名情況 = ( , , , ) （ = 2）。12統計中位于

52、測試集后一半排名的個數占比，作為回測過擬合概率 PBO。通常來說劃分子集數 S 取值越大，收益率矩陣將被切割的越來越細，測試集和訓練集數目越多，PBO 計算結果越準確。本研究進行的過擬合測試中，劃分子集數 S 分別設定為 4、6、8、10、12、14 和 16，并統計在不同劃分子集數下回測過擬合概率的均值。如果某個擁擠度指標的 PBO 高，說明訓練集中表現好的參數在測試集中往往表現較差，意味著這個指標的參數設定過程存在較大的過擬合風險。指標的 PBO 越高，過擬合風險越大。我們會對需要設置參數的 20 項擁擠度指標進行過擬合概率計算，在保證有效性的同時尋找過擬合概率較低的擁擠度指標。我們將過擬

53、合概率小于 50%作為過擬合檢驗的通過標準，計算結果顯示：總計 20 項擁擠度指標中，有 9 項指標的回測過擬合概率在 50%以下。最終通過顯著性檢驗、信號勝率檢驗、回測收益檢驗以及過擬合檢驗的指標總共有 6 項：換手率擁擠度、收盤價乖離率、換手率乖離率、成交量與收盤價的相關系數、換手率與收盤價相關系數、峰度。在考慮參數設定之后，總共有 21 個擁擠度指標通過檢驗。圖表18： 各項擁擠度指標 PBO 概率指標名稱指標代碼S=4S=6S=8S=10S=12S=14S=16PBO 平均值成交量乖離率volume_bias0.00%5.00%7.14%3.57%7.36%6.93%3.61%4.80

54、%成交額乖離率amt_bias16.67%5.00%7.14%5.95%6.60%9.29%7.75%8.34%收盤價乖離率close_bias16.67%15.00%7.14%9.13%14.07%11.92%14.79%12.67%換手率乖離率turn_bias16.67%10.00%12.86%20.63%12.66%14.22%7.96%13.57%峰度kurtosis16.67%20.00%30.00%23.81%29.44%32.20%38.21%27.19%換手率擁擠度turn_crowd50.00%45.00%48.57%43.65%41.02%35.96%31.25%42.2

55、1%成交量與收盤價的相關系數corr_volume_close66.67%35.00%37.14%28.97%45.02%44.17%47.07%43.43%換手率與收盤價相關系數corr_turn_close50.00%50.00%54.29%36.51%53.03%54.28%50.51%49.80%夏普動量擁擠度sharpe_momentum_crowd50.00%40.00%47.14%50.40%49.46%55.86%56.37%49.89%普通動量擁擠度normal_momentum_crowd50.00%45.00%45.71%45.24%54.98%57.34%59.27%5

56、1.08%成交額與收盤價相關系數corr_amt_close83.33%35.00%48.57%48.41%63.85%61.31%64.62%57.87%成交額擁擠度amt_crowd66.67%60.00%48.57%51.19%71.32%64.89%58.73%60.20%偏度skewness83.33%65.00%47.14%65.08%59.42%57.98%56.82%62.11%路徑調整動量擁擠度distance_momentum_crowd66.67%60.00%58.57%53.97%63.42%67.57%66.13%62.33%下行波動率擁擠度downvol66.67%

57、70.00%80.00%75.00%66.67%62.79%65.01%69.45%波動率擁擠度vol100.00%90.00%75.71%67.06%54.76%41.29%60.63%69.92%協偏度coskewness50.00%80.00%68.57%78.97%82.03%82.78%80.89%74.75%信息比率擁擠度information_momentum_crowd83.33%65.00%81.43%71.43%72.94%76.66%78.20%75.57%成交量擁擠度volume_crowd66.67%70.00%72.86%78.97%83.77%84.70%82.2

58、8%77.04%尾部動量擁擠度tail_momentum_crowd100.00%85.00%75.71%84.13%79.98%83.89%79.97%84.10%資料來源：Wind，華泰證券研究所圖表19： 通過四項檢驗的指標個數統計類別指標名稱指標總數通過顯著性檢驗通過信號勝率檢驗通過回測收益檢驗通過過擬合檢驗動量指標普通動量擁擠度126220夏普動量擁擠度1210000信息比率擁擠度124210路徑調整動量擁擠度129000尾部動量擁擠度129000流動性指標成交量擁擠度1210000成交額擁擠度127000換手率擁擠度126555乖離率指標收盤價乖離率2011222成交量乖離率成交額

59、乖離率20132013000000換手率乖離率2014111量價相關性成交量與收盤價的相關系數換手率與收盤價相關系數125127574747成交額與收盤價相關系數128440波動率指標波動率擁擠度下行波動率擁擠度127127666600分布特征指標峰度126322偏度 協偏度12101210424100總數272172494521注：表中統計逐個通過各項檢驗的指標個數，比如通過信號勝率檢驗一欄，統計的是同時通過顯著性檢驗和信號勝率檢驗的指標個數資料來源：Wind，華泰證券研究所為了避免重復，我們規定選出的每項擁擠度指標只保留一個最優的參數設定。在 CSCV 框架下，訓練集中的每組收益率序列都是

60、通過原始策略收益率序列排列組合得到的，那么在每組訓練集上都可以篩選出一個最優參數，一共有2組訓練集就對應可得2組最優參數。對這2組最優參數進行統計，我們可以得到每個參數作為最優參數出現的次數。上述過程相當于對回測時間進行排列組合，再由蒙特卡洛模擬計算最優參數出現的比率。如果某個參數作為最優參數出現的頻率越高，說明這組參數對應的收益率序列在大多數情況下都有著優異的表現，不易受到回測區間選取的限制。通過上述過程，可以針對每項擁擠度指標，計算其最優參數在訓練集上出現的次數，并據此確定每項擁擠度指標的最優參數。經過篩選，我們最終選出的六個擁擠度指標如下： corr_volume_close_40_1%