请仔细阅读在本报告尾部的重要法律声明 1 [Table_Title] 使用更简单指标更有效地识别行业拥挤 [Table_Title2] [Table_Summary] ► 行业拥挤是一种交易现象 当投资者情绪过于高涨，集中进入某个行业时，就形成了行业拥挤。行业拥挤度过高后，会带来收益的下降，因此投资者应避开高度拥挤的行业。 行业拥挤是一种交易现象，与行业基本面没有直接关联，因此可以使用量价交易数据来衡量拥挤度。 基础的交易数据包括价格、成交额、换手率，从基本数据出发还可以计算各类衍生技术指标，但这将增加工作量，也会增加过拟合的机会。 ► 使用简单指标也可以有效识别行业拥挤 我们基于最简单的价格和成交金额，使用马氏距离计算行业拥挤度，过程简单，同时有效性和稳健性也十分显著。 我们统计拥挤度信号触发后未来60日的行业表现，全部行业的平均绝对胜率和相对胜率分别为69.90%和69.20%；对31个行业中26个行业的绝对和相对胜率达到了50%以上。 改变未来时间窗口和阈值后，识别效果仍然稳健。 ► 行业拥挤度最新提示 过去60日内触发拥挤度的行业包括：房地产、煤炭、交通运输、社会服务、计算机、通信、银行。 风险提示 量化报告的结论基于历史统计规律，当历史规律发生改变时，报告中的模型和结论可能失效。 评级及分析师信息 [Table_Author] 分析师：张立宁 邮箱：zhangln@hx168.com.cn SAC NO：S1120520070006 分析师：杨国平 邮箱：yanggp@hx168.com.cn SAC NO：S1120520070002 证券研究报告|金融工程研究报告 仅供机构投资者使用 [Table_Date] 2022年4月17日 167589 证券研究报告|宏观研究报告 请仔细阅读在本报告尾部的重要法律声明 2 正文目录 1. 行业拥挤是一种交易现象 .......................................................................... 3 2. 基础交易数据的有效性识别 ........................................................................ 3 3. 使用马氏距离度量行业拥挤 ........................................................................ 6 4. 拥挤度识别指标有良好表现 ........................................................................ 7 5. 风险提示....................................................................................... 12 图表目录 图 1 历史价格涨幅提高、与未来涨幅负相关性增加 .........................................................................................................................4 图 2历史成交金额涨幅提高、与未来涨幅负相关性增加..................................................................................................................4 图 3历史换手率增加与未来涨幅的相关性没有明显规律..................................................................................................................5 图 4价格下跌、成交金额下降与未来涨幅相关系数没有明显规律................................................................................................5 图 5股债资产组合的距离度量 ..................................................................................................................................................................6 图 6不同时间窗口的胜率变化 ..................................................................................................................................................................9 图 7不同阈值的胜率和信号次数变化 .................................................................................................................................................. 10 图 8电子行业拥挤度识别效果 ............................................................................................................................................................... 10 图 9食品饮料行业拥挤度识别效果....................................................................................................................................................... 11 表 1行业拥挤度统计信息 ...........................................................................................................................................................................7 表 2行业拥挤度识别效果统计 ..................................................................................................................................................................8 表 3最新行业拥挤提示............................................................................................................................................................................. 11 qOpPmMtR9PaO7NmOnNtRoMjMpPqMfQqRvN8OqQvMxNsRtQNZmPsP 证券研究报告|宏观研究报告 请仔细阅读在本报告尾部的重要法律声明 3 1.行业拥挤是一种交易现象 当投资者情绪过于高涨，资金集中进入某个行业时，就形成了行业拥挤。行业拥挤度过高后，会带来绝对收益或者相对收益的下降，因此投资者应该避开高度拥挤的行业。 虽然行业的长期走势是由基本面决定的，但行业拥挤是一种交易现象，更多的是投资者短期情绪化的结果，与行业基本面没有直接关联，因此可以使用量价交易数据来衡量拥挤度。 价格、成交额、换手率三种基础数据包含了交易的全部信息，可以直接使用，当然也可以从基础数据出发计算各类衍生技术指标。衍生技术指标种类繁多，通过对指标的不断尝试，确实可以取得较好的拥挤度识别效果，但是计算量也会非常巨大，这将增加工作量；而且技术指标都会涉及到参数，指标越多参数也会越多，这会大大增加过拟合的机会。 本篇报告中我们基于最基础的交易数据，使用马氏距离计算行业拥挤度，目的是使用更简单的指标更有效的识别行业拥挤。 2.基础交易数据的有效性识别 本文中的基础交易数据是指价格、成交额、换手率。一般认为当资产价格上涨过多、成交金额增加过多时，伴随有较多的资金流入，当流入超过一定阈值后就形成了行业拥挤；换手率的增加也是这样，当换手率大幅提升时，意味着市场情绪高涨，超过一定阈值后就可能形成行业拥挤，行业未来收益可能会降低。 我们准备从这3类数据入手，识别价格涨幅过高、成交金额增加过多、换手率提升过多的市场状态，将其看做行业拥挤阶段。但在此之前，有必要先实证检验一下这3类数据是否确实与行业拥挤相关。 以价格数据为例，如果它能够有效识别拥挤，那么随着价格历史涨幅的增加，由于行业发生了拥挤，未来收益会出现下降。 我们依此原则进行检验：对每个行业指数的每个历史时点，分别计算过去60日涨幅和未来60日涨幅，得到历史涨幅和未来涨幅两个数据序列。然后根据历史涨幅数值大小对数据分组，例如可以分别得到历史涨幅>10%、历史涨幅>20%的数据组，并计算各分组后数据的相关系数。 如果更高的历史涨幅会增加行业拥挤概率，那么相关系数会小于0，并且随着分组数据中历史涨幅的提高，负相关性会更高。 对价格数据的计算结果显示，这一规律确实成立，随着历史涨幅的提高，与未来涨幅的负相关性增加，也就是越可能发生交易拥挤。 证券研究报告|宏观研究报告 请仔细阅读在本报告尾部的重要法律声明 4 图 1 历史价格涨幅提高、与未来涨幅负相关性增加 资料来源：华西证券研究所 成交额同样遵循这一规律，成交额增加幅度越多，与未来涨幅的负相关性也越强。 图 2历史成交金额涨幅提高、与未来涨幅负相关性增加 资料来源：华西证券研究所 换手率则没有同样的规律，随着换手率变动幅度的增加，与未来收益的负相关性先增强再减弱，并没有单调性。 证券研究报告|宏观研究报告 请仔细阅读在本报告尾部的重要法律声明 5 图 3历史换手率增加与未来涨幅的相关性没有明显规律 资料来源：华西证券研究所 根据前面的分析，价格涨幅和成交金额涨幅对于预示行业拥挤的作用较为明显，但换手率是无效指标，因此我们只基于价格、成交金额两类数据构造拥挤度指标。 同时可以发现当价格下跌、成交金额下降时，与未来涨幅的相关系数没有明显变化规律。因此虽然价格和成交金额的上升可以提示行业拥挤后的下行风险，但两者下降却无法提示行业的上行机会。 图 4价格下跌、成交金额下降与未来涨幅相关系数没有明显规律 资料来源：华西证券研究所 证券研究报告|宏观研究报告 请仔细阅读在本报告尾部的重要法律声明 6 3.使用马氏距离度量行业拥挤 马氏距离(Mahalanobis Distance)与欧式距离相似，是一种常用的距离度量指标。它的优点是消除了不同维度量纲差异的影响，同时也考虑了不同维度之间的相关性。 以图5为例，X轴和Y轴分别是股票和债券涨幅，两者正相关，但量纲不同，股票的波动幅