使用更简单指标 更有效地识别行业拥挤

使用更简单指标更有效地识别行业拥挤2022年4月26日请仔细阅读在本报告尾部的重要法律声明仅供机构投资者使用证券研究报告|金融工程专题报告金融工程高级分析师：张立宁SAC NO：S1120520070006金融工程首席分析师：杨国平SAC NO：S1120520070002134638 2（一）基础交易数据的有效性（二）马氏距离度量行业拥挤（三）拥挤度识别指标表现良好目录 行业拥挤是一种交易现象3•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。也可以从基础数据出发计算各类衍生技术指标。•但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。 基础交易数据的有效性4•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。•检验方法，以价格为例：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。 价格是有效指标5资料来源：华西证券研究所•随着历史价格涨幅的提高，与未来涨幅的负相关性增加，也就是越可能发生交易拥挤。 成交金额是有效指标6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。 换手率是无效指标7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。 交易指标无法提示上行机会8资料来源：华西证券研究所•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。 9（一）基础交易数据的有效性（二）马氏距离度量行业拥挤（三）拥挤度识别指标表现良好目录 马氏距离的例子10•马氏距离与欧式距离相似，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。资料来源：华西证券研究所 通过个股马氏距离合成行业拥挤度11•如果有푛维向量푥=(푥1,푥2,∙∙∙∙∙∙,푥푛)푇，其样本均值向量为푢=(푢1,푢2,∙∙∙∙∙∙,푢푛)푇，样本协方差矩阵为Σ，那么푥与样本均值之间的马氏距离(这里直接使用平方项)为：푑=(푥−u)푇∙Σ−1∙(푥−u)。•我们基于价格、成交金额两类数据，将N日前价格与成交金额的组合作为原点，计算当前值与原点的马氏距离，构造拥挤度指标。距离越大，说明过去一段时间价格和成交金额出现了更明显的上涨，出现行业拥挤的概率越高。•对于行业指数，使用以上方法计算行业内每只成分股的拥挤度，并对全部股票拥挤度取均值或中位数或加权求和，得到行业指数的拥挤度。•当数据点位于第1象限，且拥挤度超过阈值的时候，认为是触发了拥挤信号。•这一分析过程只涉及2个参数：交易数据的前后时间间隔、判断拥挤的阈值。 12（一）基础交易数据的有效性（二）马氏距离度量行业拥挤（三）拥挤度识别指标表现良好目录 行业拥挤度统计信息13资料来源：华西证券研究所 拥挤度识别有高胜率14资料来源：华西证券研究所•当拥挤度阈值为0.02时，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个行业的绝对胜率和相对胜率达到了50%以上。 改变时间窗口胜率依然稳定15•我们改变未来时间窗口的长度，观察从未来10日到未来90日，拥挤度指标的胜率变化。•胜率非常稳定，时间窗口在30日-90日之间时，绝对胜率和相对胜率都在60%以上。资料来源：华西证券研究所 改变阈值大小胜率依然稳定16•固定未来时间窗口为60日，观察改变阈值大小时的拥挤度识别效果。•结果显示随着阈值提高，胜率小幅提高，平均信号次数明显减少。资料来源：华西证券研究所 以电子行业为例17•2016年至今，电子行业共触发59次拥挤信号，绝对胜率和相对胜率均为93.22%。•信号触发后未来60日电子行业指数平均跌幅为-11.28%，对基准指数的平均超额收益为-7.47%。行业指数单次最大跌幅为-26.12%，单次最大跑输基准为-22.57%。资料来源：华西证券研究所 拥挤度指标的局限性18•一是对部分长牛行业失效。食品饮料行业最为典型，绝对胜率和相对胜率分别为18.66%和14.93%。这与食品饮料是长牛行业有关，历史上每次交易拥挤最终都会被盈利增长和投资者更乐观的预期所消化，没有出现过明显回调。这一现象在2020年特别明显，交易拥挤后行业会继续上涨。但2021年以来拥挤度识别的准确性明显提高，共触发7次信号，胜率100%。•而是即使在高胜率的情况下，高拥挤度也只是行业下跌的充分条件，而非必要条件。以电子行业为例，在触发拥挤度信号后，行业几乎必然下跌；但行业下跌并不一定需要触发拥挤，也可能是其他原因引起下跌，例如2022年以来的行业走势表现。 以食品饮料行业为例19资料来源：华西证券研究所 4月份行业拥挤信号20资料来源：华西证券研究所 风险提示21•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。 22华西证券研究所：地址：北京市西城区太平桥大街丰汇园11号丰汇时代大厦南座5层网址：http://www.hx168.com.cn/hxzq/hxindex.html分析师简介杨国平：复旦大学博士,华西证券研究所副所长,金融工程首席分析师。曾任申万研究所董事总经理，金融工程部总监，首席分析师，25年证券从业经验。张立宁：南开大学硕士，华西证券研究所金融工程高级分析师。曾任申万研究所金融工程部资深高级分析师，15年金融工程相关研究经验，在择时、量化选股、指数研究、数据分析等领域具有丰富的研究经验。分析师承诺作者具有中国证券业协会授予的证券投资咨询执业资格或相当的专业胜任能力，保证报告所采用的数据均来自合规渠道，分析逻辑基于作者的职业理解，通过合理判断并得出结论，力求客观、公正，结论不受任何第三方的授意、影响，特此声明。 免责声明23华西证券股份有限公司（以下简称“本公司”）具备证券投资咨询业务资格。本报告仅供本公司签约客户使用。本公司不会因接收人收到或者经由其他渠道转发收到本报告而直接视其为本公司客户。本报告基于本公司研究所及其研究人员认为的已经公开的资料或者研究人员的实地调研资料，但本公司对该等信息的准确性、完整性或可靠性不作任何保证。本报告所载资料、意见以及推测仅于本报告发布当日的判断，且这种判断受到研究方法、研究依据等多方面的制约。在不同时期，本公司可发出与本报告所载资料、意见及预测不一致的报告。本公司不保证本报告所含信息始终保持在最新状态。同时，本公司对本报告所含信息可在不发出通知的情形下做出修改，投资者需自行关注相应更新或修改。在任何情况下，本报告仅提供给签约客户参考使用，任何信息或所表述的意见绝不构成对任何人的投资建议。市场有风险，投资需谨慎。投资者不应将本报告视为做出投资决策的惟一参考因素，亦不应认为本报告可以取代自己的判断。在任何情况下，本报告均未考虑到个别客户的特殊投资目标、财务状况或需求，不能作为客户进行客户买卖、认购证券或者其他金融工具的保证或邀请。在任何情况下，本公司、本公司员工或者其他关联方均不承诺投资者一定获利，不与投资者分享投资收益，也不对任何人因使用本报告而导致的任何可能损失负有任何责任。投资者因使用本公司研究报告做出的任何投资决策均是独立行为，与本公司、本公司员工及其他关联方无关。本公司建立起信息隔离墙制度、跨墙制度来规范管理跨部门、跨关联机构之间的信息流动。务请投资者注意，在法律许可的前提下，本公司及其所属关联机构可能会持有报告中提到的公司所发行的证券或期权并进行证券或期权交易，也可能为这些公司提供或者争取提供投资银行、财务顾问或者金融产品等相关服务。在法律许可的前提下，本公司的董事、高级职员或员工可能担任本报告所提到的公司的董事。所有报告版权均归本公司所有。未经本公司事先书面授权，任何机构或个人不得以任何形式复制、转发或公开传播本报告的全部或部分内容，如需引用、刊发或转载本报告，需注明出处为华西证券研究所，且不得对本报告进行任何有悖原意的引用、删节和修改。