金融工程专题报告：使用更简单指标更有效的识别行业拥挤

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。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 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 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 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 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 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。 马氏距离的例子 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。 通过个股马氏距离合成行业拥挤度 𝑇 𝑇 如果有𝑛维向量𝑥=( 𝑥1 , 𝑥2 ,∙∙∙∙∙∙,𝑥)，其样本均值向量为𝑢=(𝑢,𝑢,∙∙∙∙∙∙,𝑢)，样本协方差矩阵为Σ，那么𝑥与样本均值之间的马氏距离(这里直接使用平方项)为：𝑑=(𝑥−u)∙Σ∙(𝑥−u)。 𝑛 𝑛 𝑇 −1 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。 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 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 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。 改变阈值大小胜率依然稳定 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。 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%。 拥挤度指标的局限性 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4月份行业拥挤信号 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。