行业有效量价因子与行业轮动策略

行业量价因子筛选 含义对其进行归类，将量价因子分为动量、交易波动、换手率、多空对比、量价背离、量幅同向六大类。 我们对这六大类中的量价因子进行单因子测试，包括因子分组测试和因子IC值分析，最终得到了11个较为有效、逻辑性强的月频行业因子。 量价行业轮动组合回测表现较好 我们根据11个量价因子构建量价行业轮动组合，每月末选取中信一级行业（剔除综合和综合金融）中复合因子值最高的五个行业，行业间等权加权。 2010年至2022年7月，量价行业轮动组合的累计收益为580.00%，相对于全部行业等权组合的累计超额为484.16%。 行业组合的年度胜率为100%，月胜率为64.90%。 风险提示 报告的结论基于历史统计规律，当历史规律发生改变时，报告中的结论可能失效。市场可能出现超预期波动风险。 170831 我们从行业层面的量价数据入手，根据量价因子的本质含义对其进行归类，将量价因子分为动量、交易波动、换手率、多空对比、量价背离、量幅同向六大类。我们对这六大类中的量价因子进行单因子测试，最终得到了11个较为有效、逻辑性强的月频行业因子。 在量价因子测试中，回测区间均为2010年至2022年7月31日，所用行业为剔除综合和综合金融后的28个中信一级行业。在因子分组测试中，第一组为因子值最大组，第五组为因子值最小组，超额收益所用基准为28个中信一级行业的等权组合。同时，我们还采用了因子IC值分析，统计了月频因子IC值的时间序列。 最后我们将全部有效量价因子汇总，得到了量价行业轮动组合。2010年至2022年7月，量价行业轮动组合的累计收益为580.00%，相对于全部行业等权组合的累计超额为484.16%。 1.动量因子 简单动量 本节只考虑用价格数据构建行业因子。首先我们测试简单动量在A股行业中的表现，每月取不同期限动量最高的前5个行业并设置为等权。 其中，5日、10日、15日的短期动量和40日、120日、180日的中长期动量都能取得一定超额收益，但超额收益波动较大，动量和反转效应相互交替。它们的月频 IC均值分别为0.027、0.059、0.045、0.013、0.040和0.047。 二阶动量 动量是价格的一阶函数，我们用最新一期动量减去过去的动量，可得动量间的差值，即价格的二阶函数。二阶动量可以理解为动量的改善情况，我们对过去一段时间（window）的二阶动量进行了指数加权移动平均，因子公式为： 二阶动量因子呈较好的单调性，因子值最大组（第一组）至因子值最小组（第五组）的超额收益分别为166.53%、35.56%、-48.13%、-49.11%、-83.56%，月度IC均值为0.044。 动量期限差 长期动量越高体现了较好的动量持续性与筹码量的堆砌，而短期动量越高通常代表着较为拥挤的赛道。动量期限差，即长期动量减去短期动量。该因子值越高可以理解为在长期向上趋势明显的行业中剔除了近日较为拥挤的行业： 动量期限差因子分组测试中，第一组至第五组的超额收益分别为144.16%、-26.33%、53.49%、-49.57%、-105.97%，月度IC均值为0.046。 2.交易波动因子 本节我们只考虑交易量数据，分别介绍成交金额波动因子和成交量波动因子。我们用交易量的标准差反映近期行业的成交波动情况，波动越小说明市场情绪越稳定。 成交金额波动 我们用过去一段时间的成交金额标准差来衡量行业交易情况的稳定程度，并取相 反数，波动率最小组为因子值最大组，波动率最大组为因子值最小组： 成交金额波动因子分组测试中，第一组至第五组的超额收益分别为111.72%、-26.75%、-16.53%、-1.20%、-118.27%，月度IC均值为0.054。 成交量波动 成交量波动，即过去一段时间成交量标准差的相反数，同样的，波动率最小组为因子值最大组，波动率最大组为因子值最小组，这个因子代表着做多市场情绪稳定的行业： 根据成交量波动因子的分组测试，第一组至第五组的超额收益分别为164.49%、-41.13%、-3.00%、-35.85%、-68.77%，第一组超额收益明显高于其余各组，月度IC均值为0.040。 3.换手率因子 在只考虑行业换手率数据的情况下，单一期限的换手率均值在行业上的区分度并不明显，因此我们尝试了用长期换手率与短期换手率相除，得到换手率短期相对于长期的变化情况。 换手率变化 我们用长期换手率均值除以短期换手率均值，因子值越大，说明短期换手率相对于长期较低，市场预期较为一致；因子值越小，说明短期相对于长期换手更加活跃，市场分歧较大： 做多短期内换手率下降的行业效果较好，换手率变化因子在2017年之后超额收益较为明显。因子分组测试中，第一组至第五组的超额收益分别为110.27%、-40.01%、-6.64%、-22.81%、-50.58%，因子的月度IC均值为0.022。 4.多空对比因子 把行业指数每日收盘价与最低价的差值看作是多头力量、每日最高价与收盘价的差值看作是空头力量，那么最高价与最低价之间就是多空力量制衡的值域。我们根据指数日频的价格信息构建多空对比因子。 多空对比总量 我们计算过去一段时间内每日多空力量对比，即多头力量与空头力量的比值，并求和。多空对比总量越大，说明这段时间内多头力量相对于空头力量更强势；多空对比总量越小，说明这段时间内空头力量较多头力量更加强势。这里我们取因子值的相反数，也就是做多过去空头力量较强的行业，这本质上是一个反转因子。 多空对比总量因子分组测试中，行业组合第一组的超额收益在2013年一季度以前以及2016年以后都较为稳定，第一组至第五组的超额收益分别为255.14%、-34.38%、-42.10%、-41.77%、-67.11%，第一组的超额收益明显高于其余各组。 多空对比总量因子的月度IC均值为0.063。 多空对比变化 首先计算多空力量对比。分子我们用多头力量与空头力量相减，即 ( ) ( ) 𝐶𝑙𝑜𝑠𝑒−𝐿𝑜𝑤−𝐻𝑖𝑔ℎ−𝐶𝑙𝑜𝑠𝑒，分母为最高价减去最低价，也就是日内价格区间的极值。再将所得多空力量对比乘上当日行业成交量，可得当日多空力量对比的金额绝对值。 我们用长期每日多空力量对比的指数加权平均值，减去短期每日多空力量对比的指数加权平均值，可以得到近期多空力量对比相对于长期多空力量对比均值的变化。 因子值越大，说明近期多头相对于空头力量减弱；因子值越小，说明近期多空对比度相对于长期加大： 多空对比变化因子分组测试中，因子值第一组至第五组行业组合相对于行业平均的超额收益分别为136.37%、-23.44%、3.11%、26.34%、-124.60%，第一组的超额收益明显高于其余各组。 多空对比变化因子的月度IC均值为0.025。 5.量价背离因子 量价背离，即过去一段时间内成交量上升、价格下降，或成交量下降，价格上升。量价背离程度越高，超额收益增加的概率越大。 量价排序协方差 我们把量价背离定义为过去一段时间内收盘价与成交量排序的协方差的相反数： [ ( ) ( ) ] 𝐹𝑎𝑐𝑡𝑜𝑟=−1×𝑟𝑎𝑛𝑘{𝑐𝑜𝑣𝑎𝑟𝑖𝑎𝑛𝑐𝑒𝑟𝑎𝑛𝑘𝐶𝑙𝑜𝑠𝑒,𝑟𝑎𝑛𝑘𝑉𝑜𝑙𝑢𝑚𝑒,𝑤𝑖𝑛𝑑𝑜𝑤} 行业组合第一组的超额收益自2015年以来较为稳定，第五组自2016年以来呈稳定向下趋势。第一组至第五组的超额收益分别为145.39%、75.20%、-76.39%、 -39.97%、-66.13%。量价排序协方差（收盘价）因子的月度IC均值为0.028。 我们也可以把用于计算协方差的价格替换为开盘价或最高价，二者因子值最大组行业组合的超额收益走势都呈明显向上趋势。量价排序协方差（开盘价）因子的月频IC均值为0.024，量价排序协方差（最高价）因子的月频IC均值为0.018。 量价相关系数 这里把量价背离定义为过去一段时间内成交量与收盘价相关系数的相反数： 𝐹𝑎𝑐𝑡𝑜𝑟=−𝑐𝑜𝑟𝑟𝑒𝑙𝑎𝑡𝑖𝑜𝑛(𝐶𝑙𝑜𝑠𝑒,𝑉𝑜𝑙𝑢𝑚𝑒,𝑤𝑖𝑛𝑑𝑜𝑤) 因子分组第一组至第五组的累计超额收益分别为141.80%、-26.12%、-22.60%、-78.98%、34.51%。量价相关系数（收盘价）因子的月度IC均值为0.034。 我们也统计了用开盘价或最高价来计算量价相关系数的结果。量价相关系数因子值最大的行业组合在2021年9月至2022年4月的回撤较大。 量价相关系数（开盘价）因子呈较好的单调性，月频IC均值为0.031；量价相关系数（最高价）因子的月频IC均值为0.038。 一阶量价背离 成交量的一阶变化是今日成交量相对于昨日成交量的变化，价格的一阶变化是涨跌幅。一阶量价背离，即成交量和价格各自一阶变化的背离程度。因子值越大，说明成交量增加速度加快、涨跌幅下降，或成交量减少速度加快，涨跌幅提升。 𝑉𝑜𝑙𝑢𝑚𝑒𝑉𝑜𝑙𝑢𝑚𝑒 𝐶𝑙𝑜𝑠𝑒( 𝑂𝑝𝑒𝑛 𝑖𝑖−1 𝑖𝑖 ( ) −1,𝑅𝑎𝑛𝑘 ) −1,𝑤𝑖𝑛𝑑𝑜𝑤] 𝐹𝑎𝑐𝑡𝑜𝑟=−𝑐𝑜𝑟𝑟𝑒𝑙𝑎𝑡𝑖𝑜𝑛[𝑅𝑎𝑛𝑘 因子分组第一组至第五组的累计超额收益分别为108.20%、-16.13%、-38.77%、18.14%、-75.57%。一阶量价背离因子的月度IC均值为0.037。 6.量幅同向因子 量幅同向，即成交量变化的幅度和价格变化幅度同向变化。因子值越大，说明成交量扩大速度加快、最高价与最低价距离拓宽，或成交量减少速度加快，最高价与最低价距离缩小。 𝑉𝑜𝑙𝑢𝑚𝑒 𝐻𝑖𝑔ℎ( 𝐿𝑜𝑤 𝑖𝑖−1 𝑖𝑖 ( ) −1,𝑅𝑎𝑛𝑘 ) −1,𝑤𝑖𝑛𝑑𝑜𝑤] 𝐹𝑎𝑐𝑡𝑜𝑟=𝑐𝑜𝑟𝑟𝑒𝑙𝑎𝑡𝑖𝑜𝑛[𝑅𝑎𝑛𝑘 𝑉𝑜𝑙𝑢𝑚𝑒 因子分组第一组至第五组的累计超额收益分别为120.01%、-13.25%、-27.01%、-26.30%、-54.89%。一阶量价背离因子的月度IC均值为0.021。 7.量价因子行业轮动策略 前文介绍了动量、交易波动、换手率、多空对比、量价背离、量幅同向六个维度的量价因子，本节我们基于这六个大类的因子来构建量价行业轮动策略。 我们根据如上11个量价因子构建量价行业轮动策略，每月末选取中信一级行业（剔除综合和综合金融）中复合因子最高的五个行业，行业间等权加权。 2010年至2022年7月，量价行业轮动组合的累计收益为580.00%，相对于全部行业等权组合的累计超额为484.16%。行业组合的月均换手率为141.46%，每期更换的行业数量平均约为3.5个。 表2中统计了量价行业轮动组合的年度收益率，量价行业轮动组合行业组合的年度胜率为100%，月胜率为64.90%。 8.风险提示 报告的结论基于历史统计规律，当历史规律发生改变时，报告中的结论可能失效。市场可能出现超预期波动风险。