行业配置研究系列05：如何规避交易拥挤行业：通过拥挤度构建行业轮动策略

行业配置研究框架。证券市场受基本面、技术面、资金面和情绪面等多重因素共同影响，我们通过定量分析建模研究行业板块基本面、技术面、资金面和情绪面等多维度边际变化，优先配置行业景气度边际改善、机构资金持续净流入、市场微观结构健康的行业板块。 行业拥挤度因子分类。从行业指数量价特征和微观结构角度，构建了微观结构、波动率、流动性、相关性、乖离率以及分布特征等6类拥挤度因子。通过计算因子历史分位数的方法，构建了275个常规拥挤度因子；应用动量均线系统识别的方法，构建了275个改进的拥挤度因子。 行业拥挤度单因子测试。通过胜率与收益分析和参数敏感性测试，我们发现，相较常规拥挤度因子，应用动量均线系统改进的拥挤度因子交易拥挤下跌风险规避的准确度和效果均更好。其中收盘价波动率因子胜率为86.40%，负向收益为13.84%，超额年化收益为4.60%。我们选择波动率PrcVol_40_99A、换手率TurnoverRT_5_99A、收盘价峰度PrcKurt_40_99、量价相关系数PrcVolCorr_60_99A、金额价格相关系数PrcAmtCorr_60_99A以及兴登堡预兆HindenburgSqrt_20_99A等6个因子参与拥挤度复合因子合成。 行业拥挤度复合因子合成与测试。（1）拥挤度复合因子年化收益为11.62%，相对市场基准超额年化收益为6.09%，超额收益主要集中在市场大幅下跌阶段，超额回撤主要集中在2015年1月牛市阶段高点和2015年8月市场下跌反弹时期。（2）测试结果表明，拥挤度复合模型能够有效地规避交易拥挤下跌风险，相较原模型具有更好的行业配置能力：2011年以来组合年化收益由18.56%提升为26.49%，相对市场基准的超额收益由12.98%提升为20.90%，组合最大回撤由49.28%下降为28.11%。（3）拥挤度复合模型相对市场基准年胜率为100%，月胜率为67.14%，年度换手率均值为427%。 附录：原行业轮动复合模型因子定义及构建方法：（1）行业景气度模型。（2）业绩超预期模型。（3）北向资金流模型。 风险提示：量化模型基于历史数据构建，而历史规律存在失效风险。 在行业配置研究系列前四篇专题报告中，我们借鉴股票多因子研究框架，利用公司财务数据、分析师预期、北向资金等数据研究了行业景气度、业绩超预期和北向资金流等模型在行业配置中的应用。最终研究结果表明，行业景气度、业绩超预期以及北向资金流等模型具有较好的行业配置能力，行业轮动复合模型多头组合历史回测年化收益为19.22%，超额年化收益为12.29%。但这三类模型本质上都是动量类的策略，复合模型追求优先配置行业景气度边际改善、业绩超预期、北向资金持续净流入的行业板块，对于因市场微观交易结构恶化而导致下跌的行业板块没有规避能力，在市场交易拥挤时容易出现收益回撤较大的情况。 本篇报告我们从微观结构、波动率、流动性、相关性等多个维度识别交易拥挤行业，通过单因子测试和复合因子合成研究相关因子在交易拥挤识别与规避中的作用。研究结果表明，拥挤度模型能够有效地规避交易拥挤行业下跌风险，拥挤度复合因子相对市场基准的超额年化收益为6.09%。应用拥挤度的行业轮动复合模型年化收益率为26.49%，相对市场基准的超额年化收益率为20.90%，相对原复合模型的超额年化收益率为7.92%。 1.行业配置研究框架 1.1.行业配置研究框架 我们认为证券市场是一个复杂系统，受基本面、技术面、资金面和情绪面等多重因素共同影响，不同时期影响市场运行的主导因素不一定相同，主要因素和次要因素在一定条件下可以相互转换。行业板块在基本面、技术面、资金面和情绪面等各维度可能出现共振，也存在相互约束的情形。我们通过定量分析多维度建模，研究各行业板块的基本面、技术面、资金面和情绪面等多维度的边际变化，优先配置行业景气度边际改善、机构资金持续净流入、市场微观结构健康、行业负面情绪较少的行业板块，并根据多维度边际变化动态调整组合行业配置。 图1：行业配置研究框架 证券市场估值与情绪存在极端悲观与极端乐观之间的周期往复运动，我们可以从微观交易结构角度解释市场的周期变化： 1.在市场持续、大幅下行时，随着悲观者持续抛出筹码、乐观者资金总量和资金成本优势逐步积累，市场风险实际上随着估值快速下降。 随着市场多空力量对比逐渐翻转，此时持有资金的投资者都是潜在购买者，业绩、政策或资金任一方面的边际改善都可能成为市场反弹修复的催化剂。 2.在市场持续、大幅上行时，随着乐观者持续购进筹码、悲观者筹码总量和筹码成本优势逐步积累，市场风险实际上随着估值快速上升。 随着市场多空力量对比逐渐翻转，此时持有筹码的投资者都是潜在抛出者，业绩、政策或资金任一方面不及预期都可能成为市场快速下行的导火索。 在行业配置研究系列前四篇专题报告中，我们研究了行业景气度、业绩超预期和北向资金流等模型在行业配置中的应用，但这三类模型本质上都是动量类的策略，对于因市场微观交易结构恶化而导致下跌的行业板块没有规避能力，在市场交易拥挤时容易出现收益回撤较大的情况。本篇报告我们从微观结构、波动率、流动性、相关性等多个维度识别交易拥挤行业，通过单因子测试和复合因子合成研究相关因子在交易拥挤识别与规避中的作用。 1.2.行业多因子研究流程 我们参考股票多因子模型研究方法论，将市场上所有上市公司依据所属行业分类（中信一级行业分类）划分为不同行业类别的公司集合，采用整体法或加权法，利用行业财务、资金与量价指标构造行业配置因子，探索有效的行业配置模型。行业多因子研究流程包括基础数据处理、行业因子合成、单因子测试、复合因子合成等步骤，详细内容参见行业配置系列深度报告《如何基于景气度构建行业轮动策略_行业配置研究系列01 _20220412》。 图2：行业多因子研究流程 2.行业拥挤度因子分类 现有的行业景气度、业绩超预期和北向资金流三类模型本质上都是动量类的策略，对于因市场微观交易结构恶化而导致下跌的行业板块没有规避能力，我们试图从行业指数量价特征和微观结构角度研究拥挤度因子在交易拥挤状态识别与下跌风险规避中的作用。 2.1.行业拥挤度因子分类 我们从微观结构、波动率、流动性、相关性、乖离率以及分布特征等维度设计行业拥挤度因子，通过计算当前指标值在历史数据中所处分位数水平判断当前行业是否处于交易拥挤状态。具体因子类别如下： 1.微观结构因子主要包括描述行业个股分化程度的兴登堡预兆指标以及衡量行业指数连续上涨隐含风险的下跌能量指标。 2.波动率因子主要描述行业指数大幅波动对应的下跌风险。 3.流动性因子主要描述行业指数成交量、成交额与换手率等指标，可以通过流动性指标突增观察市场风险。 4.相关性因子主要描述行业指数价格与指数成交量、成交额、换手率等流动性指标之间走势相关性。 5.乖离率因子主要描述行业指数最新成交量、成交额、换手率等流动性指标与历史均值之间的偏离程度。 6.分布特征因子主要描述行业指数近期日收益率序列的分布是否偏离历史统计特征。 图3：行业拥挤度因子分类 2.2.行业拥挤度因子说明 我们设计了微观结构、波动率、流动性、相关性、乖离率以及分布特征等行业拥挤度因子，通过计算当前因子值在历史数据中所处分位数水平判断当前市场是否处于交易拥挤状态，具体因子说明如下。 2.2.1.微观结构因子 微观结构因子包括描述行业个股分化程度的兴登堡预兆指标以及衡量行业指数连续上涨隐含风险的下跌能量指标 1.兴登堡预兆（Hindenburg Omen） 所谓“兴登堡预兆”是一套股市技术分析方法，它由一位美国盲人分析师米耶卡发明，并以兴登堡飞艇坠毁事件命名。该理论认为，正常情况下，当股市行至高点，多数股票应处于高位；股市跌至低位，多数股票应处于低位，这是股市常态。如果股市在高位盘整时，股价创出一年新高与创出一年新低的个股均达到一个较高比例，同时反映市场广度的麦克莱恩摆荡指标为负数时，显示市场可能正处于激烈分化之中，分化之后，市场可能出现大幅回落。 我们统计行业指数最近一个窗口期内创一年新高和一年新低的成分股数目，构造三类兴登堡预兆指标：HindenburgSqrt用来衡量行业成分股价格创一年新高和创一年新低的个股均比较高程度；HindenburgHigh用来衡量行业成分股价格创一年新高的个股数量占比；HindenburgDelta用来衡量行业成分股价格创一年新高个股数量减去创一年新低个股数量多少。 𝑁𝑒𝑤𝐻𝑖𝑔ℎ𝑁𝑢𝑚𝑁𝑢𝑚 𝑁𝑒𝑤𝐿𝑜𝑤𝑁𝑢𝑚∗ √ HindenburgSqrt = √ 𝑁𝑢𝑚 𝑁𝑒𝑤𝐻𝑖𝑔ℎ𝑁𝑢𝑚𝑁𝑢𝑚 HindenburgHigh = 𝑁𝑒𝑤𝐻𝑖𝑔ℎ𝑁𝑢𝑚 − 𝑁𝑒𝑤𝐿𝑜𝑤𝑁𝑢𝑚 HindenburgDelta = 𝑁𝑢𝑚 其中，Num指行业成分股数量；NewHighNum为最近窗口期价格创一年新高的行业成分股数量；NewLowNum为最近窗口期价格创一年新低的行业成分股数量。 2.行业下跌能量 我们发现证券市场指数暴跌之前普遍存在价格暴涨现象，而且价格上涨并非匀速，在不同阶段股价的上涨速度不一样，距离风险爆发日越近上涨速度越快。具体特征如下：第一，当前股价已创出近期高点；第二，股价的上涨模式呈现指数型暴涨。我们可以通过指数函数刻画暴跌前的行业指数股价上涨特征，构建行业下跌能量指标。 2.2.2.波动率因子 一般来说行业板块持续上涨过程中随着市场多空分歧加大，行业指数容易出现暴涨暴跌现象，其后往往伴随着行业指数的大幅下跌。我们通过波动率因子（行业指数日收益率的标准差）来衡量行业指数暴涨暴跌风险大小。行业指数在t日的波动率𝑃𝑟𝑐𝑉𝑜𝑙为： 𝑡 𝑁 (𝑟 ) − 𝑟̅𝑁 − 1 𝑡−𝑖 𝑡 𝑃𝑟𝑐𝑉𝑜𝑙= √∑ 𝑡 𝑖=0 其中，N为计算窗口期长度，𝑟̅为计算窗口期行业指数日收益率均值。 𝑡 2.2.3.流动性因子 一般来说行业板块持续上涨过程中随着市场情绪极度亢奋，行业板块成交量、成交额与换手率等流动性指标都会显著放大，出现天量成交现象，显示多空筹码大量交换、市场风险上升。我们通过流动性因子来衡量行业指数成交量、成交额和换手率的大小。由于日度流动性指标差异较大，我们采用窗口期数据平滑的方法计算日度数据。 2.2.4.相关性因子 一般来说，在市场运行过程中，市场指数价格走势与市场流动性走势基本相同，当出现价涨量缩或价跌量放等量价走势背离情形，可能表示市场微观交易结构开始恶化，后续市场下跌风险加大。我们通过行业指数成交量、成交额、换手率等流动性指标与指数收盘价的相关系数来衡量行业指数量价背离情况。行业指数成交量与收盘价相关系数𝑃𝑟𝑐𝑉𝑜𝑙𝐶𝑜𝑟𝑟、成交额与收盘价相关系数𝑃𝑟𝑐𝐴𝑚𝑡𝐶𝑜𝑟𝑟、换手率与收盘价相关系数𝑃𝑟𝑐𝑇𝑟𝑛𝐶𝑜𝑟𝑟分别为： 𝑡 𝑡 𝑡 𝑁−1𝑖=0 ̅̅̅̅̅̅ ̅̅̅̅̅̅− 𝑉𝑜𝑙) ∑ (𝑃𝑟𝑐 − 𝑃𝑟𝑐)(𝑉𝑜𝑙 𝑡−𝑖 𝑡 𝑡−𝑖 𝑡 𝑃𝑟𝑐𝑉𝑜𝑙𝐶𝑜𝑟𝑟= 𝑡 𝑁−1𝑖=0 𝑁−1𝑖=0 ̅̅̅̅̅̅− 𝑃𝑟𝑐 ̅̅̅̅̅̅− 𝑉𝑜𝑙 √∑ (𝑃𝑟𝑐 )∑ (𝑉𝑜𝑙 ) 𝑡−𝑖 𝑡 𝑡−𝑖 𝑡 𝑁−1𝑖=0 ̅̅̅̅̅̅ ̅̅̅̅̅̅̅− 𝐴𝑚𝑡)̅̅̅̅̅̅̅− 𝐴𝑚𝑡 ∑ (𝑃𝑟𝑐 − 𝑃𝑟𝑐)(𝐴𝑚𝑡̅̅̅̅̅̅ )∑− 𝑃𝑟𝑐 𝑡−𝑖 𝑡 𝑡−𝑖 𝑡 𝑃𝑟𝑐𝐴𝑚𝑡𝐶𝑜𝑟𝑟= 𝑡 𝑁−1𝑖=0