交易思维下的量化研究：从资金扩散识别微观结构恶化

A股趋势效应强于反转效应，多数量化策略基于趋势交易的思路进行开发，而反转类策略占比较少。此外统计显示稳定的顶部信号难以寻觅，因为无论估值还是换手率等常见指标都只提供了静态的总量信息，而对边际变化的指示意义较弱。拥挤度指标被市场广泛使用刻画交易热度，但量化交易资金的扩张使得成交额数据信噪比降低，拥挤度对微观结构的刻画意义下降。 基于交易边际的思路，本报告从资金扩散的视角构建量化模型，对微观结构恶化进行识别。资金扩散指的是随着板块上涨，资金逐渐加仓相对低位个股的现象，该现象主要由投资者畏高心理和锚定效应所驱动，如果某个板块中多数个股被充分交易后，资金获利了结的意愿会强于继续加仓或者切换个股的意愿，此时行情容易发生回调。基于此种想法构建资金扩散指数（CDI指数）。 利用聚类将板块成分股划分成N个单元，然后统计所有单元被资金加仓的频率分布，计算分布的峰度作为CDI指数。回测发现CDI指数相较于拥挤度择时效果有显著提升，平均降低8%的减仓机会成本，通过对回撤的控制能提升组合年化10%的收益表现，使行业组合相对万得全A获得15%的年化超额收益。随着A股扩容结构性特征凸显，对于过热板块的减仓信号研究具有重要意义。 风险提示：市场出现尾部风险；量化模型基于历史数据构建，而历史规律存在失效风险市场情况不满足模型假设，模型存在失效风险。 在实践中拥挤度是投资者较为关注的指标，高拥挤被认为是微观结构恶化，潜在买盘力量枯竭，然而2023年TMT板块拥挤度曾达到50%且持续上涨，说明拥挤度对微观结构的刻画存在局限。通过复盘我们发现资金扩散现象可以作为对微观结构变化的补充信息。本篇报告对该现象进行量化建模分析，从而更好的找到交易边际，为规避过热板块下跌提供参考依据。 2.减仓信号—战术配置中的重要环节 2.1.A股趋势效应强于反转效应 长期来看A股的趋势效应远超反转效应，因此股市中的趋势交易者往往占主导。从量化CTA策略中也能看到类似的现象，大多策略是建立在趋势跟随思路之上，反转类策略占比较低。 为了验证A股的趋势效应，利用均线系统将所有申万二级行业指数划分为强势行业跟弱势行业两组，定义如下： 计算相对股价和季度均线 𝑐𝑙𝑜𝑠𝑒 _𝑖𝑛𝑑𝑒𝑥𝑐𝑙𝑜𝑠𝑒_𝑤𝑑𝑞𝑎 𝑡𝑡 𝑟𝑒𝑙_𝑐𝑙𝑜𝑠𝑒= 𝑡 请务必阅读正文之后的免责条款部分 𝑡 𝑟𝑒𝑙_𝑐𝑙𝑜𝑠𝑒𝑀𝐴60= ∑ 𝑟𝑒𝑙_𝑐𝑙𝑜𝑠𝑒/60 𝑡 𝑖 𝑡−59 将相对股价在60日均线以上的行业定义为趋势性较强的强势行业，反之定义为弱势行业。 将强势行业等权配置构建强势行业组合，所有弱势行业等权配置构建弱势行业组合，自2011年开始回测发现，强势行业组合持续跑赢弱势行业组合。回测结果充分说明上涨趋势中的行业未来一段时间也容易获得超额收益，如下图所示： 2.2.复盘拥挤交易行情 拥挤度是在投资实践中被广泛认知和应用的参考依据，旨在衡量市场交易结构是否发生恶化。拥挤交易往往指的是市场中成交额过于集中在某几个行业上，该现象反映出投资者对板块具有较高的预期，同时也说明潜在的买盘被过度消耗同时伴随获利盘增加，在此环境下股价容易发生 将20%作为拥挤度的阈值，把2018年以来发生的拥挤交易情形整理如 若是每次拥挤度达到20%阈值时进行减仓，结果多以踏空为主。如果在N%水平时进行减仓，即便对N进行参数优化也难以达到理想的择时效果。 2.3.拥挤度的局限 拥挤度指标对微观结构的刻画存在以下局限： （1）如果某个行业的公司标的众多或者成分股的流通盘较大，该板块本身可以承载较多资金进行交易，尽管截面上看成交额过于集中，但仍未达到板块对资金的容纳上限。从2021年新能源和2023年TMT行情走势可以看出，当某些个股显著上涨后，资金会开始挖掘相关性较强的其它低位个股，即拥挤交易会以板块内个股轮动的形式化解。 （2）过去三年高频量化资金体量大幅增长，对交易额的干扰提升。 多数高频和T0量化策略偏爱高波动和交投活跃的环境，如果一个板块成交额上升，量化资金会放大其原本的成交额，但T0等策略贡献的主要是成交和波动率，对价格方向影响有限，使得当前市场成交额的信噪比有所下降。 拥挤度不足以刻画市场微观结构的变化，在后一部分我们将从资金扩散行为的视角进行补充分析。 3.关注资金扩散现象 资金扩散是指资金在某个板块内交易时，每个阶段领涨的个股发生切换，即资金挖掘和涌入新的个股之中。 3.1.资金扩散的底层逻辑 资金扩散现象由投资者心理变化所引起，畏高心理和锚定效应很好的解释了扩散现象的原因。锚定效应指出投资者往往会将某个股票的历史价格作为一个参考点或“锚”，并根据这个价格来判断该股票是便宜还是昂贵。因此在一个上涨的板块中，资金的加仓路径往往是从高到低，而如果资金对板块内多数个股都充分交易后，此时投资者加仓或者切换个股的意愿小于获利了结的意愿，使得板块发生回调。 复盘发生过拥挤交易的行业发现，资金在某个行业板块中的交易往往会从辨识度较高的个股开始，高辨识度往往具备以下特征：（1）细分行业内龙头公司，充分受益于行业景气度的提升，比如茅台、宁德时代等。 （2）困境反转、业绩弹性强的公司，在行业景气改善时往往会发生戴维斯双击。比如2021年的联创股份、云天化等。（3）投资者记忆深刻的标签股，比如汉王科技。 而随着板块股价上涨板块的价值被投资者发现，资金会继续挖掘同行业或者产业链上下游的其他标的，资金开始寻找低位的此前尚未被关注的边缘股票。 3.2.板块内领涨股特征变化较快 为了检验领涨股票的演绎是否具备某种规律，把图表5所列的拥挤交易行情为样本，计算每一阶段资金所关注个股的因子暴露。 资金关注股票定义：以日均成交额𝑎𝑚𝑜𝑢𝑛𝑡 代表投资者交易活跃度。 𝑇−14:𝑇 以成交额周度差分作为近期资金对个股的交易热度变化。将同时满足在截面排序前10%并且日均成交额放大超过2亿的个股定义为资金关注的股票，后面简称为领涨股票群。 观察资金关注股票在不同类型因子上的暴露，选择ROE、评级机构家数、不复权股价等因子。通过复盘发现资金在板块内扩散时，所关注的公司盈利水平会出现多次切换，并且会在某些时间段内切换至分析师关注度较低的个股。 下图表示资金交易活跃的个股ROE因子暴露，领涨股的ROE波动较大，说明资金会在不同类型的公司中进行扩散。 图表7：领涨股的ROE因子暴露 9 8 7 6 5 4 3 2 1 0 1.4 1.3 1.2 1.1 1.0 0.9 0.8 10 9 8 7 6 5 4 3 2 1 0 2.0 1.9 1.8 1.7 1.6 1.5 1.4 1.3 1.2 1.1 1.0 领涨股ROE 新能源走势 领涨股ROE 食品饮料走势 下图中列举了领涨股在分析师关注度方面的因子暴露，在拥挤阶段资金会向冷门股扩散，体现为领涨股平均分析师覆盖数量的下降。 图表8：领涨股的分析师关注度 18 16 14 12 10 8 6 4 2 0 35 30 25 20 2.0 1.9 1.8 1.7 1.6 1.5 1.4 1.3 1.2 1.1 1.0 1.115 10 1.0 5 0 2021-5-72021-6-7 2021-7-7 2021-8-7 2021-9-7 平均评级机构 新能源走势 平均评级家数 食品饮料走势 下图表示领涨股组合在不复权股价上的暴露，可以看出当交易处于拥挤状态时，资金会向低价股进行扩散： 图表9：领涨股的股价高低 140 450 400 350 300 250 200 150 100 50 0 2.0 1.9 1.8 1.7 1.6 1.5 1.4 1.3 1.2 1.1 1.0 120 100 80 60 40 2021-5-72021-6-7 2021-7-7 2021-8-7 2021-9-7 平均股价 新能源走势 平均股价 食品饮料走势 4.CDI指数构建及应用 从前一部分复盘中发现，资金在拥挤行业中进行交易存在扩散现象，但是规律性较弱，所以我们将针对扩散这一现象本身构造指标进行刻画，后称之为CDI或者资金扩散指数（Capital Dissemination Index）。 4.1.资金扩散现象量化建模 拥挤行业成分股聚类 出现过拥挤交易的板块例如tmt、医药、新能源、食品饮料等行业其包含了较多成分股，并且板块内部公司的分化较大，将所有成分股重构成N个基本单元更有利于后续分析。 以tmt板块为例，按照wind中的TMT指数（8841646）或者四个中信一级行业的成分股加总约1000只个股。在板块第一轮上涨时汉王科技、海天瑞声等具有辨识度的个股成为市场的领头羊，此后3月份资金开始关注到光模块跟算力板块，以中际旭创和海光信息为代表的个股出现放量上涨。进入4月份以传媒为代表的应用端个股备受资金关注，昆仑万维和蓝色光标等个股交投活跃。 不同个股之间尽管细分行业分类不同，但资金进行交易时往往有自己的逻辑链条，因此考虑用K-Means聚类将个股按照周度涨跌幅进行单元划分，并且按照Elbowmethod确定最优的K值。从分类结果看，在TMT 标记资金加仓的单元 成交额放大是资金加仓的最简单直接的体现，所以我们从成交额环比扩大的视角，记录资金对每个单元的加仓频率。由于不同单元所包含个股的流通盘以及成交额差异较大，有些大盘股所在单元成交额翻倍增长难度大，而有些小盘股聚集的单元成交额即便翻倍增长，其数值本身也较小，所以我们设置以下三种条件识别资金加仓： 条件1：日均成交额周环比大于M亿 𝑎𝑚𝑜𝑢𝑛𝑡 −𝑎𝑚𝑜𝑢𝑛𝑡 >𝑀 (𝑇−5):𝑇 ( )( 𝑇−10:𝑇−6 ) 条件2：日均成交额扩大100%. 𝑎𝑚𝑜𝑢𝑛𝑡 /𝑎𝑚𝑜𝑢𝑛𝑡 >2 (𝑇−5):𝑇 (𝑇−10):(𝑇 )−6 条件3：日均成交额扩大N亿且环比变化率处于截面前P% 𝑎𝑚𝑜𝑢𝑛𝑡 − 𝑎𝑚𝑜𝑢𝑛𝑡𝑎𝑚𝑜𝑢𝑛𝑡𝑎𝑚𝑜𝑢𝑛𝑡 >𝑁 (𝑇−5):𝑇 (𝑇−10):(𝑇(𝑇−5):𝑇 )−6 ) 𝑅𝐴𝑁𝐾 ( ≤𝑃 (𝑇−10):(𝑇 )−6 只要某个基本单元k符合以上任意条件，则即当期得分为1（𝑆𝑐𝑜𝑟𝑒 = 𝑘,𝑇 1），否则为0（𝑆𝑐𝑜𝑟𝑒 = 0），从行情启动到当期截面的累计得分记作： 𝑘,𝑇 𝑐𝑢𝑚𝑢𝑙𝑎𝑡𝑖𝑣𝑒_𝑠𝑐𝑜𝑟𝑒 = ∑ 𝑆𝑐𝑜𝑟𝑒 𝑘,𝑇 𝑘,𝑡 根据板块内个股成交额对M、N、P参数进行优化，目标是在板块整体成交额放大区间内，使得标记出的单元整体成交额的放大可以解释整个板块所放大成交额的70%以上。而在整体缩量的阶段，沿用放量阶段优化出的参数。 计算分布的峰度 在截面T可以得到所有基本单元的资金加仓频率分布图，在多数截面上呈现出类正态分布的图形。TMT板块在2023-3的频率分布如下图所示： 如果资金扩散程度较大，体现为肥尾分布，如果资金加仓的个股比较集中，尚未出现大幅扩散则呈现出尖峰分布。以峰度指标对分布的特征进行刻画： 𝑛𝑖=1 ∑𝑛 1∑(𝑛 (𝑥− 𝑥̅) 𝑖 𝐶𝐷𝐼 = 𝑛𝑖=1 (𝑥− 𝑥̅)) 𝑖 在此定义下正态分布的峰度为3，肥尾分布的峰度值小于3，尖峰分布的峰度值大于3。 4.2.CDI指数特征与信号设计 CDI指数与行情走势的线性相关性较弱，且回测看到实际中CDI指数大多处于[1,10]这个区间，以TMT板块CDI指数与行情走势为例，可以发现在TMT板块行情启动初期，随着主线个股的明晰，