国君被动配置|行业指数如何择时:通过估值、流动性和拥挤度构建量化择时策略

行业指数量化择时研究框架概述

主要内容与关键数据

• 行业指数量化择时研究框架：该框架综合运用市场流动性与交易拥挤度指标，与行业指数估值相结合，旨在更精准地识别行业指数的底部与顶部特征。

• 行业指数估值模型：模型包含行业指数的市净率(PB)、市盈率(PE)、PBPE比率以及股权风险溢价四个因子，通过历史分位数方法构建。过去十年(2011-2023)间，该模型在行业多空组合上的平均年化收益率为12.40%，接近市场多空组合的12.68%。

• 市场流动性模型：该模型包括买入冲击成本、卖出冲击成本、上涨流动性指数与下跌流动性指数。在底部择时上，当流动性因子处于较低分位数(低于10%)时，未来50日内行业指数上涨概率超过65%，平均涨幅分别为5.82%和6.49%。该模型在应用中表现出更高的准确度与效果。

• 交易拥挤度模型：作为顶部择时的避险因子，与估值流动性模型相互补充。通过多维度构建拥挤度因子，并采用改进的动量均线系统，模型能有效规避交易拥挤导致的下跌风险。模型在过去十年间的年化收益率为10.59%。

• 量化择时模型合成与应用：综合应用上述模型，能够准确捕捉行业指数的底部与顶部特征，并有效避免交易拥挤下跌风险。过去十年间，行业多空组合的平均年化收益率为18.59%，平均超额年化收益率为15.66%；市场多空组合的年化收益率为20.54%，超额年化收益率为17.02%，SHARP比率高达1.41，表明收益风险比高。在最近一年内，该模型成功捕捉到了多个行业的底部反弹收益，如计算机、机械、国防军工、医药等领域。此外，通过应用交易拥挤度模型，成功规避了消费者服务、有色金属、电力设备及新能源与汽车领域的下跌风险。

• 风险提示：量化模型基于历史数据构建，可能存在历史规律失效的风险。

结论

通过综合运用行业指数的估值、流动性和拥挤度等量化指标，构建的择时策略能够有效识别行业指数的底部与顶部特征，同时规避交易拥挤导致的下跌风险，实现较高的收益率和风险调整后的回报。然而，模型的准确性受到历史数据的有效性限制，存在潜在的风险。因此，在实际应用中需谨慎评估并考虑动态调整策略以应对市场变化。